一、引言：TriNetX工具异化，催生规模化医学论文灌水潮

2026年6月《Science》刊发深度调查，直指美国大量医学生、住院医师依托临床数据库TriNetX流水线式产出方法学缺陷突出、结论失真的回顾性医学论文，便捷科研工具彻底异化为简历镀金捷径，引发循证医学领域信任危机。

1. 工具底层优势

TriNetX整合超3亿条匿名电子健康档案，可视化简易操作可自动完成队列匹配、风险比计算、生存曲线绘制，无需自主清洗数据、单独申请伦理审批，短时间即可完成一篇真实世界回顾性研究。

2. 灌水背后核心动因

美国住院医师匹配（Residency Match）竞争高度内卷，医学生、规培医师急需发表论文丰富履历，TriNetX低门槛特性成为低成本产出文章的 “捷径”。

3. 发文量失控数据

五年前全球TriNetX相关年发文仅33篇；2025年暴涨至近2700篇；2026年上半年发文量已突破2100篇，第一作者主体集中为医学生、住院医师。

4. 双重学术风险叠加

一是使用者普遍缺乏系统流行病学训练，频繁出现统计偏倚；二是大模型AI幻觉进一步放大造假风险，衍生新型学术不端行为。

二、核心乱象一：两类致命统计偏倚普遍存在，制造虚假临床结论

批量TriNetX论文最核心缺陷集中于永恒时间偏倚与碰撞偏倚，两类偏倚常单独或叠加出现，人为夸大药物、膳食补充剂保护效果，产出违背基础医学逻辑的“万能保护”结论。

（一）永恒时间偏倚（Immortal Time Bias）

1. 内在原理

受试者从研究入组到正式接受干预用药的时段内，必须存活才能被划入暴露用药组；该段“不死观察期”错误计入用药组随访人时，人为拉高用药人群生存获益。

2. 高频踩坑场景

• 随访起点设定为疾病确诊日，但用药分组依据出院后远期处方信息（依赖未来数据分组）；

• 将“连续用药满6个月”作为暴露判定标准，6个月观察期天然筛除早期死亡患者；

• 统一从确诊时间启动随访，分组标准却需随访后期数据才能判定。

3. 快速识别特征

• 生存曲线早期未用药组风险快速走高，用药组HR值极低（常＜0.5），得出某类药物广谱保护结论；

• 研究声称完成平台不支持的校正操作，方法学流程存在虚构嫌疑。

4. 标准化规避方案

• 研究设计层面：采用新使用者研究设计，以首次用药时间作为随访零点；使用目标试验模拟法，统一对齐入组、干预分配、随访三个时间节点；

• 数据分析层面：采用时依Cox模型动态拆分随访人时；使用界标分析剔除早期信息模糊人群。

（二）碰撞偏倚（Collider Bias/Berkson悖论）

1. 内在原理

暴露因素、疾病结局分别作用于同一中间变量（对撞子）；若研究将该对撞子设为入组筛选条件或纳入校正变量，会凭空生成虚假关联，甚至颠倒因果方向。

2. 高频踩坑场景

• 仅纳入住院患者、完成多次就诊人群开展分析；

• 仅选取检测结果阳性人群作为研究样本；

• 仅保留拥有完整随访、用药记录的受试者，隐性剔除失访、就医频次低人群。

3. 快速识别特征

• 结论违背基础医学逻辑，出现“吸烟护肺、补充剂预防多器官疾病”等悖论；

• 入排标准限定“完整就诊记录、住院、阳性检测结果”等位于因果链条下游的指标；

• 校正下游变量后，药物/补充剂效应量发生反向翻转。

4. 标准化规避方案

• 研究设计：避免将对撞子设置为入组门槛，扩大样本覆盖范围，提升人群代表性；

• 前期规划：绘制有向无环图（DAG），明确标记对撞变量，严禁纳入模型校正；

• 数据分析：开展多套入组标准敏感性分析，验证结论稳健性；复杂场景采用逆概率加权（IPW）修正样本选择偏倚。

三、核心乱象二：AI幻觉催生新型学术不端，方法学描述大面积造假

1. 实验验证事实

研究者选取7款主流大模型提问“如何利用TriNetX校正永恒时间偏倚”，其中6款模型生成平台并不具备的操作步骤，属于典型AI幻觉。

2. 落地学术造假现象

已公开发表的8篇TriNetX论文（含刊登于《Angiology》的顶尖医学院成果），原文方法学段落完全照搬AI虚构操作流程，存在两种严重违规嫌疑：直接复制AI生成内容、自行编造分析流程，均触碰学术诚信红线。

