数据可用性声明(Data Availability Statement)从可选变成必填,只用了几年时间。原因很实际:无法复现的结果,无法被验证,也就无法被信任。
一、四种常见声明
| 类型 | 写法 | 适用 |
|---|---|---|
| 公开可获取 | 数据可在某仓库(附 DOI)获取 | 无敏感信息的研究 |
| 受控获取 | 因隐私/伦理限制,需向作者申请 | 临床、问卷数据 |
| 第三方数据 | 数据来自某数据库,可按其条款获取 | 商业数据库、公开统计 |
| 未共享 | 数据因某原因不可共享,说明理由 | 涉密、专利未公开 |
二、仓库怎么选
- 通用仓库:适合大多数数据集,提供 DOI,可长期保存。
- 学科仓库:如基因序列、晶体结构等专业库,有统一格式与审核。
- 机构仓库:由本单位图书馆或信息中心维护,适合内部数据。
- 不要用个人网盘或临时链接,链接失效后声明就失去意义。
三、代码开源的最低要求
- 一份能跑通的脚本,从原始数据到论文图表。
- 运行环境说明(语言版本、依赖包及版本)。
- 一份 README,写清每一步做什么、输出什么。
- 随机种子固定,确保结果可重复。
避坑
不要在代码里硬编码绝对路径(如 D:/我的数据/最终版.csv)。用相对路径,并附一份示例数据结构说明。
四、敏感数据的处理
涉及个人信息的临床数据不能直接公开。可行做法:去标识化后共享(删除姓名、身份证号、精确日期),或提供合成数据(结构与真实数据一致但数值随机),或提供分析代码与变量说明,数据通过受控申请获取。
五、声明写作模板
| 情形 | 模板句 |
|---|---|
| 公开 | The datasets generated during this study are available in the [仓库名] repository, [DOI]. |
| 受控 | The data are available from the corresponding author upon reasonable request, subject to ethics approval. |
| 第三方 | The data used in this study are available from [数据库名] under [许可条款]. |
| 不共享 | The data are not publicly available due to [保密/专利/伦理] restrictions. |
共享数据会被别人抢先发表吗?
有风险,但通常共享的是已发表论文的支撑数据,且仓库可设置 embargo(禁运期)到论文发表后再开放。
代码写得很乱,还要开源吗?
至少提供能复现核心结果的部分。整理代码本身也是对自己工作的检验,常能发现隐藏的错误。