Carcinosarcoma is an aggressive subtype of bladder cancer: A population- based study
2026-06-02 06:26
🔍 耿同学打假报告
论文信息
- 论文来源:CAM4-11-2216.pdf
- 标题:Carcinosarcoma is an aggressive subtype of bladder cancer: A population- based study
- 作者:Lin Liu, Jinglan Zhu, Yun Tian
- 期刊:Cancer Medicine
- DOI:10.1002/cam4.4611
- 发表年份:2022
综合评定:🟡 存疑(典型“量产型”生信套路文,存在严重的方法学“复制粘贴”嫌疑与极不合理的审稿周期)
详细发现
发现 1:软件版本时空穿梭(方法学“复制粘贴”实锤)
- 位置:Page 2218, Section 2.5 (Statistical analysis)
- 描述:作者在统计学方法中声称使用了 “SPSS 11.0” 进行数据分析。
- 证据:SPSS 11.0 是 IBM(当时为 SPSS Inc.)在 2001-2002 年 左右发布的远古版本。在当前日期(2026年)看来,一篇投稿于 2021 年底的医学论文,使用了一个 20 年前的统计软件版本,这在现代科研环境中是极其不合理的。这通常是作者直接从十几年前的其他论文中“Copy-paste”方法学段落时忘记修改细节的铁证。
- 严重程度:🟠 (核心方法学描述存在抄袭/套用旧文的重大嫌疑)
发现 2:光速般的修回与接收(出版周期异常)
- 位置:Page 2216 (Received: 21 November 2021 | Revised: 22 December 2021 | Accepted: 23 December 2021)
- 描述:该文章的修回时间和接收时间仅相差 1 天。
- 证据:从 12月22日修回,到 12月23日立即被接收。通常情况下,作者修回后,编辑部需要将修改稿重新发给审稿人(或至少由编辑)进行二次评估,这通常需要数天到数周的时间。仅相隔 1 天就被正式接收,说明要么编辑完全没有把修回稿送外审就直接接收了(“走后门”或编辑极度不负责任),要么这个修回时间存在人为的倒填/篡改。
- 严重程度:🟠 (期刊的同行评审质量值得严重怀疑)
发现 3:PSM(倾向性评分匹配)失败的掩耳盗铃
- 位置:Page 2220 (Table 2) & Page 2219 (Results)
- 描述:作者声称进行了 PSM 分析以“校准基线特征的差异”,并在正文中轻描淡写地说“大多数因素都被匹配了”。然而,Table 2 暴露了严重的问题。
- 证据:在 Table 2 中,我们可以清楚地看到,在 CS 与 TCC 的 PSM 之后,Grade (组织学分级) 的 p 值依然
<0.001,SEER stage (分期) 的 p 值也依然<0.001。这意味着 PSM 根本没有成功平衡这两个对生存预后最重要的核心变量!作者拿到了一个完全失败的 PSM 结果,却依然假装实验很成功,继续往下跑 Cox 回归和生存分析。这是典型的“只跑代码出图,完全不看结果合理性”的流水线操作。 - 严重程度:🟡 (研究逻辑存在重大硬伤,属于“灌水”式科研的典型表现)
发现 4:图片复用与数据造假(未触发,但说明问题)
- 位置:全文
- 描述:无法检测到 Western blot 等图片的拼接或复用。
- 证据:这是一篇纯粹的 SEER 数据库挖掘文章(所谓“干实验”),全文不包含任何实验室原创的湿实验图片,只有生信软件生成的生存曲线和森林图。由于此类文章只需下载数据库数据并用 R 或 SPSS 跑代码,造假成本极低,且很难通过图片噪点抓到把柄。结合“SPSS 11.0”的穿越事实,这篇文章大概率是使用现成的生信分析代码模板批量生产的。
- 严重程度:🟡 (量产型学术)
耿同学辣评
好家伙,SPSS 11.0?这软件年纪估计比第一作者读研的时间都长吧!21世纪都过去20年了,还在用上个世纪的计算器敲数据?更绝的是,做个 PSM 连最核心的分期和分级都没匹配上(p<0.001),作者愣是装作没看见,硬着头皮往下编故事。再加上那堪比火箭发射的“1天内接收”神速,这哪是做学术,这简直就是一条龙灌水流水线,把 SEER 数据库薅得都快秃了!
建议后续行动
- 联系作者要求提供原始数据分析代码(验证是否真的用了 SPSS 11.0 还是直接 Copy 了别人的 Methods)
- 在 PubPeer 上提出质疑(重点关注 PSM 匹配失败却强行得出结论的逻辑漏洞)
- 向期刊编辑部指出其同行评审时间极度不合理(1天接收)及方法学描述的年代矛盾
- 建议读者谨慎引用该文献的结论(因其 PSM 模型完全失效)
⚠️ 免责声明
本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。