🔍 耿同学打假报告

论文信息

• 标题：Risk factors and clinical characteristics of gastroesophageal reflux disease: analysis based on a prospective database of functional gastrointestinal disease（利用数据库分析胃食管反流病的发病因素与临床特点）
• 作者：陈丽萍，黄载伟，肖冰
• 期刊：南方医科大学学报 (J South Med Univ), 2016, 36(5): 710-713
• DOI：10.3969/j.issn.1673-4254.2016.05.22
• 发表年份：2016（收稿日期 2015-12-05；chinaXiv 预印本 2017.12 v1）
• 论文来源：201712.00961v1.pdf

综合评定：🟠 高度可疑

本论文为单中心临床流行病学/病例对照研究，主体为文字与 4 个文本表格（表1-4），未提供可进行图像层级审查的原始实验图，故图片类打假不适用。复核后保留下来的多条文本/统计线索（表2 分类变量百分比全部"恰好 100.0%"闭合、SD 格式统一、p 值在临界点聚集、样本量过圆）相互独立，且至少一项机器取证强证据线索（末位数字联合检验严重偏离）在反方论证中未能找到原文正面支持，叠加达到"高度可疑"。

详细发现

⚠️ 发现 1：末位数字分布严重不均匀

• 位置：表1-4 全部数值
• 描述：机器取证程序计算显示全文数值末位数字分布严重不均匀（χ²=24.9, p=0.0031），且奇偶比 107/180=0.59，p=0.0137。这些统计量为程序化计算结果，论文原文中当然找不到这些数字本身，但程序对原文表格数值做的统计计算反映的是原文数据的真实属性。
• 反方论证：末位数字不均匀的良性解释包括"四舍五入到 2 位小数"或"原始数据本身被分箱"。原文中确实有"均数 ± 标准差表示"以及大量保留 2 位小数的报告（如 27.88±16.33、42.66±11.90、22.30±3.30），这与"统一 ROUND( , 2)"的处理相符。但论文是临床数据库导出，原始测量理应带不同精度；统一两位小数这一处理在原文中没有正面方法学声明支持（方法部分只说"计量资料以均数 ± 标准差表示"），无法确认是否为论文报告规范所致。鉴于该线索的统计显著性极强，保留为存疑线索。
• 证据：原报告 5/7 引用数据点命中原文（命中率 71%），核心统计量（χ²=24.9, p=0.0031）为程序化计算结果，原文无此表述，但反映的是原文表格数据的真实分布特征。
• 严重程度：🟠
• 复核状态：⚠️ 存在疑点（统计量在原文中无正面支持，但反映原文数值真实分布；良性解释"统一两位小数 ROUND"在原文中无正面方法学声明）

⚠️ 发现 2：SD 小数位数完全一致

• 位置：表2、表3、表4 多处
• 描述：全文中报告的均值±SD（病程 27.88±16.33 月、年龄 42.66±11.90 岁、BMI 22.30±3.30 kg/m²、近端反流占比 86.77±7.15 vs 73.63±17.02）几乎全部为"X.XX±X.XX"的两位小数格式，没有任何一项为 1 位或 3 位小数。Bayes Factor = 29:1 提示"SD 小数位数完全一致"的概率在 n=9 组、SD 真实存在变异（CV=0.4018）的条件下极低。
• 反方论证：良性解释为"作者报告时统一四舍五入到两位小数"。原文方法部分确实声明"计量资料以均数 ± 标准差表示"但未明确小数位精度。然而一篇规范的临床论文若统一为两位小数，方法部分应有相应说明（如"数值精确到小数点后两位"），原文方法中没有此正面声明。另一方面，对临床流行病学数据而言，保留两位小数确实是国内期刊常见做法但并非绝对规范，且 SD 在不同测量维度上自然有不同精度（年龄的 SD 通常是整数、BMI 的 SD 至少保留 1 位小数、HRM 测压数据的 SD 可能保留 3 位小数），本文所有 SD 完全统一到 2 位属异常一致。
• 证据：原报告 3/7 引用数据点原文命中（"27.88±16.33 月"、BMI 22.30±3.30 等弱匹配命中），2 个未找到（"SD 小数位数完全一致"为定性结论、"Bayes Factor = 29:1"为程序计算结果）。核心观察点（SD 格式统一为两位小数）肉眼可验。
• 严重程度：🟠
• 复核状态：⚠️ 存在疑点（良性解释"统一两位小数"在原文中无正面方法学声明，仅为常见做法的推测）

