SCI研究数据怎么管理：原始数据保存/共享要求/FAIR原则

数据管理不规范=投稿被质疑+发表后被查无法提供原始数据=撤稿。越来越多SCI刊要求"数据可用性声明"和原始数据共享。我们经手820+篇录用，15%因数据问题被要求补充。本文讲清保存期限、共享要求、FAIR原则、存储库选择和3个失败案例。

🧠 数据管理必要性

研究数据是论文的"证据链"，管理不善后果严重：

• 投稿被质疑：审稿人质疑数据真实性，要求提供原始数据。无原始数据=拒稿。

• 发表后被查：发表后读者/编辑质疑，要求提供原始数据复现。无数据=撤稿+记学术不端。

• 期刊政策要求：PLOS/Elsevier/Springer等大出版社要求"数据可用性声明"，部分强制共享。

• 基金审计：国自然/重点研发基金结题要求数据归档，无数据=结题困难。

📅 原始数据保存期限

原始数据（CRF表、电子数据库、影像、代码）保存期限：

建议：统一保存≥10年，涵盖所有期刊和基金要求。保存内容包括原始记录、数据库、分析代码、图表源文件。

🔄 数据共享要求（出版社政策）

主流出版社数据政策：

数据可用性声明：投稿时必填，说明数据存储位置（存储库DOI/ Supplementary/ 限制获取理由）。"数据可应合理请求获取"已不被多数刊接受，需具体到存储库。

📋 FAIR原则

FAIR原则（Findable/Accessible/Interoperable/Reusable）是国际数据管理标准，2016年提出，要求研究数据：

投SCI刊数据建议满足FAIR：上传存储库获DOI+元数据+通用格式+许可声明。FAIR不是强制，但满足的稿件审稿好感+1。

🗄️ 数据存储库选择

共享数据用通用存储库，获DOI可引用：

医学专用：clinicaltrials.gov（试验数据）、dbGaP（基因数据）、TCIA（影像数据）。选库原则：①期刊推荐优先；②通用数据用Figshare/Zenodo；③代码用GitHub+Zenodo存档。

💀 3个数据管理失败案例

① 原始数据丢失被撤稿：某团队发SCI后读者质疑统计，编辑要求提供原始数据。团队称"硬盘损坏数据丢失"，无法复现。编辑撤稿+通报单位，记学术不端。教训：原始数据多重备份。

② 数据共享声明不当被拒：某投稿PLOS，数据可用性声明写"data available on request"。编辑拒："不符合PLOS数据共享政策，需公开存储库。"改上传Zenodo获DOI后重投。教训：投稿前查刊数据政策。

③ 数据造假被查出：某论文图表被读者发现数据异常（图片拼接痕迹）。编辑要求提供原始影像，团队无法提供。调查确认造假，撤稿+记黑名单。教训：原始影像保存+不修图。

💡 数据管理最佳实践

① 数据管理计划（DMP）：开题时写DMP，说明数据类型/格式/存储/共享/保存期。基金申请常要求DMP。

② 原始数据多重备份：本地硬盘+云盘+存储库三重备份，防丢失。

③ 电子数据库规范：用Excel/CSV/SPSS格式，字段清晰、单位统一、变量有标签。

④ 分析代码保存：R/Stata/SAS脚本保存，附README说明，可复现分析。

⑤ 图表源文件保存：保留生成图表的源数据和软件文件，便于修改和质疑时复现。

⑥ 存储库上传：投稿前上传Figshare/Zenodo获DOI，写进数据可用性声明。

⚠️ 提示：医学研究含患者隐私数据，共享前去标识化（脱敏），符合HIPAA/个人信息保护法。含可识别信息的数据不能公开共享，存限制获取库（如dbGaP controlled access）。

📝 DMP数据管理计划模板

DMP（Data Management Plan）是开题阶段就要写的数据管理规划，国自然/重点研发/欧盟地平线等基金均要求提交。我们协助撰写47份DMP，通过率100%。DMP必填要素：

DMP不是"写完即弃"，应随研究进展动态更新，结题时附最终版。基金评审看DMP判断数据管理规范性，写不好影响立项。

🔒 医学数据去标识化方法

医学数据含患者隐私，共享前必须去标识化（脱敏），否则违反个人信息保护法/HIPAA。去标识化分两步：

注意：去标识化不等于匿名化。去标识化数据仍可能被重新识别（结合多源数据），共享时仍需签数据使用协议（DUA）。完全匿名化数据（无法还原个体）才可公开共享，但医学数据很难达到完全匿名。

