【锚点】这一篇只钉一个判断：【方法部分最该先审的不是模型是否漂亮，而是研究入口是否合法：数据来源、同意范围、脆弱人群与撤回权；入口错了，后续统计越漂亮，污染越深。】

【显式】常见论文会写：『数据来自某医院数据库，经伦理委员会批准（编号：XXX）』。但【1个伦理编号不能覆盖3类问题】：数据来源、同意范围、二次分析许可。若只有编号，没有说明是否允许新增变量、是否包含生物样本和遗传数据、受试者能否撤回，审稿人其实看不到关键风险。伦理批准不是万能章，它是特定研究设计的许可。

【隐式】真正要审的是【来源链】：谁采集、何时采集、当时同意覆盖什么、后来是否新增变量、数据是否最小化、受试者能否撤回。例如：病历数据原本只批准用于『高血压随访』，论文却用来预测『抑郁风险』，这就是范围漂移；估计量可能算得再干净，推断边界已经被悄悄扩大。

【细微】更隐蔽的是【认知捷径】：审稿人看到『IRB approved』会触发安全信号，降低对后续细节的审查强度。这就像看到『p<0.05』就停止追问效应量。伦理编号是起点，不是终点；它证明有人问过，但不证明当前分析在许可范围内。

【极难发现】最反直觉的是【公平性风险】：同一套数据，若来自高收入地区医院，论文却写成『代表城市人群』，这不是统计偏差，而是伦理边界被语言抹平。同行评审若只审『能不能算出来』，不审『能不能这样说』，就会把可发表性建立在越界之上。

【流程节点链路】：起点【论文提交方法部分】→ 中间节点【审数据来源、同意范围、伦理编号、二次分析许可、脆弱人群保护】→ 终点【结论只在研究入口合法且可复核的范围内成立】。

【待验证点】如果期刊要求方法部分必须单列『伦理与数据许可』小节，并明确写出同意覆盖范围，会不会增加写作负担，但显著减少『可发表但不可授权』的论文？