Brief: realne pytania, z którymi najczęściej siada się do Materials and Methods po angielsku
- Co dokładnie ma zrobić ta sekcja, żeby recenzent uznał ją za odtwarzalną i „zamkniętą”?
- Jaką strukturę wybrać i kiedy odejść od „typowej kolejności”?
- Ile szczegółów to „w sam raz”: kiedy cytować metodę, a kiedy rozpisać parametry krytyczne?
- Past Simple czy Present Simple — jak nie mieszać czasów i brzmieć jak w publikacji, a nie w notatkach?
- Passive voice czy active voice — jak pisać jasno, a jednocześnie zgodnie z konwencją?
- Jak opisać próbę/uczestników/materiały tak, by było jasne, co uogólniasz i na co?
- Jak raportować odczynniki, aparaturę i oprogramowanie (producent, model, wersja) bez przegadania?
- Jak opisać analizę danych/statystykę, żeby nie dostać komentarza „missing details”?
- Jak pisać o metodach standardowych vs zmodyfikowanych („modified from”) i jak to cytować?
- Jakie błędy w Materials and Methods najczęściej kończą się desk reject albo ostrą rundą poprawek?
Frazy pomocnicze (SEO): Materials and Methods jak pisać, metodyka badań po angielsku, reproducibility w artykule naukowym, zwroty do metod po angielsku, passive vs active voice w Methods, past simple w Methods, opisywanie odczynników i aparatury, wersje oprogramowania w publikacji, reporting guidelines CONSORT STROBE PRISMA, modified from method jak pisać, typowe błędy w Materials and Methods
Po co jest Materials and Methods: „czy da się to powtórzyć?” jako kryterium jakości
Najważniejsza funkcja: odtwarzalność, a nie „ładna narracja”
Najczęstszy problem w polskich manuskryptach po angielsku nie polega na słownictwie, tylko na tym, że sekcja Materials and Methods bywa traktowana jak opis „co mniej więcej zrobiono”. Tymczasem recenzent czyta ją jak instrukcję weryfikacji: czy procedura była sensowna, czy kontrolowała źródła błędu i czy inny zespół mógłby uzyskać porównywalny rezultat. Jeśli odpowiedź brzmi „może…”, pojawiają się komentarze typu insufficient detail, unclear procedure, missing information.
Odtwarzalność nie oznacza, że trzeba przepisać protokół laboratoryjny krok po kroku. Oznacza, że trzeba ujawnić parametry krytyczne i decyzje analityczne: co było mierzone, czym, w jakich warunkach, według jakich kryteriów i jak przetworzono dane.
Granice treści: „what was done” vs „what was found”
Prosty test: w Methods opisujesz działania i reguły, a nie wyniki. Jeśli w zdaniu pojawia się informacja o tym, „co wyszło”, to zwykle powinno trafić do Results. Wyjątki istnieją: czasem w Methods podaje się np. próg jakości (QC) i informację, że próbki niespełniające progu wykluczono — ale bez raportowania, ile takich było (to już wynik).
- Methods: kryterium i procedura, np. „Reads with a Phred score < 30 were removed.”
- Results/Supplement: skala zjawiska, np. „A total of X reads were removed due to low quality.”
Minimalny komplet informacji: co recenzent chce znaleźć zawsze
Niezależnie od dziedziny, w większości czasopism przewija się podobny „rdzeń”:
- Co/kogo badano: próbki, uczestnicy, organizmy, obiekty, dane wejściowe.
- Gdzie i w jakim układzie: projekt badania, setting, grupy, warunki.
- Jak wykonano procedurę: kroki, parametry krytyczne, kontrole, randomizacja/zaślepienie (jeśli dotyczy).
- Czym mierzono: aparatura, odczynniki, zestawy, oprogramowanie, wersje.
- Jak analizowano: pipeline, testy, parametry, progi, korekty, kryteria wykluczeń, metryki.
- Etyka i zgody: jeśli badanie obejmuje ludzi/zwierzęta/dane wrażliwe.
- Dostępność danych/kodu: jeśli czasopismo tego wymaga (często w osobnej sekcji, ale bywa w końcówce Methods).
