本篇内容已原创发布在埃米编辑公众号，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教授的一篇科学论文因部分关键实验数据缺失而被撤回。对此，Arnold教授在推特上坦诚承认了问题，并表示这是她科研生涯中的一次深刻教训。

实际上，由于数据处理失误导致的撤稿案例并不少见。而在这些撤稿通知中，通常缺少具体的细节说明和解释，使得作者在懊恼的同时，也感到无所适从。

一、数据处理失误类型

2025年1月，Nature期刊发布了一篇文章，题为《撤稿因诚实错误而导致的压力极大，研究人员称之》，通过对6680份调查问卷的分析，归纳出五种常见的数据处理失误。研究人员通过Retraction Watch数据库识别出5041篇因数据处理错误而被撤回的论文。对6680名作者发放问卷，了解他们对撤稿原因的看法。在97份有效回答中，归纳出了以下五种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中存在错误，导致实验结果与实际不符。
• 数据编码错误（14%）：在脚本编写阶段，错误的变量定义或操作逻辑可能直接改变分析结果。
• 数据文件丢失（11%）：原始实验数据未妥善保存或备份，无法再现研究结果。
• 数据输入错误（11%）：手动录入数据时容易出现，例如误输入、遗漏或单位不一致。
• 数据命名不当（8%）：文件命名混乱，版本管理不清晰，或是命名不符合规范，导致计算和运行错误。

此外，其他错误还包括：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%）、数据点之间连接不正确（2%）、偏离协议（2%）、数据或文件组织错误（2%）。造成这些失误的常见原因包括：不专心（14%）、技术性问题（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？

1. 明确数据管理责任：确保项目中有专人负责数据管理，责任到位。
2. 定期培训和学习：进行数据管理和工具使用的相关培训，提升技能水平。
3. 引入双重核查机制：数据提交前进行二次审查，以减少由于粗心或遗漏造成的错误。
4. 加强技术支持：投入资源购买可靠的存储设备，并使用自动化备份工具。

此外，研究作者们希望期刊能提供更明确的指导，说明哪些失误会导致撤稿，哪些可以通过修改补救，这对作者和编辑都至关重要。与其因撤稿而懊恼，不如提前做好防范：认真对待数据细节，谨慎处理每个环节，确保每位科研工作者都要重视“数据”这一关键因素。

同时，欢迎关注尊龙凯时，了解更多关于科研写作和数据管理的信息，保护您的研究成果，避免潜在的撤稿风险！