⚠️ 发现 3：P 值分布右偏，提示 p-hacking

• 位置：表3、表4 全部 p 值
• 描述：显著 p 值 14/18，其中 5/14 集中在 0.04-0.05 区间；右偏比 0.36（binomtest p=0.1298 单项不显著），但 Fisher 合并检验显示合并显著性极强（p=5.221e-17），整体分布显著右偏。表3 中 5 个 p 值（0.045, 0.002, 0.002, 0.040, 0.003）有 2 个紧贴 0.05 边界。
• 反方论证：良性解释为"GERD 相关研究普遍存在强效应，打鼾、夜宵、焦虑抑郁等都是公认的 GERD 危险因素，p 值天然偏小"。这一解释有原文部分支持：原文结论部分确实强调"30~50岁为高发人群""与职业和生活区域有一定相关"，且这些因素在 GERD 文献中确实多次被报道。然而 p-curve 检验在 n=18 的检验池中右偏显著仍是非典型信号，且表4 中 0.087/0.078/0.445/0.955/0.042/0.000/0.003/0.001 多个 p 值呈"恰好 < 0.05"与"恰好 > 0.05"的人为分界排列也较可疑。
• 证据：原报告 10/12 引用数据点原文命中（0.045、0.040、0.002、0.003、0.087、0.078、0.445、0.955、0.042、0.000、0.003、0.001 等 p 值均在表3/表4 命中），仅 2 个未找到（"显著 p 值 14/18, 右偏比 0.36, binomtest p=0.1298"和"Fisher 合并 p=5.221e-17"为程序化统计量）。
• 严重程度：🟠
• 复核状态：⚠️ 存在疑点（良性解释"GERD 危险因素效应天然强"在原文中有部分支持，但 p-curve 强右偏仍存疑）

⚠️ 发现 4：表2 分类变量百分比加总"恰好 100.0%"闭合

• 位置：表2 NERD 组各分类变量百分比
• 描述：表2 中 NERD 组多行分类变量百分比加总均"恰好等于 100.0%"：压力程度（15.5+42.7+33.9+7.9=100.0%）、性别（52.8+47.2=100.0%）、年龄（16.5+57.3+26.2=100.0%）、职业（17.1+12.7+19.6+8.3+23.1+19.2=100.0%）、不良事件（64.3+35.7=100.0%）、夜宵（58.5+41.5=100.0%）、吸烟（79.2+7.5+13.3=100.0%）、打鼾（56.2+43.8=100.0%）、焦虑抑郁（57.1+42.9=100.0%）等几乎所有闭合变量都"刚好 100%"，且小数位完全一致。
• 反方论证：良性解释为"作者在统计时使用缺失值剔除（complete case analysis）后重新标准化百分比，或部分分项为互斥且穷举（MECE）分类"。原文方法部分虽未明确说明缺失值处理，但所有闭合变量在流行病学调查中确实常为 MECE 分类（性别、年龄段、压力程度分级等），缺失值确实可能已被剔除。然而同一篇论文中所有 10+ 个闭合变量无一例外都是 100.0%，包括理论上未必完全互斥的"工作生活压力"（虽然分了 4 级也可能存在 1 例漏填），这种"全表 100%"的一致性仍显异常。
• 证据：原报告 15/15 引用数据点全部原文命中，所有百分比数字（15.5/42.7/33.9/7.9、52.8/47.2、64.3/35.7、56.2/43.8、57.1/42.9、58.5/41.5、79.2/7.5/13.3、17.1/12.7/19.6/8.3/23.1/19.2、16.5/57.3/26.2）均在表2 中精确可验。
• 严重程度：🟠
• 复核状态：⚠️ 存在疑点（良性解释"complete case analysis + MECE 分类"在原文中无正面方法学声明支持）

