医学论文数据共享：FAIR原则+数据仓库选择+期刊政策对照

研究数据共享已从"可选项"变成越来越多医学期刊的"硬门槛"。无论是 PLOS 系列的全强制政策，还是 Nature/Science 的"鼓励+必要时强制"，投稿前搞不清数据共享要求，轻则被退修补声明，重则直接拒稿。本篇围绕国际公认的 FAIR 原则，拆解可发现、可获取、可互操作、可重用四条标准，附主要数据仓库按学科选择指南、PLOS/Nature/Science 等顶刊数据共享政策对照表、数据管理计划(DMP)写作要点，以及敏感数据脱敏与隐私保护的平衡方法。我们多年协作中积累的反馈是：投稿前把数据可用性声明写规范，退修率明显降低。文末附数据共享自查清单，照着改写即可。

🔍 FAIR原则是什么（Findable/Accessible/Interoperable/Reusable）

FAIR 原则由荷兰 GO FAIR 基金会于 2016 年提出，现为国际科研数据管理通用准则。FAIR 是四个英文首字母缩写，分别对应研究数据应当具备的四项属性：

F — Findable（可发现）：数据要有全局唯一标识符（如 DOI），有内容丰富的元数据（标题、作者、采集时间、变量说明），并被索引到可检索的数据仓库。简单说，别人搜得到你的数据。

A — Accessible（可获取）：数据通过标识符可被检索和访问，访问协议公开（哪怕需要申请或授权）。可获取不等于"无条件开放"——敏感数据可设"受控访问"，但访问流程要透明可查。

I — Interoperable（可互操作）：数据使用公认标准格式（如 CSV、DICOM、FHIR），术语使用受控词表（如 SNOMED CT、MeSH、LOINC），能与其他系统交换和整合。换句话说，别人能用你的数据，不被专有格式卡住。

R — Reusable（可重用）：数据有清晰的使用许可（如 CC BY 4.0）和详细出处说明，描述足够详尽让第三方能理解并复现。再利用的前提是别人看得懂、敢引用。

FAIR 不是"全部开放"的代名词——它要求的是"可发现、可获取、可互操作、可重用"，其中"可获取"允许受控访问机制。医学数据涉及患者隐私，完全开放反而不合规，FAIR 的精妙在于既推动共享又兼容隐私保护。投稿前对照 FAIR 四条逐项检查，是数据共享合规的第一步。

📑 哪些期刊要求强制数据共享

近年来主流医学期刊纷纷把数据共享从"鼓励"升级为"强制"，下表对照常见期刊的数据政策强度：

PLOS 是最严格的代表：稿件投递即要求附数据可用性声明，无数据仓库则需上传至 PLOS 提供的仓库或附补充材料。Nature/Science 对基因组、临床试验等特定类型强制共享，其余类型鼓励但声明必填。BMJ、JAMA、Lancet 对 RCT 尤其看重数据共享，有资助者要求时按强制处理。中文核心期刊目前多为鼓励性质，但 CSCD 期刊正逐步跟进。投稿前先到目标刊"Author Guidelines"查数据政策条款，别等退修才补。

🗂️ 主要数据仓库选择指南（按学科）

选对数据仓库是 FAIR 落地的关键。仓库要给数据发 DOI、提供稳定托管、被期刊认可。下表按学科列出医学领域常用仓库：

选仓库三原则：① 期刊是否指定——若目标刊指定 GenBank 等专用库，必须用指定库；② 学科适配——基因组必入三大核酸库，临床试验必入 ClinicalTrials.gov，别图省事全塞 Zenodo；③ 是否发 DOI 并被检索——通用型 Zenodo/Figshare 都发 DOI 且可被 Google Dataset 检索，满足 FAIR 的 F 与 A。我们多年协作中常见误区是作者把数据塞进网盘传编辑，这不满足 FAIR 任何一条，编辑会要求重新入库。

📝 数据管理计划(DMP)怎么写

数据管理计划（Data Management Plan，DMP）是描述数据全生命周期管理方式的文档，越来越多资助机构（如 NIH、NSFC、Horizon Europe）要求申请阶段就提交。DMP 不是论文附件，而是研究立项时的规划文件。一份合格 DMP 至少覆盖以下六要素：

① 数据描述：采集什么数据、数据类型（定量/定性/影像）、格式（CSV/DICOM）、估算体量。例：本研究采集某三甲医院 2024-2026 年 1200 例住院患者的人口学、实验室、影像数据，格式为 CSV+DICOM，预计 8GB。

② 数据收集方式：采集工具（CRF/电子病历/可穿戴设备）、采集时点、质控措施。需说明采集是否经伦理批准。

③ 数据存储与备份：存储位置（机构服务器/云存储）、备份频率、访问权限分级。涉及患者数据的需说明加密与访问控制。

④ 元数据标准：采用哪些受控词表（如 SNOMED CT、LOINC）、字段命名规则。这是 FAIR 中"可互操作"的落地。

⑤ 共享与访问：哪些数据公开、哪些受控访问、共享时机（发表时/项目结束后）、选择哪个仓库、是否设禁运期。

⑥ 长期保存与责任：保存年限（通常≥5 年）、数据保管人、项目结束后移交安排。资助机构往往明确要求保存年限，漏写不合规。

DMP 模板可参考 DMPRoadmap、DMPTool 等在线工具，按六要素填即可。写 DMP 的好处是投稿时数据可用性声明几乎可以直接抄——因为共享计划早在立项时就规划好了，避免投稿时临时拼凑。

