尊龙凯时：6680份问卷揭示生物医疗领域撤稿常见的5大数据处理失误

本文内容已原创发布于埃米编辑公众号，更多精彩内容，请关注公众号“埃米编辑SCI论文润色”。在2020年，诺贝尔化学奖得主Frances H. Arnold教授的一篇发表在《Science》的论文因部分关键实验数据缺失而被撤稿。对此，Arnold教授在推特上诚实地承认了问题，并表示这是一次深刻的科研教训。

实际上，由于数据处理失误而导致的撤稿情况并不少见。然而，这类撤稿通知通常缺乏具体的细节说明，令作者在感到懊恼的同时，常常感到困惑。

一、数据处理失误的类型

据2025年1月《Nature》发布的一篇题为《Retractions caused by honest mistakes are extremely stressful, say researchers》的文章，通过6680份调查问卷，总结了五种常见的数据处理错误，研究人员利用Retraction Watch数据库识别出5041篇因数据处理错误而撤回的论文。向6680名作者发送调查问卷，了解他们对撤稿原因的认识和分析。在97份有效回复中，识别出五种最常见的数据处理错误：

• 数据处理和分析错误（19%）：例如数据建模或统计分析阶段出现错误，导致实验结果失真。
• 数据编码错误（14%）：通常发生在脚本编写时，不当变量定义或操作逻辑直接影响分析结果。
• 数据文件丢失（11%）：原始实验数据未妥善保存或备份，无法复现研究成果。
• 数据输入错误（11%）：在手动录入数据时容易出现，导致误输入、漏输或单位不一致。
• 数据命名不当（8%）：文件命名混乱以及版本管理不清晰，可能引发数据计算或运行错误。

其他数据处理错误还包括：

• 数据传输错误（7%）
• 错误的报告（6%）
• 编程错误（4%）
• 文件不充分或不正确（4%）
• 数据选择/合并错误（4%）
• 项目管理错误（2%）
• 数据点之间的连接不正确（2%）
• 偏离协议（2%）
• 数据或文件组织错误（2%）

引发这些失误的常见原因包括不专心（14%）、技术问题（13%）、沟通失误（12%）、粗心大意（11%）和缺乏经验（9%）等。

二、如何避免数据处理失误

为减少数据处理失误，可以采取以下措施：

1. 明确数据管理责任：为项目设立专人负责数据管理，确保责任落实。
2. 定期培训和学习：开展数据管理和工具使用的培训，提升研究团队的技能水平。
3. 引入双重核查机制：在数据提交前进行二次审查，以降低因粗心或遗漏导致的错误。
4. 加强技术支持：投资采购可靠的存储设备，并利用自动化备份工具。

此外，作者们希望期刊能够提供更明确的指引，帮助识别哪些失误可能导致撤稿，而哪些可以通过修改来补救。这对作者和编辑都非常重要。

与其因撤稿而感到懊恼，不如提前做好防范，认真对待数据细节，谨慎处理每个环节。每位科研工作者都应紧绷“数据”的这根弦！

您有没有过“数据翻车”的经历呢？欢迎关注“埃米编辑SCI论文润色”公众号并回复“礼包”，即可免费获取100+写作投稿资料包及30个投稿常见问题解答！

关于埃米编辑，埃米编辑致力于为科研学者提供专业的论文润色、学术翻译与期刊出版支持服务。所有润色工作均由经验丰富的美国本土编辑完成，确保高质量的服务。想要了解更多？请访问尊龙凯时，体验专业服务。