医学论文统计图表错误

呵呵~~~没事，查到也是学校的责任，学校会帮你的，没事放心吧！

算数据造假，但是已经毕业，应该不至于被取消学位。

硕士论文算错也就是数据造假。如果论文数据的确存在造假行为，那就存在被人发现的可能，一旦被查，将会受到相应的处罚。据统计，数据造假发生最多的领域，第一是医学， 其次是药理学。硕士论文一般是由学校保存，只有优秀的论文才能被知网等网络数据库收录。

但是在论文答辩之前要经过审核的，还是要注意一些为好。 对论文的认真程度，要看你的答辩组的老师态度了，还有硕士论文在毕业之后，还会经历一次教育部的抽查， 如果到那时被发现出了问题，就比较麻烦了。所以建议你如果数据可以得到真实的，就避免使用虚假数据。

论文数据重要性：

虽然审稿专家没有发现，但是并不代表论文发表出去后，别人发现不了。要知道论文发表出去，面向的是与你方向相同的人员，肯定会有不少同行业的人员阅读你的论文，若是发现错误，那么会质疑你的论文水平，也会怀疑杂志社及审稿专家的水平，对你今后在行业的发展并没有好处。

所以，一旦发现错误之后，就要及时联系杂志社或是审稿专家修改。尤其是医学方面的作者来说，任何一个小数的错误，可能都会影响整个研究实验，甚至会造成连锁反应。就拿药学论文来说，因为一个小数原则，可能导致某一项药品成分增加或是减少, 起到相反的作用，那么后果是非常严重的。

而对于一件机械零件的设计而言，可能因为一厘一毫的差别， 而导致一批零件无法投入使用。所以发现错误后要及时修改，这既是对自己，也是对他人负责的表现。

你可以参考一下 《当代医学论文研究 》 里面很多这样子的文章

论文图表是论文的精要所在。在论文撰写的过程中，论文图表的“陷阱”也比比皆是，我们常常不知不觉就掉进坑里。下面为大家罗列总结了图表的常见“陷阱”，火眼金睛的你，看看这些错误你是否犯过？ 一 图表格式问题 图表不符合页面比例 一张论文插图，需要照片和文字比例得当，图片的可读性高，不放大或缩小的情况下能清所有内容(组织结构除外) 。如果你的图表，需要用放大镜才能看清，那么糟糕的阅读体验将会让你的论文质量大打折扣。然而编辑们发现，图表比例不对的问题在论文中经常能看到：图文比例失调，图片中的字体大小不一致，系列图中不同图片的比例不协调...有时候一组照片，不同图片的放大倍数不一样，也会给读者造成误导。 图表设计缺陷 图表设计也值得注意。统计图、表设计不规范，表格中线条过多；或者是表格采用三线，而另一些地方，则是全部实线，格式不统一...这些图表都需要回炉“重造”。 二 图表质量问题 图表不清楚 清晰度是图表最重要的一点。大多数期刊都会在指南里注明图片的最低像素在300dpi，在制图中一定要符合要求。此外，还要注意图片的格式，大部分期刊所接受的图片格式为JPEG和TIFF，保险起见， 在将图片转换成期刊要求的格式外，自己也要记得保存原始格式图片。 图表不是原文件 有些同学为了省事，会直接将手机拍下的低分辨率图表数据放到论文中。在手机屏幕中虽可以看清，但在论文中，尤其在Word或PDF文档中，图片的大小将被压缩，从而变得模糊。还有的同学直接从Excel中拷贝图表，这样的后果是在word中显示不清楚，一定要用Word中“插入对象-excel图表”的功能来插入。这样，也能保证图表在后续可以直接通过Word来编辑，包括更改（坐标轴、标签、线条粗细）等。否则一旦修改表格中的内容，表格的对齐方式和框架就会改变。 三 数据质量问题 数据不全 图表中数据有空缺，是图表制作的大忌； 数值计算不精确 表格中的数据，往往经过原始数据计算得出，因此大多不是整数。在数据计算时，应该保留相同的小数位。同时，同一指标数字的有效位数应相同，不足者以“0”补足。针对百分数，应注意各百分比总和为100%。 数据排列不当 在数据处理时，应注意表中分组变量与观测指标的位置颠倒及排列不当的问题。数据应遵循同类数据纵排的原则,排列不当则将传达错误信息,影响数据对照。 四 图表标注问题 表题不确切 表题是表格的重要组成部分，是对表格中内容的概括，应主谓有序，简洁、准确。 表注不当 表注不应过简 ，从而导致表注不清楚，漏掉单位、特殊符号等；同时， 表注也不应过繁 ，表注是对表格中有关内容的必要补充和说明，应简明扼要。若需备注的内容较多，应在正文中利用文字介绍。表格中数据的计算公式，应在论文的“ Material and Method”部分介绍，不宜列入表注。 原始数据堆砌 图表是对结果的总结，而不是研究过程的罗列，不必将原始数据全部展示在论文中。 缩略语及量和单位不规范 表格中所列的指标名称，应使用固定的缩略语。特殊情况下使用不常用的单位和缩写词时，需在表注中说明。法定计算单位应一律使用符号，单位也应遵循国际标准命名原则。 五 图文一致 图表中的术语、符号、单位，都需要和文字叙述一致，并在文中相应提及，以显示整个论文的完整与统一。相同的叙述内容，应根据逻辑，在文字、表格和统计图中选择其中一种表达形式，以方便了解论文主旨和要义为方向。切忌重复叙述。

缺失值的处理：缺失值是人群研究中不可避免的问题，其处理方式的差异可能在不同程度上引入偏倚，因此，详细报告数据清理过程中缺失值的处理方法有助于读者对潜在偏倚风险进行评价。例如，瑞舒伐他汀试验在统计分析部分详细说明了缺失值的填补策略，包括：将二分类结局中的缺失值视为未发生事件；将生物标志物和心电图测量中的缺失值进行多重填补（multiple imputation）；为了证明缺失值处理的合理性和填补结果的稳定性，研究还比较了多重填补与完整数据（complete-case）分析的结果。2、数据的预处理：实施统计分析之前往往需要将原始数据进行预处理，如：对连续变量进行函数转换使其更接近正态分布，基于原始数据构建衍生变量，将连续变量拆分为分类变量或将分类变量的不同类别进行合并等。医学论文应报告处理原始数据的方法及依据，瑞舒伐他汀试验即在统计分析部分描述了对血液生物标志物的对数转换。3、变量分布特征描述：确定统计分析使用的变量，并针对每一个变量的分布特征进行描述，是决定研究选用何种统计分析方法的基础。医学期刊虽然普遍对此提出要求，但作者往往套用常用方法，如：连续变量符合正态分布时，采用均数（标准差）描述，否则采用中位数（四分位间距）描述；分类变量采用频数（百分比）描述等。事实上，应根据研究设计类型、统计分析目的和数据特征选择恰当的描述方法。例如，CKB选择采用年龄、性别和地区校正的均值和率来描述人群分布特征，而非简单的报告连续变量的均数和分类变量的构成比。4、主要分析（primary analysis）：指针对研究结局的统计分析，是研究论文的核心证据。因此，医学论文应详细描述主要分析的实施过程和适用性。在试验性研究中，应明确统计分析数据集、试验效应指标、相对或绝对风险及其置信区间的计算方法、以及假设检验的方法。