研究问题、可复现分析与敏感性分析10 / 16
网络研究的报告清单
报告规范的作用是让读者能评价、复算和综合研究。通用规范（如观察性研究的 STROBE、临床试验的 CONSORT）不覆盖网络构建的细节，因此各领域出现了针对网络或影像的规范：Nichols 等（2017）的 COBIDAS 报告给出了 MRI 数据分析与共享的最佳实践和报告清单；Burger 等（2023）提出了横断面心理网络分析的报告标准，按方法和结果两部分组织，分为“通用分析流程”（每项研究都应报告）和“特定分析流程”（只在相关时报告），并用“需要注意的问题”专栏讨论解释上的陷阱。
Hallquist 与 Hillary（2019）回顾了 106 项临床静息态功能连接图论研究，发现节点划分和边定义差异极大、常见的“使各组边数相等”的做法在临床人群中可能制造虚假组间差异、各研究共同报告的图论指标很少以致难以做元分析。完整、统一的报告是解决这些问题的前提。
网络构建每一步应报告什么
下表综合了上述规范，可作为“迷你报告清单”使用（图表呈现与报告结构见结果呈现与研究前沿）：
| 步骤 | 必须报告 | 说明 |
|---|---|---|
| 样本 | 招募方式与人群；收集到与进入分析的样本数；是否按网络内变量筛选子样本 | 按总分阈值筛选病例会在子样本中诱导负边（Burger 等 2023 讨论的选择效应） |
| 数据来源 | 数据库名称、版本、下载日期；物种与 ID 体系 | 例如 STRING v12.0 人类，综合置信度阈值 |
| 变量与节点 | 测量工具及版本；节点定义（图谱名称与分辨率、基因映射规则）；合并、剔除节点的规则 | 同一构念的多个条目会产生拓扑重叠 |
| 预处理 | 变换、缺失数据处理（删除或插补方式）、离群值、批次与头动处理 | 问卷跳题结构不应简单用 0 插补 |
| 边的估计 | 统计量；估计方法与全部参数（包括默认值）；正则化调参准则 | 默认值会随软件版本改变 |
| 稀疏化 | 阈值类型与取值；是否保留负边和权重；密度 | 报告每组的实际密度 |
| 指标与算法 | 指标定义（加权/不加权）；算法与参数（如社团检测的分辨率） | 指标名称相同但定义可能不同 |
| 零模型与推断 | 零模型类型；随机网络或置换次数；检验方向；多重比较校正 | 报告 和种子 |
| 准确性与稳定性 | bootstrap 类型与次数；边权区间；中心性的病例删除稳定性 | 中心性差异不稳定时不解释排序 |
| 敏感性分析 | 改变了哪些选择；每个选择下的结果 | 包括不支持假设的结果 |
| 软件与环境 | 软件、包及版本；随机种子；代码与数据可获取的位置 | 并行计算时说明种子如何派生 |
| 偏离与探索 | 与预注册的偏离；哪些分析是探索性的 |
报告清单不是解释指南：把所有项都报告了，并不意味着结论成立。例如，Burger 等（2023）提醒，中心性是在特定估计网络中计算出来的，不是变量本身的属性；同一个症状在一个网络中处于边缘，在加入其他变量的网络中可能变得居中。