Bài học từ một reviewer nhận xét cụ thể
Trên paper A.2 của mình — bài lý thuyết về epistemology và AI trong y học — reviewer nhận xét phần Methods thiếu chi tiết. Cụ thể: không rõ tiêu chí chọn lọc literature, không giải thích tại sao chọn các framework triết học cụ thể đó, không có transparency về search process.
Nhận xét đó đúng. Mình viết phần Methods theo kiểu "làm xong rồi mô tả lại" thay vì theo một cấu trúc cụ thể. Kết quả là bài bị reject ở 4 journal trước khi mình nhận ra vấn đề không phải ở nội dung mà ở cách trình bày Methods.
Sau đó mình build checklist 7 mục — dùng cho paper tiếp theo và không bị nhận xét tương tự nữa.
Checklist 7 mục cho phần Methods
Mục 1 — Study design statement
Câu đầu tiên của Methods phải nói rõ: đây là study gì. Systematic review? Retrospective cohort? Cross-sectional? Philosophical analysis?
Không phải viết dài — một câu là đủ. Nhưng phải có. Reviewer cần xác định ngay framework đánh giá paper sẽ dùng.
Với AI: prompt "Write a one-sentence study design statement for [describe your study]" — AI làm tốt, chỉ cần đọc lại để confirm đúng design thật của paper.
Mục 2 — Protocol registration và reporting guideline
Nếu có PROSPERO registration, OSF preregistration, hay bất kỳ prospective registration nào: đưa vào đây với số hiệu cụ thể.
Nếu không có registration: nêu rõ reporting guideline đang follow — PRISMA cho systematic review, STROBE cho observational study, CONSORT cho RCT. Một câu, với citation.
Ví dụ từ paper ARM2 của mình: "This systematic review was conducted in accordance with the PRISMA 2020 guidelines. The protocol was registered a priori with PROSPERO (registration number CRD420261291319)."
Reviewer không cần registration để chấp nhận paper — nhưng thiếu câu này, họ tự hỏi bạn có biết reporting guideline không.
Mục 3 — Eligibility criteria
Đây thường là chỗ Methods bị "thiếu detail" nhất. AI có xu hướng viết criteria quá vague hoặc quá ngắn.
Cần có đủ: Population (định nghĩa cụ thể, không generic), Intervention hoặc exposure, Comparator (nếu có), Outcomes (primary và secondary), Study design được include, Exclusion criteria rõ ràng.
AI làm draft tốt, nhưng phần exclusion criteria thường bị bỏ sót. Phải thêm tay.
Mục 4 — Nguồn tài liệu và search strategy
Database nào được search, trong khoảng thời gian nào, search string cụ thể là gì (hoặc tóm tắt strategy với đầy đủ Boolean operators), supplementary table cho full strategy.
AI làm tốt phần mô tả quy trình, nhưng search string thật phải do mình chạy trước rồi AI mô tả lại — không để AI tự đề xuất string mà không verify kỹ. Search string AI đề xuất thường miss nuance của clinical question cụ thể.
Mục 5 — Quy trình chọn study
Ai review title/abstract, ai review full text, có bao nhiêu reviewer, conflict giải quyết thế nào. Nếu chỉ một reviewer: nói rõ và acknowledge limitation.
Đây là chỗ mình thấy nhiều paper VN bị reviewer hỏi: "How were discrepancies between reviewers resolved?" Nếu không có second reviewer, phải nói rõ và justify.
Mục 6 — Data extraction và risk of bias
Data extraction: ai extract, form gì, pilot test không, verified thế nào.
Risk of bias: dùng tool gì cụ thể — ROBINS-I cho observational study, Cochrane RoB 2 cho RCT, AMSTAR 2 cho systematic review. Không chỉ nói "risk of bias was assessed" mà không nêu tool.
AI làm tốt cả hai mục này nếu mình cho biết study design và tool đang dùng.
Mục 7 — Statistical analysis
Đây là mục AI làm yếu nhất, và mục mình phải tự viết.
AI có thể generate câu generic: "Data were analyzed using SPSS version..." Câu đó vô nghĩa với reviewer. Cần viết cụ thể: phân tích gì, software gì (với version), threshold significance ở đâu, handle missing data thế nào, sensitivity analysis có không.
Với systematic review: model nào cho meta-analysis (random-effects hay fixed-effects), tại sao, I² threshold cho heterogeneity, prediction interval có report không, subgroup analysis nào được plan trước.
Phần này không thể delegate cho AI vì nó phụ thuộc vào decision thật mình đã make trong analysis — AI không biết mình đã chạy gì.
AI cover mục nào tốt, mục nào phải tự viết
| Mục | AI làm được | Cần edit gì |
|---|---|---|
| 1. Study design | Tốt | Confirm đúng design |
| 2. Protocol/guideline | Tốt | Điền số đăng ký thật |
| 3. Eligibility criteria | Draft tốt | Thêm exclusion criteria |
| 4. Search strategy | Mô tả tốt | String thật phải của mình |
| 5. Study selection | Tốt | Confirm số reviewer thật |
| 6. Extraction/RoB | Tốt | Điền tên tool đúng |
| 7. Statistical analysis | Yếu | Viết lại hoàn toàn |
Workflow của mình: dùng AI viết draft cho mục 1–6, rồi tự viết mục 7. Tổng thời gian cho Methods với bộ data và design rõ: khoảng 45–60 phút.
Lỗi phổ biến khi để AI viết Methods
Confident nhưng sai: AI đôi khi viết rất tự tin về một convention hoặc threshold cụ thể — nhưng convention đó có thể không đúng với field của bạn. Ví dụ: I² >50% là "substantial heterogeneity" theo Cochrane, nhưng một số reviewer không dùng threshold cứng đó.
Cite tool không đúng version: AI hay cite ROBINS-I mà không biết version nào. Phải kiểm lại paper gốc của tool.
Không match với Introduction: Nếu Introduction nói về X population nhưng Methods eligibility criteria exclude một phần X population, reviewer sẽ hỏi. Sau khi viết Methods, đọc lại đoạn objective trong Introduction để confirm align.
Quá ngắn: AI tối ưu cho conciseness. Methods không nên concise theo kiểu thiếu thông tin — phải đủ để người khác replicate study của bạn.
Một bước kiểm cuối trước khi gửi
Sau khi hoàn thành Methods, mình làm một bước: đọc lại và tự hỏi — nếu reviewer muốn replicate study này dựa trên phần Methods mình viết, họ cần hỏi thêm thông tin gì không?
Nếu câu trả lời là "có" — phần Methods chưa xong.
Workflow viết các phần khác trong paper có trong bài 10 bước viết paper với AI.
Nếu muốn xem cách mình dùng AI viết Introduction với pattern 5 đoạn, bài AI viết Introduction — workflow 30 phút thay vì 1 tuần có chi tiết hơn.
Muốn thực hành toàn bộ pipeline viết paper với AI — từ Introduction đến Methods đến Discussion? Ứng dụng AI trong NCKH — có module riêng từng section, case study từ paper thật đã được submit.