知识管理论坛 >

2026 , Vol. 11 >Issue 4: 400 - 412

DOI: https://doi.org/10.13266/j.issn.2095-5472.2026.033

研究论文

撤稿论文与施引文献撤稿风险关联的实证研究

  • 娄莹 1, 2 ,
  • 李梦辉 , 1, 2
展开
  • 1. 中国科学院文献情报中心 北京 100190
  • 2. 中国科学院大学经济与管理学院信息资源管理系 北京 100190
李梦辉，研究员，博士，E-mail: 。

作者贡献声明/Author contributions：

娄　莹：研究思路设计，实验执行与数据收集，数据分析与结果解读，论文撰写；

李梦辉：研究问题提出与设计，论文修改与审核。

娄莹，博士研究生

收稿日期: 2026-06-14

  网络出版日期: 2026-08-31

收起

An Empirical Study of the Association Between Retracted Papers and the Retraction Risk of Citing Publications

  • Lou Ying 1, 2 ,
  • Li Menghui , 1, 2
Expand
  • 1. National Science Library, Chinese Academy of Sciences, Beijing 100190
  • 2. Department of Information Resources Management, School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190
Li Menghui, Senior Research Fellow, PhD,E-mail: .

Lou Ying, Doctoral Candidate

Received date: 2026-06-14

  Online published: 2026-08-31

Fold

摘要

［目的/意义］ 撤稿是科学共同体实施自我纠错的重要方式，但撤稿并不意味着相关论文立即退出科学交流，其仍会形成复杂的引用关联。现有研究主要关注撤稿论文产生的影响，对于引用撤稿论文是否与施引文献撤稿风险存在统计关联仍缺乏系统研究。本研究从引用关系视角分析二者之间的统计关联，为撤稿风险识别与预警提供实证参考。［方法/过程］ 研究数据以Amend撤稿数据库为核心，结合OpenAlex数据库获取施引文献信息。首先，从引用广度、引用深度和级联规模等方面分析撤稿论文的引用特征；随后，通过构建实验组与对照组分析引用撤稿论文的文献是否具有更高的撤稿风险；进一步结合统计分析与机器学习方法，从撤稿论文自身特征及其与施引文献之间的关系特征两个维度识别影响上述统计关联的关键特征。［结果/结论］ 撤稿论文的引用级联呈现出持续时间长、引用层级深及关联范围广等特征，同时，论文在撤稿后仍保持较高可见性。实验组与对照组的比较结果表明引用撤稿论文与施引文献撤稿风险之间存在统计关联，进一步分析发现，临床试验、随机对照试验、案例研究及因论文工厂问题而撤稿的论文，其施引文献具有更高撤稿率。同时，施引文献引用撤稿论文的比例与其撤稿率之间也表现出较强的统计关联。

关键词： 科研诚信; 撤稿论文; 施引文献; 引用级联; 撤稿风险

本文引用格式

娄莹 , 李梦辉 . 撤稿论文与施引文献撤稿风险关联的实证研究[J]. 知识管理论坛, 2026 , 11(4) : 400 -412 . DOI: 10.13266/j.issn.2095-5472.2026.033

Abstract

[Purpose/Significance] Retraction is an important self-correction mechanism of the scientific community. However, retraction does not necessarily mean that the affected articles immediately disappear from scientific communication, as they may continue to generate complex citation links. Existing studies have primarily focused on the impacts of retracted papers, while whether citations to retracted papers are statistically associated with the retraction risk of citing papers remains insufficiently investigated. Therefore, this study examines the statistical association between citations to retracted articles and the retraction risk of citing articles from the perspective of citation relationships, providing empirical evidence for retraction risk identification and early warning. [Method/Process] The data were primarily obtained from the Amend retraction database, combined with citing-paper information retrieved from the OpenAlex database. First, the citation characteristics of retracted articles were analyzed in terms of citation breadth, citation depth, and cascade size. Subsequently, an experimental group and a control group were constructed to examine whether papers citing retracted papers had a higher risk of retraction. Furthermore, statistical analysis and machine learning approaches were combined to identify key features associated with this statistical relationship from two dimensions: the intrinsic characteristics of retracted articles and the relational characteristics between retracted and citing articles. [Result/Conclusion] Retracted articles maintain relatively high visibility after retraction and exhibit citation cascade characteristics, including long persistence, deep citation levels, and broad citation scope within citation networks. Comparisons between the experimental and control groups demonstrate a statistical association between citing retracted articles and the retraction risk of citing articles. Further analysis reveals that citing articles of retracted papers involving clinical trials, randomized controlled trials, case studies, and paper mill-related retractions show higher retraction rates. Moreover, the proportion of retracted articles cited by a citing article exhibits a strong statistical association with the retraction rate of citing articles.

Key words： research integrity; retracted papers; citing publications; citation cascades; retraction risk

