一般地，作者会在文章正文中明确解释问题1，粗略地解释2，试图证明问题3。而问题2的相关细节会散落在正文的results、discussion、methods/experimental section中，以及图释和supporting information里。越是专业的人，越要读得细致，要思考方法上有没有不同于传统方法的地方，方法本身是否可信。图中的各种细节也要特别留心，比如轴、坐标、单位的意义，极值、拐点的意义，error bar的大小，scale bar的大小，等等等等。搞清楚方法，具体到各个细节，那么文章是否可信自然可以得到结论。如果感觉不可信，可以找其他专业人士乃至作者本人讨论。由于编辑和审稿人的精力、水平、研究经历等可以理解的原因，很多经受了同行评审的文章一样有大量疑点（虽然比未经同行评审的文章要可靠得多）。如果读的过程中有概念/方法不理解，最可靠但是也最耗时的方法是根据文中列举的参考文献按图索骥。不知道题主的专业领域是什么。如果不在相关领域，需要的知识基础是不太可能在一个晚上就建立起来的。如果是这种情况，我的建议是：找一个专业领域的靠谱朋友，请他/她吃顿饭，让他/她帮忙解释一下。如果是专业领域内的东西而暂时超出自己的知识范畴（如果没记错，题主现在上大二？），其实最省时省力高效的办法还是找该领域的高年级研究生师兄师姐或靠谱学霸解释一下。如果不方便，找其他有相关研究经验的同学讨论也好。对于自己专业内相关程度特别高的概念和方法，最好还是去读一下原文。
信息来源：创新医学网1 选题阶段：论文的选题，也即是科研的选题，有时一项科研可产生多篇论文。选题过程一般可分为三步： 初拟题目：在这项工作之前必须手中有信息、资料和设想，当然可以是前瞻性研究或回顾性总结，大致可有以下几个方面： ⑴ 临床遇到的罕见病和疑难病例； ⑵ 危重病人的诊治经验； ⑶ 阅读国内外文献、参加学术会议受到的启发，进行技术和方法的移植研究； ⑷ 新药、新仪器的临床应用，新的诊断方法及治疗经验； ⑸ 上级布置或招标的题目。在初步考虑拟选题目之后，应进行全面的文献检索，避免题目类同、结论陈旧和不符合客观事实。在别人研究成果基础上寻找尚未解决的问题作为自己的研究题目。 实验研究阶段：这包括应用国外或国内的先进手段、药物、手术方法、检测等进行临床试用、观察和随访调查，并用动物或正常人作对照试验，要求详细记录各种数据及资料，作为论证和评价成果的依据。 整理、分析资料和总结阶段：对以上资料进行统计分析，绘制图表，临床分析和比较，得出显效、有效和生存率、死亡率、发病率等结论，并分析其相互关系，引证文献作对比。分析成功和失败的原因及制约因素，并对病因学、流行病学、发病机制进行论证，包括预后的估价。最后对论文作出自我评价，提出有待进一步探讨的问题。 撰写论文阶段：该详则详，该简则简，文字简练，用语准确，恰如其分，切忌浮夸和虚构。当然，在产生论文以前，每位作者必须学会文献检索，统计学的基础知识的 X2 检验、 T 检验、 F 检验、相关分析、回归运算、如何选择样本大小等，努力阅读医学情报信息和文献积累，在实践中不断总结，逐步提高写作水平，这样才能水到渠成写出真正好的论文。2;医学论文撰写中的常见问题 科研设计的选题与立题问题 标题太长，主题不突出。 标题与内容不符，或题目太大而内容贫乏。 标题单调，主题不明确。关于题目要求： ⑴ 可检索性； ⑵ 特异； ⑶ 明确； ⑷ 简短。命题方法： ⑴ 方法； ⑵ 结论； ⑶ 探讨。 关于把 “ 构成比 ” 当 “ 率 ” 的概念问题。在医学文献中，我们发现有些作者对患病率、发病率、死亡率、感染率等概念混淆不清。 关于疗效的确切评价问题。 只有观察组没有对照组：有比较才能有鉴别，医学研究结果如无适当的对照比较，就难结论。即使有了对照组，若两者之间没有可比性，同样不能得出确切的结论。以上可见，对照组与实验组一定在性别、年龄、病情、病期、病型、部位、疗程等条件大致相同的情况下，才有可比性，其结果才有科学价值。 