政策与人文

订阅

MedSci主页 / 所有栏目 / 政策与人文

那些年，收到的让人无法回答的审稿人意见

2020-03-16 小白学统计 小白学统计

统计
关注

写文章投稿，审稿人给出的建议是五花八门。林子大了，什么鸟都有。同样，审稿意见多了，什么内容都有。虽然williamhill asia 尊重审稿人及其意见，然而，总有一些审稿意见让人真的无法回答，又难以反驳。本文聊一下我个人遇到的一

写文章投稿，审稿人给出的建议是五花八门。林子大了，什么鸟都有。同样，审稿意见多了，什么内容都有。虽然williamhill asia 尊重审稿人及其意见，然而，总有一些审稿意见让人真的无法回答，又难以反驳。本文聊一下我个人遇到的一些让人真的难以回答的审稿意见，看看各位朋友有没有同感。
第一：logistic回归只能用发病和不发病的分析
这是10多年前的一位审稿人给的意见，当时我还在读研究生。帮别人分析了一篇文章，分析护士满意度的影响因素，利用问卷调查，结局分为满意和不满意。分析方法采用了logistic回归进行多因素分析。投稿后，被审稿人拒稿，拒稿意见是：logistic回归只能用于“发病”和“不发病”的分析，不能用于“满意”和“不满意”的分析。
看到这个审稿意见，第一反应是错愕、惊讶，然后才是无奈、无语。实在不明白审稿人怎么会有这种想法。当时作为一所三流医学院学生的我，第一次感到，原来我心目中觉得遥不可及的杂志，也并不是那么完美无瑕。
如果logistic回归只能用于“发病”和“不发病”的分析，那我实在想不出在经济学领域和社会学领域、心理学领域等为什么还要讲logistic回归？难道不怕被人质疑吗？
第二：你用spss做，不要用R做
这是去年的一个审稿意见，也不是我的文章。一个朋友的文章，他用R做了数据分析，我也看了这个文章，中规中矩，没什么特别创新，但也没什么大的漏洞。然而最后审稿意见中其中一条真的让我大跌眼镜，审稿人建议用spss做，不要用R做。
我真的怀疑，难道这位老师只能看懂spss给出的结果，看不懂R给出的结果？对于常规方法，你用什么软件，其实差别并不大，结果都是一致的。我这也是第一次遇到有人建议重新换个软件，重新给结果。然而你不敢说这句话，最后还得在回复里写：谢谢审稿老师的宝贵建议，williamhill asia 已经改成了spss的结果。虽然其实并没改，因为结果完全一样。
我个人一直认为，用什么软件看自己习惯。虽然我个人习惯用SAS（毕竟用了十多年，都有感情了），然而我也会用SAS jmp、R、Stata，或者一些小众软件，如LISREL，MLwin等。没有人规定某种结果必须用某种软件，除了临床试验中，FDA会推荐某种软件。
第三：你不要用logistic回归，要换一种更高级的方法
一个朋友写一篇预测类文章，帮朋友建了一个预测模型，方法用了logistic回归，预测效果还不错，训练集、预测集的ROC基本都在90%以上。兴冲冲投稿，然后被审稿人一句话泼了一头凉水：你不要用logistic回归，换一种高级的统计方法。
心里很凉，不是因为文章没接受，而是因为这句话。我一直认为：统计学方法没有低级和高级之分。因为我一直想不通什么算是高级？线性回归比t检验高级吗？logistic回归比卡方检验高级吗？神经网络比logistic回归高级吗？劳动不分贵贱，方法竟然要分高低？
统计方法更多的是适用与否，不同数据、不同目的都需要考虑相应的不同方法。尽管近几年机器学习、深度学习这些充斥着williamhill asia 的学术领域，感觉好像在讲座上不提点人工智能都不好意思发言，似乎传统的这些回归方法都已经羞的应该躲到地缝里去。然而我还是想说，方法始终是方法，软件始终也只是软件，所有的统计分析中，人才是第一位的。不要盲目相信方法、相信软件，更重要的是，要相信自己。
logistic回归是有自身的缺点，但所谓换种更高级的方法，我个人认为，不应该出自一个专业统计学家之口。也许，审稿人认为，像这些机器学习方法是高级方法，应该用这些，然而这些方法也并非尽善尽美。作为文章来说，结果和专业解释都没有问题，却让换种所谓“高级”的方法，确实有点匪夷所思。
第四：计数和等级资料的关系应该用秩和检验，不能用卡方检验
某文章中，我做了一个分析，分了三组：小剂量、中剂量、大剂量，比较三组的一些指标，如性别、是否远处转移等，基本都是一些分类资料。如下图所示：

然后一位统计学家就不同意了：你这个数据，一个是等级资料（估计说的是分组变量），一个是计数资料（估计是指性别、年龄等分类资料），不能用卡方，这种数据应该用秩和检验。
我看了意见，不由得长叹一口气。都已经2020年了，竟然还有统计学家提这种意见（事实上，审稿人是不是统计学家我还真不确定）。我翻遍了所有的统计学课本，也没有人规定说：一个等级资料、一个计数资料（实际上是分类资料），要用秩和检验。
即便是一个等级资料、一个（无序）分类资料，也需要根据实际情况来考虑所用的方法。如果（无序）分类资料是分组变量，等级资料是结局变量，一般使用秩和检验；但如果等级资料是分组变量，（无序）分类资料是结局变量，那用秩和检验就严重错误了。实在搞不清审稿人为什么要逼良为娼，逼对改错。
第五：你的回归分析的表格要转置过来
某文章中，我帮一个朋友做了一个回归分析，大致样式如下（只显示了其中的3个变量，而且把具体的变量名改成了x1-x3）：