撤稿是科学系统实施自我纠错、维护科研记录完整性的重要机制之一[1]。全球论文撤稿数量急剧增长，已由2000年的61篇增至2023年的10 515篇[2]，撤稿率在近10年间增长逾两倍，并于2022年首次突破0.2%[2]。从增速来看，撤稿论文数量约每3.3年翻倍，而全球科学论文总量翻倍则需约15年[3]，撤稿增速已超过科学产出本身的增长[4]。这一趋势反映出科研体系中的学术不端及研究失范问题日益受到关注[5-7]，也引发了学界对撤稿机制能否真正发挥纠错效力的持续讨论[7-9]。
已有研究表明，撤稿论文在撤稿前已形成一定的引用数量[7,10-11]，且在撤稿声明发布后仍会被引用[12-18]。这种“撤而不止”的现象已在多项研究中得到印证。从引用范围看，遗传学领域内23%的引用行为发生于论文正式撤稿之后[19]；从影响幅度看，撤稿后整体引用量平均仅下降约6%[10]；从时间维度看，这种引用具有持续性，撤稿5年后仍有约35%的引用继续发生，且在高被引论文中尤为突出[20]，尽管引用半衰期约为两年，但在极端情况下相关引用行为仍可持续20年以上[7,21]。已有研究通过共被引网络可视化进一步表明，许多撤稿论文已与科学文献整体形成深度交织的关系[22]。这一现象背后可能存在多重成因：一方面，施引者对撤稿状态的认知本身存在滞后，已有研究发现绝大多数后续引用未明确标注撤稿状态[14,23-25]，施引文献对撤稿状态的感知平均滞后可达2.88年[26]；另一方面，撤稿这一纠错机制的作用范围目前主要局限于论文本身，现有实践中并未对已引用撤稿论文的施引文献进行系统性重新审视，后续文献可能沿着已被污染的引用链条继续展开引用与知识建构[22]。这种现象表明，撤稿论文所携带的潜在问题可能沿着引用关系继续向施引文献所在的知识网络扩散。
围绕撤稿论文在引用网络中的持续影响，研究仍主要围绕撤稿论文的引用频次、时间衰减和认知延迟等描述性特征开展分析[14,27]，侧重回答“撤稿后仍被引用多少次”和“引用影响能够持续多久”等问题[11,28]，或结合时间、团队与学科等异质性因素分析撤稿论文所产生的影响[29-33]，部分研究借助网络科学方法，将撤稿论文视为风险源，结合PageRank模型等从引用网络、作者合作网络与期刊网络等多层结构中识别其扩散路径与趋势[34]，结合大语言模型等方法，基于论文自身特征对撤稿风险进行预测与预警也成为近年来的重要研究方向[35-36]。然而，上述研究大多以构建风险计算或预警模型，并检验模型自身准确率为目标，而较少从引用关系出发，系统考察引用撤稿论文是否与施引文献撤稿风险存在统计关联，以及撤稿论文特征与引用关系特征在其中发挥何种作用。
为此，本研究以引用网络为分析框架，将撤稿视为一种风险单元，聚焦撤稿论文的施引文献，分析引用撤稿论文是否与施引文献撤稿风险存在统计关联。在此基础上，从撤稿论文自身特征以及撤稿论文与施引文献之间的关系特征两个维度构建特征体系，并结合机器学习模型识别影响上述统计关联的关键因素。鉴于现有纠错机制的作用范围有限，系统识别撤稿论文与施引文献之间的关联及其风险，对于弥补这一制度盲区、保障科学知识的完整性具有现实意义。需要说明的是，本研究关注的是引用撤稿论文与施引文献撤稿风险之间的统计关联关系，而非对二者之间因果关系进行推断。

1 研究设计/ Research design

为回答引用撤稿论文是否与施引文献撤稿风险存在统计关联，以及哪些因素与这种统计关联具有较强关联，本节对研究所使用的数据与方法进行详细说明，整体研究框架如图1所示。
图1 研究框架

Figure1 Research framework diagram

在数据来源方面，本研究以Amend数据库[3]作为撤稿论文的核心数据来源，结合OpenAlex数据库识别并获取施引文献信息；文献类型数据来源于PubMed，研究领域分类数据来源于InCites。
在研究方法方面，本研究分两步递进展开。第一步，从引用级联规模与施引文献撤稿风险两个维度开展分析，分别刻画撤稿论文的引用级联特征，并分析引用撤稿论文是否与施引文献撤稿风险存在统计关联；第二步，探究影响风险关联的关键因素，从撤稿论文自身特征（包括文献类型与撤稿原因）及其与施引文献之间的关系特征（包括作者重合度、引用撤稿论文比例、参考文献重合度与内容相似度）两个维度出发，并结合机器学习模型识别影响上述统计关联的关键特征。

1.1 数据来源及处理

本研究围绕撤稿论文的级联特征及施引文献撤稿风险的关联因素展开分析，所需核心数据涵盖撤稿论文及其施引文献，并进一步收集发表年份、作者信息、发表期刊、参考文献列表、研究主题及文献类型等多维属性，整体数据框架见图1（A）。
在数据来源方面，撤稿论文数据来源于Amend数据库，共获取原始撤稿记录34 385条。为构建完整的引用关系网络，将上述撤稿记录与OpenAlex数据库全量快照数据进行关联匹配，共识别有效施引文献591 085篇。研究主题信息采用InCites数据库所收录的326个中观主题类别进行标注；文献类型信息则依托PubMed数据库对撤稿论文进行标注，综合考虑不同类型所反映的研究设计、研究目的及知识功能，涵盖研究论文、系统综述、案例研究、临床试验、随机对照试验、比较研究、观察性研究、评价研究、实践指南、荟萃分析、验证性研究、临床研究12种标准化类型。其中，研究论文属于较为宽泛的基础出版类型，与其他具体研究类型同时出现，因而未将其作为独立类别纳入后续文献类型的比较分析。
在撤稿原因标准化方面，本研究依托Amend数据库提供的撤稿原因标签，对撤稿原因进行归类处理，共划分为7类：与数据伪造及篡改相关的原因归为学术不端类；材料或试剂污染、数据或图像错误等归为错误类；论文工厂、剽窃、虚假同行评审及引用已撤稿论文分别单独列为一类；其余原因归为其他类。考虑到单篇撤稿论文可能对应多个撤稿原因，本研究依据风险严重程度设定优先级规则，为每篇论文匹配唯一的主撤稿原因标签，以确保分类的一致性与可比性。
在数据清洗与文本表示方面，针对论文摘要内容，本研究进行了两项处理。首先，由于部分期刊在论文撤稿后会以撤稿声明替换原摘要，因此剔除摘要中包含“retracted”“retraction”“withdrawn”“withdraw”等关键词及其词形与大小写变体的记录，以保证文本内容的有效性。其次，为量化撤稿论文与施引文献之间的语义相关性，本研究采用AllenAI开发的SPECTER模型[37]对论文标题和摘要进行语义表示，并通过计算文本嵌入向量间的余弦相似度，衡量撤稿论文与施引文献之间的文本相似度。

