发布时间：
题主说的是稿件发布之后，发现没有原始数据了，担心侵权的问题吧。这种情况需要撤稿。
如果关系到版权的东西经过发布，是需要有原始数据证实你是原创的。如果在这个期间万一被他人上交稿件，你反而成了侵权方。
不想撤稿就只有想办法在他人之前补好原始数据，或者待原始数据齐全后再补稿。
有可能是这个期刊已经被SCI给踢出来了。当时检索成功的时候没有及时打印出来？
您好，论文数据实在找不到可以通过实验的方式获取数据。第一种，就是自己采集，包括调研、做实验等，总之，这种方法得到的数据是最有优势的，毕竟，是自己独有的数据哦。但是，这种方法获取数据需要时间很长，而且还不一定能得到大规模的数据集，会影响到研究的深入。第二种，就是找从各种数据库里面查找。各个学科都有自己的公开的数据集，因此，可以通过老师推荐、同学推荐的方法，找到合适的数据集进行研究。这种方法省时省力。首先，按照你的研究领域，用相关的关键词查找论文，下载尽量多的论文。然后，打开论文，直接看论文的实证部分，看看这些论文的数据集来自哪里。找到来源后，就可以通过搜索引擎快速搜索下，看看这些数据集是否公开，如果是公开的，恭喜你，你的目标达到了，直接下载数据集即可。第一， 查数据库，看看有没有。第二， 数据库没有，问老师、问同学，或者能找到推荐的数据集。第三， 如果老师和同学也没有，就下载尽量多的相关论文，看看别人的数据集是啥。第四， 如果别人论文的数据集是公开的，就赶紧下载。第五， 如果别人论文的数据集不能公开下载，找到论文发表的期刊，看看期刊网站是否有可以下载的对于国内数据集。
毕业论文答辩完成后，大学论文资料丢失，导致论文无成绩，也就是论文没有通过。不影响毕业，毕业证还是会发给你的。但是会影响学位的，论文通不过，你就没有了学士学位。没有了学士学位，你就不能考硕士学位，也不能考博士学位。专业老师在线权威答疑 zy.offercoming.com
会的。
医学sci杂志reviewer要求提供原始数据，不但必须提供数据，还要提供数据处理过程。
SCI论文对数据真实性的要求是很高的，必须如实提供原始数据、数据的处理过程，还要提供所使用处理的。有些单位使用盗版进行数据处理，这都是不能被允许的。
一般情况下，投稿一周内会收到期刊编辑的邮件，会告知稿件已经给了审稿人。
扩展资料：
论文接收后的工作，就是移交版权(将出版权出让给期刊)。这时候导师会跟那边交流。需要自然会去找。
拿到接收函后过一阵子期刊排版，会给一份稿件校对，看是否有错误，没错误那里就准备发表了。之后就等着期刊在线刊登。
之所以这样做，就是为了证明研究结论的准确可靠。SCI杂志社拿到数据之后，会找到相关的专家用数据进行认真核实，并且进行重复试验，如果其他专家能够得到一致的结论，就说明结论是经得住推敲的。
如果其他专家发现数据有问题，或者按照数据进行重复试验、处理，无法得到结论，就说明结论是站不住脚的，不是出现错误，就是造假，这样的论文一定会被打回来。
参考资料来源：百度百科——科学引文索引
sci论文投稿需要作者认真对待，sci论文在投稿的时候，要不要提供原始的数据呢?相信这个问题也是很多作者朋友在关注的，sci论文投稿要求较高，且每一个期刊对于论文的要求都不同，下面aeic小编来跟大家具体聊一聊吧。
通常情况下，论文研究中支持你得出结果和结论的数据统称为原始数据，但对于提交原始数据的要求并不是所有SCI期刊都有，不同刊物对于这方面有不同的要求。1、其实大多数SCI期刊不会要求作者提供原始数据，因为这种会涉及到作者的著作权等相关事宜，很多作者为了保护自己的文章，不愿意公开文章的原始数据，所以一般情况下，作者无需提交原始数据。2、如果是审稿编辑或者外审专家对文章中的数据有所质疑或者有疑问的情况下，明确要求作者提供文章的原始数据，那作者就不得不提供了，且不限于原始数据，还包括数据的处理过程、所使用处理软件的序列号等详细信息。
一般不会，但是总有特别的期刊。遇到过文章接收后要原始可编辑的图和数据的期刊。另外当别人质疑你的文章和数据的时候，可能会要求。一般看期刊要求，有要求的要提交，没要求的最好不提交，提交数据还是挺麻烦的。
绝大多数期刊不强制需要作者提供原始数据。但也有个别期刊例外。比如我最近投的ESSD(地球系统科学数据)期刊，这个期刊比较小众，是专门搞地学数据产品发布的。因此必须要提供可下载该稿件所描述数据的网址(比如Zenodo等)。
几点经验，希望对第一次发表sci论文的同学有用:
1、选题
相对来说应用性研究比基础研究难发表论文，而且发表论文的因子也较低，比如搞育种的，研究育种技术的比较难发表论文，研究育种基因的好发表论文。所以结合老板的课题，要选择机理性研究课题。
确定好关键词，在各大检索系统中分析所选课题是不是国际研究前沿，发表的论文数量和质量。如果相关文献档次很低，那么你选择的课题可能发表好文论文的可能性较低。
