JohnXie的个人博客分享 http://blog.sciencenet.cn/u/JohnXie

博文

发表期刊学术文章-我作为作者的故事

已有 2513 次阅读 2022-12-28 08:22 |个人分类:专业学习发展经历|系统分类:海外观察

  从2014到2016有三年时间我在格里菲斯大学在黄金海岸的校区(Gold Coast campus, Griffith University, Queensland, Australia)的精准水研究中心 (Smart water research centre)做博士后分析员。具体我所在的研究项目是关于稳定塘生活污水处理系统(Waste Stabilization Pond(WSP) System)的研究,项目之下又分四个研究组:污水系统的工程(比如流体力学等等的)问题小组,生物/微生物污染物问题小组,化学污染物小组,及我所在的健康风险评估(health risk assessment)与分析小组。我的具体工作包括对各个小组收集的数据的整合分析或提供相应的统计分析支持,建立健康风险评估的统计分析模型并进行相关的分析与总结报告分析结果。

在这份工作之前我对污水处理的认识仅仅局限于新闻报道或读科普文章所获取的知识,比如听说过“活性淤泥法”(activated sludge)这个专业名词,至于稳定塘污水处理的概念则是第一次接触。对于水的质量评价标准也没有关心思考过。进了项目才慢慢弄明白原来水的质量标准可分为化学或物理污染物指标(比如浑浊度,有机污染物,有害化学元素的种类及含量,盐度,重金属离子浓度等等),生物/微生物污染物指标(比如藻类,寄生虫,细菌(致病的还是非致病的),病毒等等),当然,对应的检测与去除污染物的方法手段也都各不相同。所有这些对我来说都是要从头学起。以稳定塘污水处理系统为例,下面这个英文标示的示意图就代表了一个典型的稳定塘生活污水处理系统。一个稳定塘污水处理系统其实就是模仿大自然的污水净化过程,只不过是把整个过程设计得更加高效,使它处理效果比自然过程占地更少时间更短;处理过的污水按所能达到不同的标准适当使用(比如成为安全的农业用水或排入周围的自然环境中等等)。生活污水处理以去除有机污染物与微生物污染物为主要目的。在稳定塘污水处理系统的示意图中,去除产生生物需氧量的有机物(BOD(biological oxygen demand)removal)是在2到5米的深池子(anaerobic pond)里进行,Facultative pond是所谓的‘兼性池’ – 池的上层部分作用是通过阳光及时间效果灭菌消毒,下层部分进一步降解有机物去除BOD。我所在的小组主要是研究深度只有1 到1.2米的成熟池(maturation pond)对致病性微生物(包括寄生虫、病菌、病毒)的灭菌消毒的效能与健康风险的关系。

对致病性微生物所产生的健康风险是以污染物浓度与造成的被感染概率(接触污染源的人群受感染的百分比)来定量评估的,也就是统计分析里所谓的‘剂量-反应模型’ (does-response model)。在这个领域Haas教授(Professor Charles N. Haas,工程专业教授)是国际公认的领军人物。Haas教授最先提出了Quantitative Microbial Risk Assessment (QMRA) 微生物(带来的健康)风险的定量评估的统计分析框架,并在1999年与另两位微生物学家合著出版了QMRA的经典著作“Quantitative Microbial Risk Assessment (如下面的网上下载的截图所示:左边是1999年第一版,右边是2014年第二版)。我在2013年底参加到稳定塘生活污水处理系统研究项目后,第一时间就买了“Quantitative Microbial Risk Assessment”这本书的第一版来好好学习(当时第二版还未出版)。

 

Haas教授的微生物(带来的健康)风险的定量评估的统计分析框架QMRA的核心内容是所谓的贝塔-阿松混合分布剂量-反应模型(the beta-Poisson dose–response model)。这个模型是基于这样几个假设条件:(1)风险人员摄入了致病源微生物的实际数量/剂量是一个随机变量并服从一个已知平均剂量d的阿松混合分布;(2任何一个致病源微生物只要到达了风险人员体内某个部位就能100%导致感染;(3)任何一个致病源微生物能够到达了风险人员体内某个部位的概率服从参数值为a, b的贝塔分布。贝塔-泊阿松混合分布剂量-反应模型可以在数学上表示为:P_I(d) = 1 – 1F1(a,a+b,-d), 这里P_I(d)代表在平均摄入剂量d时的被感染的概率1F1(., ., .)是库玛合流超越几何函数(the Kummer confluent hypergeometric function)。因此,贝塔-泊阿松混合分布剂量-反应模型没有精确的解析解只有数值计算的近似解。为了方便没有该超越几何函数数值计算能力的研究人员也能最大限度地应用该模型,一个普遍使用的贝塔-泊阿松混合分布剂量-反应模型近似公式是P_I(d) = 1 – (1 + d/b)^(-a),已有研究发现,要保证该近似公式的结果在合理范围之内必须满足两个条件:(1a << b; (2) b >> 1。然而,究竟a应该比b大多少才算足够大,b值要大到多大满足要求,没有人给出具体的量化标准。在Haas教授的QMRA著作中他还提出了一个广义的剂量-反应模型的概念,即假设任何一个致病源微生物到达了风险人员体内某个部位后只是能够但不是100%地导致感染。Haas教授虽然提出了这个广义的剂量-反应模型的概念框架(a conceptual framework),但并没有提出一个具体的能分析样本数据的模型。