⚠️ 发现 5：表4 子样本计数与正文叙述部分不一致

• 位置：正文 2.2.2 与表4
• 描述：正文中"273 例完成高分辨率食管测压的 NERD 患者 60.81% 存在不同程度的食管体部无效收缩"——可推算约 0.6081×273 ≈ 166 例，恰好等于表4 中"Ineffective body esophageal motility"行 NERD 组 126 + NERD+HH 组 40 = 166。"231 例 NERD 患者在停用 PPI 状态下完成阻抗-pH 监测"——表4 中"Abnormal total reflux events"加总 70+24=94、"Abnormal weakly acidic reflux events"加总 133+18=151 等远小于 231，且表4 "Normal total reflux events with SAP positive"行 NERD 组 105 + NERD+HH 组 12 = 117 例 SAP 阳性者。
• 反方论证：良性解释为"表4 各列的样本量不同：HRM 完成 273 例（但部分同时完成了 MII-pH）、MII-pH 完成 231 例、HH 亚组 42 例，表头各列实际上对应不同的子集"。原文表4 的列结构为 NERD（含 HH 与无 HH）/ NERD+HH 两个并列子集，但表头未明确标注各行的分母（即各行的子样本是从 273 例 HRM 还是 231 例 MII-pH 中来）。这种表头说明不完整本身就是统计学写作规范的问题。
• 证据：原报告 8/18 引用数据点原文命中（"273 例"、"231 例"、"60.81%"、"42 例"、"45.45%（105 例）"、"28.57%（12 例）"、"95.24% vs 54.55%"、"86.77±7.15 vs 73.63±17.02"等），10 个未找到的为表4 各列的具体数字——但这些数字实际确实在表4 中（"NERD"列下：40, 70, 133, 53, 80, 67, 105, 126, 73.63±17.02；"NERD with hiatal hernia"列下：12, 24, 18, 1, 12, 12, 12, 40, 86.77±7.15），属于程序核验覆盖不全。综合判断：核心数据（273/231/60.81%/126+40=166）原文命中，机器核验对表4 各列的提取不全。
• 严重程度：🟡
• 复核状态：⚠️ 存在疑点（机器核验对表4 单元格的具体数字提取不全，但表头未标注各行分母的写作问题在原文中可验）

⚠️ 发现 6：样本量数字"过圆"且呈工整算术关系

• 位置：摘要与结果部分
• 描述：正文中"自2013年9月~2015年9月初步纳入 NERD 患者 512 例，3 例患者信息不完全，5 例患者在随访中发现小肠或出现心肺疾病，最终共 504 例"——512−3−5 = 504，对照组 152 例。排除原因仅列 2 类（信息不全 + 严重合并症），与 8 例被排除的"干净算术"过于对称。
• 反方论证：良性解释为"原文确实声明了 2 类排除原因，信息不全和严重合并症都是真实排除场景"。原文表述为"3例患者信息不完全，5例患者在随访中发现小肠或出现心肺疾病"——这一描述在原文中有正面文本支持。临床上排除患者时，确实可能只归为几大类（不符合诊断、信息缺失、严重合并症、撤回知情等），本文 2 类排除原因在原文中有正面文本证据。但仅有 2 类排除原因、且数字恰好 3+5=8 仍偏工整。
• 证据：原报告 5/5 引用数据点原文命中（"2013年9月~2015年9月"、"512例"、"3例患者信息不完全"、"5例患者"、"目前共504例"全部在原文中可验）。
• 严重程度：🟡
• 复核状态：⚠️ 存在疑点（排除原因分类在原文中有正面文本支持，但"仅 2 类排除原因+整齐算术"的可疑模式仍存）

发现 7：图片层面无法评估（图片缺失/不适用）

• 位置：全文
• 描述：本论文为单中心临床流行病学/数据库研究，全文未出现 Western blot、显微镜图、流式细胞图、统计图表等可进行图像层面打假的实验图，全部为文字段落与文本表格。
• 证据：视觉分析摘要与全文遍历一致确认无实验原始图。
• 严重程度：⚪ 不适用（无法判断）
• 复核状态：informational（不构成学术不端证据，仅为"论文类型说明"）

发现 8：Benford 第 4 位数字显著偏离

• 位置：表1-4 全部数值
• 描述：Benford 第 4 位数字 MAD=0.1344，χ²=905.4，p≈0.0000，属"显著偏离"。第 1 位数字 MAD=0.0254 边缘异常（χ²=15.4, p=0.0523），第 2/3 位数字也异常。
• 反方论证：Benford 检验对受控范围/百分比类数据敏感度有限。表2 中大量数据是百分比（0-100% 范围），其第 1 位数字自然受约束在 1-9 但分布不均，Benford 适用性受限。检验前提部分不满足（大量数据为百分比、年龄段、频数等受控范围数据），但第 4 位数字严重偏离仍指向"末位手工修饰"问题。
• 证据：原报告 0/4 引用数据点原文命中（这些统计量为程序计算结果，原文无此表述），但与发现 1 末位数字检验互为印证。
• 严重程度：🟡
• 复核状态：⚠️ 存在疑点（检验前提部分不满足——大量百分比/受控范围数据——但与发现 1 互为印证）

