peer-review

科学评估与同行评审

概述

同行评审是评估科学稿件的系统性流程。评估方法、统计分析、设计、可重复性、伦理和报告规范。将此技能用于跨学科的稿件和资助申请评审，提供建设性且严谨的评价。

何时使用此技能

在以下情形中应使用此技能：

• 为期刊开展科学稿件的同行评审
• 评估资助提案和研究申请
• 评估方法和实验设计的严谨性
• 审查统计分析和报告规范
• 评估可重复性和数据可用性
• 检查是否符合报告指南（CONSORT、STROBE、PRISMA）
• 对科学写作提供建设性反馈

同行评审工作流

按以下阶段系统地开展同行评审，并根据稿件类型和学科调整评估的深度和重点。

阶段 1：初步评估

先进行整体评估，确定稿件的范围、新颖性和整体质量。

关键问题：

• 核心研究问题或假设是什么？
• 主要发现和结论是什么？
• 研究在科学上是否可靠且具有重要意义？
• 研究是否适合预定的发表平台？
• 是否存在会导致稿件无法发表的明显重大缺陷？

输出： 用 2-3 句话简要概述稿件核心内容和初步印象。

阶段 2：逐节详细评审

全面评估稿件的各个部分，并记录具体问题和优点。

摘要和标题

• 准确性： 摘要是否准确反映研究内容和结论？
• 清晰度： 标题是否具体、准确且信息充分？
• 完整性： 是否恰当地概述了关键发现和方法？
• 可读性： 广泛的科学受众能否理解摘要？

引言

• 背景： 背景信息是否充分且最新？
• 研究依据： 研究问题的提出是否清晰且合理？
• 新颖性： 研究的原创性和重要性是否阐述清楚？
• 文献： 是否恰当引用了相关既往研究？
• 研究目标： 研究目标和假设是否表述清楚？

方法

• 可重复性： 其他研究人员能否根据所提供的描述重复该研究？
• 严谨性： 所用方法是否适合回答研究问题？
• 细节： 对实验方案、试剂、设备和参数的描述是否充分？
• 伦理： 伦理审批、知情同意和数据处理是否有适当记录？
• 统计分析： 统计方法是否合适、描述清晰且有充分依据？
• 验证： 对照、重复和验证方法是否充分？

需要核查的关键要素：

• 样本量和统计功效计算
• 随机化和盲法流程
• 纳入/排除标准
• 数据收集方案
• 计算方法和软件版本
• 统计检验及多重比较校正

结果

• 呈现方式： 结果是否以合乎逻辑且清晰的方式呈现？
• 图表： 可视化内容是否恰当、清晰且标注准确？
• 统计分析： 统计结果是否报告得当（效应量、置信区间、p 值）？
• 客观性： 结果是否避免过度解读？
• 完整性： 是否包含所有相关结果，包括阴性结果？
• 可重复性： 是否提供原始数据或汇总统计数据？

需要识别的常见问题：

• 选择性报告结果
• 统计检验使用不当
• 缺少误差线或变异性指标
• 过拟合或循环分析
• 批次效应或混杂变量
• 缺少对照或验证实验

讨论

• 解读： 结论是否有数据支持？
• 局限性： 是否承认并讨论了研究局限性？
• 背景： 是否将研究发现恰当地置于现有文献中？
• 推测： 是否明确区分了推测与有数据支持的结论？
• 重要性： 是否清楚阐述了研究的影响和重要性？
• 未来方向： 是否讨论了后续步骤或尚未解答的问题？

警示信号：

• 结论夸大
• 忽视相矛盾的证据
• 根据相关性数据作出因果判断
• 未充分讨论局限性
• 缺乏机制证据却提出机制性主张

参考文献

• 完整性： 是否引用了关键的相关论文？
• 时效性： 是否纳入了近期的重要研究？
• 平衡性： 是否恰当引用了不同观点？
• 准确性： 引文是否准确且恰当？
• 自引： 是否存在过度或不当的自我引用？

阶段 3：方法学与统计学严谨性

评估研究的技术质量和严谨性，特别关注常见问题。

统计学评估：

• 是否满足统计假设（正态性、独立性、方差齐性）？
• 是否在报告 p 值的同时报告效应量？
• 是否恰当地进行了多重检验校正？
• 是否提供了置信区间？
• 是否通过功效分析论证了样本量的合理性？
• 是否恰当地选择了参数检验或非参数检验？
• 是否妥善处理了缺失数据？
• 是否区分了探索性分析和验证性分析？

