稿件投稿前核查清单

投稿之前，请检查六个方面：图表与图像、统计数据、参考文献、对照相应报告规范的方法完整性、伦理与披露声明（包括 AI 使用情况），以及目标期刊和资助机构的具体规定。大多数直接拒稿和诚信质询都可以追溯到其中某个方面，而每一个方面都可以在投稿前检查。

图表与图像是否无误？

图表和图像在编辑部筛查中会受到严格审视，因此核查清单就从这里开始。图像完整性分析师 Jana Christopher 在接受 UKRIO 专家访谈时表示，她在发表前筛查的已录用稿件中，有 20% 至 35% 因图像相关问题被标记；她常听到的一种解释是，作者在组装图表时使用了占位图片，投稿前却忘了替换。这正是自查图表值得去做的原因：组装图表时产生的错误，可以在任何其他人看到之前消除。

• 每张图像只出现一次。整套图表中没有重复或相互重叠的图片，也没有在未注明出处、未获许可的情况下重复使用您以往论文中的图像。
• 调整统一并已披露。亮度、对比度和颜色的调整应用于整幅图像，并在期刊要求时加以声明。
• 拼合图已标明。拼接的凝胶泳道和组合而成的图片有清晰的分界，并在图注中加以说明。
• 原始图像已存档。未裁剪、未调整的原始图像已保存，可应要求随时提供。
• 图注与实际相符。每条图注都描述图中实际呈现的内容，包括放大倍数、染色方法和重复次数。

图像和图表问题只是一份更长的待筛查清单中的一个维度；一次完整的诚信检查涵盖哪些内容可以作为其余部分的实用指引。

统计数据是否前后一致？

统计数据是无心之失的集中地带，因为数字要在分析输出、正文、表格和图表之间手工转录。每一次转录都可能产生偏差，而审稿人会注意到这些偏差。

• 检验方法与研究设计相符。所报告的统计检验与数据类型、样本结构和所述假设相匹配。
• 数字内部一致。检验统计量、自由度和 p 值相互吻合，并报告确切数值，而不只是给出阈值。
• 各处样本量一致。摘要中的 n 与方法、表格和图注中的 n 相同，任何样本流失都有说明。
• 百分比加总无误。亚组计数与百分比之和等于所述总数。
• 变异性有明确定义。误差线和离散程度指标统一标注为 SD、SEM 或置信区间。

在这方面要严格，原因在于可重复性。《Nature》发表的一项调查显示，在 1,576 名受访研究人员中，超过 70% 表示曾尝试重复其他科学家的实验但未能成功，超过一半曾无法重复自己的实验。如果一份稿件的数字无法根据其自身的表格重新算出，就容易招致这种失败；而统计一致性，正是可重复性中您在投稿前能够完全掌控的部分。

每条参考文献是否真实、准确且依然有效？

参考文献列表可能以三种不同的方式出问题：被引论文可能在您引用之后被撤稿；引用可能存在错误，使论点与来源之间的联系断裂；或者被引文献根本不存在。这三种情况都可以在投稿前检查。

• 每个 DOI 都能解析。而且解析到的正是您要引用的那篇文献，作者、年份和题名均一致。
• 没有残留已撤稿论文。撤稿通常发生在引用之后，因此起草时没有问题的参考文献列表，到投稿时可能已经过时。请在即将投稿前再检查一遍。
• 每条引用都能支撑相应论点。被引来源确实说了您在句中归于它的内容。未读原文、直接从其他论文参考文献列表中照搬的引用，会把那篇论文的错误带进您的论文。
• AI 辅助起草的内容须逐条核实。在《Scientific Reports》发表的一项经同行评议的测试中，GPT-3.5 生成的文献引用大多是虚构的，GPT-4 仍会产生相当比例的虚构或错误引用，即使是引用真实存在的文献，也常常包含实质性错误。

