用途：该技能是一个系统化的科研严谨性评估流程，用于对科学主张和研究进行批判性分析，评估方法学、实验设计、统计有效性、偏差、混杂以及证据质量，并应用 GRADE 与 Cochrane ROB 框架。
主要能力：
- 方法学批判：评估研究设计是否匹配研究问题、能否支持因果主张；分析内部效度（随机化质量、混杂控制、选择偏差、失访）、外部效度（样本代表性）、构念效度与统计结论效度；检查对照与盲法、测量质量。
- 偏差识别：涵盖研究者认知偏差（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）、测量偏差（观察者、回忆、社会赞许、工具）、分析偏差（p-hacking、结局切换、选择性报告、亚组挖掘）以及混杂。
- 统计分析评估：检查样本量与功效、统计检验适用性、多重比较校正、p 值解读、效应量与置信区间、缺失数据处理、回归与建模常见问题。
- 证据质量评估：按研究设计层级排序，评估同类设计内的质量、GRADE 降级与升级因素（偏倚风险、不一致性、间接性、不精确性、发表偏差；大效应量、剂量反应、混杂方向、证据聚合），以及证据收敛性与情境因素。
- 逻辑谬误识别：包括因果谬误、泛化谬误、权威与来源谬误、统计谬误、结构谬误和科学特定谬误，并说明如何给予有效推断所需证据。
- 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、分析规划到透明性与严谨性（预注册、报告规范如 CONSORT、STROBE、PRISMA）。
- 主张评估：识别主张类型与强度、评估证据、检查逻辑衔接、评估置信度与证据比例、检查过度泛化，并给出结构化反馈。
使用方式：当需要评估研究方法与实验设计、评估统计有效性与证据质量、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、应用 GRADE 或 Cochrane 偏倚风险评估，或对研究论文进行批判性分析时，可应用此技能。
适用场景与限制：适用于论文评审、研究设计咨询、证据综合与科学传播评估。资料未提供具体安装命令、代码、收费、价格或平台支持信息，具体使用步骤暂未提供。