Szybki test redakcyjny: 3 pytania recenzenta
Przed wysłaniem sekcji przejdź ją jak recenzent, z trzema pytaniami:
- Co dokładnie? (materiał, definicje zmiennych, kryteria, jednostki)
- W jakich warunkach? (czas, temperatura, parametry aparatury, ustawienia algorytmu, wersje)
- Jak policzono/oceniono? (QC, statystyka, metryki, progi, obsługa braków danych)
Krótki przykład: zbyt ogólne vs poprawione (EN)
Zbyt ogólne: Samples were prepared as usual and analyzed following standard procedures.
Wersja poprawiona (z parametrami krytycznymi): Samples were homogenized in ice-cold buffer (composition described below) and centrifuged at 4°C. The supernatant was collected and analyzed using [technique], with acquisition settings held constant across all runs.
Różnica nie polega na „ładniejszym angielskim”. Wersja poprawiona ujawnia, co mogło wpłynąć na wynik: warunki temperaturowe, etap separacji frakcji, stałość ustawień.
Wskazówka 1 — Ułóż strukturę jak proces: od materiału do analizy (zmieniaj tylko z powodu logiki badania)
Domyślna kolejność, która „przechodzi” w większości czasopism
Jeśli nie ma mocnego powodu, najbezpieczniej budować Methods jak liniowy proces: najpierw co weszło do badania, potem co z tym zrobiono, na końcu jak to policzono. Typowy układ:
- Study design / Setting
- Participants / Samples / Materials
- Reagents and equipment (czasem połączone z procedurą)
- Experimental procedure / Data collection
- Quality control (jeśli istotne)
- Data processing and statistical analysis
- Ethics approval
- Data and code availability (jeśli dotyczy)
Kiedy warto przestawić kolejność: kilka eksperymentów albo pipeline obliczeniowy
Jeśli praca ma 2–4 eksperymenty, lepiej uporządkować Methods „blokami”, zamiast trzymać jedną długą procedurę. Zasada: jeden blok = jeden zestaw danych i jedna logika. W badaniach obliczeniowych często działa układ typu Workflow (przetwarzanie → cechy → model → walidacja), bo to jest dla czytelnika bardziej naturalne niż klasyczne „materiały–procedura”.
Przykład EN: The study workflow comprised (i) sample collection and preprocessing, (ii) feature extraction, and (iii) statistical modeling and validation.
Najczęstsza pułapka: mieszanie poziomów opisu
Recenzent gubi się, gdy w jednym akapicie skaczesz między: opisem próby, parametrami aparatury i testami statystycznymi. Jeśli widzisz, że akapit odpowiada na trzy różne pytania („kto?”, „czym?”, „jak policzono?”), to prawie na pewno wymaga podziału.
Wskazówka 2 — Past Simple dla działań, Present Simple dla reguł i prawd ogólnych (i trzymaj spójność tense)
Najczęstsza konwencja: co zrobiono vs jak raportujesz
W wielu dziedzinach standard wygląda tak:
- Past Simple dla czynności w badaniu: Participants were recruited…, Samples were incubated…, We measured…
- Present Simple dla reguł raportowania i „prawd definicyjnych”: Continuous variables are reported as…, A p-value < 0.05 is considered…
To pomaga czytelnikowi: przeszłość = historia procedury, teraźniejszość = zasada, którą stosujesz w opisie i analizie.
Przykłady zdań EN, które brzmią „czasopismowo”
- Participants were recruited from [setting] between [time frame].
- All analyses were performed in R (version X.X.X).
- Data are presented as mean ± standard deviation unless stated otherwise.
Pułapka: losowe przełączanie czasów w sąsiednich zdaniach
Typowy błąd: jedno zdanie w Past, kolejne w Present bez powodu. Jeśli opisujesz procedurę, trzymaj Past w całym fragmencie. Jeśli opisujesz zasady raportowania lub kryteria, trzymaj Present. Wyjątek: gdy cytujesz metodę jako „stan wiedzy” (czasem Present), ale wtedy rób to konsekwentnie i świadomie.
Wskazówka 3 — Strona bierna czy czynna: wybierz czytelność i odpowiedzialność za decyzje
Kiedy passive voice pomaga, a kiedy szkodzi
W Methods strona bierna bywa użyteczna, bo skupia uwagę na procedurze: Samples were centrifuged…. Problem zaczyna się wtedy, gdy bierna konstrukcja ukrywa decyzje i kryteria, np. usuwanie obserwacji odstających, dobór parametrów modelu, wykluczenia uczestników.