经过大约一年的研究我终于得出了一些可以对上述两个问题进行改进提高的成果。我对贝塔-泊阿松混合分布剂量-反应模型的近似公式所要求的必要条件以经验公式的形式给出了具体的量化标准;对Haas教授提出的广义的剂量-反应模型的概念框架我提出了一个具体合理的能分析样本数据的模型;及其它一些改进建议

于是从2015年初开始我尝试把研究成果写成投稿专业期刊的文章。初稿写好了,自然而然地要决定邀请谁做共同作者以及定稿后文章投向哪一个期刊杂志。谁做共同作者的事其实我没有什么选择,那就是我的统计专业的两个mentormentor相当于师徒制里的‘师傅’)及每个项目组的首席研究员是必须包括进来的,绝大部分的工作是我做(谁要你是PostDoc-‘博士后’早已成了廉价的独立研究员的代名词,所谓的‘首席研究员’chief investigator几乎不会给你任何的具体指导),有文章则必须把他们的名字写上。在学术界‘不发表文章就出局’(publish or perish)的氛围下,这样的潜规则是理所当然的,我估计国内国外都大同小异,所以千万不可抱怨,调整自己努力适应就对了。因为在对QMRA的学习与研究改进过程中,发现在‘Risk Analysis’(风险分析)这个期刊上发表了很多相关的文章。于是我把Risk Analysis作为了目标投稿期刊。

虽然有不成文的规矩,但保险起见我还是把该走的形式规规矩矩走一遍。首先做的当然是在把初稿发给各目标共同作者的同时,正式邀请他们成为共同作者(不这么做万一其中有人根本不屑做你的共同作者呢?)并请各位(假定会接受邀请)对初稿审阅并提出修改意见。结果是,五位共同作者中只有一位(mentor之一)认真地对初稿审阅并提出了修改意见。其它四位被邀请者里面最离谱的一位是对我的邮件完全置之不理,连回应一句‘接受作为共同作者的邀请‘的确认信息都懒得说,在我看来是连与人交往的基本礼貌都没有了,让人无语!

我的mentor之一提出的修改意见之一是初稿包括的内容太多太长,建议拆分成几篇文章。我完全同意她的意见。最终我把初稿拆分写成了三篇投稿文章都投到了Risk Analysis。我在认真查阅Risk Analysis的投稿要求的信息时才发现原来这个期刊的健康风险分析专题的负责编辑就是Haas教授,难怪这么多QMRA的文章都发表在这个杂志上(读者这里肯定可以看出我对发表文章相关的学术成果之外的东西是多么的不熟悉或者说不上心-对发表文章的目标杂志不做深入的了解还想在上面顺利发表文章?)。不管怎么说吧,我把三篇文章都投了上去。很快,其中一篇在编辑这一关就被否了。另两篇进入到了同行评审的阶段。评审人对贝塔-泊阿松混合分布剂量-反应模型的近似公式所要求的必要条件的经验公式这篇文章提出须要大改(major revision)才能考虑是否值得发表;而另一篇文章的评审人对我提出的对Haas教授的广义的剂量-反应模型的概念框架的一个具体合理的能分析样本数据的模型持非常肯定的态度。于是,在回应了文章的评审人提出的所有评审意见后,对Haas教授的广义的剂量-反应模型的概念框架的一个具体合理的能分析样本数据的模型文章的修改稿很快通过了评审并在2016年初得以发表(如下面的截图所示)

贝塔-泊阿松混合分布剂量-反应模型的近似公式所要求的必要条件的经验公式这篇文章则经过了两轮修改后才得到评审人的点头放行。在这篇文章的修改过程中,我的另一位统计专业‘师傅‘对我提出的经验公式的改进提出了具体的意见使我茅塞顿开。而剩下的另三位共同作者,一位仅仅对文章的文字部分做了皮毛的编辑修改;一位是我的顶头上司硬是被我堵在她的办公室里一起坐了六七个小时把修改稿从头到尾详细地过了一遍才放她回家;最后一位除了在知道了文章被接受可以发表的消息时说了congratulations之外什么都没有做。

Haas教授领衔搞了一个QMRA的专题网页   Quantitative Microbial Risk Assessment Wiki其中一项内容是把所有能收集到的已知的QMRA的样本数据及对应的剂量-反应模型都放在了一个地方起到了类似标准数据库/标准模型库的作用,极大地方便了相关的研究人员进行对比研究。我的这篇贝塔-泊阿松混合分布剂量-反应模型的近似公式所要求的必要条件的经验公式的文章对(2015Quantitative Microbial Risk Assessment Wiki 网页上所罗列的)85QMRA剂量-反应模型应用我提出的经验公式逐一进行了检验,其中68个模型被认定应用近似的贝塔-泊阿松混合分布剂量-反应模型是足够精确的。如下面的截图所示,文章最终在201610月发表在了Risk Analysis上。