1.2 研究方法

本研究的实证分析分两步展开，见图1（B）。第一步从引用级联规模与施引文献撤稿风险两个维度展开分析，考察撤稿论文在引用网络中的扩散特征，以及引用撤稿论文是否与施引文献撤稿风险存在统计关联；第二步识别与上述统计关联相关的关键特征，并结合机器学习模型分析不同特征的贡献。
在级联特征分析中，撤稿论文的引用级联表现为其在引用网络中呈现的多层引用结构。本研究在结构层面，以引用广度、层级深度、级联规模为核心指标，量化撤稿论文在引用网络中的扩散特征；在风险层面，通过比较引用撤稿论文与未引用撤稿论文的施引文献撤稿风险，分析引用撤稿论文是否与施引文献撤稿风险存在统计关联。
在撤稿风险关联因素探究中，本研究从撤稿论文自身特征及撤稿论文与施引文献之间的关系特征两个层面，识别与施引文献撤稿风险统计关联较强的关键特征。在撤稿论文自身特征层面，文献类型反映了论文在知识体系中所承担的不同功能，撤稿原因则反映了论文被撤稿的不同原因，不同撤稿原因对应的施引文献撤稿风险可能存在差异。基于此，本研究从文献类型与撤稿原因两个维度刻画撤稿论文特征，以分析与施引文献较高撤稿风险具有较强统计关联的文献特征。
撤稿论文与施引文献的关系特征主要包括共同作者比例、撤稿论文引用比例、共同参考文献比例和文本语义相似度，分别用于刻画二者在研究主体、撤稿论文引用占比、知识来源及研究内容方面的关联程度。具体指标定义如下。
共同作者比例用于衡量撤稿论文与施引文献在研究主体方面的重叠程度，设 A r和 A c分别表示撤稿论文 r与施引文献 c的作者集合，则共同作者比例定义见公式（1）。
P a u t h o r r , c = A r ⋂ A c A c
其中， A r ⋂ A c表示撤稿论文与施引文献的共同作者数量， A c表示施引文献的作者总数量。较高的共同作者比例可能反映研究主体之间具有更强的关联性。
施引文献中撤稿论文的引用比例用于衡量撤稿论文在施引文献参考文献中的占比。设 R c r e t表示施引文献 c所引用的撤稿论文集合， R c表示施引文献 c的全部参考文献集合，则施引文献中撤稿论文的引用比例计算见公式（2）。
P r e t r a c t i o n c = R c r e t R c
其中， R c r e t表示施引文献所引用的撤稿论文数量， R c表示施引文献的参考文献总数量。该指标值越高，表明撤稿论文在施引文献参考文献中所占的比例越高。
共同参考文献比例用于衡量撤稿论文与施引文献在知识来源和研究背景方面的重叠程度。设 R r和 R c分别表示撤稿论文 r与施引文献 c的参考文献集合，则共同参考文献比例定义见公式（3）。
P r e f e r e n c e r , c = R r ⋂ R c R c
其中， R r ⋂ R c表示撤稿论文与施引文献共同引用的参考文献数量， R c表示施引文献的参考文献总数量。
文本语义相似度用于衡量撤稿论文与施引文献在研究内容上的相近程度。本研究将两篇论文的标题与摘要输入文本嵌入模型，分别获得语义嵌入向量 e r和 e c，并通过余弦相似度对两者的文本语义相似性进行量化，见公式（4）。
S s e m a n t i c r , c = e r ∙ e c e r   e c
其中， e r ∙ e c表示两个向量的点积， e r和 e c分别表示两个向量的欧氏范数。该指标值越高，表明两篇论文在研究主题、研究对象或研究内容方面的语义相近程度越高。
在此基础上，为进一步分析上述撤稿论文与施引文献的关系特征是否与施引文献撤稿风险存在统计关联，本研究引入机器学习模型，并结合GAM-SHAP（generalized additive models-shapley additive explanations）框架对各特征的贡献进行分析，以识别与施引文献撤稿风险统计关联较强的关键特征。

2 结果/Results

2.1 撤稿论文的引用级联特征

撤稿论文的引用级联特征主要体现在两个层面：一是引用级联规模，用于刻画撤稿论文在引用网络中的扩散特征；二是施引文献撤稿风险差异，用于分析引用撤稿论文是否与施引文献撤稿风险存在统计关联。

2.1.1 撤稿论文的引用规模

为量化撤稿论文在引用网络中的引用级联规模，本研究从引用广度、深度与整体级联规模3个维度展开分析。在引用广度方面，图2（A）呈现了撤稿论文直接引用集合的规模分布。结果显示，尽管多数撤稿论文的直接引用数量相对有限，但仍有少数撤稿论文持续获得大量引用，在引用网络中形成较大范围的直接影响。在引用深度方面，图2（B）以撤稿论文节点为起点，以其沿引用路径可达的最长层级作为最大引用深度。结果显示，部分撤稿论文的引用深度超过10层，表明其影响可能借助间接引用路径进一步扩散至更广泛的后续研究。在整体级联规模方面，图2（C）统计了撤稿论文全部可达下游节点所构成的引用级联规模分布。该分布呈现出明显的长尾特征，多数撤稿论文对应的引用扩散规模较为有限，而少数撤稿论文对应较大的引用扩散规模，最大级联规模超过2 000篇文献。这表明，撤稿论文的影响可能依托复杂的引用网络结构延伸至更大范围。
图2 撤稿论文在引用网络中的引用广度、引用深度与级联大小

Figure 2 The breadth, depth, and cascade size of retracted papers in citation networks

为分析撤稿论文在撤稿后的持续可见性，进一步对撤稿论文多年内的被引比例分布情况进行分析（图3）。结果表明，撤稿论文在正式撤稿后的较长时期内仍持续被引用，在撤稿后20年内被引比例始终维持在20%以上，部分观测年份甚至超过40%。这一结果表明，正式撤稿并未显著降低相关论文在后续研究中的可见性。
图3 撤稿论文在撤稿前后各年份的被引论文占比分布

Figure 3 Distribution of the proportions of retracted papers receiving citations across different time intervals before and after retraction

综合上述3个维度的分析，撤稿论文整个引用生命周期呈现出持续时间长、引用层级深、扩散范围广等引用级联特征，论文被撤稿后仍在学术体系中保持较高的可见性，这表明，仅依赖撤稿公告本身可能不足以完全阻断相关论文在引用网络中的持续扩散。进一步来看，撤稿论文的影响并不仅局限于直接施引文献，其引用影响还可能通过多层引用关系出现在后续研究之中。