📄 数据可用性声明(Data Availability Statement)模板

数据可用性声明是投稿系统里必填的一段话，告诉编辑和读者数据存在哪、怎么获取。下表是不同情形下的声明模板，可直接套用：

声明三要点：① 具体——写明仓库名和 DOI，别泛泛写"available"；② 诚实——受控访问就写受控，别假装全开放后被审稿人质疑；③ 与正文一致——正文 Methods 若写"数据存于 GenBank"，声明不能写"upon request"，前后矛盾会被退修。"upon reasonable request"是争议较大的一种声明，越来越多期刊（如 ICMJE 成员刊）要求尽量避免这种含糊表述，能入库尽量入库。

🔒 敏感数据怎么处理

医学研究的数据多含患者标识（姓名、身份证号、住址、诊疗细节），直接共享违反《个人信息保护法》《数据安全法》及《医疗机构病历管理规定》。敏感数据处理的核心是脱敏与受控访问双管齐下：

① 直接标识符必须移除：姓名、身份证号、手机号、详细住址、电子病历号等直接标识符在共享前必须删除或哈希化。这是底线，不能含糊。

② 间接标识符需泛化：年龄按区间（如 60-64）、出生日期改年龄、邮编改前三四位、具体日期改相对天数（如"术后第 3 天"），降低再识别风险。研究表明，仅凭邮编+生日+性别可识别约 87% 的美国人，间接标识符不可轻视。

③ 采用受控访问仓库：敏感数据不入全开放仓库，而入支持 dbGaP、EGA 等受控访问机制的平台，研究者提交申请经数据访问委员会审批后方可下载。

④ 签署数据使用协议(DUA)：申请方需签 DUA，承诺仅用于本次研究、不二次传播、不试图再识别、成果发表时引用数据来源。这是受控访问的法律兜底。

⑤ 伦理审查前置：数据共享方案需在伦理审查阶段就报备，知情同意书中应有"数据将用于研究并可能经脱敏后共享"的条款。事后补同意极麻烦，立项时就写进去。

⚖️ 数据共享与隐私保护的平衡

数据共享和隐私保护看似矛盾，实则可平衡。关键在于分层管理：把数据按敏感度分级，不同级别采取不同共享策略。

第一层：完全公开层。无患者标识的汇总数据、统计代码、分析脚本、模型参数，可直接公开入 Zenodo/Figshare，发 DOI。这层风险最低、收益最大，应尽量公开。

第二层：受控访问层。去标识化的个体级数据（如脱敏后的 CRF 数据），入 dbGaP 等受控仓库，申请审批后获取。这层兼顾可重用与隐私。

第三层：不共享层。含直接标识符且无法脱敏的数据（如含人脸的影像、可识别个体的基因-表型关联），原则上不公开，仅在声明中说明"因隐私限制不可共享，可联系[机构]申请合作"。这层是隐私保护的硬底线。

分层的好处是能公开的尽量公开，既满足期刊强制要求，又不触碰隐私红线。我们多年协作中看到，把"是否共享"当成非黑即白的二元问题，往往导致要么过度保守（该公开的不公开被退修），要么过度激进（不该公开的泄露引发撤稿）。分层管理是兼顾合规与共享的务实解法。

✅ 数据共享自查清单

投稿前对照下面清单逐项打勾，能避开绝大多数数据共享相关退修：

常见反馈：我们多年协作中，凡是清单全勾的稿件，数据相关退修率显著低于漏 3 项以上的。清单不是形式，是退修率的分水岭，投稿前逐项核对，这是性价比最高的合规动作。

❓ 常见问题与解答

Q: 回顾性研究的数据也要共享吗？
要看期刊政策。PLOS 等强制共享期刊不区分前瞻/回顾，都要声明；鼓励型期刊对回顾性研究多宽容，但若有完整数据集仍建议入库。回顾性研究尤其注意：病历数据敏感度高，需脱敏后受控访问，别因"回顾"就放任不管。

Q: 患者隐私数据怎么共享？
脱敏+受控访问。移除直接标识符，间接标识符泛化，入 dbGaP/EGA 等受控仓库，申请方签 DUA 后获取。绝不能把含姓名身份证号的原始病历直接上传。伦理审查与知情同意前置是前提。

Q: 数据共享收费吗？
多数通用仓库（Zenodo、Figshare、dryad）对研究者免费，部分仓库（如 dryad）对发表时同步入库收少量数据处理费。受控访问仓库（dbGaP）本身不收费，但数据提交需走流程耗时数周。投稿预算里可预留少量数据处理成本。

Q: 不共享数据会被拒稿吗？
强制共享期刊（如 PLOS）会因未附声明直接退修，补交后重审；鼓励型期刊不会因不共享直接拒稿，但声明缺失会被退修。最坏情况是声明与正文矛盾或造假（如声明"已入库"实际未入），这属于学术不端范畴，可能撤稿。

Q: 数据共享和补充材料有什么区别？
补充材料是附在论文里的数据（如附表、附图），随论文一同发表；数据共享是原始数据集存入独立仓库，发独立 DOI，可被第三方检索引用。前者是"论文附件"，后者是"独立数据资产"。FAIR 要求的是后者——独立、可发现、可重用的数据，而非埋在补充材料里的零散表格。