《KNEE SURGERY, SPORTS TRAUMATOLOGY, ARTHROSCOPY》：Preserving scientific integrity in academic publishing: Navigating artificial intelligence, journal policies and the impact factor as a quality indicator
编辑推荐：
本综述深刻剖析了人工智能(AI)、大型期刊(mega-journals)和影响因子(IF)操纵对科学完整性构成的严峻挑战，呼吁通过采纳CONSORT-AI等透明度框架、改革学术评价体系（如DORA宣言）及加强全球合作（如COPE），在拥抱创新与坚守科学伦理核心（如可重复性、透明性）之间取得平衡，以重塑一个更健康、更可信的学术生态系统。
科学完整性的脆弱整体性
完整性（integrity）源于拉丁语“integer”，意为“完整”，象征着科学对真理、严谨和社会信任的不可分割的承诺。然而，当今科学的这种“完整性”正面临前所未有的威胁。这些威胁既是外部的——如人工智能（AI）的滥用和以指标为导向的出版模式，也是内部的——源于研究实践和奖励体系中的系统性缺陷，如同病毒诱导的癌症般多面侵蚀。
系统性颠覆：技术与出版趋势
人工智能（AI）带来了不可否认的好处，但也其误用可能比孤立的人为错误更具系统性、可扩展性且难以检测。同样，掠夺性期刊和大型期刊（mega-journals）的激增在提高可及性的同时，也可能弱化同行评审的严谨性，优先考虑数量而非质量。
这些外部压力放大了学术界内部预先存在的挑战。“不发表就灭亡”（publish or perish）的文化驱使研究人员优先快速产出高影响力论文，而非进行深入的研究。当学术晋升优先考虑指标而非导师指导和方法论严谨性时，科学的完整性就被削弱了。像彼得·希格斯（Peter Higgs）这样在获得诺贝尔奖前六十年间仅发表22篇论文的例子表明，变革性发现往往需要时间和学术自由。
影响因子：重塑可信度的通货
影响因子（IF）作为一个有争议的指标，容易通过过度自引、策划高影响力主题的特刊、编辑施压作者引用同一期刊的文章，以及包含过多不计入分母但被引用时会抬高IF的非可引用项目（如社论）等方式进行操纵。
为了增强可信度，利益相关者应考虑转向更全面的评估框架。像《旧金山科研评估宣言》（DORA）这样的倡议主张基于研究的内在贡献而非期刊声誉进行评估。期刊可以实施透明度措施，例如为共享开放数据或代码的研究授予“可重复性徽章”。资助机构和机构应重新考虑将IF作为招聘或晋升的主要标准。
期刊政策、高容量出版模式与开放获取的浪潮
大型期刊（mega-journals）以广泛的跨学科范围和高接受率（有时超过50%）为特征，虽然其“仅限科学性”（soundness-only）的评审政策可能仍涉及对新颖性或相关性的评估，但这可能导致标准不一致和向数量而非严谨性的转变。
协调的自引行为，以及同一出版商网络内姊妹期刊之间的引用，进一步扭曲了学术交流。一些出版商表现出远超预期基线（高达4455%）的自引和姊妹刊引用率，这反映了通过跨期刊引用网络人为抬高IF的激进策略。
在出版商的财务压力下，维持高标准的编辑控制和同行评审过程面临挑战。文章处理费（APC）的商业模式虽然支持了开放获取（Open Access）的发展，但也助长了掠夺性期刊的滋生，这些期刊以利润为导向，缺乏有意义的同行评审。
系统性风险与问责制