2.1.2 施引文献的撤稿风险

上述分析表明，撤稿论文在引用网络中呈现出较深的扩散层级与较大的级联规模，其在撤稿后仍长期保持较高的被引比例。然而，仅观察撤稿论文在引用网络中的扩散范围，尚不足以判断引用撤稿论文是否与施引文献撤稿风险存在统计关联。为进一步分析引用撤稿论文是否与施引文献撤稿风险存在统计关联，本研究基于匹配设计构建反事实对照，定量评估施引文献的撤稿风险。
本研究采用粗化精确匹配（coarsened exact matching，CEM）方法构建反事实对照组，见图4（A）。匹配过程分两步实施：首先剔除作者信息或学科标注缺失的异常观测；其次以撤稿论文的施引文献为实验组，从未撤稿论文的施引文献中为每篇实验组文献匹配对照样本，在发表年份、学科领域及期刊等级3个维度上实施精确匹配，并对被引次数、参考文献数及作者数量进行分箱处理以实施粗化匹配，从而确保两组样本在关键协变量上具有高度可比性。
图4 引用与未引用撤稿论文的文献样本匹配及平衡性评估

Figure 4 Matching procedure and balance assessment of publications citing and not citing retracted papers

图4（B）展示了核心变量的均值及置信区间分布。实验组在各指标上的均值整体略高于对照组，但鉴于样本规模达千万量级，标准误极小，置信区间存在轻微偏移，这一现象主要源于大样本的统计特性，而非匹配质量不足。图4（C）进一步通过标准化均值差异（standardized mean difference，SMD）评估匹配效果，匹配前部分变量存在显著失衡（如参考文献数维度SMD>0.6），匹配后所有协变量均收敛至零附近并落入平衡阈值以内（SMD<0.1），为后续组间比较提供了较好的平衡基础。
在此基础上，分别计算实验组与对照组的撤稿率，实验组撤稿率定义见公式（5）。
R T = N r e t r a c t i o n , T N T
其中， N r e t r a c t i o n , T表示实验组中撤稿论文数量， N T为实验组论文总数。计算结果为1.37%。对照组撤稿率采用匹配加权方式定义见公式（6）。
R C = 1 N ∑ i = 1 N T p i c o n t r o l
其中， p i c o n t r o l表示与第i篇实验组论文匹配的对照组论文中的撤稿比例。计算结果为0.28%，实验组施引文献的撤稿率约为对照组的4.9倍。
上述结果表明，在控制期刊等级、发表时间、学科差异及论文规模等多重混杂因素后，引用撤稿论文与施引文献撤稿风险之间存在统计关联，实验组施引文献表现出更高的撤稿风险。这一结果进一步说明，在控制关键混杂因素后，引用撤稿论文与施引文献撤稿风险之间仍表现出稳定的统计关联，为后续分析影响该统计关联的关键特征提供了依据。

2.2 撤稿论文与施引文献撤稿风险关联的影响因素

上一节结果表明，引用撤稿论文与施引文献更高的撤稿风险之间存在统计关联。然而，这种统计关联并非均质，不同类型撤稿论文及不同引用关系特征下，其关联强度可能存在差异。基于此，本节从撤稿论文自身特征以及撤稿论文与施引文献之间的关系特征两个维度，系统分析与施引文献撤稿风险统计关联相关的关键因素。

2.2.1 撤稿论文的自身特征

为揭示不同类型撤稿论文与施引文献撤稿风险之间的关联差异，本节从文献类型与撤稿原因两个维度分析撤稿论文自身特征与施引文献撤稿风险之间的关系，以识别与较高施引文献撤稿风险相关的撤稿论文特征。
（1）文献类型与施引文献撤稿率的关系。不同类型的文献在研究目的、研究设计及证据形成方式等方面存在差异，其在后续研究中的使用方式和知识支撑作用也可能有所不同。例如，临床试验、随机对照试验、比较研究及评价研究通常基于研究数据对特定干预措施、研究对象或相关问题进行实证分析，能够为后续研究的设计、证据获取和结果解释提供参考；系统综述、荟萃分析及实践指南则主要对既有研究证据进行整合、评价或规范转化。基于此，本节进一步分析不同文献类型的撤稿论文与施引文献撤稿风险之间的统计关联。
为检验不同文献类型对应的施引文献撤稿风险是否存在差异，本研究首先对不同文献类型整体差异进行异质性检验，并在此基础上计算分层相对风险（RR），以刻画不同类型之间的风险差异（表1）。整体卡方检验结果表明，不同文献类型的撤稿论文对应的施引文献撤稿率存在显著差异（χ²=267.775，df=8，p<0.001）。以系统综述为参照类别的分层比较结果表明，临床试验（RR=1.95，95%CI：1.43—2.66）、随机对照试验（RR=2.09，95%CI：1.63—2.67）、比较研究（RR=2.88，95%CI：2.24—3.70）及案例研究（RR=3.41，95%CI：2.49—4.66）对应的施引文献撤稿率均显著高于系统综述（Bonferroni校正后p<0.001）。相较之下，荟萃分析对应的施引文献撤稿风险显著低于系统综述类（RR=0.58，95%CI：0.43—0.79，Bonferroni校正后p=0.006 3）。观察性研究、实践指南及验证性研究与系统综述类之间的风险差异均未达到统计显著水平，表明现有数据尚未观察到这些文献类型与系统综述类之间存在显著的施引文献撤稿风险差异。
表1 基于撤稿论文文献类型的施引文献撤稿率比较

Table 1 Comparison of citing literature retraction rates based on document types of retracted papers

撤稿论文文献类型 施引文献中的撤稿论文占比/% 95% 置信区间/% 相对风险RR（95%CI） p值*
系统综述 0.61（74/12 133） [0.49, 0.76] 参照 —
临床试验 1.19（83/6 978） [0.96, 1.47] 1.95 [1.43, 2.66] ***
随机对照试验 1.27（462/36 294） [1.16, 1.39] 2.09 [1.63, 2.67] ***
比较研究 1.75（339/19 323） [1.58, 1.95] 2.88 [2.24, 3.70] ***
观察性研究 0.81（13/1 614） [0.47, 1.37] 1.32 [0.73, 2.38] ns
案例研究 2.08（81/3 900） [1.67, 2.57] 3.41 [2.49, 4.66] ***
评价研究 1.44（31/2 151） [1.02, 2.04] 2.36 [1.56, 3.58] **
实践指南 0.26（2/757） [0.02, 0.76] 0.22 [0.03, 1.59] ns
荟萃分析 0.36（91/25 533） [0.29, 0.44] 0.58 [0.43, 0.79] **
验证性研究 0.55（7/1 278） [0.27,1.13] 0.90 [0.41,1.95] ns

