好与坏的结果,SCI写作两不误
2016-05-25来源：未知
好与坏的结果。这是一个十分常见的情况，对课题的探究我们通常会得到两种结果——跟假设的结果一致的好结果;与假设不同的坏结果。但不过得到的结果是好还是坏，都是我们通过大量科研工作得到的结果。而在SCI写作中并不是只有好结果的文章才能发表，坏结果的同样有可能发表。
面对好的结果，在写作SCI文章的时候自然更是得心应手，但也要注意不要将结果当成总结，正确的表达结果才能提高文章发表的几率。那么我们应该如何写作SCI文章的好结果呢?
1，对实验或观察结果的表达要高度概括和提炼
不能简单地将实验记录数据或观察事实堆积到sci文章中, 尤其是要突出有科学意义和具代表性的数据, 而不是没完没了地重复一般性数据，重复的一般性数据只会让读者决定此次科研探究的过程便没有得到什么实质的内容。“囊括所有一切而不遗漏任何细节的举动并不能证明作者拥有无限的信息, 而是说明作者缺乏甄别的能力” (Aaronson, 1977).
可根据需要选用不同类型的数据来表达结果, 对于特别重要的结果应采用“原始数据”(实际观察数据)的形式来表述; 对于数目很多的一般性数据的表达则可采用“总结数据”(如平均值和正负标准偏差)或“转换数据”(如百分数)的形式。这也是对繁杂的实验数据处理的必要方法。
描述结果的顺序取决于实验的目的. 可以按“方法”部分中的顺序描述结果, 也可采用以下方法: 由老及新(如先叙述传统方法的治疗结果, 再叙述新方法的治疗结果); 按研究过程的时间顺序叙述; 按重要性程度叙述.
2，数据表达可采用文字与图表相结合的形式
如果只有一个或很少的测定结果, 在正文中用文字描述即可; 如果数据较多, 可采用图表形式来完整、详细的表述, 文字部分则用来指出图表中资料的重要特性。切忌在文字中简单地重复图表中的数据, 而忽略叙述其趋势、意义以及相关推论; 同时也要避免采用图件和表格重复表述同样的数据。在数据的表达上，要学会合理的使用文字、图件和表格，根据具体数据的情况来判断采用什么样的表达方式。
应根据数据表达的需要选取数据的表达方式。表格的优点是可以很方便地列举大量精确数据或资料;图形则能够直观、有效地表达复杂数据，尤其是不同组数据间的比较、关联、趋势等. 表格和图件本身应具备“自明性”, 即: 图表题名和注释应准确而清楚地表达出数据或资料的含义, 切忌只是简单地描述数据.
3，适当说明原始数据, 以帮助读者的理解
如果文章中还包括独立的“讨论”章节, 应将对于研究结果的详细讨论留到该部分, 但“结果”中应该提及必要的说明(或解释), 以便让读者能清楚地了解作者此次研究结果意义或重要性。对于讨论部分原始数据的说明要适当，不是全部原始数据都要在这里表达出来。
4，明确地给出相关统计结果对于实验分析有时是十分重要的.
通常需要提供的统计数据包括: 标准偏差(standard deviation); 均值的标准误差(standard error of the mean); 中位数和四分位数的间距(median and interquartile range); 双侧检验(two-sided tests); 置信区间(confidence intervals)等. 如果有必要说明对数据的统计分析方法, 应在结果加以阐述, 其中尤其要注意统计的科学意义。
5，在结果的表述中我们还应该注意：
(1)在详细阐述结果前，应首先总结一下你的研究结果，作为结果部分你的开场白，即第一段(如上所述)。在开场白中，重点阐述与研究的问题关系紧密的结果和表达各结果的顺序，不要重复对实验方法的描述，使读者对下面将要阐述的结果有一个全面的了解。
(2)如果用“significance”、“significant”或“significantly”来表达结果，一般来说，是指有统计学意义。所以在阐述结果时，没有必要同时用“statistical”和“significance”两个词。另外，如果声明“significance”就必须有P值的支持。
(3)一定要确认，你所表述的任何数据都有统计学分析的支持，对由统计学意义的结果要特别用心撰写。在描述统计学结果时，对有统计学意义的结果要特别用心撰写。在描述统计学结果时，没有必要描述所做分析的每一个步骤，只需说明统计方法和P值即可。P值可以是得出的具体数值，例如P=0.002，也可以是P<0.05或P<0.01。
(4)在正文中，阐述图表的结果时，不要详细阐述数据是如何处理的，可将类似的信息在图表的说明中阐述。
而不尽人意的事情十分的常见，正如在一次科研探究中，出现坏结果，阴性结果的情况一样。我们在面对这些结果的时候应该怎么办呢?是不是就此放弃对这个课题的探究，放弃SCI文章的写作呢?