然后就是这个表格，审稿人提出了意见：这种表格有必要列吗？如果列的话，注意主谓倒置过来。
我看完这个意见，只觉得胸口一阵发闷，差点眼前一黑。我不知道审稿人到底有没有见过回归分析的结果，如果要转置过来，那就是下面这种样式：

说实话，这种样子的回归分析结果我还真的没在文章里见过。到底什么是主谓？我倒是想根据审稿人意见修改，然而真的下不了手。最后只能各种委婉解释，说明williamhill asia 才疏学浅，能不能放williamhill asia 一马。
我想实际中这种情况可能并不在少数，一旦遇到这种情况，我也会很郁闷，尤其是朋友把这些审稿意见给我，让我帮忙看看怎么回复。说实话，其实真的不知道怎么回复。

版权声明：
本网站所有内容来源注明为“williamhill asia 医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于williamhill asia 医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“williamhill asia 医学”。其它来源的文章系转载文章，或“williamhill asia 号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与williamhill asia 联系，williamhill asia 将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=881670, encodeId=f0f58816e0fa, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=98, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=64245268311, createdName=14818eb4m67暂无昵称, createdTime=Tue Sep 01 08:14:41 CST 2020, time=2020-09-01, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1393083, encodeId=2d5d139308301, content=<a href='/topic/show?id=a4b84616527' target=_blank style='color:#2F92EE;'>#审稿#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=59, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=46165, encryptionId=a4b84616527, topicName=审稿)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=00622500123, createdName=12498a49m60暂无昵称, createdTime=Wed Mar 18 06:18:06 CST 2020, time=2020-03-18, status=1, ipAttribution=)]
    2020-09-01 14818eb4m67暂无昵称

    学习

    0

  2. [GetPortalCommentsPageByObjectIdResponse(id=881670, encodeId=f0f58816e0fa, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=98, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=64245268311, createdName=14818eb4m67暂无昵称, createdTime=Tue Sep 01 08:14:41 CST 2020, time=2020-09-01, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1393083, encodeId=2d5d139308301, content=<a href='/topic/show?id=a4b84616527' target=_blank style='color:#2F92EE;'>#审稿#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=59, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=46165, encryptionId=a4b84616527, topicName=审稿)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=00622500123, createdName=12498a49m60暂无昵称, createdTime=Wed Mar 18 06:18:06 CST 2020, time=2020-03-18, status=1, ipAttribution=)]
    2020-03-18 12498a49m60暂无昵称

    #审稿#

    0

相关威廉亚洲官网

2020年癌症统计：美国癌症死亡率创纪录下降

2020年1月8日，最新的美国癌症发病情况年度报告《2020年癌症统计》公布，这是由美国肿瘤学会每年在《CA:临床医生癌症杂志》上发布的报告。这份报告显示，1991年至2017年，美国癌症死亡率下降29%，其中2016年到2017年下降2.2%，创有记录以来美国癌症死亡率的最大年度降幅。报告指出这一进步主要归结于4种常见癌症的死亡率长期下降：肺癌、结直肠癌、乳腺癌和前列腺癌。图 | 参考资料1

对医疗保健行业产生巨大影响的10个医疗物联网统计

在过去的几年里，物联网对医疗保健行业产生了巨大影响。以下这些统计数字就是强有力的证明。1、2018年，全球医疗物联网市场规模为1471亿美元去年，全球医疗物联网市场规模超过1470亿美元。与2014年的217亿美元相比，这是一个巨大的增长，物联网分析显示，最大的增长尚未开始。2、到2025年，医疗领域物联网的全球市场规模预计将超过5000亿美元专家预测，到2025年，该行业的全球市场规模将达到53

统计报告威廉亚洲博彩公司 ：厘清统计学诸多误区与错误

2019年3月，European Urology 杂志（IF=17.298）发表了泌尿外科临床研究领域的统计报告威廉亚洲博彩公司 《Guidelines for Reporting of Statistics for Clinical Research in Urology》，目的在于提升人们的统计学知识，改善论文质量。 本威廉亚洲博彩公司 由11个大学的生物统计中心、共16名研究人员共同完成，同步

CA Cancer J Clin：2019年年龄不小于85岁成年人癌症统计研究

在美国，年龄不小于85岁的老年人口在快速的增长，而他们的癌症状况仍旧所知甚少。最近，有研究人员综合不同的数据库全面的提供了年龄不小于85岁老年人的癌症发生情况。研究发现，在2019年，美国将会大约诊断140690个癌症案例，且将有103250例癌症死亡。在这些个体中最常见的癌症为肺、乳腺、前列腺和结肠直肠癌，这与普通人群相同。总的癌症发生率在男性和女性中的峰值在1990年，之后发生率加速减少。这些

如何通俗地理解Family-wise error rate(FWER)和False discovery rate(FDR)

Family-wise error rate(FWER)，暂时还不了解比较通俗易懂的翻译。False discovery rate(FDR)，一般翻译为错误发现率。在研究使用假设检验解决机器学习中的分类问题时，我遇到了多重假设检验问题。FWER和FDR正是解决这一问题的两种方法。经过老师和师兄师姐的指导，我能够将FDR应用于自己的问题当中，并且实验结果也有所改善。但是，应用之后，我仍然存在一些

临床研究统计学中常见的“坑”

随机对照临床试验(Randomized Controled Trial, RCT)是常见的重要的循证医学证据，为临床诊治提供重要依据。在临床试验设计中，专业设计和统计学设计都很重要。统计学设计包括：确