注：相对风险（RR）以系统综述为参照类别计算。95%置信区间采用Wilson方法估计。显著性基于Bonferroni校正后的结果：*** p<0.001；ns，不显著。*组间整体卡方检验：χ²=329.240，df=7，p=3.408 6e-67。

综合来看，不同类型撤稿论文对应的施引文献撤稿率存在差异。部分以实证研究和数据分析为主要功能的文献类型，包括临床试验、随机对照试验、比较研究及案例研究，对应的施引文献撤稿风险显著高于系统综述类；荟萃分析对应的施引文献撤稿风险则显著低于系统综述类。该结果在一定程度上表明，撤稿论文在知识体系中所承担的不同功能可能与其施引文献撤稿风险存在差异性关联，但这一关联并非在所有实证研究类型中均表现显著，其具体形成机制仍需结合不同文献类型的研究特征及其在后续研究中的使用方式进一步分析。
（2）撤稿原因与施引文献撤稿率的关系。撤稿原因反映了论文被撤稿的不同情形，不同撤稿原因对应的施引文献撤稿风险统计关联可能存在差异。例如，错误类撤稿更多源于研究过程中的非故意失误，而论文工厂、虚假同行评审等则可能反映更广泛的异常出版行为。因此，本节进一步比较不同撤稿原因对应施引文献撤稿风险之间的差异。
为评估不同撤稿原因之间的风险异质性，本研究首先对不同撤稿原因对应施引文献撤稿率的整体差异进行检验，并进一步以错误类撤稿作为参照类别计算分层相对风险（RR），以刻画不同撤稿原因之间风险关联强度的差异（表2）。整体异质性检验结果表明，不同撤稿原因对应的施引文献撤稿率存在显著差异（χ²= 3 391.635，df=6，p<0.001）。与错误类撤稿相比，论文工厂相关撤稿论文对应施引文献的撤稿风险最高（RR=4.65，95%CI：4.28—5.06），其次为虚假评审（RR=4.50，95%CI：4.21—4.80）。此外，引用撤稿论文（RR=2.54，95%CI：1.75—3.68）、学术不端（RR=2.41，95%CI：2.25—2.58）及剽窃（RR=1.91，95%CI：1.75—2.09）对应的施引文献撤稿风险同样高于参照组。
表2 基于撤稿论文撤稿原因的施引文献撤稿率比较

Table 2 Comparison of citing literature retraction rates based on retraction reasons of retracted papers

撤稿论文撤稿原因 施引文献中的撤稿论文占比/% 95%置信区间/% 相对风险RR（95%CI） p值*
错误 0.65（1 147/177 393） [0.61, 0.68] 参照 —
论文工厂 3.01（1 045/34 723） [2.83, 3.19] 4.65 [4.28, 5.06] ***
虚假评审 2.91（3 546/121 964） [2.81, 3.00] 4.50 [4.21, 4.80] ***
引用撤稿论文 1.64（28/1 706） [1.14, 2.36] 2.54 [1.75, 3.68] ***
学术不端 1.56（2 719/174 669） [1.50, 1.62] 2.41 [2.25, 2.58] ***
剽窃 1.24（872/70 532） [1.16, 1.32] 1.91 [1.75, 2.09] ***
其他 1.14（2 980/262 258） [1.10, 1.18] 1.76 [1.64, 1.88] ***

注：相对风险（RR）以错误类为参照类别计算。95%置信区间采用Wilson方法估计。显著性基于Bonferroni校正后的结果：*** p<0.001；ns，不显著。*组间整体卡方检验：χ²=3 391.635，df=6，p=0.000 0e+00。

综合来看，不同撤稿原因对应的施引文献撤稿风险存在明显异质性，其中涉及异常出版行为的撤稿类型整体表现出较高的风险关联水平，而错误类撤稿对应的风险关联相对较弱。

2.2.2 撤稿论文与施引文献的关系特征

前文主要分析了撤稿论文自身特征与施引文献撤稿风险之间的关联。本节进一步从引用关系视角出发，对撤稿论文与施引文献之间的关系特征进行统计分析，探究不同关系特征是否表现出不同的施引文献撤稿风险水平。为此，本研究从共同作者比例、引用撤稿论文比例、共同参考文献比例及文本相似度4个维度，结合统计分析与机器学习方法，分析各特征与施引文献撤稿风险之间的统计关联。
首先，为探究不同关系特征与撤稿风险之间的初步关系，构建两类样本进行对比：一类为引用撤稿论文且自身被撤稿的文献（以下简称“引撤且被撤”），另一类为引用撤稿论文但未被撤稿的文献（以下简称“引撤但未撤”）。图5展示了两组样本在不同关系特征上的密度分布情况。从整体分布来看，不同变量在组间呈现出程度不一的差异。其中，引用撤稿论文比例在“引撤且被撤”组整体向高值区域偏移，见图5（B）。相比之下，其余变量虽然存在一定分布差异，但组间区分程度相对有限。
图5 引撤且被撤组与引撤但未撤组在不同特征下的密度分布比较

Figure 5 Comparison of density distributions across different characteristics between retracted and non-retracted citing literature of retracted papers

考虑到密度分布仅反映总体趋势，难以直接量化组间差异程度，进一步采用非参数检验及效应量分析对两组样本进行比较（表3）。结果显示，引用撤稿论文比例在两组之间表现出最大的分布差异，其Cliff's delta达到0.686，属于大效应量水平，说明该变量具有较强的实际区分能力。共同作者比例虽然中位数差异相对有限，但仍表现出小效应量（Cliff's delta=0.295）。相比之下，共同参考文献比例虽达到统计显著，但效应量较弱；文本相似度虽具有统计学差异，其效应量接近于零，表明大样本条件下统计显著并不意味着实际差异显著。整体来看，相较于语义相似性特征，基于撤稿论文比例的关系特征与施引文献撤稿风险之间表现出更强的统计关联。
表3 引撤且被撤组与引撤但未撤组关系特征的统计比较

Table 3 Statistical comparison of relationship characteristics between the retracted citing literature that were retracted and those that were not retracted

