Science曝光：大量医学生用临床数据库制作假论文，5年间批量炮制2700篇水刊，甚至用AI编造统计方法
TriNetX是目前全球最大的真实世界临床数据网络之一，接入北美、欧洲上百家医疗机构，汇集了超过 3 亿条匿名电子健康记录（EHR）。更关键的是，该平台自带队列搭建与统计输出的一体化模块——研究者仅需筛选变量、划定队列、点击“运行分析”，系统便能自动算出患者的生存率和风险倍数，并生成对应的统计图表。
对于正在为住院医师培训申请挤破头的美国医学生而言，这无疑是一座近乎作弊的金矿。要在激烈的竞争中胜出，一份亮眼的学术简历至关重要。TriNetX 的出现，让“论文”这一硬通货变得触手可及：无需伦理审查（IRB）、无需繁琐的数据清洗、无需接触患者，仅凭筛选变量、点击运行，便能快速生成可发表的图表。
这种便捷性直接推动了发文量的疯狂飙升。数据显示，五年前，提及 TriNetX 的论文每年不过 33 篇；而到了 2025 年，这个数字已飙升至近 2700 篇。这种爆发式增长，与美国医学生迫切需要在简历上堆砌科研成果的刚需直接相关。
这些研究似乎总能发现，某种药对什么病都好使。在专业人士眼中，这种“万能药”式的结论往往是严重方法学缺陷的信号。
由于平台操作过于“傻瓜化”，许多缺乏流行病学训练的医学生忽略了两个致命的统计陷阱：
一是“碰撞陷阱”（Collision Bias），即在筛选数据时人为制造了虚假关联；
二是“幸存者谬误”（Immortal-time Bias），即错误计算生存时间，将患者“用药前本来就会存活的那段时间”也算作药效，导致药物益处被凭空夸大。
工具本应降低科研门槛，但现在却在放大无知。大量结论注水、经不起推敲的论文持续流出，让本该严谨的临床决策参考，沦为误导临床实践的“伪证据”。