看看我们最具影响力的一些科学期刊，比如《新英格兰医学杂志》和《美国医学协会杂志》。在这些期刊或其他高影响因子期刊上发表文章，可能会导致临床实践和政策的重大变化。这些高影响力的出版物有什么共同点? 除了有一个伟大的想法和一个执行良好的研究，他们也有一个清晰和引人注目的叙述，使研究对他们的观众容易理解。有无数重要的科学发现从未意识到它们的潜在影响，因为它们被埋没在写得很差的手稿中。
写一个清晰和引人注目的手稿的重要性不仅仅适用于顶级出版物。即使你是一个经验丰富的作家和研究人员，你的大部分工作也不会出现在这些杂志上。但是你仍然应该以同样的清晰和专注来写作，因为这将增加你的作品的影响力，无论它在哪里出版。你的研究的影响受限于你有效地交流研究结果和工作影响的能力。
也许严肃对待写作最重要的原因不仅仅是手稿。成为一个更有效的作家将教会你如何将复杂的想法表达成有逻辑性和清晰的叙述。这种技能对于学术研究人员经常遇到的其他职责是必要的: 公开演讲、论文写作或机构领导职位。我们指出，写作技能对整体职业发展的可转移性，以帮助你证明为成为一名有效的沟通者所需要的时间是合理的。
本章的其余部分分为两部分。首先，我们概述了科学手稿中应该包含的关键内容的结构。它借鉴了Gil Welch的开创性工作——“为提交医学期刊准备手稿:书面记录”[1]——随着时间的推移，我们已经采用并定制了它。其次，我们提供一些实用的建议，如何提高你的写作过程。这些教训直接来自我们作为作者的学习曲线，我们作为同行评议者的观察，以及与学员一起工作的经验。
论文结构
论文一般包含一下结构：
在每个章节中应该包含的细节上，各刊物有所不同。在每本杂志的网站上，你都可以找到“作者说明”，详细说明任何偏离这种格式的地方。下面我们将分别讨论每一节。
摘要 Abstract
什么是摘要? 论文摘要部分是研究文章的摘要(通常不超过300字)。它通常遵循与文章相同的格式(即介绍、方法、结果和结论)，但采用缩写形式。
虽然你的主要手稿可能包括多个发现，摘要只有空间集中在一个或两个关键发现。因此，你应该花时间思考哪个是最重要的。花点时间确保你的介绍、方法、结果和结论在摘要中是一致的。例如，你的论文可能会检查多种结果(如并发症、死亡率、成本)，但你只打算抽象地关注死亡率和成本。你的介绍、方法、结果和结论都应该针对这两个结果。如果你在摘要中陈述研究了三种结果，但在摘要的结果中只报告了两种，读者会感到非常困惑。
![]()
摘要三角色
摘要从你开始写作、提交到发表，有三个不同的角色 (图9.1)。
-
写作时: 改进你的研究问题。
-
一旦提交:说服编辑这篇论文同行评审的价值。
3.发表后:阅读文章剩余部分指引。
引言 Introduction
![]()
引言的目的是为问题提供背景，创造一个知识缺口，并预排你的研究计划。我们觉得用三个不同的段落更有效地做到这一点(图9.2)。
第1段: 给出问题的背景
引言的第一段应该让读者关注主题。它需要让读者快速了解为什么这个主题是重要的。例如，如果你的论文是在评估一项联邦支付政策，你就需要帮助读者快速理解为什么要制定这项政策，以及现在什么是重要的。
第二段: 创造一个知识缺口
第二段需要通过在已知和未知之间创造一个知识缺口沟来引起读者的好奇心。你不应该在这里总结关于这个主题的所有文献，但要强调与你的研究问题有关的紧张或不确定的领域。你在这段中引入的知识缺口应该与你的研究将解决的结果直接相关。
第三段: 预览你的工作计划
引言的第三段应该预览你的工作计划，也就是说，简要说明你将如何弥补在前一段讨论的知识差距。保存方法部分的详细信息，但只需说明将要使用的数据库和结果。同样，结果应该与你刚刚创造的知识差距直接一致。如果你写了前两段正确的动机为什么主题是重要的，突出了有知识差距的领域，那么这段应该是容易写的。
方法
方法部分应该解释研究是如何进行的。对于不同的研究设计(如随机对照试验、调查数据、定性访谈等)，在这里需要报道什么有不同的约定。我们建议查看您的目标期刊和/或您的导师以前的文章，以了解这一节是如何组织的。对于许多论文，方法部分将包括以下小节:
数据源——您使用了什么数据?(例如,医疗保险索赔)
患者群体，你研究的是谁?(例如，所有接受结直肠癌手术的患者)
结果——你衡量的是什么?(例如，30天并发症，再入院)
统计分析——你用了什么方法?(如多变量logistic回归)
![]()
结果
结果部分详细说明了分析的结果。这应该在多段报告，以描述病人的特征开始。如果适用，下一段应描述被比较群体的医院特征。
讨论
讨论部分是您将前面三个部分(介绍、方法和结果)联系在一起并将它们放入主题的更广泛的上下文中的机会。在这一节中，我们通常使用5段方法，包括4个组件(图9.3)。
![]()
Mathematical Analysis for Machine Learning and Data Mining
