本文原发布于鸿运国际公众号，关注“鸿运国际”获取更多精彩内容。2020年，诺贝尔化学奖得主Frances H. Arnold教授的一篇Science论文因关键实验数据缺失而被撤回。对此，Arnold教授在推特上诚恳地承认了这一问题，并表示这是她科研生涯中的一次深刻教训。实际上，因数据处理失误导致的撤稿案例并不少见，而这类撤稿通知往往缺乏具体细节，使得作者在懊恼之余更加迷惑。

一、数据处理失误的类型

2025年1月，Nature发表了一篇名为《因为意外失误造成的撤稿对研究人员极具压力》的文章，基于6680份调查问卷，总结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篇由于数据处理错误而被撤回的论文，并向6680名作者发送问卷，调查撤稿原因。在97份有效回复中，总结出五种最为常见的数据处理错误：

• 数据处理和分析错误（19%）：例如在数据建模或统计分析时出错，导致实验结果与实际偏离。
• 数据编码错误（14%）：常见于脚本编写阶段，错误的变量定义或操作逻辑可能直接影响分析结果。
• 数据文件丢失（11%）：例如原始实验数据未妥善保存或备份，从而无法复现研究。
• 数据输入错误（11%）：手动录入数据时常出现，如输入错误、漏输或单位不一致。
• 数据命名不当（8%）：文件命名混乱、版本管理不清晰或命名不规范导致数据计算和运行错误。

此外，还有其他一些错误类型，例如数据传输错误（7%）、错误报告（6%）、编程错误（4%）等。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%）、缺乏经验（9%）等。

二、如何避免数据处理失误？

为了减少数据处理失误带来的风险，可以采取以下几种措施：

1. 明确数据管理责任：项目中指定专人负责数据管理，确保责任明确。
2. 定期培训和学习：组织数据管理及工具使用的相关培训，提升技能水平。
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，作者们也希望期刊能提供更明确的指导，指示哪些失误可能导致撤稿，哪些可以通过修改来补救。这对作者和编辑而言都至关重要。

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，每位科研工作者都应确保“数据”这一关键环节的安全与准确。有兴趣分享你的“数据翻车”故事吗？关注“鸿运国际”公众号并回复“礼包”，即可免费领取100+写作投稿资料包和常见投稿问题解答。

关于鸿运国际：鸿运国际致力于为科研学者提供专业的论文润色、学术翻译及期刊出版支持，所有润色工作由美国本土资深编辑完成，编辑均为美国前100大学博士及以上资质，拥有平均十年以上的润色经验，确保服务质量。

授权转载：请在【鸿运国际】公众号后台回复关键词“转载”以获取联系信息。