scientific-critical-thinking

用途：这是一个评估科学严谨性的系统化技能，用于批判性分析科研方法与证据。适用场景包括评估研究设计与方法学、判断统计效度与证据质量、识别偏差与混杂、审查科学主张与结论、开展系统综述或元分析，以及应用 GRADE 或 Cochrane 偏倚风险评估。\n\n主要能力：一、方法学批评，从研究设计适配性、内部/外部/构念/统计结论效度、对照与盲法、测量质量等角度评估严谨性。二、偏差检测，覆盖研究者认知偏差（确认偏差、HARKing、发表偏差、选择性报告）、选择偏差（抽样、志愿者、失访、幸存者偏差）、测量偏差（观察者、回忆、社会赞许、工具偏差）与分析偏差（p 值操纵、结局切换、选择性报告、亚组挖掘）。三、统计分析评估，包括样本量与检验效能、统计检验适配性、多重比较校正、p 值解读、效应量与置信区间、缺失数据、回归与建模，以及相关不等于因果等常见陷阱。四、证据质量评估，按研究设计层级排序（系统综述/元分析、随机对照试验、队列、病例对照、横断面、病例系列、专家意见），结合偏倚风险工具与 GRADE 降级/升级因素、证据趋同性评估。五、逻辑谬误识别，涵盖因果、概括、权威来源、统计与结构类谬误。六、研究设计指导，从问题细化、设计选择、偏差最小化、样本规划、测量策略、分析计划到透明性与报告规范（CONSORT、STROBE、PRISMA）提供建议。七、主张评估，核查主张类型、证据充分性、逻辑连接、置信度与过度概括。\n\n使用方式与限制：资料提供了应用准则（建设性、具体、比例适当、标准一致、考虑语境），但未提供具体命令、安装步骤或运行方式，相关细节暂未提供。其参考文件（如 references/scientific_method.md、references/common_biases.md、references/statistical_pitfalls.md、references/evidence_hierarchy.md、references/logical_fallacies.md、references/experimental_design.md）在资料中被提及，但内容与获取方式暂未提供。