特征 引撤且被撤/% 引撤但未撤/% Cliff's δ

效应量

等级

 FDR校正p值
中位数 四分位距 中位数 四分位距
引用撤稿论文比例 7.14 3.92—13.79 2.17 1.39—3.45 0.69 大 <0.001
共同作者比例 0.00 0.00—33.33 0.00 0.00—0.00 0.30 小 <0.001
共同参考文献比例 2.04 0.00—9.74 0.93 0.00—3.57 0.14 可忽略 <0.001
文本相似度 91.21 88.07—93.41 91.12 89.09—92.90 -0.01 可忽略 <0.001
在上述统计比较基础上，进一步引入机器学习模型评估多维特征的联合贡献。模型结果表明，引用撤稿论文比例、文本相似度、共同参考文献比例及共同作者比例均与施引文献撤稿风险识别存在关联，但贡献程度存在明显差异（图6）。基于平均绝对SHAP值计算得到的特征贡献占比显示，引用撤稿论文比例贡献最高（39.8%），其次为文本相似度（34.8%）、共同参考文献比例（15.4%）及共同作者比例（10.0%）。进一步观察SHAP值分布可以发现，当引用撤稿论文比例较高时，其对应SHAP值明显偏向正值区域，模型输出更偏向高风险类别，表明该特征在模型识别施引文献撤稿风险过程中具有较高贡献。
图6 施引文献撤稿风险分析模型的特征贡献分析

Figure 6 Feature contribution analysis of the retraction risk analysis model for citing literature

考虑到SHAP分析结果表明引用撤稿论文比例可能与模型输出之间存在非线性关联，为进一步描述该关联关系，引入广义可加模型（GAM）进行平滑拟合（图7）。结果显示，引用撤稿论文比例对应的SHAP值随变量变化呈现明显的非线性变化趋势。整体来看，该变量与模型输出之间并非简单的单调关系，而表现出明显的阶段性变化特征：当引用撤稿论文比例较低时，其对应SHAP值整体较低；随着该比例逐渐增加，SHAP值逐渐升高，对模型判定为高撤稿风险的贡献增强；当该比例进一步升高至较高区间后，SHAP值又快速下降并进入负值区域。上述结果表明，引用撤稿论文比例与模型识别结果之间存在明显的非线性关联，不同取值区间对应的模型贡献存在较大差异。
图7 引用撤稿论文比例与施引文献撤稿风险的关联分析

Figure 7 Association analysis between retracted citation proportion and retraction risk of citing literature

综合来看，施引文献撤稿风险不仅与是否引用撤稿论文存在统计关联，不同引用关系特征对应的风险关联强度也存在明显差异。其中，引用撤稿论文比例表现出最强的关联性，是识别施引文献撤稿风险的重要特征。

3 研究结论与讨论/Conclusion and discussion

本研究围绕撤稿论文在学术引用网络中的引用级联现象及其与施引文献撤稿风险之间的关联展开系统分析，主要得出以下结论。
撤稿论文在学术体系中表现出长期且深层的扩散特征。结果表明，撤稿论文的影响并不仅限于直接引用，其引用深度可超过10层，级联规模可扩展至2 000篇以上的下游文献，表明撤稿论文能够沿引用网络形成较大范围的级联关联。进一步分析发现，在撤稿后长达20年的时间窗口内，撤稿论文仍持续获得引用，其被引比例长期维持在20%以上，部分年份超过40%，说明撤稿论文在撤稿后仍具有较强的学术可见性和持续影响。
引用撤稿论文与施引文献较高撤稿风险之间存在统计关联。基于粗化精确匹配构建的反事实比较结果显示，在控制期刊影响力、发表年份及学科差异等关键混杂因素后，引用撤稿论文的文献其撤稿率为1.37%，高于对照组的0.28%，约为其4.9倍。结果表明，引用撤稿论文与施引文献较高撤稿风险之间存在统计关联，为进一步分析不同特征与撤稿风险关联强度的差异提供了基础。
撤稿论文的文献类型与施引文献撤稿风险存在异质性关联。整体比较结果显示，不同文献类型对应的施引文献撤稿率存在差异。以系统综述作为参照，临床试验、随机对照试验及案例研究对应的施引文献撤稿风险均更高，相对风险约为参照类型的2—3倍。上述结果表明，不同文献类型对应的施引文献撤稿风险表现出异质性，提示撤稿论文的类型特征可能与其后续引用文献的撤稿风险相关。
撤稿原因与施引文献撤稿风险之间存在情境差异。以错误类撤稿作为参照，不同撤稿原因对应的施引文献撤稿风险存在差异，其中论文工厂与虚假同行评审对应的施引文献撤稿率相对较高，相对风险分别为参照类别的4.65倍与4.50倍，而学术不端、剽窃等类别虽同样表现出较高风险，但幅度相对较低。该结果表明，不同撤稿原因对应的施引文献撤稿风险存在差异。其中，论文工厂、虚假同行评审等涉及系统性异常出版行为的撤稿论文，其施引文献表现出较高的撤稿风险。这一现象可能与论文工厂论文之间存在较为密集的相互引用，以及相关论文可能参考文献等特征有关，从而使其与具有相似异常特征的后续文献形成更为紧密的引用关联。
撤稿论文与施引文献之间不同关系特征与施引文献撤稿风险之间存在统计关联，且不同特征的关联程度存在差异。统计比较结果显示，引用撤稿论文比例在不同样本组之间表现出最大的效应量差异；机器学习模型进一步表明，引用撤稿论文比例、文本相似度、共同参考文献比例及共同作者比例均与模型刻画施引文献风险差异存在关联，其中引用撤稿论文比例贡献最高。进一步分析发现，引用撤稿论文比例与模型识别结果之间呈现明显的非线性关系，不同取值区间对应的风险贡献存在差异，表明该特征与施引文献撤稿风险之间具有明显的区间异质性。
基于撤稿论文在引用网络中呈现出的长期引用级联特征，以及不同类型撤稿论文与施引文献撤稿风险之间存在统计关联且关联强度存在异质性的研究发现，本研究提出以下政策建议。
（1）实施基于来源类型的差异化治理，优先干预系统性风险源。鉴于论文工厂、虚假同行评审等异常出版行为对应较高的风险关联水平，建议学术出版机构与科研资助部门加强对相关来源的溯源审查，建立跨机构的可疑文献共享机制，对同源论文群体开展整体性风险评估与集中治理。目前，国际与国内层面均已出现与这一方向相契合的政策进展，为差异化治理提供了制度依据，但仍有进一步细化的空间。在国际层面，国际出版伦理委员会（Committee on Publication Ethics，COPE）[38]于2025年发布的新版撤稿指南，将虚假评审人、使用论文工厂、引用操纵等具体操纵行为明确纳入判断标准，改变了以往相关条款缺乏细化依据的局面，为期刊识别和处理此类问题文献提供了更具操作性的规范指引。在国内层面，国家卫生健康委于2026年印发的《加强医学科研诚信专项治理的工作方案》明确规定[39]，对存在购买论文、虚构评审人信息等行为者，10年内禁止承担财政性资金支持的科技活动并取消相关奖励资格，将学术不端的代价从声誉层面延伸至资源分配，进一步强化了制度效力。上述政策的出台表明，差异化、溯源式的治理路径已逐步获得制度认可，未来应进一步推动相关机制的跨机构协同与数据共享。
（2）将引用核查与撤稿风险纳入科研规范与评价体系。本研究表明，即便论文已被正式撤稿，其仍可能通过后续引用持续出现在学术知识体系中。因此，将引用核查意识与撤稿风险管理系统性地纳入科研规范与评价体系，是强化学术共同体前端防控能力的重要举措。就研究人员与培训层面而言，建议将引用核查作为学术规范培训的必要模块，引导研究人员在文献调研和投稿前系统核查所引用文献的当前状态。就期刊与编辑流程层面而言，国际医学期刊编辑委员会（International Committee of Medical Journal Editors，ICMJE）已在其2025年更新的指南中明确建议[40]，编辑与同行评审专家应主动核查投稿参考文献中是否包含撤稿文献，作者亦应在投稿时声明撤稿文献的使用情况或说明引用必要性。这一规范从投稿审查环节加以约束，与研究人员层面的主动核查形成双向呼应，可以共同压缩问题文献持续存在的制度空间。
（3）开发基于引用网络特征的风险评估辅助工具。本研究构建的机器学习框架表明，利用引用撤稿论文比例等可观测特征，可以辅助识别施引文献之间的撤稿风险差异。相关方法可集成于投稿管理系统或同行评审流程中，为编辑与审稿人提供辅助参考，从而提升对潜在问题文献的关注能力。就工具集成的可行性而言，学术出版业已有若干值得借鉴的实践探索。STM出版商协会建立的学术诚信中心（STM Integrity Hub）[41]提供共享平台，对一稿多投、来源可疑的文件材料和图像修改等情况进行追踪和审查；Springer Nature也将其自主研发的无意义文本检测工具捐赠至该平台[42]，进一步拓展了工具覆盖范围。在此基础上，未来可探索引入网络风险评估模块，形成从文本核查到引用溯源的综合性学术诚信评估体系。
本研究从引用关系视角分析了引用撤稿论文与施引文献撤稿风险之间的统计关联，并识别了相关特征，为基于引用关系开展撤稿风险识别提供了新的研究视角。但受研究范围所限，仍存在以下两方面有待进一步完善之处。首先，本研究主要基于文献层面的宏观特征，从文献类型、撤稿原因及引用关系等角度分析引用撤稿论文与施引文献撤稿风险之间的统计关联，尚未进一步区分施引文献对撤稿论文不同内容的引用方式。未来可结合引文上下文分析、全文语义分析等方法，对引用位置、引用目的及知识依赖程度进行更细粒度刻画，以进一步揭示不同引用方式与施引文献撤稿风险之间的关联差异。其次，本研究重点识别了引用关系中与施引文献撤稿率相关的特征，分析结果仅适用于解释统计关联。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Ajiferuke I, Adekannbi J O. Correction and retraction practices in library and information science journals[J]. Journal of librarianship and information science, 2020, 52(1): 169-183.

