假设你将自己的数据集和论文交给另一位流行病学研究人员。


他面对的是同一个研究问题。 他拥有相同的原始数据。 他也知道你使用了哪种统计软件。


那么,他能否重建你的分析数据集,并复现你的研究结果?


不一定。


分析的可重复性问题,可能在建立最终统计模型之前就已经出现。


从原始数据库到论文中报告的数字,中间经历了哪些步骤?


哪些患者被排除在分析之外?


缺失值是如何处理的?


暴露变量是如何定义的?


是否合并了某些类别?


是否因为协变量缺失而在特定分析中排除了一些观察对象?


最终选择了哪一种模型设定?


这些决策可能改变分析数据集,进而影响研究结果。然而,它们并不总能在最终发表的论文中得到充分说明。


代码也存在类似的问题。一段脚本可能在研究者自己的电脑上运行良好,但其他人却难以理解或运行。软件和程序包的版本可能不同。数据清理步骤可能只记录在分析人员的个人笔记中。某个变量也可能经过手动重新编码,却没有留下清晰的操作记录和原因说明。


2025 年发表在 BMJ Open 上的一篇论文讨论了医学研究中数据分析可重复性的这些实际问题。作者结合对 Rotterdam Study 编码实践的考察和现有文献,建议研究人员记录数据清理、样本选择、分析决策以及软件和程序包版本,并在条件允许时提供代码和数据。此外,作者还强调了代码审查和编写清晰、易于理解的代码的重要性。


这并不意味着所有数据集都必须公开。出于伦理、法律或隐私保护方面的考虑,患者个体层面的数据可能受到访问限制。


但即使无法共享数据,研究人员仍然可以记录产生分析结果的完整过程,并在适当的条件下共享分析代码。


不妨问自己一个简单的问题:


一个不了解你项目的人,能否还原从原始数据到最终结果的整个过程?


如果答案是否定的,问题可能并不在于统计方法本身。


真正缺失的,也许是对统计分析之前所有数据处理和分析决策的完整记录。


#流行病学 #研究方法 #可重复性 #生物统计学 #研究透明度 #开放科学

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *