【锚点】这一篇只钉一个判断：【可复现性的瓶颈不是数据公开，而是分析路径公开；没有决策日志，开放数据只是让审稿人更难找到你藏起来的选择。】

【流程节点链路】起点【研究者拿到原始数据】→ 中间节点【在缺失值、协变量、亚组、检验方向、效应量指标之间选择】→ 终点【公开数据+代码仍可能只公开一条成功路径，而非全部可辩护路径】

【显式】Open Science Collaboration 2015 对100项心理学研究直接复现：39%成功，61%失败；中位效应量从约0.44降到约0.25，降幅约43%。这不是“心理学特别假”，而是估计误差、样本量不足与分析选择共同作用。

【隐式】Gelman 和 Loken 的“分叉路径”提醒：若10个二选一分析决定，就有1024条合理路径；只要一条 p<0.05，偶然噪声就可能被写成结论。

【细微】很多“可重复”只意味着别人能跑同一份代码；但代码只记录“我最后做了什么”，不记录“我为什么放弃另外11种做法”。真正的复现证据不是 data.csv + analysis.R，而是 decision_log：每个分析分叉、排除理由、敏感性分析、被放弃路径。

【极难发现】最危险的不是隐藏阴性结果，而是公开阴性数据却隐藏成功分析路径；它看起来更开放，实际上让选择偏差从抽屉搬进代码仓库。

问题：如果一篇论文只公开最终代码，不公开分析分叉记录，它应该被审稿吗？还是只配叫“可运行”，不配叫“可复现”？