[2]
Van Noorden R. More than 10 000 research papers were retracted in 2023 — a new record[J]. Nature, 2023, 624(7992): 479-481.

[3]
Li Menghui, Chen Fuyou, Tong Sichao, et al. Amend: an integrated platform of retracted papers and concerned papers[J]. Journal of data and information science, 2024, 9(2): 41-55.

[4]
Richardson R A, Hong S S, Byrne J A, et al. The entities enabling scientific fraud at scale are large, resilient, and growing rapidly[J]. Proceedings of the National Academy of Sciences, 2025, 122(32): e2420092122.

[5]
Van Noorden R. Science publishing: the trouble with retractions[J]. Nature, 2011, 478(7367): 26-28.

[6]
Zheng Erte, Fu Huizhen, Thelwall M, et al. Do male leading authors retract more articles than female leading authors?[J]. Journal of informetrics, 2025, 19(3): 101682.

[7]
Budd J M, Sievert M, Schultz T R. Phenomena of retraction: reasons for retraction and citations to the publications[J]. JAMA, 1998, 280(3): 296.

[8]
Xin Shuai, Rollins J, Moulinier I, et al. A multidimensional investigation of the effects of publication retraction on scholarly impact[J]. Journal of the Association for Information Science and Technology, 2017, 68(9): 2225-2236.

[9]
van Noorden R. The trouble with retractions: a surge in withdrawn papers is highlighting weaknesses in the system for handling them[J]. Nature, 2011, 478(7367): 26-29.

[10]
Azoulay P, Furman J L, Krieger, et al. Retractions[J]. Review of economics and statistics, 2015, 97(5): 1118-1136.

[11]
Lu S F, Jin G Z, Uzzi B, et al. The retraction penalty: evidence from the Web of science[J]. Scientific reports, 2013, 3(1): 3146.

[12]
Hsiao T K, Schneider J. Continued use of retracted papers: temporal trends in citations and (lack of) awareness of retractions shown in citation contexts in biomedicine[J]. Quantitative science studies, 2021, 2(4): 1144-1169.

[13]
Suelzer E M, Deal J, Hanus K L, et al. Assessment of citations of the retracted article by Wakefield et al with fraudulent claims of an association between vaccination and autism[J]. JAMA network open, 2019, 2(11): e1915552.

[14]
Bar-Ilan J, Halevi G. Post retraction citations in context: a case study[J]. Scientometrics, 2017, 113(1): 547-565.

[15]
Candal-Pedreira C, Ruano-Ravina A, Fernández E, et al. Does retraction after misconduct have an impact on citations? a pre–post study[J]. BMJ global health, 2020, 5(11): e003719.

