投PLOS Biology做回归分析，只在主文列显著变量够吗？

研究者准备投PLOS Biology，主文结果表只保留两个P值小于预设阈值的变量，其他进入同一模型的项都被删掉。读者看不到参照组、调整项和不精确的估计，便难以判断结论是否来自完整模型。该刊的研究报告最佳实践明确要求将回归分析的完整结果作为Supporting Information提供，包括估计系数、标准误、P值、置信区间及拟合情况。主文可以突出关键问题，但补充文件应让人核对它是从哪一套完整结果中提炼的。

先固定每个模型的身份

给每个回归模型一个稳定编号，例如M1用于未调整分析、M2用于预先确定的调整方案、M3用于敏感性分析。主文写“M2估计某关联”时，补充表也用M2，而不是按写稿顺序重新编号。表头列结局、样本量、模型类型、数据版本、纳入变量和缺失值处理方法；若不同模型因缺失而人数改变，逐列说明，不共用一个总人数。模型选择过程如逐步筛选或事先规定的变量集合，应在方法段交代。这个清单针对实际执行并用于论文论证的分析，不是让作者为补表临时增加无关模型。

把非显著项也留在对应列

每个估计项列变量名、单位或类别、参照水平、系数或经转换的效应量、标准误、区间和P值；模型层面的拟合指标另放表尾并注明算法。若用逻辑回归报告OR，同时说明表中是指数化后的值，别把原始对数系数和OR混放一列却共用同一表头。PLOS Biology对统计报告还要求说明所用软件名称和版本、显著性阈值、样本量依据及必要的检验细节。记录缺失、异常值或变换的处理，便于读者理解为何主文和补充表的结果不同。

自拟示例：主文写“模型M2中处理因素与结局的估计值为某数”，补充表S1则按M2列出处理因素、年龄、基线指标等所有实际纳入项，即使有些项的区间跨越无效值也照列。示例中的变量只是展示表的结构，不代表必须调整年龄，也不意味着跨越无效值的项完全没有信息。若存在交互项，写清主效应所对应的参照条件；不能只摘一个交互P值就把各组效果说成相同。

补充文件与正文互相能找到

该刊的Supporting Information指引对文件编号与文件名给出示例；把完整回归表作为独立可读的补充表，编号、标题和图表说明要与正文引用一致。补充文件不是临时倾倒软件截图：检查数值精度、变量标签、分母、单位、缩写和页内可读性。若有多个结局或多套模型，可按结局分表或分工作表，同时在首页给出索引，避免读者在几十列中猜哪列支撑主文结论。

投稿前从主文每一个回归数字反查模型输出，再从补充表随机抽几行反查脚本与数据版本。若修稿时改了变量编码或剔除规则，主文、补充表和统计方法要一起更新，不能只替换显著的那一格。完整报告不保证模型选择正确，却能让编辑和读者看清哪些变量、样本与不确定性共同构成这项结果。