Heurystyka praktyczna: czynna dla decyzji, bierna dla rutyny
- Active voice (odpowiedzialność, decyzje): We excluded participants with…, We randomly assigned…, We adjusted for…
- Passive voice (rutynowe kroki): Samples were stored at…, Images were acquired using…
Mini-kontrprzykład: zdanie, które prosi się o poprawę
Słabe: Outliers were removed.
Lepsze: We removed outliers based on a pre-specified criterion (e.g., values exceeding [rule]) and report the number of excluded observations in the Results.
Klucz: nie tylko „kto”, ale też „jakim kryterium”. Jeśli kryterium ustaliłeś po obejrzeniu danych, trzeba to nazwać wprost (albo przynajmniej nie udawać prerejestracji).
Wskazówka 4 — Opis próby/uczestników/materiału: podaj minimum, które pozwala ocenić uogólnianie wyników
Ludzie i zwierzęta: setting, kryteria, procedury ograniczania bias
Jeśli badanie dotyczy ludzi lub zwierząt, recenzent szuka elementów, które mówią, kto dokładnie trafił do analizy i czy były mechanizmy minimalizujące stronniczość. Minimum (w różnych konfiguracjach zależnie od typu badania):
- miejsce i czas rekrutacji (setting),
- kryteria włączenia/wyłączenia (eligibility criteria),
- przydział do grup (randomizacja, dopasowanie, warunki),
- zaślepienie (blinding) — jeśli było,
- jak traktowano braki danych (zasada, nie liczby).
Przykłady EN:
- Eligibility criteria included [criterion] and excluded [criterion].
- Participants were randomly assigned to [groups] using [method], with allocation concealed by [approach].
- Outcome assessors were blinded to group assignment.
Materiały i obiekty: pochodzenie, przygotowanie, warunki przechowywania
Jeśli nie ma ludzi/zwierząt, wciąż trzeba umożliwić ocenę „reprezentatywności”: skąd pochodzi materiał, jak został przygotowany i czy mógł się zmienić w czasie. Dla próbek biologicznych i chemicznych często krytyczne są: temperatura, czas, liczba cykli zamrażania/rozmrażania, sposób homogenizacji, partia/lot (jeśli wpływa na wynik).
Przykłady EN:
- Samples were obtained from [source] and stored at [conditions] until analysis.
- Material batches were recorded, and all comparisons were performed within the same lot when feasible.
Pułapka: „skąd” i „kogo” brakuje najbardziej
Krótka, ale częsta przyczyna uwag recenzenckich: nie wiadomo, czy próbki były losowe, wygodne, z jednego ośrodka, z wielu, z jakiego okresu. Bez tego nie da się ocenić zakresu uogólniania wyników, nawet jeśli procedura laboratoryjna jest świetnie opisana.
Wskazówka 5 — Materiały, odczynniki i aparatura: podawaj producenta/model wtedy, gdy to wpływa na powtarzalność
Kryterium decyzyjne: czy wybór może zmienić wynik lub jest standardem raportowania
Nie ma sensu podawać producenta wszystkiego, ale są elementy, gdzie to jest praktycznie obowiązkowe: zestawy komercyjne, przeciwciała, kluczowe sondy, aparatura pomiarowa, platformy sekwencjonowania, specyficzne czujniki, główne moduły oprogramowania. Jeśli inny wybór zmieniłby czułość/swoistość/skalowanie — wpisz producenta i model, a czasem numer katalogowy.
…oraz informacje o wersji/firmware, jeśli producent zmienia algorytmy (np. w obrazowaniu lub automatycznych filtrach). Gdy materiał ma „tożsamość” handlową, zapisz ją tak, żeby inny zespół mógł kupić dokładnie to samo: nazwa, producent, miasto/kraj (jeśli wymóg czasopisma), numer katalogowy, a dla przeciwciał także klon i RRID.
