研究限制怎麼寫:結論與限制段落不削弱論文的寫法
研究限制段落的任務不是道歉,而是說明每一個弱點會讓結果往哪個方向偏、偏多少、你做了什麼補救,以及結論在什麼範圍內仍然成立。
許多研究者把研究限制當成討論章節最後的例行公事:列出「樣本數小」「橫斷面設計」「單一醫院」三行,然後趕快進入結論。問題是,這種寫法既沒有幫讀者判斷結果可信度,也讓審稿人必須自己推敲偏差的影響——而審稿人推敲出來的版本,通常比作者自己寫的更嚴厲。本文整理報告準則對限制與結論的要求、一套可直接套用的四步寫法,以及用 E 值把「偏差大小」寫成數字的實例。
為什麼研究限制寫得太少,反而讓論文更脆弱
Ioannidis 在2007年檢視了六本最常被引用的研究期刊與兩本新創開放取用期刊,在2005年各自刊出的前50篇論文,發現只有17%的文章在討論自身研究時使用了任何表示「限制」的字詞,只有五篇設有獨立的限制小節;在被檢視的25本高被引期刊作者須知與編輯政策中,只有一本鼓勵作者討論限制(PMID: 17346604)。ter Riet 等人分析2007年30本期刊的300篇生物醫學論文,27%(81/300)完全沒有提到任何限制,有提到的論文則中位數為3項(PMID: 24324540)。
限制寫得少,並不會讓論文看起來更強。Puhan 等人在評論中指出,若作者沒有交代所有重要的限制,讀者與審稿人可能認為作者根本沒有意識到這些問題;作者反而應該利用自己最熟悉研究細節的優勢,主動說明限制的實際影響,避免被誤讀(PMID: 22360847)。換句話說,限制段落是作者掌握詮釋權的地方。
報告準則怎麼要求:STROBE 第19項與 CONSORT 2025 第30項
觀察性研究的 STROBE 與隨機試驗的 CONSORT 都把限制列為獨立的檢核項目,而且要求的層次比「列出缺點」更高。若還不確定自己的研究該對照哪一份準則,可先閱讀CONSORT與STROBE報告準則的選用說明。
官方原文示例(STROBE checklist 第19項,EQUATOR Network 提供下載):「Discuss limitations of the study, taking into account sources of potential bias or imprecision. Discuss both direction and magnitude of any potential bias.」也就是說,準則要求交代的是偏差的來源、方向與大小,而不只是名稱。CONSORT 2025 檢核表第30項對隨機試驗也有對應要求:說明潛在偏差的來源、不精確性、可推論性,以及(若適用)多重分析的問題;第29項則要求詮釋與結果一致,並權衡效益與傷害。來源:EQUATOR Network · STROBE
值得注意的是,CONSORT 2025 刪除了原本獨立的「可推論性」項目,把它併入第30項的限制討論(PMID: 40228833)。實務上這代表:外推範圍不再是可有可無的附帶句子,而是限制段落本身必須回答的問題。
四步寫法:限制、偏差方向與大小、補救、對結論的影響
把準則的要求拆開,每一條限制都可以用同一個四步結構來寫。下圖整理了四個步驟與各自的寫法示例:

以一項用自填問卷測量運動量的世代研究為例(假設例子)。只寫第一步是「本研究運動量為自填,可能有測量誤差」。走完四步則是:運動量為自填,可能高估實際活動量(第一步,來源);若高估程度在有無結局的兩組之間相近,屬於非差異性誤分類,一般會讓關聯往無效值方向偏移,也就是低估效應(第二步,方向)——但 Jurek 等人提醒,這個經驗法則只有在分類誤差彼此獨立等條件成立時才正確,因此應寫明自己假設了哪些條件(PMID: 18184671);我們以量化偏差分析設定幾種不同的誤分類程度重新估計,關聯方向不變(第三步,補救;做法可參考下一節 Lash 等人的建議);因此本研究的關聯較可能是保守估計,但結果僅適用於可自行填答問卷的門診病人(第四步,影響)。同一個限制,第二種寫法反而支持了結論的穩健度。
判斷順序可以這樣排:先列出所有可能影響主要結果的限制;再依「對主要結論的威脅程度」由大到小排序,最大的放第一條;不影響主要結論的次要問題合併成一句即可。這樣寫,審稿人一讀就知道作者已經掌握了最關鍵的風險。
把「偏差大小」寫成數字:E 值實例
第二步最難寫的是「大小」。Lash 等人主張以量化偏差分析估計系統性誤差的方向、大小與不確定性,並指出這個過程本身就能對抗研究者對結果過度自信的傾向(PMID: 25080530)。對於未測量混雜,VanderWeele 與 Ding 提出的 E 值是最容易上手的工具:它是一個未測量混雜因子必須同時與暴露及結局達到的最小關聯強度(以風險比表示),才足以完全解釋掉觀察到的關聯;作者建議同時報告點估計值與信賴區間中最接近無效值那一端的 E 值(PMID: 28693043)。
以假設數值示範:若校正後風險比為1.8(95% CI 1.3–2.5),以 R 套件 EValue 計算,點估計值的 E 值為3.0,信賴區間下限的 E 值約為1.92。限制段落便可寫成:「未測量混雜因子需同時與暴露及結局達到風險比3.0的關聯,才能完全解釋此結果;若要使信賴區間包含1,所需關聯強度約為1.92。」這比「可能存在未測量混雜」具體得多,也讓審稿人能自行判斷這樣強的混雜是否合理存在。