实验设计：

• 对照是否恰当且充分？
• 重复是否充分（生物学重复和技术重复）？
• 是否识别并控制了潜在混杂因素？
• 是否恰当地实施了随机化？
• 盲法流程是否充分？
• 实验设计是否最适合研究问题？

计算/生物信息学：

• 是否清楚描述并论证了计算方法？
• 是否记录了软件版本和参数？
• 是否提供了代码以确保可复现性？
• 是否恰当地验证了算法和模型？
• 是否满足计算方法的假设？
• 是否恰当地进行了批次校正？

阶段 4：可复现性与透明度

评估研究是否符合现代可复现性和开放科学标准。

数据可用性：

• 是否将原始数据存入合适的存储库？
• 是否提供公共数据库的登录号？
• 是否合理说明了数据共享限制（例如，患者隐私）？
• 数据格式是否标准且易于访问？

代码和材料：

• 是否提供分析代码（GitHub、Zenodo 等）？
• 是否提供独特材料，或充分描述了如何重新制备这些材料？
• 是否足够详细地描述了实验方案？

报告规范：

• 稿件是否遵循学科特定的报告指南（CONSORT、PRISMA、ARRIVE、MIAME、MINSEQE 等）？
• 常用指南请参见 references/reporting_standards.md
• 是否涵盖了相应清单中的所有要素？

第 5 阶段：图表与数据呈现

评估数据可视化的质量、清晰度和完整性。

质量检查：

• 图表是否具有高分辨率且标注清晰？
• 坐标轴是否正确标注并注明单位？
• 是否定义了误差线（SD、SEM、CI）？
• 是否解释了统计显著性标记？
• 配色方案是否合适且易于识别（对色盲友好）？
• 图像是否包含比例尺？
• 数据可视化形式是否适合数据类型？

完整性检查：

• 是否存在图像处理的迹象（重复、拼接）？
• Western blot 和凝胶图是否以恰当方式呈现？
• 代表性图像是否确实具有代表性？
• 是否展示了所有实验条件（没有选择性呈现）？

清晰度：

• 图表及其图例是否足以独立理解？
• 每幅图表要表达的信息是否一目了然？
• 是否存在重复的图表或面板？
• 数据是否更适合以表格或图表呈现？

第 6 阶段：伦理考量

核实研究是否符合伦理标准和准则。

人体受试者：

• 是否记录了 IRB/伦理审批？
• 是否说明了知情同意？
• 是否对弱势群体进行了适当保护？
• 是否充分保护了患者隐私？
• 是否披露了潜在利益冲突？

动物研究：

• 是否记录了 IACUC 或同等机构的审批？
• 实验操作是否人道且有充分理由？
• 是否考虑了 3R 原则（替代、减少、优化）？
• 安乐死方法是否恰当？

研究诚信：

• 是否存在数据捏造或篡改方面的疑虑？
• 作者署名是否恰当且有充分依据？
• 是否披露了利益冲突？
• 是否披露了资金来源？
• 是否存在抄袭或重复发表方面的疑虑？

第 7 阶段：写作质量与清晰度

评估稿件的清晰度、组织结构和可读性。

结构与组织：

• 稿件的组织结构是否合乎逻辑？
• 各章节之间的衔接是否连贯？
• 不同观点之间的过渡是否清晰？
• 叙述是否引人入胜且清楚明了？

写作质量：

• 语言是否清晰、准确、简洁？
• 是否尽量减少行话和缩略语，并对其进行定义？
• 语法和拼写是否正确？
• 句子是否存在不必要的复杂表达？
• 是否过度使用被动语态？