虚构的参考文献之所以令人信服，正是因为它们由看似合理的作者姓名、真实的期刊名称和合乎情理的页码拼凑而成。从一条参考文献的外观无法判断它是否存在；检查的方法是对照实际记录对其进行解析核实。

方法部分是否完整到足以重复？

方法部分是否完整，决定了任何人（包括将来的您自己）能否重新开展这项工作；报告规范的存在，就是为了让完整性不再靠猜测。EQUATOR Network 维护着一个全面、可检索的卫生研究报告规范库，如今许多期刊在投稿时都要求提交相应的核查清单。四种常见研究类型及其报告规范：

除报告规范核查清单本身之外：

• 可用性声明准确无误。稿件包含数据和代码可用性声明，且声明所指向的存储库中确实有其承诺的内容。
• 材料标识精确。对试剂、抗体、细胞系、菌株和仪器的描述足够详细，使他人能够获得完全相同的材料。
• 分析路径完整。写明软件版本、参数选择、排除标准，以及与注册方案的任何偏离。

请在撰写方法部分之前（而不是之后）找到适用于您研究设计的报告规范；在写好的文本上事后套用核查清单，正是不一致之处悄然出现的环节。

披露与伦理声明是否齐全？

披露与伦理声明会先于科学内容被阅读，这里的缺漏会拖慢原本已经准备就绪的稿件。

• 已写明伦理审查批准及其批准编号，知情同意声明与参与者实际同意的内容相符。
• 已引用注册信息。临床试验和研究方案的注册信息均附有注册号。
• 每位作者的利益冲突与资助信息完整，并在资助机构要求时注明资助编号。
• 已列出作者贡献，且每位署名作者都符合作者资格。
• 已披露 AI 使用情况。ICMJE 建议要求作者披露在完成所投稿件过程中使用的 AI 辅助技术，范围不仅包括写作，也包括数据收集、分析和图表生成。

ICMJE 在署名问题上的立场同样明确：聊天机器人不能被列为作者，因为署名意味着对整项工作承担责任，而工具无法承担责任（ICMJE 建议）。披露本身并不代表承认了什么。事后才被发现的未披露使用，才会把一个例行的编辑问题变成一个诚信问题，因此请说明您使用了什么、用在哪里、用于什么目的。

稿件是否符合投稿目标的规定？

目标期刊的指南和资助机构的要求，是核查清单中往往被拖到收尾才处理的部分，而它们纯属合规问题：无需主观判断，只有公开、具体的规则。

• 严格遵循作者须知：结构、字数与图表数量限制、参考文献格式、文件格式，以及期刊的数据和代码政策。
• 认真阅读而非草草浏览期刊的诚信政策。各期刊在图像调整规则、AI 使用声明的措辞和预印本处理方面各不相同，而这些差异很重要。
• 满足资助机构的要求。NIH（针对 R01 和 R21 资助项目）、ERC、Horizon Europe、Wellcome、Gates、HHMI 和 ISF 各自发布了关于开放获取、数据管理和严谨性的要求；一份符合期刊要求的稿件，仍可能达不到资助条款的要求。
• 声明预印本状态（如期刊要求），并提供其要求的既往投稿记录。

不同投稿对象之间的规则差异很大，因此一次通用的检查并不等同于一次根据稿件投稿去向配置的检查。核查清单也正是在这里成为习惯：把这一轮检查变成常规的研究人员和基金申请人，能把修改轮次花在科学内容上，而不是形式问题上。清单中有两项另有专文，值得一读：如何核实语言模型生成的参考文献，以及如何正确披露 AI 使用情况。

Octym 如何提供帮助

Octym 在 Octym 平台上把这份核查清单作为一次审查来运行：图表、统计数据、参考文献、方法和披露声明，在一次审查中覆盖所有维度。疑似问题以按优先级排序的信号呈现，每一项都附有背后的证据，并可追溯至稿件或文献中的原文，让您在筛查人员提出质疑之前，就能看到他们可能会质疑什么。由您决定需要处理哪些问题；这里的一切都不是定论。