学术不端地图：临床与生命科学领域是撤稿重灾区

2024年2月，《The Innovation》（IF=32.1）发表了一篇社论[1]，使用2000-2023年全球31,003篇撤稿文章的数据进行了分析，其中包括25,710例学术不端撤稿（简称AMR）。结果表明，学术不端行为在不同学科和主题之间存在较大差异，临床与生命科学领域（Clin & Life Sci）的学术不端撤稿数量最多。

原文链接：https://www.cell.com/the-innovation/fulltext/S2666-6758(24)00031-6#gr1

不同学科的学术不端撤稿

（AMR）情况

在整个数据集中，AMR率相对较小，每10,000篇发表文章中有6.8篇为AMR。 AMR率在各学科间分布不均，范围从1.7到17.4，表明学术不端行为并非在所有学科中都普遍存在。临床与生命科学领域（Clin & Life Sci）是学术不端行为的高发领域，AMR数量最多，达到12,565篇，AMR率为8.9/10,000。

图. 不同学科的AMR情况

不同主题的学术不端撤稿

（AMR）情况

在研究主题层面，大致确定了326 个主题，其中有324个主题至少存在1例AMR。 不同主题的AMR数量范围差异很大，从1-2105不等。 下图标记了AMR数量最多的前10个主题。

例如，微小和长链非编码RNA（mlncRNA）的AMR数量为2105，免疫主题为447，分子和细胞生物学（Mol & Cell Bio）为678，人工智能和机器学习（AI & ML）为434。

图. 不同主题的AMR情况

每个圆圈代表一个主题，圆圈的大小与其AMR数量成正比；圆圈之间的距离反映了主题的相似度。

学术不端类型

约十年前，学术不端行为主要归因于个人行为，如捏造、伪造数据、抄袭、内容重复等[2]。然而，近年来，新型学术不端行为变得更加常见，包括虚假同行评审、论文工厂、人工智能生成内容等[2,3]。

研究共发现12,250起学术不端行为涉及虚假同行评审，占全部学术不端行为的45.6%；此外，大量撤稿还与论文工厂（2275例；8.5%）或人工智能生成内容（1170例；4.4%）有关。而传统的个人原因占全部学术不端行为的41.6%。

在全部主题中，mlncRNA主题相关的撤稿受论文工厂（48.7%）的影响最大，个人原因其次（38.9%）。

图. 不同主题的学术不端类型

参考文献：

1. Innovation (Camb).2024;5(2):100593.

2. Science. 2024; 383: 253-255.

3. Nature. 2023; 624: 479-481.

医咖会在2023年上线了样本量计算小工具，将既往推出的样本量计算教程融入到每一步操作中，并有每个参数的说明以及取值建议。