結論段落:與結果一致,不要替結果加料
限制寫好之後,結論必須與它一致。Boutron 等人分析72篇主要結果未達統計顯著的隨機試驗,發現摘要結論中有58.3%出現「spin」,也就是以報告方式凸顯實驗治療有益或轉移讀者對陰性結果的注意力;正文結論段落則有50.0%(PMID: 20501928)。結論一旦超出結果,前面寫得再誠實的限制段落也會被抵銷。
寫結論時可用三個檢查點:第一,結論中的每一句話都能對應到結果章節的一個具體數字;第二,因果用語與研究設計相符,觀察性研究用「相關」「與……有關」,而非「導致」「改善」;第三,主要結果若未達顯著,就直接寫明,不以次要結果或次族群(subgroup)分析取代主要結論。若結論需要提到實務或政策意涵,應同時寫出第四步界定的適用範圍。
投稿前的研究限制自我檢查
投稿前,建議逐項確認:(1)最可能影響主要結論的限制排在第一條;(2)每一條限制都交代了偏差方向,可行時給出大小或敏感度分析結果;(3)可推論性有明確寫出適用對象與不宜外推的對象;(4)結論句與結果數字一一對應,沒有超出研究設計的因果宣稱;(5)摘要的結論與正文結論一致。討論章節如何把結果放進國際文獻脈絡,可參考討論章節寫作指南。
如果您希望在投稿前由熟悉報告準則的編輯檢視限制與結論段落的邏輯,Editverse臺灣的論文撰寫輔導可依 STROBE 或 CONSORT 逐項對照您的稿件,指出需要補強的偏差說明與過度宣稱之處;研究內容與結論的判斷仍由作者負責。
參考文獻
- Ioannidis JPA. Limitations are not properly acknowledged in the scientific literature. J Clin Epidemiol. 2007. PMID: 17346604
- ter Riet G, Chesley P, Gross AG, et al. All that glitters isn’t gold: a survey on acknowledgment of limitations in biomedical studies. PLoS One. 2013. PMID: 24324540
- Puhan MA, Akl EA, Bryant D, Xie F, Apolone G, ter Riet G. Discussing study limitations in reports of biomedical studies- the need for more transparency. Health Qual Life Outcomes. 2012. PMID: 22360847
- Hopewell S, Chan AW, Collins GS, et al. CONSORT 2025 statement: updated guideline for reporting randomised trials. BMJ. 2025. PMID: 40228833
- Boutron I, Dutton S, Ravaud P, Altman DG. Reporting and interpretation of randomized controlled trials with statistically nonsignificant results for primary outcomes. JAMA. 2010. PMID: 20501928
- VanderWeele TJ, Ding P. Sensitivity analysis in observational research: introducing the E-value. Ann Intern Med. 2017. PMID: 28693043
- Jurek AM, Greenland S, Maldonado G. How far from non-differential does exposure or disease misclassification have to be to bias measures of association away from the null? Int J Epidemiol. 2008. PMID: 18184671
- Lash TL, Fox MP, MacLehose RF, et al. Good practices for quantitative bias analysis. Int J Epidemiol. 2014. PMID: 25080530
- EQUATOR Network. STROBE checklist (combined, v4). https://www.equator-network.org/wp-content/uploads/2015/10/STROBE_checklist_v4_combined.docx
資料查核日期:2026-10-01。法規、費用與程序可能變動,引用前請回到原始來源再次確認。