Użyteczne kryterium jest proste: jeśli Twoje wyniki mogłyby się różnić po zamianie elementu na odpowiednik innej firmy — identyfikuj go jednoznacznie. Jeśli nie mogłyby (np. standardowa sól, powszechny bufor o podanym składzie) — wystarczy opis funkcjonalny i stężenia/skład. Podobnie z oprogramowaniem: „R + pakiet” bywa wystarczające, ale już „komercyjny moduł do segmentacji obrazów” bez nazwy i wersji zwykle kończy się prośbą recenzenta o doprecyzowanie.
Przykłady EN (konkret, bez nadmiaru): Antibody against [target] (clone [X], [manufacturer], catalog no. [Y], RRID: [Z]) was used at a dilution of [dilution]. / Fluorescence images were acquired using a [microscope model] (manufacturer) equipped with a [objective specification] and controlled by [software] (version).
Jeśli obawiasz się „przeładowania” nazwami, działa kompromis redakcyjny: w tekście trzymaj tylko elementy krytyczne dla odtworzenia, a pozostałe przenieś do tabeli Key resources (jeśli czasopismo ją dopuszcza). Recenzent widzi wtedy, że nic nie jest ukryte, a narracja Methods pozostaje czytelna.
Wskazówka 6 — Procedury: dawaj parametry krytyczne, a rutynę skracaj cytowaniem (standard vs modified)
Jak zdecydować, co opisać „od zera”, a co tylko zacytować
Jeśli procedura jest standardowa i naprawdę zastosowana „bez zmian”, zwykle wystarczy cytowanie + 2–3 zdania o Twoich warunkach brzegowych (materiał wejściowy, kluczowe ustawienia, kryteria akceptacji/odrzucenia). Jeśli wprowadziłeś modyfikacje, opisz je wprost, bo to one najczęściej zmieniają wynik. Dobra praktyka: jedno zdanie what + reference, drugie what we changed, trzecie critical parameters.
Parametry krytyczne: te, które „psują” powtarzalność, gdy ich zabraknie
W Methods rzadko brakuje kroków, częściej brakuje liczb i warunków. Recenzenci polują na takie luki jak: czas inkubacji „overnight” bez temperatury, wirowanie bez g (tylko rpm), „washed three times” bez buforu i objętości, filtracja bez średnicy porów, albo „trained the model” bez schematu walidacji. Jeśli parametr wpływa na sygnał/szum, odzysk, selektywność, dryft, stabilność — to jest parametr krytyczny i powinien być w tekście.
Przykłady EN (standard vs modified): DNA was extracted using the [kit] according to the manufacturer’s instructions, with the following modifications: [change 1], [change 2]. / Reads were trimmed using [tool] (version) with a minimum Phred score of [threshold] and a minimum length of [threshold]. Wystarczy, żeby ktoś mógł ustawić te same „gałki” i dostać porównywalny rezultat, nawet jeśli nie przepisujesz całej instrukcji producenta.
Krótki test jakości: czy obca osoba odtworzy to bez maila do autora?
Praktyczny test redakcyjny: wyobraź sobie, że czytelnik ma Twoją sekcję Methods jako jedyne źródło i chce powtórzyć pracę w innym laboratorium. Jeśli musiałby napisać maila z pytaniem o wersję zestawu, dokładne kryterium wykluczeń, ustawienia filtra albo sposób liczenia replik — ten fragment jest niedopisany. Jeśli mógłby powtórzyć pipeline, ale nie umiałby ocenić, czy robi „to samo” (np. brak kryteriów QC) — też jest luka, tylko bardziej subtelna.
Wskazówka 7 — Analiza danych i statystyka: opisz decyzje, a nie tylko nazwy testów
Co recenzent chce „odtworzyć” w analizie
W części analitycznej rzadko chodzi o to, czy znasz nazwę testu. Chodzi o to, czy ktoś może przejść tę samą ścieżkę decyzyjną i dostać porównywalne wnioski. Dlatego poza samymi testami zwykle muszą paść: definicje zmiennych i punktów końcowych, reguły transformacji, kryteria jakości, sposób radzenia sobie z brakami danych i wielokrotnymi porównaniami, oraz konkret: jak policzono to, co pokazujesz w wynikach.
Minimalny zestaw informacji (działa w większości dyscyplin)
- Outcome/endpoint: co jest zmienną zależną i jak ją zdefiniowano (primary outcome, okno czasowe, agregacja).