📤 Zenodo存储库上传操作

Zenodo（CERN运营，免费，获DOI）上传操作流程：

上传后DOI永久有效，不可删除（可发布新版本，旧版仍可访问）。建议上传"数据+README+代码"打包，方便他人复现。我们协助上传63个数据集到Zenodo/Figshare，全部获DOI。

📜 数据可用性声明模板

不同场景数据可用性声明模板（投稿时复制改写）：

避坑：场景3的"应合理请求获取"已不被PLOS/部分Elsevier刊接受，需说明获取条件（伦理审批/DUA/审批流程）。无数据共享声明=格式审查退回。

🔄 数据版本控制与变更追踪

研究数据会反复修改，版本控制防混乱。我们处理的返修案例中23%涉及数据修改，无版本记录=无法证明数据未被篡改。版本控制要点：

① 命名规范：文件名含日期+版本号，如 data_v1_20250301.csv、data_v2_20250415.csv，禁用"final""最终""最新"等模糊命名。

② 修改留痕：每次修改记录改动内容、原因、操作人、时间。用Excel可在单独sheet记修改日志，或用Git管理代码/CSV。

③ 锁定基准版：投稿时锁定一版数据作为"投稿基准版"，返修修改另存新版，保留旧版可追溯。

④ 代码版本：分析代码用Git管理，每次提交附说明。论文录用后给代码打标签（tag）对应发表版本。

版本混乱的代价：某团队返修时改了数据，但忘了改对应图表，审稿人发现数据与图表不符拒稿。版本控制=数据可追溯=投稿安全。

🏦 基金结题数据归档要求

国自然/重点研发/省部级基金结题均要求数据归档，不达标影响结题和后续申报。各基金数据归档要求：

归档内容包括：原始数据（CRF/数据库/影像）、清洗后数据、分析代码、图表源文件、DMP、伦理批件、知情同意书模板。建议结题前3个月整理归档材料，避免临时突击遗漏。

✅ 数据管理自查清单

投稿前数据管理自查，逐项打勾：

☐ 原始数据（CRF/数据库/影像）已三重备份（本地+云+存储库）

☐ 数据库字段清晰、单位统一、变量有标签

☐ 分析代码（R/Stata/SAS）已保存，附README说明运行环境

☐ 图表源文件（源数据+软件文件）保留

☐ 患者数据已去标识化，伦理批准同意共享

☐ 数据已上传存储库获DOI（或附补充材料）

☐ 数据可用性声明已写入正文（具体到DOI/条件）

☐ 保存期限≥5年（建议10年），可追溯

☐ DMP已更新至最终版（基金结题用）

☐ 论文方法部分说明数据管理和共享方式

自查全部打勾，数据管理才算到位。任一项缺失，投稿后可能被质疑、被要求补充，甚至撤稿。

🛡️ 数据安全与泄露防范

医学数据泄露后果严重，可能触犯个人信息保护法，承担民事乃至刑事责任。数据安全要点：

① 传输加密：数据传输用加密通道（SFTP/HTTPS），禁用明文邮件传患者数据。我们经手820+篇，数据传输一律加密。

② 存储加密：含患者信息的数据库加密存储（BitLocker/FileVault），设置访问密码，限定授权人员。

③ 访问权限分级：研究者/统计分析/数据管理员分工授权，操作日志留存。多人协作时明确谁可看/可改。

④ 设备管理：研究用电脑装杀毒软件、设开机密码、不连不安全网络。含数据设备不离身、不外借。

⑤ 销毁规范：保存期满需销毁的数据，用彻底删除（覆写）而非普通删除，纸质CRF用碎纸机销毁。

典型案例：某单位研究者用个人邮箱传含患者姓名的数据给合作者，被内部审计发现，项目暂停整改2个月。教训：患者数据传输必须走加密渠道+去标识化。

📞 常见反馈

某团队投PLOS，按本文指导开题即写DMP，数据存Figshare获DOI，投稿数据可用性声明写明DOI，审稿人未质疑数据，4个月录用。反馈："提前做数据管理，投稿底气足，审稿人零质疑。"

另一团队投Elsevier刊，原始数据存本地硬盘未备份，投稿8个月后硬盘故障数据丢失，返修时无法提供原始数据被拒稿。教训：数据未上云备份，损失8个月。后改用Zenodo+云盘双重备份重投，3个月录用。

第三团队做多中心RCT，数据分散在5家医院，未统一标准，合并后字段不一致，分析延期4个月。后制定统一数据字典（变量名/类型/单位/编码），各院按模板录入，合并顺利。反馈："数据管理前置，省后期返工。"数据管理投入1份精力，省后期3份返工。