学者愤慨，吐槽学术垃圾正在泛滥，登上Science！

摘要：去年，Matt Spick开始注意到Scientific Reports 期刊的同行评审环节涌现出大量高度相似的论文——作为该刊副主编，他敏锐地察觉到了异常。这些论文都使用了美国国家健康与营养调查（NHANES）这一公开数据集，该调查通过体检、血液检测和访谈收

去年，Matt Spick开始注意到Scientific Reports 期刊的同行评审环节涌现出大量高度相似的论文——作为该刊副主编，他敏锐地察觉到了异常。这些论文都使用了美国国家健康与营养调查（NHANES）这一公开数据集，该调查通过体检、血液检测和访谈收集了逾13万人的饮食信息及其他健康相关指标。"我收到的论文几乎千篇一律，有时一天甚至有两篇雷同的投稿，"萨里大学统计学家Spick表示。

Spick逐渐意识到，他所见证的只是冰山一角。上周他与同事在《PLOS Biology》发表论文指出：近年来基于NHANES数据的低质论文呈现激增态势，这很可能由被称为"论文工厂"的非法牟利组织推动，并因人工智能文本生成技术而加剧。研究表明，大型公共卫生数据集正面临系统性滥用风险。

未参与该研究的西北大学元科学家Reese Richardson指出，这类免费数据源使研究者能套用既定研究方法，只需替换新变量就能炮制所谓"新发现"，就像玩"科研填词游戏"。他表示，类似滥用现象已出现在基因研究、文献计量学及科学领域性别差异分析等多个方向。

Spick收到的NHANES论文均遵循固定模板：选定某种健康状况、可能相关的环境或生理因素、特定人群——例如研究65岁以上男性维生素D水平与抑郁症的关联，或18-45岁女性口腔健康与糖尿病的关系。"感觉有人在穷尽所有可能的变量组合，"Spick说。

随着AI的普及，2022年起垃圾论文骤增

为量化问题严重性，研究团队在PubMed和Scopus数据库中检索了使用NHANES数据进行单一关联分析的论文，最终在147种期刊上发现341篇此类论文。数据显示：2014-2021年间年均发表4篇，但2022年起骤增，截至研究者2023年10月检索时，2024年已发表190篇。这种增速远超普通健康大数据研究的自然增长，暗示存在异常推动因素。

时间节点与ChatGPT等AI聊天机器人的普及高度吻合。悉尼大学分子生物学家Jennifer Byrne指出，AI可能被用于对相同结论进行无限改写以规避查重。虽然无法确证"论文工厂"（出售欺诈性论文作者位的商业机构）参与其中，但"激增的时机和规模显示存在组织化运作"。

92%来自中国

研究还发现，2021年后92%的相关论文第一作者来自中国机构，而此前比例仅为8%。Spick认为这佐证了论文工厂的参与，中国科研人员面临的考核压力催生了相关灰色产业。

近期多数NHANES研究存在数据选择性使用问题——无明确理由地限定分析年份或人群年龄段。Spick指出，这显示作者在"数据钓鱼"追求统计显著性，但如此大规模数据集必然产生大量假阳性结果。团队核查28篇抑郁症相关研究后，发现仅13篇能通过多重检验校正。

施普林格·自然集团研究诚信主管Tim Kersjes表示，已撤稿多篇问题论文并持续调查。旗下Scientific Reports、BMC Public Health等期刊正加强编辑培训，要求前置审查投稿。BMJ Group也表示高度重视论文工厂和AI滥用问题。

Spick团队认为研究可能严重低估了问题规模：仅针对特定模板的检索就发现NHANES论文从2023年4926篇激增至2024年7876篇。Richardson在快速筛查中另发现5篇疑似论文工厂产物未被纳入研究，这些论文同样探索电子烟与肺病等简单关联。他还注意到其他数据集如"全国住院患者样本"也存在类似滥用。

学术垃圾正在泛滥

Spick警告，全球疾病负担研究等其他大型健康数据集同样面临风险。虽然Python等编程语言便于数据分析，但也降低了滥用门槛——其团队已编写出能自动提取NHANES数据并遍历疾病-变量组合的代码。"这种低质研究的'工业化生产'正在用垃圾成果淹没学界，"Spick 愤慨表示。

科研激励体系亟待改革

Richardson指出，这暴露了学术出版和科研评价体系的深层弊病："所列出版商每篇收取约1000美元版面费来发表这些垃圾。"开放获取期刊通常收取论文处理费。他警告除非彻底改革科研激励体系，否则问题将持续恶化。