“我计划研究气候变化对公众健康的影响，并提出有针对性的政策建议。”这句话经常能出现在一份研究计划开头。它不算错，甚至非常重要，可如果把它交给真正研究气候健康的学者，接下来会遇到一连串问题：具体是哪一种健康结果？气候变化通过什么机制影响它？你的数据能把这些机制区分开吗？
我想借中山大学公共卫生学院杨廉平副教授参与并担任通讯作者的研究，示范一次研究计划从宏大议题走到可验证问题的修改。2025 年，他的团队在《Nature Medicine》发表了关于气候、社会经济因素与全球抗微生物药物耐药性的研究。这里的耐药性，简单说是微生物对药物的反应变弱，使相关感染更难治疗。
研究有一个不太直觉的地方：耐药性当然与抗菌药物使用有关，却不能只靠“少开药”解释所有变化。团队汇集多国监测、社会经济和自然环境数据，同时关注温度、污染、地表径流、卫生设施和医疗支出等因素，并用不同未来情景讨论风险变化。它把一个医学问题放进了自然环境、医疗体系与社会发展条件共同作用的背景。
这恰好可以用来检查研究计划的第一句。原稿如果写“分析气温上升导致耐药性增加”，就已经偷偷把因果关系当成了结论。不同地区的抗菌药物使用、医疗服务可及性、数据监测能力和卫生基础设施，都可能与气候变量同时变化。若没有先说明如何处理这些因素，再精细的统计模型也只能得到一串难以解释的系数。
我会先把研究对象缩小，而不是急着提出一项覆盖全球的全新指标。比如针对有连续监测记录的城市或地区，研究强降雨前后部分感染相关耐药监测指标怎样变化，同时比较卫生基础设施较完善与较薄弱地区的差别。这里不是声称强降雨必定导致耐药性，也不是照搬原论文的既有结论，而是将宽泛议题改成一个有待检验的具体问题。
新的研究问题可以这样写：“在具有可比监测口径的地区，强降雨事件前后抗微生物药物耐药监测指标的变化，是否随当地污水处理覆盖和医疗服务条件而不同？”它至少让读者知道要看什么事件、什么结果以及哪一种潜在差异。比起“研究气候变化影响公众健康”，这一句更容易被方法和数据检验。
可改到这里并不意味着 RP 已经合格。首先要问，监测数据能否区分真正的耐药风险变化和检测数量变化？大雨之后，如果医院送检样本数也改变，耐药比例就不一定能直接当作人群风险。其次，时间窗口怎样选？地区间的耐药菌种是否可比？药物使用政策或医疗活动的同期变化有没有被记录？这些都决定比较是否成立。
如果申请者打算使用事件研究或中断时间序列设计，还要先检查事前趋势、季节性、共同冲击和可能的延迟影响。方法不是把一种流行模型的名字放在计划书里，而是说明它能排除哪些解释，又排除不了哪些。杨廉平副教授团队的多因素分析提醒我们：气候变量的作用要放进卫生体系与社会经济条件里理解，不能只画两条随时间上升的曲线就得出因果结论。
因此，在计划书的可行性一节，我会优先保留数据来源、变量定义、时间分辨率、样本缺失处理和敏感性分析。可以提出一个假设：基础设施条件较差的地区，强降雨后的监测指标变化可能不同。但“可能不同”是需要实验与数据检验的假设，绝不应提前写成“研究将证明弱势地区风险更高”。
对背景准备也应诚实。如果申请者过去只做过一次气候可视化课程作业，没有接触过抗菌药物耐药监测，合理的计划应先补公共卫生监测口径、流行病学与数据质量知识，而不是把自己描述为已经掌握全球疾病负担评估。反过来，做过医院感染数据的申请者若不了解气候暴露测量，也需要补上这一环。跨学科的价值来自可对接的问题，不来自把两个专业写在同一行。
最后再把问题放回杨廉平副教授的真实论文。他既关注气候条件，也把抗菌药物使用和卫生体系因素纳入分析，所以一份合格的 RP 不应只是写“模仿该研究并加入机器学习”。更好的方向是指出自己想研究哪一种情境、哪一项未被充分解释的差异、能够获得什么数据，以及哪一条推断最可能失败。
一份研究计划的成熟，不在于它承诺发现多么重大的政策答案，而在于它能够允许证据推翻最初的猜测。真正从一句正确的口号走到可讨论的研究，通常需要做的不是加更多修饰词，而是不断删除那些还没有依据的肯定句。
