如果说拒稿的理由有千百种，那么总有那么几种是可以避免的。诸如：因为格式与期刊要求不符而被拒的；因为作者态度不端而被拒的；因为数据统计不完善而被拒的。对于因为这些而被拒的稿件，只能说太可惜。
不同的杂志有不同的风格，你的文章和该杂志的格式相差很大，审稿人就有点不高兴，说明你对他们的杂志关注的少，不够真诚，第一感觉就不好，可想后果如何。一般因格式拒稿的论文相对较少，但如果因此被拒的，只能说明论文与期刊的要求完全不一致。
一篇研究论文的结构依次大致包括：题目(Title)、作者(Authors)、作者单位和联络方式(Affiliation and communication address)、短标题(Short Title)、论文摘要(Abstract)、关键词(Key words)、引言(Introduction)、研究目标(Research Objective)、试验设计(Experimental Design)、试验结果及其分析(Results and Analysis)、对方法和结果的讨论(Discussion)、结论(Conclusion)、致谢(Acknowledgement)、辅助材料(Appendix)、参考文献(References)、以及表和图。
从引言到结论为正文。根据研究专业的不同，会有所调整。如地学研究比较重视研究区(Study Area)，常常是独立于试验设计的一个部分。而试验设计有时就由方法或方法学代替(Method 或Methodology)，一般不建议使用方法学。有些杂志不需要关键词。辅助材料一般是不需要的，因为一般介绍的内容应该包含在正文中。但是，有些论文由于推导繁琐，或需要附带程序等，为不影响阅读效果，需要把这类内容放在辅助材料里供有兴趣的读者进一步阅读。
作者的认真程度：这一点很重要，因为态度决定一切，细节关系成败。很多被拒的文章犯了不少低级错误，而这些错误只要作者仔细的多看几遍，是可以挑出来的，并且也很好改正。一旦作者疏忽这些低级错误，那么到了审稿人那里就是一个拒稿有力证据。如果再遇到非常认真的审稿人，那么文章被拒的可能又加大了。为此，在论文确定完稿之后不要着急投递，而是再次反复阅读和修改，以便及早的发现那些细微的低级疏忽。
数据：数据真实是必要的，很多专家具有敏锐的慧眼(中国还是有许多很牛的专家，并且很认真的)，很容易看得出你的问题，说出你的要害，让你无语。根据一些数据的推理，也要逻辑性很强，不然他们就认为你缺少严谨性。因而对于论文的数据我们在坚持真实的原则下还要做到对论文数据的合理推导，不随意杜撰。
首先对临床数据的种类要弄清楚，医学统计资料一般分为计数资料和计量资料资料两类。
(1)计数资料又称为定性资料或者无序分类变量资料，是将观察单位按其性质或者类别分组，然后清点各组观察单位个数所得的资料，例如某种检查结果为阴性或阳性，则分别清点阳性和阴性结果的例数，属于非连续性数据;
(2)计量资料是用仪器、工具或其它定量方法对每个观察单位的某项标志进行测量，并把测量结果用数值大小表示出来的资料，一般带有度量衡或其它单位，例如身高(cm)、血压(mmHg)等等，属于连续性数据。
当然计数资料与计量资料之间可以按照论文写作的目的要求进行转换，例如将年龄的计量资料按照<30、31-40、41-50、51-60、>60(岁)进行分组，分别清点各组人数则可以转换为计数资料。
而在进行统计分析前，要先对统计数据进行统计描述。计数资料采用率或者构成比，计量资料则要先进行正态分布检验，符合正态分布则用均数及标准差，不符合正态分布则可以采用中位数及四分位数间距等。
不同类型的数据应该选择不同的统计方法进行统计推断，对计量资料来说，t检验是目前医学数据研究中使用频率最高的、最常见的假设检验方法。但是要注意t检验的应用前提就是进行假设检验的资料必须符合正态分布，其次，t检验种类要选择正确。
例如：难产男婴出生体重均数是否与正常男婴不同则可以选择单样本t检验，20位病毒性肝炎患者和25位正常人血清转铁蛋白含量有无差异则可以选择两个独立样本均数比较的t检验，新药与常规药降血清总胆固醇效果是否相同则可以选择配对t检验。
当数据资料为两组以上时，则要采用方差分析，另外方差分析除了要符合正态分布外，各处理组的总体方差要相等，即符合方差齐性，对方差齐性要求比较严，需要做方差齐性检验。
当数据不符合t检验及方差分析的条件时，可以采用非参数检验，例如参数检验中的配对t检验可以对应非参数检验的符号等级检验，两组间差异比较可以采用Wilcoxon秩和检验，随机区组的方差分析对应M检验(Friedman法)等等。
计数资料的统计推断一般采用卡方检验，需要注意的是，当两组计数资料比较时采用四个表卡方检验，但是如果数据较少，理论值<5,特别是总观察数<40时，或者理论数<1，需要用精确检验法。计数资料超过两组时采用行×列表卡方检验，不宜有1 5以上格子数的理论频数小于5，或有1个格子的理论数小于1，否则将导致分析的偏性。
若理论数太小可采取下列方法处理：
①增加样本含量以增大理论频数;
②删去上述理论数太小的行和列;
③将太小理论数所在的行或列与性质相近的邻行或邻列中的实际数合并，使重新计算的理论数增大。
此外，多个样本率(或构成比)比较的检验，若结论拒绝检验假设，只能认为各总体率(或构成比)之间总的来说有差别，但不能说明它们彼此之间都有差别，或某两者之间有差别。
只有进行了正确的统计描述和统计推断，才能得出具有参考价值的结论，而这个过程就需要我们对这些所统计的数据进行适当的分析。回归分析是医学论文中常见的数据分析法。
- 1053 次浏览