导致数据丢失的因数比较多，根据不同情况分为以下几类：1、存储介质物理故障：坏道、固件丢失、马达抱死、磁头老化，电机短路，电路板烧毁2、存储介质软件故障：误删除，误格式化，误分区、误GHOST，文件系统崩溃，病毒破坏3、人为因素：故意破坏数据，人为误操作4、自然灾害：地震、泥石流、暴雨、雷电
多参考同类型论文，对其结果进行研究，选择结果一致并且可以和你论文里结果一致的，根据百分比对你的数据进行微调即可
数据丢失了就赶紧恢复或者重新找数据吧~实在不知道的话~多看看参考文献看看能不能找到其它的数据，如汉斯出版社上的文献
因为随着时代变化，数据是会发生改变的。
发表sci论文要找sci期刊，sci期刊数量不少，大多数是不要求作者提供原始数据的。作者在发表论文前，若已经确定自己无法提供原始数据，在匹配期刊上，就要选择不需要提供原始数据的sci期刊。这样可以避开无法提供原始数据带来的麻烦。
sci论文发表，要经过审稿人的审核。若审稿人对论文内容审核论证过程中，可能需要原始数据的支持，往往会向作者提出提供原始数据的要求。不过这种情况还是比较少见的。若作者遇到了这样情况，可以把无法提供原始数据的情况，与审稿人或编辑沟通，若可以不提供原始数据，那最好了。若是必须需要提供原始数据，就没办法了。作者可以在拒稿后，重投其他期刊试试。另外，有人质疑你的文章和数据的时候，可能也要提供原始数据。若无法提供原始数据，可能会导致文章无法发表，或者发表后被撤稿，此时没有其他办法，只能接受。原始数据对sci论文发表很重要，作者在写作时，不能在原始数据上作假，另外发表过程中，能不提供就不提供，容易引起其他麻烦。
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。