病例资料经过有意无意的挑选：有些论文，对所谓 “ 资料不全 ” 、 “ 疗程未满 ” 、 “ 未随访到 ” 的病例剔除不计，这样所得的结果往往比实际疗效高，因为若如此剔除，其结果的科学性必然成问题。更有甚者，对一些数据，主观臆断地以某种原因为理由加以剔除，完全失去了这次研究的意义。 考核方法和考核指标的科学性不够。 ⑴ 无明确的客观指标、仅凭患者主诉进行考核； ⑵ 观察、研究人员的主观偏面性； ⑶ 考核标准过低； ⑷ 数据未经统计学处理； ⑸ 考核方法不够科学。统计学分析的差错。 ⑴ 对照组的设立（随机同期对照、历史性对照、不同地区或医院的对照交叉对照）； ⑵ 随机化分组（简单、区组、分）； ⑶ 盲法（非盲、双盲）。 以上资料，说明了在考核疗效时一定要注意： ⑴ 病例资料的可比性； ⑵ 客观数据要经统计学处理； ⑶ 考核指标要有严格的科学性（可比性、指标不能过低，不能有主观偏面性等）。图表的应用问题：图表是表达研究数据，使之一目了然的最简洁方法。一般来说 “ 图 ” 是从 “ 表 ” 来的，可以使读者从图中看出一个大概趋势和实验内容。在图表应用上，可用文字表达的就尽可能不用图表，必需用的也不宜过多，一般在 4 幅以内。3 写作技巧问题论文要使读者喜爱就必须求 “ 新 ” 、 “ 精 ” 、 “ 全 ” 。文字简练达到 “ 量体裁衣 ” 的水平，力争达到 “ 少一句不够，多一句嫌罗嗦 ” 的要求。一般论著字数在 2500 ～ 5000 字左右，摘要在 1500 ～ 2000 字左右，病例报告在 1000 字左右。字迹要端正。简化字要规范，不用自选字及自选简化字。各种符号亦要符合规范。其他当有医学名词、药物名词、数字、统计学符号、缩略语、基金资助、著作权法等问题，一切均按国家及中华医学会规定的标准执行。计量单位请按法定计量单位书写。
p应该代表表达率，
P< 表示 表达率低于这个数值
论文数据来源置于图名称的下方， 黑体，小五号。 如果数据来源于网站， 须写明网址； 如果数据来源于期刊等论文按参考文献的格式写明。 如果图是自创无须数据来源。
1、如果采用的数据是表格的形式，可以在表格的下方加上：资料来源于......
2、如果采用的数据是以文字的形式插入内容中，如[1]、[2]，在最后的参考文献中标注来源。
3、也有的数据是以文字的形式插入内容中，如[1]、[2]，然后在每页的下方插入脚注，表明数据的来源。
论文数据来源标注的格式：作者，作品的名称，出版社，出版年份，引用页码，甚至可以将段落都标上去，尽量把引用的数据来源说明清楚。
扩展资料：
论文写作注意事项：
1、论文摘要中应排除本学科领域已成为常识的内容；切忌把应在引言中出现的内容写入摘要；一般也不要对论文内容作诠释和评论(尤其是自我评价)。
2、不得简单重复题名中已有的信息。
3、结构严谨，表达简明，语义确切。摘要先写什么，后写什么，要按逻辑顺序来安排。句子之间要上下连贯，互相呼应。摘要慎用长句，句型应力求简单。每句话要表意明白，无空泛、笼统、含混之词，但摘要毕竟是一篇完整的短文，电报式的写法亦不足取。摘要不分段。
4、用第三人称。建议采用“对……进行了研究”、“报告了……现状”、“进行了……调查”等记述方法标明一次文献的性质和文献主题，不必使用“本文”、“作者”等作为主语。
5、要使用规范化的名词术语，不用非公知公用的符号和术语。新术语或尚无合适汉文术语的，可用原文或译出后加括号注明原文。
6、除了实在无法变通以外，一般不用数学公式和化学结构式，不出现插图、表格。
7、不用引文，除非该文献证实或否定了他人已出版的著作。
参考资料来源：百度百科-论文写作
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
首先，登录中国期刊全文数据库、万方数据库或者 维普数据库（此为中国三大专业文献数据库）或Pubmed/Medline等国外专业数据库，然后搜索相关的文献，写出您的文章。其次，再去以上数据库中搜索相关专业期刊编辑部信息，找到投稿联系方式，这样的方法避免网上很多钓鱼网站，确保您投稿的期刊是合法的。最后,祝好运。欢迎交流。静石医疗，竭诚为您服务。
这个一般建议不要使用..
