让科研和SCI论文成为临床工作的副产品。
关键词： SCI论文；统计分析；
经常有朋友后台留言，问是否有合适的统计分析师；我们经过多年的筛选，确实找到了一些非常靠谱的统计师。
几位统计师人都非常非常好，也乐于通过自己丰富的经验和专业的分析帮助作者解决数据处理中的难点、甚至找到研究的亮点。但沟通效率及准确理解及完成作者的想法始终是一个很大的挑战。
2023年7月13日，Nature杂志职业专栏发表了一篇非常好的文章，题目是“Fourteen things you need to know about collaborating with data scientists”，发现作者的总结非常好【1】。
阅读之后，发现这篇文章不仅仅适用于统计分析与作者的沟通，更是针对团队和项目管理的非常棒的建议，所以推荐给各位。
作者是在数十个跨学科项目中拥有 17 年经验的数据科学家，他们亲眼目睹了合作中什么行得通、什么行不通。所以作者提供有关如何使工作关系更加富有成效和回报的14个技巧。
1. 制定沟通计划
Develop a communication plan
为沟通的方式设定界限和规范。成员们想要在线还是面对面沟通？他们应该何时、多久、在什么平台上见面？决定如何记录任务、项目历史和决策。确保团队的所有成员都可以访问项目记录，以便每个人都了解项目的状态和目标。
2. 公开沟通
Communicate openly
通过让每个人都参与沟通并将项目的资料提供给团队的所有成员来避免过度沟通。让合作者参与技术细节的讨论，即使他们不直接负责项目的这些方面。
3. 学习行话
Learn the lingo
不同的学科可以对同一个术语赋予截然不同的含义。例如，“地图”对于地理学家、遗传学家和数据库工程师来说意味着不同的东西。当出现差异时，要求澄清。了解团队中的其他学科，并准备学习他们的术语和方法。
4.鼓励提问
Encourage questions
来自您所在领域之外的人提出的问题可能是揭示重要的工作流程困难、阐明误解或暴露新的询问线索。不要让问题挥之不去；如果您需要时间考虑答案，请承认已提出问题并跟进。尊重地回答所有问题。
5. 创造性地沟通
Communicate creatively
图表、屏幕截图、流程描述和汇总统计数据可以作为团队成员的统一语言，强调大局，避免不必要的细节。尽可能使用它们。
6. 制定时间表
Establish a timeline
在开始研究之前，确定合作的目标和预期成果。作为一个团队，创建一个包含具体里程碑的项目时间表，确保留出时间进行项目设置和数据探索。确保所有团队成员了解时间表并在继续之前解决任何问题。
7. 避免“范围蔓延”
Avoid ‘scope creep’
协作工作的一个潜在陷阱是项目范围很容易扩大。为了防止这种情况，当新想法出现时，作为一个团队决定新任务是否有助于你实现最初的目标。你可能需要把这个想法放在一边以保持目标。也许这个想法是下一次合作或资助申请的来源。一个明显的危险信号是这样的问题：“你知道什么会很酷吗？”
8. 数据存储和分发计划
Plan for data storage and distribution
尽早就团队共享文件的方式和地点达成一致。这可能涉及您自己的服务器、云存储、共享文档编辑平台、版本控制平台或这些平台的组合。每个人都应该有适当的访问级别。如果该项目有可能生成供公众使用的代码或数据，请制定长期存储、分发、维护和归档的书面计划。尽早讨论许可。
9. 优先考虑可重复性
Prioritize reproducibility
开发一个从原始数据延伸到最终输出的数据处理管道，尽可能避免难以重现的图形界面或临时步骤，转而采用用 Python、R 和 Bash 等语言编写的编码替代方案。使用版本控制系统（例如 git）来跟踪项目文件的更改，并使用环境管理器（例如 conda）来跟踪软件版本。
10.记录一切
Document everything
积极主动地记录技术步骤。在开始之前，请编写草稿文档以反映您的计划。随着您的进展编辑和扩展文档，以澄清详细信息。项目结束后维护文档，以便作为参考。用通俗易懂的语言写作，尽量减少行话；如果必须使用术语，请对其进行定义。
11.制定出版计划
Develop a publishing plan
尽管您无法提前预测所有项目输出，但请尽早讨论归属、作者身份和出版责任。如果项目方向发生变化，这种清晰度为重新评估参与者的角色提供了参考点。
12.拥抱创造力
Embrace creativity
与具有不同背景和技能的人合作通常会激发创造力。对想法持开放态度，但如果它们不符合项目范围和时间表，则愿意将其搁置或丢弃。例如，在一对一建议会议、孵化器项目和即时数据分析会议中与领域专家合作通常会发现新的数据源或潜在的建模应用程序。我们目前的许多资助项目都源于最初的即兴创作。
13. 分享知识
Share the knowledge
学科范围很广，知道何时尊重他人的专业知识对于项目动力和保持贡献公平至关重要。在项目基础设施方面，实现这种平衡尤为重要。例如，并不是每个人都需要编写或运行代码，但学习如何使用技术平台（例如代码存储库或数据存储）而不是依赖其他人这样做可以平衡工作量。如果合作者想要参与技术细节，或者如果项目将长期交给他们，数据科学家可能也需要教授合作者。
14. 优雅地停下来
Stop gracefully
认识到项目何时已经完成，无论它是否成功。持续的工作请求（例如新的分析）通常对负责项目基础设施的人员造成不平等的影响。如果该项目没有实现其既定目标，请寻找一线希望：如果有见解、结果或新的探究线索需要探索，并不意味着失败。最重要的是，尊重时间表以及您和您的合作者还有其他责任的事实。
祝朋友们都有收获。
参考文献：【1】 https://www.nature.com/articles/d41586-023-02291-4
本期编辑：Henry，微信号healsan。助理：ChatGPTHanson临床科研团队，在美国的七位生物医学科学家主持并担任独立理事。主要通过大数据分析，分享生物医学前沿、发展趋势及对临床科研的启发；通过文献计量分析及报告，把握最新技术进展；交流SCI论文撰写、课题设计规范。只提供以数据为基础的客观报告，及专业、独立的思考。
[/td][td=1,1,268]
[/td][/tr][tr][td=1,1,268]
[/td][td=1,1,268]
[/td][/tr][tr][td=1,1,268]
[/td][td=1,1,268]
[/td][/tr][tr][td=1,1,268]
[/td][td=1,1,268]
[/td][/tr][/table]（点击👆图片，进入自己感兴趣的专辑。或获得点击“资源”，浏览本公众号所有资源。） | 