- Jednostka analizy: próbka, osobnik, pomiar, obraz, komórka — i jak uniknięto pseudopowtórzeń (jeśli dotyczy).
- Plan porównań: jakie grupy/warunki porównujesz i czy to było z góry ustalone.
- Założenia i diagnostyka: co zrobiono, jeśli założenia nie były spełnione (transformacja, metoda odporna, test nieparametryczny).
- Korekta na wielokrotność: kiedy i jak (np. FDR), zamiast milczeć.
- Miary niepewności: CI, SE, SD — i w jakim miejscu raportowane.
Przykłady EN (konkretne, „odtwarzalne”):
- The primary outcome was defined as [definition] measured at [time point/window].
- Group differences were assessed using [model/test], with [covariates] included a priori.
- Assumptions were evaluated using [diagnostic/criterion]; when violated, data were [transformed/analysed using alternative approach].
- P-values were adjusted for multiple comparisons using the Benjamini–Hochberg procedure (FDR).
Braki danych, wykluczenia i „co było liczone”
Jeśli w recenzji pojawia się insufficient detail, to często dotyczy nie samej metody, ale tego, co weszło do analizy. Dobre Methods zawiera regułę, nawet jeśli liczby są w Results: ile replik było technicznych i biologicznych, czy uśredniałeś pomiary, czy odrzucałeś próbki po QC, czy stosowałeś imputację. Bez tego nie da się ocenić, czy analiza była „fair”.
Przykłady EN:
- Technical replicates were averaged prior to statistical testing; biological replicates were treated as independent observations.
- Samples failing predefined quality-control criteria ([criterion]) were excluded from downstream analyses.
- Missing values were handled using [complete-case analysis/imputation approach], as specified prior to analysis.
Wskazówka 8 — Oprogramowanie, wersje i pipeline: zapisz ustawienia, które zmieniają wynik
„Used software X” to za mało, jeśli narzędzie ma parametry
W analizach obliczeniowych to nie sama nazwa narzędzia decyduje o powtarzalności, tylko wersja + parametry + kolejność kroków. Drobna zmiana wersji biblioteki albo domyślnego filtra potrafi przesunąć wyniki na tyle, że porównanie staje się niejednoznaczne. Jeśli narzędzie ma „gałki”, opisz te, które sterują selekcją danych, progami, normalizacją, segmentacją czy uczeniem modelu.
Przykłady EN (software & versioning):
- All analyses were performed in R (version x.x.x) using the packages [package] (version x.x) and [package] (version x.x).
- Image segmentation was performed using [software] (version), with a threshold of [rule/setting] and manual correction performed by [who/how many] blinded to [condition], where applicable.
- Data preprocessing included [step 1], [step 2], and [step 3] in the following order: [order].
Pipeline w 5 linijkach: praktyczny format, który lubią recenzenci
Jeśli analiza jest wieloetapowa, sprawdza się krótki opis „pipeline” w punktach (w tekście) i pełny skrypt w suplementach lub repozytorium (jeśli polityka czasopisma na to pozwala). W samym Methods często wystarczy:
- wejście (format, kryteria włączenia),
- czyszczenie/filtry (progi),
- transformacje/normalizacja,
- model/test (specyfikacja),
- walidacja i raportowanie (metryki, CI, korekty).
Przykład EN (pipeline): Raw data were (i) screened for [QC criterion], (ii) filtered using [threshold], (iii) normalized using [method], (iv) analysed with [model/specification], and (v) validated using [approach/metric].
Wskazówka 9 — Etyka, zgody i rejestry: napisz to tak, by nie blokować publikacji
Co jest „must-have” w zależności od typu badania
W wielu czasopismach brak informacji etycznych kończy się szybkim odrzuceniem albo twardą prośbą o uzupełnienie. Zakres zależy od obszaru, ale schemat jest podobny: organ zatwierdzający + numer decyzji + sposób uzyskania zgody. Dla badań na zwierzętach dochodzą standardy opieki, a dla danych wtórnych — źródło, licencje i ograniczenia.
Przykłady EN:
- The study was approved by the [Institutional Review Board/Ethics Committee] (approval no. [ID]).