期刊的激增，无论规模大小，在编辑标准动摇时都会放大风险。虽然期刊可以遵循如“透明度和开放性促进指南”（TOP Guidelines）等框架来平衡可及性与严谨性，但自我监管可能不足。尽管科睿唯安（Clarivate）等机构会对涉嫌操纵指标的期刊进行重新评估甚至从Web of Science（WOS）中除名，但执法的连贯性仍有待加强。
所有期刊都必须坚持严格的同行评审标准。将内部改革（如采纳TOP指南）与外部问责（如数据库制裁和机构审计）相结合，学术界才能减轻掠夺性行为并重申可信度。
保存与进步的悖论
科学进步必然带来变革。然而，忽视基本伦理和科学原则的进步可能导致科学支柱的崩塌。这类似于埃德蒙·伯克（Edmund Burke）对忽视传统的激进变革的警告与伊曼努尔·康德（Immanuel Kant）将自主理性视为道德源泉之间的哲学张力。
平衡传统与创新具有挑战性。这意味着要严格验证AI工具而非彻底禁止；奖励透明的统计和可重复的研究而非仅仅引用次数；衡量成功应看重研究人员对人类健康和知识的贡献，优先考虑社会影响力而非基于引用的指标。
前进之路：问题诊断
对科学完整性的威胁表现为两种形式：（1）外部操纵，如AI滥用和僵化的出版指标；（2）期刊政策中嵌入的系统性压力，优先考虑数量和受欢迎程度而非质量和新颖性。
应对这些挑战需要针对表面风险和深层结构性驱动因素进行干预。期刊必须率先垂范，采纳促进开放数据存储库和同行评审流程的指南。投稿应接受AI使用的结构化审核，遵循如CONSORT-AI和SPIRIT-AI等框架。此外，影响力指标必须演进，应认可可重复性、患者中心结局报告等因素。学术体系应转变其奖励结构，在资助、晋升和培训项目中优先考虑方法论严谨性、导师卓越性和透明实践。
人工智能在出版中：工具还是特洛伊木马？
人工智能（AI）不可避免地改变了科学格局，它在提供加速发现工具的同时，也带来了伦理困境。AI可以分析海量数据集、预测分子相互作用甚至协助起草手稿，但它的误用可能大规模威胁科研诚信。例如，AI生成的文本可以掩盖方法学缺陷，而合成数据可能绕过同行评审。
前进的道路在于将AI审慎地整合到研究中，同时保障科学诚信。期刊可采用透明度指令，鼓励作者披露在写作、数据分析或图像生成中使用的AI工具，同时确保作者对所有声明负责并完全理解其工作。CONSORT-AI等框架为平衡创新与严谨提供了蓝图。
全球性危机的全球解决方案
科学的全球化既带来益处也伴随风险。虽然国际合作加速了进展，但各地区标准不一可能导致掠夺性行为。研究结论的可靠性取决于多种因素，包括统计功效、固有偏倚、竞争性研究的数量，以及最重要的一点：在所探索的领域中真实关系与虚假相关性之间的比例。
为了解决这些问题，我们需要集体行动来维护科学诚信。像“出版伦理委员会”（COPE）这样的全球联盟应标准化伦理出版培训并提高各研究社区的统计稳健性。arXiv和“开放科学框架”（OSF）等开放获取平台可以通过跨境共享同行评审服务和数据集来帮助弥合资源差距。
结论
正如居里夫人所言：“生活中没有什么可畏惧的，只需要去理解。”我们应勇于面对当今的挑战：诊断系统缺陷，理解其根源，并共同解决它们。科学完整性要求严谨、透明和伦理保持不可分割。维护科学完整性并非退守传统，而是更新科学的伦理基础。它需要在变革性技术与问责制、大型期刊的可及性与严格审查、以及对指标和人文的追求之间取得平衡。所提出的解决方案是务实的步骤，旨在使科学与它的最高目标重新对齐：为更伟大的利益推进知识。
忽视这些原则，科学可能面临连锁性的挫折。有缺陷的数据和未经检验的假设可能使多年的进展付诸东流。科学依靠连续性而繁荣；没有它，大厦将倾。正如艾萨克·牛顿爵士所言：“如果我看得更远，那是因为我站在巨人的肩膀上。”我们必须确保，进步阶梯上的每一步都立足于坚实的地基。