可读性：

• 非专业人士能否理解主要发现？
• 是否解释了专业术语？
• 是否让广大读者清楚地了解研究意义？

组织同行评审报告

以分层结构组织反馈，突出问题优先级并提供可执行的建议。

总体评述

用 1-2 个段落简要概述整体评价：

• 研究简述
• 总体建议（接收、小修、大修、拒稿）
• 主要优点（2-3 个要点）
• 主要缺点（2-3 个要点）
• 对研究意义和可靠性的最终评估

主要意见

列出对稿件有效性、可解释性或重要性有重大影响的关键问题。按顺序编号，便于查阅。

主要意见通常包括：

• 根本性的方法学缺陷
• 不恰当的统计分析
• 缺乏依据或言过其实的结论
• 缺少关键对照或实验
• 严重的可重复性问题
• 文献覆盖方面的重大缺漏
• 伦理问题

对于每条主要意见：

1. 清楚说明问题
2. 解释问题为何会造成影响
3. 提出具体的解决方案或补充实验
4. 指明解决该问题是否为发表的必要条件

次要意见

列出不太重要、但有助于提升清晰度、完整性或呈现效果的问题，并按顺序编号。

次要意见通常包括：

• 图中标签或图例不清楚
• 缺少方法细节
• 拼写或语法错误
• 改进数据呈现的建议
• 轻微的统计报告问题
• 有助于强化结论的补充分析
• 请求澄清

针对每条次要意见：

1. 指出具体位置（章节、段落或图）
2. 清楚说明问题
3. 建议如何解决

逐行具体意见（可选）

对于需要详细反馈的稿件，请提供针对具体章节或逐行的意见：

• 标明具体页码、行号或章节
• 指出事实错误、表述不清或缺少引文之处
• 建议为提升清晰度而进行的具体修改

给作者的问题

列出需要澄清的具体问题：

• 不清楚的方法细节
• 看似相互矛盾的结果
• 评估研究所需但缺失的信息
• 请求提供额外数据或分析

语气与方式

整个评审过程中，请保持建设性、专业且友善的语气。

最佳实践：

• 保持建设性： 将批评表述为改进机会
• 具体明确： 提供具体示例和可执行的建议
• 客观平衡： 兼顾优点与不足
• 尊重他人： 记住作者为此投入了大量精力
• 客观公正： 关注科学本身，而非科研人员
• 全面细致： 不遗漏问题，但要合理确定优先级
• 表达清晰： 避免含糊或模棱两可的批评

避免：

• 人身攻击或轻蔑的措辞
• 讽刺或居高临下
• 没有具体示例的笼统批评
• 要求超出研究范围且不必要的实验
• 要求作者遵从个人偏好，而非最佳实践
• 在双盲评审中透露身份

针对不同稿件类型的特别注意事项

原创研究论文

• 强调严谨性、可重复性和创新性
• 评估研究的意义和影响
• 核实结论是否以数据为依据
• 检查方法是否完整、对照是否恰当

综述与荟萃分析

• 评估文献覆盖是否全面
• 评估检索策略和纳入／排除标准
• 核实方法是否系统、是否存在偏倚
• 检查内容是否进行了批判性分析，而非单纯总结
• 对于荟萃分析，评估统计方法和异质性

方法论文

• 强调验证及与现有方法的比较
• 评估可重复性以及方案／代码的可用性
• 评估相较于现有方法的改进
• 检查是否提供了足够的实现细节

简报／来信

• 根据篇幅调整预期
• 确保核心发现仍然严谨且有意义
• 核实格式是否适合所报告的研究发现

预印本

• 注意此类稿件尚未经过正式同行评审
• 其完成度可能不及期刊投稿稿件
• 仍须采用严格标准评估科学有效性
• 可提供建设性反馈，帮助作者在投稿期刊前改进稿件

资源

此技能包含参考资料，可帮助开展全面的同行评审：

references/reporting_standards.md

涵盖各学科主要报告规范（CONSORT、PRISMA、ARRIVE、MIAME、STROBE 等）的指南，用于评估方法和结果报告的完整性。

references/common_issues.md

同行评审中常见方法学和统计问题的汇总，并提供识别和处理这些问题的指南。

最终检查清单

提交评审意见前，请确认：

• 总结陈述清晰传达了整体评价
• 明确指出了主要问题并说明理由
• 提出的修改建议具体且可执行
• 记录了次要问题，并进行了恰当分类
• 已评估统计方法
• 已评估可复现性和数据可用性
• 已核实伦理考量
• 已评估图表的质量和完整性
• 已评估写作质量
• 全文语气始终具有建设性且专业
• 评审全面且与稿件范围相称
• 最终建议与所指出的问题一致