一般来说，阳性结果因为可以有更多深层研究，容易引起更多关注，SCI杂志也比较愿意接受发表。不过阴性结果，特别是可以用更严格更可靠的证据证明一些“流行” 观点，医学上这类结果可以避免一些不必要的治疗方法，减少治疗给患者带来的经济负担和潜在的健康威胁非常重要。例如《柳叶刀》最近就发表了一项阴性结果的研究文章，该研究利用严格的对照，证明过去认为的口服益生菌预防抗生素相关腹泻的观点是错误的。为什么这个阴性结果可以在这个国际著名杂志上可以发表?一是研究规模比较大3000患者，二是研究的可靠性比较大，三是通过该研究可以更新和颠覆过去的错误看法。不过这也毕竟是一次研究，其最终结论肯定有更多地争论，毕竟过去有大量研究证明存在这种保护作用。
追求和强化阳性结果对科学研究存在很大危害，例如生物医学研究中，过多的阳性结果限制了阴性结果的曝光率，可能给人们带来许多过分阳性的假象。真正的科研中，失败和阴性的结果是经常发现的，似乎只要阴性结果就放弃的做法肯定不利于纠错，至少无法让其他学者了解这种失败的思路。屏蔽阴性结果也有来自医药公司的压力，这些可能是经费资助的医药企业肯定不希望让学者们发表那些对所研究药物不利的阴性发现，这种做法必然导致阳性结果的放大效应。
有人可能有这样的误解，阴性结果是不好的结果。不过阴性结果不等于劣质结果，阴性结果也必须是高质量的研究设计和研究方法获得的高质量的数据。
根据波普的看法，科学的特征是可证伪，放弃和拒绝阴性结果本质上是拒绝科学的行为。说这是危害生物医学研究的一大毒瘤都不过分。也有一些出版机构开始重视这些问题，积极发表阴性研究，甚至专门发行阴性结果的SCI杂志来解决这个问题。
面对好的结果，在写作SCI文章的时候自然更是得心应手，但也要注意不要将结果当成总结，正确的表达结果才能提高文章发表的几率。那么我们应该如何写作SCI文章的好结果呢?
1，对实验或观察结果的表达要高度概括和提炼
不能简单地将实验记录数据或观察事实堆积到sci文章中, 尤其是要突出有科学意义和具代表性的数据, 而不是没完没了地重复一般性数据，重复的一般性数据只会让读者决定此次科研探究的过程便没有得到什么实质的内容。“囊括所有一切而不遗漏任何细节的举动并不能证明作者拥有无限的信息, 而是说明作者缺乏甄别的能力” (Aaronson, 1977).
可根据需要选用不同类型的数据来表达结果, 对于特别重要的结果应采用“原始数据”(实际观察数据)的形式来表述; 对于数目很多的一般性数据的表达则可采用“总结数据”(如平均值和正负标准偏差)或“转换数据”(如百分数)的形式。这也是对繁杂的实验数据处理的必要方法。
描述结果的顺序取决于实验的目的. 可以按“方法”部分中的顺序描述结果, 也可采用以下方法: 由老及新(如先叙述传统方法的治疗结果, 再叙述新方法的治疗结果); 按研究过程的时间顺序叙述; 按重要性程度叙述.
2，数据表达可采用文字与图表相结合的形式
如果只有一个或很少的测定结果, 在正文中用文字描述即可; 如果数据较多, 可采用图表形式来完整、详细的表述, 文字部分则用来指出图表中资料的重要特性。切忌在文字中简单地重复图表中的数据, 而忽略叙述其趋势、意义以及相关推论; 同时也要避免采用图件和表格重复表述同样的数据。在数据的表达上，要学会合理的使用文字、图件和表格，根据具体数据的情况来判断采用什么样的表达方式。
应根据数据表达的需要选取数据的表达方式。表格的优点是可以很方便地列举大量精确数据或资料;图形则能够直观、有效地表达复杂数据，尤其是不同组数据间的比较、关联、趋势等. 表格和图件本身应具备“自明性”, 即: 图表题名和注释应准确而清楚地表达出数据或资料的含义, 切忌只是简单地描述数据.
