正文
。这一现象被认为与“论文工厂”和人工智能（AI）技术的滥用密切相关。
英国萨里大学的统计学家 Matt Spick 在担任《科学报告》（
Scientific Reports
）期刊副主编时发现，大量基于 NHANES 数据的论文正如潮水般涌入。这些论文模式高度雷同：选取某种健康问题、关联的环境或生理因素，以及特定人群的已公开数据，通过简单替换变量生成所谓的“新发现”。根据 Spick 及其团队的统计，2014 至 2021 年间，此类论文年均仅 4 篇，但 2022 年后数量飙升，2024 年仅前 10 个月就出现了 190 篇。更引人注目的是，2021 年后发表的这类论文中，92% 的第一作者来自中国机构（292/316），而此前这一比例仅为 8%。
专家指出，
这种现象的背后可能是“论文工厂”的运作以及 AI 技术的推波助澜。
AI 工具能够快速生成看似合理的文本，帮助规避抄袭检测。此外，许多论文存在“数据钓鱼”问题，即选择性分析数据以获取统计显著性结果，导致大量虚假发现。例如，在 Spick 团队审查的 28 篇关于抑郁症的论文中，仅 13 篇的结果通过了统计校正，其余均不构成实质性阳性结果。目前已有出版商撤回了部分涉及 NHANES 数据的问题论文，并表示将加强审查。然而，研究人员警告称，随着 AI 技术的普及和其他大型数据库的开放，类似问题将可能进一步恶化。相关论文发表于
《公共科学图书馆-生物学》
（
PLOS Biology
）。
商务合作、广告投放
