可以明确的告诉大家，是会审查实验数据的。

SCI是国际顶尖的论文数据库，对投稿的稿件要求是十分严格的。而且SCI论文对实验数据的要求也是非常高的，因此SCI论文中的实验数据是否精准是否客观真实，这都直接关系着文章的客观性和真实性，如果实验数据不满足这些基本要求，文章可能就会对读者造成误解，严重的甚至影响到学科的发展，所以数据审查是sci刊物非常看重的一项工作。

现在好多人不惜一切代价去找不做实验发文章的方法，主要原因是临床工作太忙没时间做实验，或者实验做不出来，急着毕业或者晋升，另外也有为了发文章而发文章，没事就想靠这些灌水给自己增加SCI的数量，虽然我不鼓励这种行为，但是毕竟是现实所迫，今天我就跟大家谈谈目前可以不做实验发SCI的几种途径。

1.系统评价/Meta分析

Meta分析主要是为临床指南提供循证依据，是临床研究的最高证据级别，这么多年也是一直比较火的一种发文章的途径，所有医学专业都适合做，这个就是把别人的文献拿过来进行数据合并就完事了，不需要自己做实验，所以被很多人当做毕业和晋升的救命稻草。

我以前写Meta分析的时候没有人培训，都是自己看书、看文献、逛丁香园论坛自学的，感觉这个还是有点难度的，没人教确实还是要花点时间和精力，所以在15年我做了Meta分析的在线课，帮助很多人顺利发表Meta分析文章，而且现在市面上各种Meta分析培训班，你想学基本上花不了什么时间，当然你想做高质量的Meta分析还是有难度的。

最近几年Meta分析发表文章也没以前那么容易了，主要写的人太多了，你想到的题目大多数都被人写过了，另外有些医院跟单位已经不把Meta分析当回事了，很多就算综述，不算论著，有的学校可能Meta分析都不让你毕业，所以你要搞清楚再动笔。

2.生信分析

生物信息学研究重点主要体现在基因组学和蛋白质组学两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。生信分析我的感觉是17年开始火起来的，主要都是搞肿瘤的人在做，背后的因素可能是基因测序和芯片技术的快速发展，另外公共数据平台越来越完善，但我觉得主要原因还是纯生信分析也不需要做实验，现在也有不少人在学，这个比Meta分析学起来难度要大的多，因为你要懂R语言、Perl或者Python，这些是要靠代码来操作的。

目前做的最多的就是基因芯片数据的挖掘，比如GEO、TCGA、SEER、Oncomine等，这些也是最适合医生和研究生的，其他的类型比如构建疾病数据库、软件包开发等等我们这些医生就别花那心思了，这个需要生信专业的人来做。

现在纯生信分析的SCI也越来越难发表，拒稿率越来越高，能发的影响因子也越来越低，如果你是为了发文章而发文章，纯生信分析已经不再是一个好的选择，如果你是想学习这个工具，那么最好要加上点试验，只有走数据分析+临床试验结合的途径才有出路。

3.病例报告

临床医生最容易上手的一种途径，只要你在临床上做个有心人，就能发现有价值的病例，写作这块基本上没什么难度，很多病例根本都不会涉及到统计处理，而且主体内容都是从大病历里提取的，语句很多都是套路模板，可以参照别人的文章，基本都是照葫芦画瓢，会填空就可以了(发表SCI的捷径：手把手教你如何完成1篇Casereport)。

虽然病例报告写起来最简单，但是目前专门接收病例报告的杂志没有那种多，有的归类到letter里面，有的归类到shortcommunication，投稿的时候要花点心思选杂志。另外如果你写这个是为了毕业或者晋升，有些学校单位都不把病例报告算做文章，所以这个你也要问清楚。

4.回顾性临床研究

临床研究里面最好做的就是这个了，比病例报告要多花点时间，要做一个回顾性临床研究，你要做的就是研究方案设计，伦理审查，临床研究注册，数据收集和统计分析，根本不需要做实验，只要找到好的idea，把过去的病历拿出来整理，然后做好统计就可以完成，不像前瞻性临床研究你还要一个一个收集样本，收集到猴年马月你都不知道。

虽然回顾性临床研究很好完成，但是前提是医院的数据管理比较好，如果你的医院数据管理的乱七八糟，以前的病例数据根本就导不出来，或者以前的病例根本就找不到了，那就没法写了，不过这种情况很少见，因为现在都是信息化了，我们写病历都是电子病历，大部分医院都有规范完整的病例数据信息管理系统。

回顾性临床研究跟前面说的几种类型相比，发文章还是比较容易的，只要你的选题不错，设计合理，样本量足够，统计方法正确，想发表SCI不会有太大的问题。

5.临床预测模型

临床预测模型也是目前比较适合医生去做的一种临床研究方法，这个也不需要做实验，它可以作为风险与获益评估的量化工具，可为医生、病人以及医疗政策制定者的决策提供更为直观理性的信息。他主要是利用多因素模型估算患有某病的概率或者将来某结局发生的概率，目前主要包括诊断模型和预后模型。

举个例子，像我们临床上很多用的评分表、量表就是用临床预测模型构建的，你如果想发明一种新的量表，或者对以前的量表进行更新和改良，那么就可以做临床预测模型。

临床预测模型类的文章目前来说与Meta分析、生信分析这些相比还是不多的，主要适合医生、公卫专业的同学来做，能搞出好的模型发个SCI也不是什么难事，但是对新手来说学习起来还是有点难度的，因为统计知识要扎实，另外要掌握的软件包括R语言、SPSS，所以还是要花不少心思的。

6.网络药理学研究

估计很多人还不知道，也是不需要做实验的，它是基于系统生物学的理论，对生物系统的网络分析，选取特定信号节点（Nodes）进行多靶点药物分子设计的新学科。网络药理学强调对信号通路的多途径调节，提高药物的治疗效果，降低毒副作用，从而提高新药临床试验的成功率，节省药物的研发费用。
网络药理学目前在中医药领域做的比较多，目前最常见的套路就是：获取中药化学成分与成分作用靶点→疾病作用靶点→构建中药与疾病网络→GO和KEGG富集分析→解析中药作用机制。这个也是需要生信分析基础的。

中医专业或者搞中药的同学可以尝试这个，这个目前有关的培训很少，学习起来可能难度比较大，但是发表SCI的话应该会比较简单，因为现在这方面文章非常少，物以稀为贵嘛！

由于sci是偏理科的检索系统，因此，sci论文的写作免不了要涉及到一些数据或者模型、公式，科学合理的引用这些内容可以让文章更具可读性和逻辑性，使得文章中的一些结论更加有说服力，因此引用数据等内容是sci论文发表所必需的，科学合理的引用数据也可以体现出作者严谨的学术态度，因此，对数据的把握一定要引起足够的重视。

sci数据的使用需要特别注意以下几点：

1、引用的数据一定要做好相应的标注，同时要注意读者的阅读习惯，自上而下，因此需要数据竖向排序，注意中小数位的有效位数。

2、如果需要使用数据报表，最好采用三线表，这是多数sci期刊的要求，也有期刊会有其他要求，具体以刊物的要求为准。

3、如果涉及到百分数，作者需要注意数据合计是否为百分之百，如果不是，也是需要做出相应标注的，帮助读者理解。

关于数据方面的详细要求，作者以发表刊物的具体要求为准，刊物一般会有相应的细节要求，作者写作时以此为主要参考依据。