3，适当说明原始数据, 以帮助读者的理解
如果文章中还包括独立的“讨论”章节, 应将对于研究结果的详细讨论留到该部分, 但“结果”中应该提及必要的说明(或解释), 以便让读者能清楚地了解作者此次研究结果意义或重要性。对于讨论部分原始数据的说明要适当，不是全部原始数据都要在这里表达出来。
4，明确地给出相关统计结果对于实验分析有时是十分重要的.
通常需要提供的统计数据包括: 标准偏差(standard deviation); 均值的标准误差(standard error of the mean); 中位数和四分位数的间距(median and interquartile range); 双侧检验(two-sided tests); 置信区间(confidence intervals)等. 如果有必要说明对数据的统计分析方法, 应在结果加以阐述, 其中尤其要注意统计的科学意义。
5，在结果的表述中我们还应该注意：
(1)在详细阐述结果前，应首先总结一下你的研究结果，作为结果部分你的开场白，即第一段(如上所述)。在开场白中，重点阐述与研究的问题关系紧密的结果和表达各结果的顺序，不要重复对实验方法的描述，使读者对下面将要阐述的结果有一个全面的了解。
(2)如果用“significance”、“significant”或“significantly”来表达结果，一般来说，是指有统计学意义。所以在阐述结果时，没有必要同时用“statistical”和“significance”两个词。另外，如果声明“significance”就必须有P值的支持。
(3)一定要确认，你所表述的任何数据都有统计学分析的支持，对由统计学意义的结果要特别用心撰写。在描述统计学结果时，对有统计学意义的结果要特别用心撰写。在描述统计学结果时，没有必要描述所做分析的每一个步骤，只需说明统计方法和P值即可。P值可以是得出的具体数值，例如P=0.002，也可以是P<0.05或P<0.01。
(4)在正文中，阐述图表的结果时，不要详细阐述数据是如何处理的，可将类似的信息在图表的说明中阐述。
而不尽人意的事情十分的常见，正如在一次科研探究中，出现坏结果，阴性结果的情况一样。我们在面对这些结果的时候应该怎么办呢?是不是就此放弃对这个课题的探究，放弃SCI文章的写作呢?
一般来说，阳性结果因为可以有更多深层研究，容易引起更多关注，SCI杂志也比较愿意接受发表。不过阴性结果，特别是可以用更严格更可靠的证据证明一些“流行” 观点，医学上这类结果可以避免一些不必要的治疗方法，减少治疗给患者带来的经济负担和潜在的健康威胁非常重要。例如《柳叶刀》最近就发表了一项阴性结果的研究文章，该研究利用严格的对照，证明过去认为的口服益生菌预防抗生素相关腹泻的观点是错误的。为什么这个阴性结果可以在这个国际著名杂志上可以发表?一是研究规模比较大3000患者，二是研究的可靠性比较大，三是通过该研究可以更新和颠覆过去的错误看法。不过这也毕竟是一次研究，其最终结论肯定有更多地争论，毕竟过去有大量研究证明存在这种保护作用。
追求和强化阳性结果对科学研究存在很大危害，例如生物医学研究中，过多的阳性结果限制了阴性结果的曝光率，可能给人们带来许多过分阳性的假象。真正的科研中，失败和阴性的结果是经常发现的，似乎只要阴性结果就放弃的做法肯定不利于纠错，至少无法让其他学者了解这种失败的思路。屏蔽阴性结果也有来自医药公司的压力，这些可能是经费资助的医药企业肯定不希望让学者们发表那些对所研究药物不利的阴性发现，这种做法必然导致阳性结果的放大效应。
有人可能有这样的误解，阴性结果是不好的结果。不过阴性结果不等于劣质结果，阴性结果也必须是高质量的研究设计和研究方法获得的高质量的数据。
根据波普的看法，科学的特征是可证伪，放弃和拒绝阴性结果本质上是拒绝科学的行为。说这是危害生物医学研究的一大毒瘤都不过分。也有一些出版机构开始重视这些问题，积极发表阴性研究，甚至专门发行阴性结果的SCI杂志来解决这个问题。