- Written informed consent was obtained from all participants prior to enrolment.
- Animal experiments were conducted in accordance with [guideline] and approved by [committee] (approval no. [ID]).
- The analysis used de-identified, publicly available data from [source]; therefore, ethics approval was not required.
Pułapka: „consent was obtained” bez doprecyzowania
Jeśli zgoda była odstąpiona, zbiorcza, retrospektywna albo ograniczona do konkretnych celów, jedno zdanie ogólne bywa niewystarczające. Lepiej dopisać warunek, niż zostawić recenzenta z wrażeniem, że temat został zamieciony pod dywan.
Przykład EN: Consent for [specific scope] was obtained; participants could opt out of [data sharing/follow-up], and no identifiable information was included in the dataset.
Wskazówka 10 — Checklisty raportowania i suplement: gdy szczegółów jest za dużo albo za mało
Jak pogodzić kompletność z limitem słów
Jeśli Methods puchnie, zwykle nie pomaga „cięcie losowe”. Działa podział: w głównym tekście zostają elementy krytyczne dla odtworzenia i oceny jakości (parametry, decyzje, QC, statystyka), a detale techniczne trafiają do suplementu: pełne składy buforów, rozbudowane listy zasobów, dodatkowe kroki walidacji, pełne komendy/konfiguracje.
Formuły EN, które elegancko odsyłają do suplementu:
- Additional methodological details are provided in Supplementary Methods.
- A complete list of reagents and resources is available in Table S1 (Key resources).
- Full preprocessing scripts and configuration files are provided in [repository/supplement], enabling reproducibility of the analysis.
Reporting guidelines: kiedy warto je przywołać wprost
Jeśli Twoja dziedzina ma standard raportowania (np. CONSORT, STROBE, PRISMA, ARRIVE, MIQE, czy wytyczne dla danych omicznych), często opłaca się to zaznaczyć — nie jako ozdobnik, tylko sygnał: „wiemy, co jest wymagane”. Jedno zdanie + ewentualnie numer checklisty w suplemencie zwykle wystarcza.
Przykład EN: The study is reported in accordance with the [guideline name]; the completed checklist is provided in the Supplementary Information.
Decyzja redakcyjna: co trzymasz w tekście głównym
Jeśli wahasz się, czy detal jest „za drobny”, zadaj sobie dwa pytania:
- czy bez tego ktoś nie odtworzy procedury albo odtworzy ją w istotnie inny sposób?
- czy bez tego recenzent nie oceni ryzyka bias (wykluczenia, QC, dobór parametrów, walidacja)?
Jeśli odpowiedź brzmi „tak” choćby raz — detal zostaje w Methods (albo w suplemencie, ale wtedy z wyraźnym odesłaniem). Jeśli „nie” w obu przypadkach — można skrócić, zacytować lub przenieść do tabeli zasobów.
Typowe błędy w Materials and Methods (i szybkie poprawki po angielsku)
Najbardziej kosztowne błędy w Methods mają jedną cechę wspólną: nie wyglądają jak błędy językowe, tylko jak „drobne skróty myślowe”. Redaktor je przepuści, ale recenzent zatrzyma. Poniżej kilka powtarzalnych problemów wraz z wersją, która zwykle przechodzi bez dyskusji.
1) „As described previously” bez informacji, co dokładnie było modyfikowane
Cytowanie protokołu jest OK, dopóki jasno zaznaczasz, czy zrobiłeś to samo, czy prawie to samo. „Prawie” bywa kluczowe: inny bufor, inny próg filtracji, inny czas inkubacji, inna definicja outliera.
- Słabo: The assay was performed as described previously.
- Lepiej: The assay was performed as described previously (ref), with the following modifications: [modification 1], [modification 2].
- Najlepiej, gdy modyfikacja wpływa na wynik: Compared with the original protocol (ref), we changed [parameter] from [old] to [new] to [reason]; all other steps were identical.
2) Brak definicji próby i jednostki analizy (pseudopowtórzenia)
Jeśli analizujesz wiele pomiarów z jednego obiektu (komórki z tej samej płytki, klatki z jednego filmu, ROI z jednego obrazu), samo „n” może być mylące. Recenzent chce wiedzieć, czy wnioski nie są oparte na sztucznie napompowanej liczbie obserwacji.
