本研究未发现 A 与 B 之间的显著关系，与假设不一致。这可能是由于样本量不足或测量误差造成的，有待进一步研究。
如果你在讨论部分写过类似的话，问题不在于句子不通顺，而在于它做了三件事：承认了意外结果、把它推给"误差"、然后立刻结束话题。审稿人对这种写法的判断通常是"选择性报告"——只强调支持性结果，回避不一致的结果。而对作者本人来说，代价是放弃了一次把研究讲得更完整的机会。
讨论部分的功能是对结果进行评价和解释，而不是复述结果。结果部分负责呈现"看到了什么"，讨论部分负责回答"这意味着什么"。意外结果同样适用这条分工，只是需要一套更明确的处理流程。下面按三步走：先判断结果是否可靠，再解释可能的原因，最后重新定位它对研究问题的意义。
第一步：先判断结果是否可靠，而不是先写解释
很多作者的顺序是反的：一看到结果与假设不符，立刻开始找理由，于是"样本量不足""测量误差""被试不认真"随手就来。正确的顺序是先做方法检视，确认这个结果在数据层面站得住，再谈解释。
方法检视不是重做一遍研究，而是带着"这个结果可能是假的吗"的怀疑，逐项核对几个最容易出问题的地方。
| 检查环节 | 具体表现 | 需要确认的问题 |
|---|---|---|
| 样本与分组 | 组间不可比、失访不随机 | 差异是否来自分组方式而非处理本身 |
| 测量 | 量表信效度、编码方向、单位换算 | 变量是否被反向计分或错误合并 |
| 数据清理 | 缺失值处理、极端值、重复记录 | 处理方式是否在事前确定，是否影响结论方向 |
| 分析设定 | 协变量选择、模型形式、多重比较 | 换成合理替代方案后结果是否翻转 |
| 研究设计 | 回顾性数据、二手数据库 | 可观测的协变量是否太少，导致效应混合 |
临床预测研究的方法学讨论中有一个值得借鉴的提醒：意外结果可能来自研究设计本身。例如，实施不当的病例对照研究比队列研究更容易产生选择偏倚；使用回顾性、常规收集的登记数据时，由于可观测到的个体特征数量和细节有限，效应混合更可能出现。同时，多变量模型因为纳入了相应协变量，比单变量分析更不容易出现这类问题。这几个例子说明，"意外"有时确实是方法产物，值得先查一遍。
什么时候该回头改分析
如果检视中发现了明确的错误，比如量表反向计分未处理、分组变量编码颠倒、缺失值被当作真实值参与计算，那就回到分析阶段修正，并在方法与结果部分说明修改了什么。这属于正常的研究过程，不需要在讨论里含糊其辞。
如果查不出错误，就不要假装有。此时这个结果就是你的数据给出的答案，应当作为真实结果进入讨论。把可靠的结果说成"误差"，和把误差说成发现，是同一类问题。
第二步：把"可能是误差"替换成有依据的解释
确认结果可靠之后，才开始写解释。解释不是自由联想，每一种说法都需要对应的证据支撑。可以按三类来组织。
方法学解释。 用样本、测量、设计上的差异解释不同研究之间的分歧。这类解释最容易写扎实，因为它落在可核查的具体差异上，例如样本年龄段、测量工具版本、数据收集年代。
情境解释。 说明结果在特定群体、地区、时间或制度条件下成立，换一个条件可能不成立。这类解释要避免变成万能理由——"文化差异""个体差异"如果没有具体指向，等于什么都没说。
理论解释。 指出结果可能与某个机制有关，从而修正原有假设。常见的写法是：结果提示 X，但既有研究多报告 Y，一个更合理的解释是 Z，因为 Z 能同时容纳两种观察。
写作上有一条通用规则：推测可以，但要让读者看出这是推测，并且不要离数据太远。尤其要避免在只有相关证据时使用因果语言。下面这组句式可以直接改用：
- 弱：这说明 A 导致了 B。
- 强：本研究观察到 A 与 B 同向变化，但横断面设计无法区分因果方向，这一关联也可能由 C 同时影响两者所致。
- 弱：结果与文献不一致，可能是误差。
- 强：结果与既往研究不一致，可能的来源有三：一是本样本的 X 特征比例更高；二是测量工具在 Y 维度上的区分度较低；三是原研究未控制 Z。前两点可以由本研究数据部分验证，第三点需要后续研究设计来检验。
第三步：重新定位结果在研究中的位置
解释完原因，还要回答一个更根本的问题：这个意外结果，对你原本的研究问题意味着什么？有三种常见的定位方式，可以单独使用，也可以组合。
限定结论的适用范围。 把原来的普遍性主张收缩为条件性主张。例如从"A 提升 B"改为"A 在 X 条件下提升 B，在 Y 条件下未观察到该效应"。这是最稳妥、也最容易被审稿人接受的定位。
作为新假设提出。 如果意外结果有理论意义，就把它明确写成待检验的假设，并说明需要什么样的设计来检验。注意是提出假设，不是用现有数据证明它。
作为机制或边界条件的线索。 说明这个结果暴露了原有理论框架的哪一处不足，为后续研究指出切入口。
无论选哪一种，都要保持讨论与结论一致：讨论里降级的主张，结论里不能再升级回去。
一段回避式文字的完整修改演示
回到开头的段落，看它如何改写。
原稿：本研究未发现 A 与 B 之间的显著关系，与假设不一致。这可能是由于样本量不足或测量误差造成的，有待进一步研究。
修改稿：与假设相反，本研究未观察到 A 与 B 之间的显著关联。这一结果与既往若干研究报告的正向关联不一致。差异可能来自三个方面。第一，样本构成：本研究样本中具有 X 特征的参与者占比明显低于既往研究，而该特征在理论上会增强 A 对 B 的作用。第二，测量方式：本研究使用自评量表，可能低估了在评价敏感情境下的 B 水平，既往研究多采用行为指标。第三，分析层面：既往研究多在个体层面分析，本研究在组织层面聚合，聚合过程可能削弱个体层面的关联。需要说明的是，本研究的检验效能足以识别中等及以上效应，因此上述结果不宜直接解释为"不存在关联"，更可能是关联强度较弱或依赖于特定条件。据此，我们认为 A 与 B 的关系应表述为条件性关联，后续研究需要在 X 特征比例较高、且采用行为指标的样本中重新检验。
修改稿并没有把结果"救回来"，它做的是四件事：如实陈述结果、用文献建立比较基准、给出可核查的解释、重新界定结论的强度。这四点正是审稿人希望在讨论中看到的内容。
修改后自查清单
改完讨论部分，逐条核对：
- 所有与假设不符的结果是否都出现在讨论中，没有一个被静默删除。
- 每个意外结果是否先经过方法检视，而不是直接归因于误差。
- 每种解释是否有对应的证据或文献对照，能否指出具体的差异维度。
- 是否区分了"本研究数据能验证的解释"与"需要后续研究检验的解释"。
- 推测性表述是否使用了恰当的限定语，是否避免了因果语言。
- 讨论中的结论强度与结论部分、摘要中的表述是否一致。
- 局限性的表述是否指向具体影响，而不是"有待进一步研究"这类空话。
- 是否说明了该结果对原研究问题的具体影响：限定范围、提出新假设，还是指出机制线索。
最后一点提示：以上是通用的写作方法，不同期刊对讨论结构、局限性写法、甚至是否允许在讨论中提出新假设的要求并不相同。投稿前请以目标期刊最新的投稿指南和格式要求为准，不要直接把本文的句式模板当作规范条文使用。