绝大多数的论文撰写,均需通过一定数量临床病例(或资料)的观察,研究事物间的相互关系,以探讨客观存在的新规律。如确定新诊断、新治疗等措施是否优于原沿用的方法,就需进行两种方法比较,这就涉及统计处理;统计设计又是整个课题研究设计中一个重要的组成部分。显然,经正确统计处理的结果可信度高,论文的质量也高。
采用spss软件，单因素分组对照计算。
t值和P值都用来判断统计上是否显著的指标。在p值就是拒绝原假设的最小alpha值，把统计量写出来，带进去算出来之后，根据统计量的分布来算p值。P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。Fisher的具体做法
假定某一参数的取值，选择一个检验统计量，在该统计量的分布在假定的参数取值为真时应该是完全已知的从研究总体中抽取一个随机样本计算检验统计量的值计算概率值或者说观测的显著水平即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
这个他包括很多种的，那不知道你需要的是哪一种，你可以参考一下，也是可以的。
意思不同，用处不同。1、意思不同。论文中三线表是由水平、垂直方向上的三根线构成的表格；全表是指正文中所有表。2、用处不同。论文中三线表用于记录实验测量和计算数据，全表用于简化文字、表达直观和美化版面。
三线表以其形式简洁、功能分明、阅读方便而在科技论文中被推荐使用。三线表通常只有3条线，即顶线、底线和栏目线其中顶线和底线为粗线，栏目线为细线，必要时可加辅助线，仍称做三线表。三线表的组成要素包括：表序、表题、项目栏、表体、表注。1、使用：工具栏“表格”——“插入”——“表格”——择合适的行列数（如行：7，列：7）——将内容写入表格——选中表格——点击右键——“边框和底纹”——“边框”——在右图中选择选项让表只有上下两条线——工具栏“表格”——“绘制表格”——用笔将表中上下线画成双划线，并划出表中的中间那根线（具体位置视个人情况不同，也可参考相关文献中的表）——一个合格的三线表成功了（可以看打印预览观察）2、在Microsoft Word中制作三线表的方法（1）先制作一个普通表格。打开菜单“表格－插入表格”，选择列数“3”、行数“4”，文档中出现一个三列四行的带框线表格。输入内容，注意要选“左对齐”。（2）鼠标移到在表格左上角，出现四向箭头时选中表格（点黑），打开菜单“格式－边框和底纹”，在设置中选择“无”，取消表格的所有框线。（3）再选中表格，打开菜单“格式－边框和底纹”，在线型宽度下拉列表中选择一条粗一点的线，如1又1/2磅，在右边的各种实框线中，为表格添加“上”、“下”框线。确定。（4）下面需要添加标题栏的横线。打开“视图－工具栏－绘图”，添加绘图工具栏。点击绘图中的直线工具，按住shift键，手画一条与表格线等长的细线。（5）此时手绘线可能不在合适的位置，偏上或偏下，按住Alt键，用鼠标移动直线到合适的位置上。点击工具栏上的“打印预览”，就可以看到一个简单的三线表已经画好了。还可以修饰一下内容文字，使其与标题文字的位置相配。
单因素方差分析方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。方差齐性检验：采用方差同质性检验方法（Homogeneity of variance）在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova，打开单因素方差分析对话框 在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，点击post hoc，选择snk和lsd，返回确认ok统计专业研究生工作室原创，请勿复杂粘贴
根据相关信息了解得知，医学论文的摘要可以附图表的。