四、三类典型问题论文案例：具象化展示偏倚造成的结论失真

案例1：GLP-1减肥药“广谱防癌”研究（发表于《Cancers》）

1. 核心结论：GLP-1受体激动剂可大幅降低肥胖人群多器官癌症发病风险

2. 逻辑疑点：单一药物无法对发病机制完全不同的多系统肿瘤产生统一保护作用

3. 统计缺陷：碰撞偏倚+永恒时间偏倚双重叠加

￮ 筛选“完整用药记录”人群形成对撞子，同步受病情轻重、就医频次干扰，人为制造用药与低癌风险的虚假关联；

￮ 未校正确诊至用药前的永恒时间，进一步放大生存优势；

4. 附加学术问题：通讯作者未披露减肥药厂商利益冲突。

案例2：SGLT2抑制剂“心梗保命”研究（发表于《Angiology》）

1. 核心结论：列净类降糖药可降低心梗后死亡风险，声称已校正永恒时间偏倚

2. 统计缺陷：永恒时间偏倚+方法学虚构

￮ TriNetX平台无文中描述的校正功能，流程文字与AI幻觉内容高度重合，一作拒绝解释实操细节；

￮ 以“心梗出院90天内开具SGLT2抑制剂”划分暴露组，90天空窗期筛除早期死亡患者，天然赋予用药组生存优势。

案例3：姜黄素、褪黑素膳食补充剂“护眼”系列研究

1. 核心结论：两类膳食补充剂可显著降低重度眼病发病风险

2. 统计缺陷：以碰撞偏倚为主

￮ 仅纳入有完整眼科就诊记录、长期使用补充剂的受试者；

￮ “持续眼科就诊”为典型对撞子，同时受眼病严重程度、患者经济水平、健康意识影响，扭曲补充剂与眼病的真实关联；

3. 临床危害：结论易被临床医师采信，误导患者盲目自费服用补充剂，带来不必要医疗负担与健康风险。

五、实操指南：TriNetX回顾性论文快速审读判断标准

（一）高危预警信号（出现任意一条需高度质疑结论）

1. 研究依托TriNetX一键生成图表，无自主原始数据清洗流程；

2. 用药分组、暴露判定依赖随访后期的未来临床信息；

3. 样本仅限定住院、高频就诊、检测阳性、档案完整的小众人群；

4. 得出违背基础药理、病理常识的“万能保护”结论；

5. 宣称完成TriNetX平台不支持的偏倚校正操作。

（二）审读铁律

凡符合上述任一特征的TriNetX回顾性研究，必须先核查永恒时间偏倚、碰撞偏倚校正措施，方可采信研究结论。

六、反思与结语：便捷工具不能替代严谨科研底线

1. 工具初衷：TriNetX设计初衷是降低真实世界临床数据使用门槛，加速循证医学证据产出，具备正向科研价值；

2. 乱象根源：医学生求职内卷催生短平快发文需求，科研人员跳过流行病学方法训练，单纯依靠工具规避规范研究流程；叠加AI幻觉滥用，批量产出无科研价值的学术泡沫，污染循证医学证据库；

3. 核心总结：可视化工具可一键生成图表，但无法一键实现研究严谨性；所有作者需对论文方法、结论负全部学术责任，不可依托数据库、AI工具转嫁科研责任。

参考文献

Joelving, F. (2026, June 24). Medical students are using popular research tool to pump out misleading studies. Science Insider. https://www.science.org/content/article/medical-students-are-using-popular-research-tool-pump-out-misleading-studies

https://www.science.org/content/article/medical-students-are-using-popular-research-tool-pump-out-misleading-studies

支持单位：