2、设计
选好课题不要急于动手，先看中文文献，主要是博士论文和综述，了解关键术语和研究进展。收集英文文献，总结研究进展，选好切入点，设计实验一、实验二..........实验n，根据文献提前构架论文发表框架，后面做完实验，填好数据。
如选择胚胎发育相关课题，研究G基因在胚胎发育过程中的作用，参考已发表的文献JHAHKS等基因在胚胎发育过程中的作用，看看别人是怎么做的，通过那些实验证明自己的推断，这些验证也是你必须要做的，根据实验条件和需要选择，验证实验越充分，设计越合理，发表论文越容易。
3、实验
建议研究生早进实验室，开题之前熟悉实验室环境和运行，帮助师兄/姐做实验，练好基本操作。实验过程中会遇到各种问题，仪器设备、试剂、操作程序，很烦！有条件的可以要求公司负责部分实验。如高通量测序技术，应用广泛，必须要公司处理，数据分析，公司负责把图表做好，就等着发表了，事半功倍。
4、写作
第一次写论文难度很大，论文的结构、语言表达、数据分析、图表处理等等，相关帖子好多，大家可以搜搜。我要说的是论文框架（实验结果组成、论文的中心）写好后先找有经验的人看看，没问题再写引言和讨论，保证数据支持论文结论。有了结论就是论文的中心，全文围绕中心展开写。
希望以下内容可以为你带来帮助通常情况下，论文研究中能支持你的结果和结论的数据统一被称为原始数据，但并不是所有的SCI期刊都有提交原始数据的要求，不同的期刊对此有不同的要求。
一、其实大部分SCI期刊不要求作者提供原始数据，因为这会涉及到作者的版权等相关事宜。 许多作者为了保护自己的文章，不愿意公开文章的原始数据。 这种情况下作者就无需提交原始数据。二、如果审稿人或外审专家对文章中的数据有疑或或疑问的话，就会明确要求作者提供文章的原始数据，那么这种情况作者就必须提供原始数据，不仅限于原始数据，还包括数据处理过程和使用的处理软件的序列号等详细信息。总而言之，就拿sci论文来说，如果作者提交原始数据，大部分都是通过投稿系统上传的。 一般不会出现数据泄露或抄袭的情况，正规的刊物都会对作者提交的原始数据进行严格的保密和进行安全保管。
需要。发表sci论文在最后都需要上传原始的测序数据，主要是为了别人能够重复的实验。上传是将信息从个人计算机传送至中央计算机系统上，让网络上的人都能看到。
一般不会，但是总有特别的期刊。遇到过文章接收后要原始可编辑的图和数据的期刊。另外当别人质疑你的文章和数据的时候，可能会要求。一般看期刊要求，有要求的要提交，没要求的最好不提交，提交数据还是挺麻烦的。
绝大多数期刊不强制需要作者提供原始数据。但也有个别期刊例外。比如我最近投的ESSD(地球系统科学数据)期刊，这个期刊比较小众，是专门搞地学数据产品发布的。因此必须要提供可下载该稿件所描述数据的网址(比如Zenodo等)。
几点经验，希望对第一次发表SCI论文的同学有用:
1、选题
相对来说应用性研究比基础研究难发表论文，而且发表论文的因子也较低，比如搞育种的，研究育种技术的比较难发表论文，研究育种基因的好发表论文。所以结合老板的课题，要选择机理性研究课题。
确定好关键词，在各大检索系统中分析所选课题是不是国际研究前沿，发表的论文数量和质量。如果相关文献档次很低，那么你选择的课题可能发表好文论文的可能性较低。
2、设计
选好课题不要急于动手，先看中文文献，主要是博士论文和综述，了解关键术语和研究进展。收集英文文献，总结研究进展，选好切入点，设计实验一、实验二..........实验n，根据文献提前构架论文发表框架，后面做完实验，填好数据。
如选择胚胎发育相关课题，研究G基因在胚胎发育过程中的作用，参考已发表的文献JHAHKS等基因在胚胎发育过程中的作用，看看别人是怎么做的，通过那些实验证明自己的推断，这些验证也是你必须要做的，根据实验条件和需要选择，验证实验越充分，设计越合理，发表论文越容易。
3、实验
建议研究生早进实验室，开题之前熟悉实验室环境和运行，帮助师兄/姐做实验，练好基本操作。实验过程中会遇到各种问题，仪器设备、试剂、操作程序，很烦！有条件的可以要求公司负责部分实验。如高通量测序技术，应用广泛，必须要公司处理，数据分析，公司负责把图表做好，就等着发表了，事半功倍。
4、写作
第一次写论文难度很大，论文的结构、语言表达、数据分析、图表处理等等，相关帖子好多，大家可以搜搜。我要说的是论文框架（实验结果组成、论文的中心）写好后先找有经验的人看看，没问题再写引言和讨论，保证数据支持论文结论。有了结论就是论文的中心，全文围绕中心展开写。
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
这个他包括很多种的，那不知道你需要的是哪一种，你可以参考一下，也是可以的。
医学论文原始数据包括什么？这个你要到不懂的话，你到相关的数据上去查一下比较标准的答案。