就是将几组数据画在同一个图表中。这幅图就是表示培养时间不同，自由氨基、葡萄糖、生物量、PLMA（聚苹果酸）的变化情况。左边、右边刻度不同，是因为自由氨基、葡萄糖、生物量、PLMA（聚苹果酸）的含量刻度差异较大。至于具体怎么看，一般都会结合记录数据看的。红圈内的一条短线代表方差 excel就行的
科研论文中的图表是研究结果最为直观的显示方式。表格和图片可以更加清楚直观地表现一些复杂的信息，比如复杂系统之间的关系以及事件发生的顺序等。一张清晰、直观且表达正确的图片会增强文章的说服力，它的效果往往胜过大段的文字描述。
现在很多期刊对图片的分辨率、格式和文字标注都有明确的要求。因此确定好目标期刊后，应该根据期刊的《投稿须知》来修改文章的图片。文章里的图片一般来自照片、作图软件或者数学处理软件做出来的图形。用合适的工具来处理不同类型的图，可以达到事半功倍的效果。处理照片的工具，重量级的有Photoshop，轻量级的有ACDSee跟画图板，个人是比较推荐GIMP。因为它不仅是个功能非常强大的开源软件，而且还支持很多种格式的导入和导出。常用的数学处理软件有MatLab 跟Origin。其中Origin可以做出非常专业的图形。当然Excel也是个很不错的选择。流程图用Visio或者PPT就差不多满足所有需求了。
在图片的使用上，有一些地方容易出问题，需要注意：
（1）确保每个图提供的信息都是清晰和真实可信的。实验过程中获得的原始图像一定要长期保留。后期的所有修改、调整不得使图像失真，不得影响原图的真实性。修改后的图像只能另存为其他文件，千万不要覆盖原始图像。
（2）照片类的图片应注意摄入参照物，背景干净，分辨率越高越好，不要逆光拍摄。
（3）图片表达简明扼要，尽量删掉图中不必要的文字。图表使用的字体，标签和缩写都必须是一致的。另外图片跟文章中的文字说明要匹配得上。在文章的修改过程中，图表的标号很容易改着改着就不一致了，这一点要特别注意。
（4）用图还是用表？在一篇科研文章中，有些类型的信息既可以用图也可以用表格来呈现，这时应该选择一种能最有效传达研究中关键信息的形式，数据少的用表好一些，数据多则使用图。趋势的比较用图比表格更适合一些。在表达方式上，尽可能使用最紧凑的格式，也就是说，相同的数据信息要么用图，要么用表，千万不要两种都用而导致重复表达。在构建数据表格的时候，要权衡数据的完备性和重要性，不要把表格弄得过于复杂。必要时要把一个大的数据表按照类型分成几个小表格，这样读者在阅读的时候，重要的数据一目了然。
（5）有效的说明。每个图形跟表格都应该有一个简短的说明，即使读者不看文章的内容，仅仅通过图表及其标注，也可以得到一些有用的信息。在文章正文中，也需要引用到图表中的一些关键数据，但是千万不要重复罗列表格中的所有数据。
（6）不管哪种类型的图片分辨率都要高，打印出来要足够清晰，很多学术期刊要求是600dpi，这也是打印机的最高分辨率。
另外还需要注意几个小细节：坐标标签和单位要准确；图中文字的大小要一致；同一张图中不同曲线要使用不同线型或者标记区分，在用颜色区分时要注意打印成黑白之后是否还能区分清楚。图片的背景最好是白色的，其他的颜色在屏幕上也许比较好看， 但是打印出来的效果却不会很好。
看懂医学文献中的统计图通常并不需要大堆的统计知识（读者们大多不是统计专业啊）。如果只是想看懂数据，那么弄懂一些基本的统计概念和一些常用词汇如 significance,P-value等等，就应该足以看懂大部分的数据图。这些基本概念可以在网上如wiki很容易的查到。稍微系统一点的，可以看看类似于以及其他几个线上教学网站的生物统计学的初级介绍课程（大部分是英文，但也有中文的）。除非个人兴趣或者专业方向要求，个人觉得并不一定需要全面学习统计课程。因为题主没有说明是做什么图，做数据和统计类的图。