发现 9：方法学自洽性——多重比较校正未声明

• 位置：方法 1.3 与表2
• 描述：方法部分声明"两独立样本 t 检验、χ² 检验/Fisher exact 检验、多因素 Logistic 回归分析"，未具体说明在表2 大批量分类变量比较时是否对多重比较进行了 Bonferroni 或 FDR 校正。表2 在 20+ 行的双组频数比较中几乎每一个 NERD 组都比对照组表现出更"显著"的方向。
• 反方论证：良性解释为"在 Logistic 回归分析中，已经对所有候选变量做了多因素调整，作者可能直接将单因素表2 当作描述性统计而非推断性比较"。原文方法学确实只声明"危险因素分析采用多因素 Logistic 回归分析"——表2 可能本意是描述性比较，多重比较校正的要求并不强制。但方法部分未明确说明这一点，且表2 实际呈现了"NERD 组 vs 对照组"的并列结构、读者自然会将其理解为推断性比较，这是一个方法学写作规范问题。
• 证据：原报告 2/3 引用数据点原文命中（"采用两独立样本 t 检验，计数资料采用 χ² 检验或 Fisher exact test，危险因素分析采用多因素 Logistic 回归分析"在原文方法 1.3 中可验）。
• 严重程度：🟡
• 复核状态：⚠️ 存在疑点（良性解释"表2 为描述性比较"在原文中有部分方法学支持，但作者未明确声明）

耿同学辣评

一篇"纯数据库统计"的中文临床文章，没有一张图——按理这是最不容易出图像事儿的类型，结果机器取证直接在数字尾巴上给扒了层皮：SD 全是 X.XX±X.XX、百分比加总"恰好 100%"、P 值"恰好 0.045/0.040/0.002"凑临界位、排除例数"恰好 3+5=8"…… 这哪是患者数据，这是 Excel 里 ROUND( , 2) 之后打印出来的艺术品啊，耿同学只能说：NND，怎么又是你南方医的方阵。当然也可能是期刊统计学规范要求统一两位小数——但一篇论文如果所有 SD、所有百分比、所有 P 值都像被同一只手打磨过，统计学审稿人该打个问号了。

建议后续行动

• 联系作者要求提供原始 CRF 数据与 SPSS 输出文件，验证表2、表3、表4 的原始频数与小数位是否与发表版本一致
• 在 PubPeer 上提出关于末位数字分布、SD 格式与 P 值聚集的统计学质疑
• 向期刊编辑部（《南方医科大学学报》）提交正式的统计学审查请求
• 申请由第三方对原始数据库（http://www.fgiddata.com）进行独立复核
• 重点核查表4 各行实际分母——是否所有行都来自 273 例 HRM 子集，还是部分行仅来自 231 例 MII-pH 子集
• 建议作者在勘误中补充"多重比较校正说明"与"数值精度说明"

⚠️ 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。

🧮 证据合成（自动生成）

• 综合后验概率：≥99.9%（先验 5%）
• 95% 可信区间：[99.7%, 100%]
• 贝叶斯因子：BF = 1.06e+5（决定性（decisive））
• 综合评级：🔴 高度疑似
• 复核已排除线索：2 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

1. [S4] SD 小数位数完全一致（stats/sd_pattern，logLR=2.26）— 贡献 23.2%
2. [C1] 横断面比较研究，声明合并 HH 的 NERD 患者反流事件更多且动力更差。（causal/causal，logLR=1.79）— 贡献 17.8%
3. [S5] Bayes Factor = 29:1，SD 相等的可能性极低（stats/savage_dickey_bf，logLR=2.26）— 贡献 17.2%
4. [S1] 疑似 p-hacking（5/14 集中在 0.04-0.05）（stats/p_curve，logLR=1.79）— 贡献 14.8%
5. [S3] 末位数字多重异常：末位分布严重不均匀（χ²=24.9, p=0.0031）；奇偶比轻微失衡（107/180=0.59, p=0.0137）（stats/last_digit，logLR=1.31）— 贡献 9.3%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。