🔍 耿同学打假报告

论文信息

标题：UKB-MDRMF: a multi-disease risk and multimorbidity framework based on UK biobank data
作者：Yukang Jiang, Bingxin Zhao, Xiaopu Wang, Borui Tang 等
期刊：Nature Communications
DOI：https://doi.org/10.1038/s41467-025-58724-3
发表年份：2025 (Modified publication 2026)

综合评定：🟠 高度可疑

(注：由于目前仅基于文本进行审查，未获取原始高清图片与底层代码数据，图片层面的一图多用/PS痕迹无法做像素级实锤。但文本中暴露出的统计学硬伤和结论与数据自相矛盾的问题，已经足够让我们对这篇顶刊论文打上一个大大的问号。)

详细发现

发现 1：结论与表格数据公然打架（自相矛盾）

位置：Table 1 与正文 Page 5-6 的描述
描述：作者在正文里信誓旦旦地宣称自己的 UKB-MDRMF 模型具有“superior predictive performance”（更优的预测性能），并在 Table 1 的注释中也强调加粗数字代表“表现更好的模型”。然而，我们稍微看一眼表格数据：
- 冠心病 (CAD) 风险预测：别人的模型 (Petrazzini B, et al.) AUC 达到了 0.88，作者自己的模型 AUC 仅有 0.76。
- 房颤 (AF) 风险评估：别人的模型 (Mars N, et al.) C-index 为 0.75，作者的只有 0.69。
- 前列腺癌 (PC) 风险评估：别人的模型 0.86，作者的 0.79。
证据：作者拿着几个明显输给现有SOTA（前沿模型）的数据，强行在正文和表格说明里宣称自己全面领先。这是典型的“指鹿为马”式写作，试图蒙混过关。
严重程度：🔴

发现 2：大规模多重比较未校正（P-hacking 重灾区）

位置：Figure 2c, 2f 及图注说明
描述：作者在对 21 种疾病类型进行比较时，图注赫然写着：“the p values from two-sided Wilcoxon tests in each disease type, and no multiple comparison correction was applied.”（进行了双侧 Wilcoxon 检验，且未应用多重比较校正）。
证据：在涉及高达 1560 种疾病、21 个大类、且包含成百上千次假设检验的生物信息学/流行病学研究中，不做 Bonferroni 或 FDR 校正是严重违背统计学常识的。这会导致极其庞大的假阳性结果（False Positives）。在 Nature Communications 级别的论文中出现这种明目张胆的“裸奔”统计，要么是审稿人疏忽，要么是作者为了强行凑出“显著性”而故意为之。
严重程度：🟠

发现 3：方法论中的“主观”操作空间过大

位置：Methods - Data filtering 部分 (Page 10)
描述：作者在描述如何从 7228 个表型中挑选特征时，使用了“we subjectively selected 542 phenotypes”（我们主观地挑选了 542 个表型）这样的表述。
证据：在大规模的机器学习预测框架中，特征筛选应当基于 Lasso、Boruta 或树模型重要性等算法自动化进行，以避免引入人为偏见。直接承认“subjectively selected”，不仅违背了数据驱动研究的初衷，更让人怀疑作者是不是为了凑出好结果而“逆向工程”挑选了变量。
严重程度：🟡

发现 4：缺失数据处理存在逻辑隐患

位置：Missing data processing - Pattern-II (Page 12)
描述：针对连续变量的缺失值，作者表示：“For continuous variables, we opt to impute missing values using the mean of the observed data.”（对于连续变量，我们选择使用观测数据的均值进行插补）。
证据：在基础统计教材中都会明确指出，直接使用均值插补会严重破坏变量的原始分布，压缩方差，并在回归模型中极大地夸大显著性。虽然作者在前文吹嘘自己的缺失值处理“not merely a preparatory step but provided valuable insights”，但后文的操作依然是极其粗暴且过时的均值插补，属于典型的“画大饼，做稀饭”。
严重程度：🟡

发现 5：时间线与版本声明的微小异常

位置：文章末尾版权声明处
证据：虽然这在 Springer Nature 的更正流程中偶尔会出现，但通常意味着文章在发表后经历了重大的数据或文字更正。结合前文提到的“结论与数据打架”，这种修修补补的痕迹让人不得不怀疑初版乃至当前版本的数据严谨性。
严重程度：🟡

耿同学辣评

这篇Nature Communications简直是把“既要又要”发挥到了极致：方法上嘴上喊着多模态高大上，手底下却用着本科生都不屑用的均值插补；统计上为了多得几个P值，干脆连多重检验校正都不要了，主打一个“只要你不敢查，我就敢显著”；最绝的是，拿着自家模型 AUC 0.76 被别人 0.88 秒杀的数据，硬是在正文里写出了“我全面遥遥领先”的自信。把期刊影响力和读者的智商按在地上狠狠摩擦！

建议后续行动

要求作者公开原始代码及训练/测试集划分的随机种子，核查其是否对特定切分进行了“挑选”。
重新核查所有 Figure 2 和 Figure 3 中涉及的测试集表现，要求作者补充提供进行了 FDR 校正后的 P 值。
在 PubPeer 上针对 Table 1 的数据自相矛盾问题公开提出质疑。
致信 Nature Communications 编辑部，指出其统计学方法的不严谨及结论的主观夸大。

⚠️ 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。

UKB-MDRMF: a multi-disease risk and multimorbidity framework based on UK biobank data