[16]
刘燊, 徐飞. NSC杂志撤销论文引用异常增加现象辨析与治理建议[J]. 中国科技期刊研究, 2022, 33(5): 545-553.

Liu Shen, Xu Fei. Analysis of the abnormal increase in cited frequency of retracted papers in NSC and suggestions for governance[J]. Chinese journal of scientific and technical periodicals, 2022, 33(5): 545-553.

[17]
文敏. 中文文献数据库中撤销论文的分布规律研究[J]. 中国科技期刊研究, 2016, 27(11): 1151-1155.

Wen Min. Distribution regularities of retracted articles in Chinese document databases[J]. Chinese journal of scientific and technical periodicals, 2016, 27(11): 1151-1155.

[18]
Van Der Vet P E, Nijveen H. Propagation of errors in citation networks: a study involving the entire citation network of a widely cited paper published in, and later retracted from, the journal Nature[J]. Research integrity and peer review, 2016, 1(1): 3.

[19]
Dal-Ré R, Ayuso C. For how long and with what relevance do genetics articles retracted due to research misconduct remain active in the scientific literature[J]. Accountability in research, 2021, 28(5): 280-296.

[20]
Furman J L, Jensen K, Murray F. Governing knowledge in the scientific community: exploring the role of retractions in biomedicine[J]. Research policy, 2012, 41(2): 276-290.

[21]
Budd J M. Effects of article retraction on citation and practice in medicine[J]. Bulletin of the Medical Library Association, 1999, 87(4): 437-443.

[22]
Chen Chaomei, Hu Zhigang, Milbank J, et al. A visual analytic study of retracted articles in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2013, 64(2): 234-253.

[23]
Pfeifer M P, Snodgrass G L. The continued use of retracted, invalid scientific literature[J]. JAMA, 1990, 263(10): 1420-1423.

[24]
Neale A V, Dailey R K, Abrams J. Analysis of citations to biomedical articles affected by scientific misconduct[J]. Science and engineering ethics, 2010, 16(2): 251-261.

[25]
Budd J M, Coble Z, Abritis A. An investigation of retracted articles in the biomedical literature: an investigation of retracted articles in the biomedical literature[J]. Proceedings of the Association for Information Science and Technology, 2016, 53(1): 1-9.

[26]
Liu Xiaojuan, Wang Chenlin, Chen D Z, et al. Exploring perception of retraction based on mentioned status in post-retraction citations[J]. Journal of informetrics, 2022, 16(3): 101304.

[27]
Schneider J, Ye Di, Hill A M, et al. Continued post-retraction citation of a fraudulent clinical trial report, 11 years after it was retracted for falsifying data[J]. Scientometrics, 2020, 125(3): 2877-2913.

[28]
Peng Hao, Romero D M, Horvát E-Á. Dynamics of cross-platform attention to retracted papers[J]. Proceedings of the National Academy of Sciences, 2022, 119(25): e2119086119.

[29]
Sharma K, Mukherjee S. The ripple effect of retraction on an author's collaboration network[J]. Journal of computational social science, 2024, 7(2): 1519-1531.

[30]
Sharma K. Over two decades of scientific misconduct in India: retraction reasons and journal quality among inter-country and intra-country institutional collaboration[J]. Scientometrics, 2024, 129(12): 7735-7757.

[31]
Feng Sida, Feng Lingzi, Han Fang, et al. Citation network analysis of retractions in molecular biology field[J]. Scientometrics, 2024, 129(8): 4795-4817.

[32]
马梓越, 马廷灿, 岳名亮, 等. 撤稿论文及其施引论文的计量特征分析[J]. 中国科技期刊研究, 2025, 36(11): 1534-1545.

Ma Ziyue, Ma Tingcan, Yue Mingliang, et al. Bibliometric analysis of retracted papers and their citing papers[J]. Chinese journal of scientific and technical periodicals, 2025, 36(11): 1534-1545.

[33]
Feng Lingzi, Yuan Junpeng, Yang Liying. An observation framework for retracted publications in multiple dimensions[J]. Scientometrics, 2020, 125(2): 1445-1457.

[34]
冯凌子. 论文撤销风险预警研究: 框架、模型与实证[D]. 北京: 中国科学院大学(中国科学院文献情报中心), 2022.

Feng Lingzi. Research on early warning of paper retraction risk: framework, model and empirical studies[D]. Beijing: Chinese Academy of Sciences(National Science Library), 2022.

[35]
赵显嵩, 陈晓晖, 陆晔, 等. 学术撤稿风险智能预警研究: 基于大语言模型的混合增强检测框架[J]. 中国科技期刊研究, 2025, 36(11): 1478-1486.

Zhao Xiansong, Chen Xiaohui, Lu Ye, et al. Research on intelligent early warning of academic paper retraction risks: hybrid enhanced detection framework based on large language models[J]. Chinese journal of scientific and technical periodicals, 2025, 36(11): 1478-1486.

[36]
Zheng Erte, Fu Huizhen, Thelwall M, et al. Can social media provide early warning of retraction? evidence from critical tweets identified by human annotation and large language models[J]. Journal of the Association for Information Science and Technology, 2026, 77(4): 624-639.

[37]
Cohan A, Feldman S, Beltagy I, et al. SPECTER: document-level representation learning using citation-informed transformers[C]//Proceedings of the 58th annual meeting of the Association for Computational Linguistics. Stroudsburg: Association for Computational Linguistics, 2020: 2270-2282.

[38]
Council C. COPE guidelines: retraction guidelines[EB/OL].[2026-06-01].

[39]
国家卫生健康委员会办公厅. 国家卫生健康委办公厅关于印发加强医学科研诚信专项治理工作方案的通知[EB/OL].[2026-06-01].

General Office of the National Health Commission of the People's Republic of China. Circular on Issuing the Work Plan for Strengthening the Special Governance of Medical Research Integrity[EB/OL]. [2026-06-01].

[40]
International Committee of Medical Journal Editors. Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals[EB/OL]. [2026-06-01].

[41]
International Association of Scientific, Technical and Medical Publishers. The STM Integrity Hub[EB/OL]. [2026-06-01].

[42]
Nature S. Geppetto and SnappShot playing important role in stopping fake research from being published[EB/OL]. [2026-06-01].

Options
文章导航

/

〈 〉