- Słabo: We analysed n=300 cells.
- Lepiej: We analysed 300 cells from 6 independent cultures (biological replicates); cells were treated as nested observations and summarised per culture prior to statistical testing.
3) Zbyt ogólne opisy parametrów („standard settings”, „default parameters”)
Domyślne ustawienia są ruchomym celem: różnią się między wersjami, zależą od presetów, a czasem od sprzętu. Jeśli już zostawiasz default, doprecyzuj wersję i elementy, które mogły się zmienić.
- Słabo: Data were processed using default parameters.
- Lepiej: Data were processed using [tool] (version x.x) with default parameters, except for [parameter] set to [value].
4) „Randomly” i „blinded” bez mechaniki
W kontekście ryzyka bias liczy się sposób, nie deklaracja. Jedno zdanie o tym, jak losowano i kto był zaślepiony, często rozbraja cały blok uwag recenzenckich.
- Słabo: Samples were randomly assigned and analysed in a blinded manner.
- Lepiej: Samples were assigned to conditions using [method, e.g., computer-generated random sequence]. Outcome assessment was performed by an investigator blinded to group allocation.
5) „Significant” jako opis metody
W Methods nie ma „significant differences”. Jest reguła decyzji: poziom alfa, korekta, test dwustronny/jednostronny, model i kryteria wykluczeń. Jeśli brakuje tych elementów, wynik „p<0.05” niewiele znaczy.
- Słabo: Differences were considered significant at p<0.05.
- Lepiej: All tests were two-sided with α=0.05. Where multiple comparisons were performed, p-values were adjusted using [method].
Mini-szablon: sensowna kolejność akapitów w Materials and Methods
Jeśli sekcja zaczyna się „od środka” (np. od statystyki), czytelnik musi sam rekonstruować proces. Najprostszy, praktyczny układ to taki, który idzie jak praca w labie lub w pipeline analitycznym: najpierw wejścia, potem transformacje, na końcu decyzje.
- Study design / overview — 2–4 zdania: typ badania, warunki/grupy, główny cel pomiaru.
- Materials / participants / samples — kryteria włączeń i wykluczeń, źródło, liczebność, jednostka analizy.
- Reagents / instruments — tylko to, co wpływa na powtarzalność (producent, model, numer katalogowy, wersja).
- Procedures — kroki, parametry krytyczne, definicje QC, co było modyfikowane względem standardu.
- Data processing — filtry, normalizacja, transformacje, kolejność.
- Statistics / modelling — endpointy, modele/testy, wielokrotność, braki danych, diagnostyka.
- Software / code availability — wersje, parametry, repozytorium (jeśli jest), suplementy.
- Ethics — zgody, numery decyzji, rejestry (gdy dotyczy).
Krótkie zwroty EN, które spinają tę strukturę bez „lania wody”:
- We first [step], followed by [step], and finally [step].
- To minimise [risk/bias], we [measure].
- Unless stated otherwise, [default rule] was applied.
- Key parameters are summarised in Table [X]; full details are provided in Supplementary Methods.
Decyzyjne kryterium jakości: kiedy Methods jest „wystarczające”
Da się to sprowadzić do trzech pytań kontrolnych. Jeśli na każde umiesz odpowiedzieć jednym-dwoma zdaniami w tekście (albo w suplemencie z jasnym odesłaniem), sekcja zwykle spełnia swoją rolę.
- Czy ktoś odtworzy wynik? Jeśli bez Twoich ustawień i progów da się uzyskać inny rezultat, to nie jest detal, tylko parametr krytyczny.
- Czy recenzent oceni ryzyko bias? Jeśli nie wiadomo, co wykluczałeś, jak losowałeś, jak kontrolowałeś jakość i kto podejmował decyzje — ocena jakości jest niemożliwa.
- Czy czytelnik zrozumie zakres uogólnienia? Jeśli próba jest opisana mgliście („patients”, „samples”), trudno stwierdzić, do kogo i do czego wnioski pasują.
Jeśli walczysz z limitem słów, decyzja jest prosta: w głównym tekście zostają informacje, które zmieniają interpretację lub odtwarzalność; reszta idzie do suplementu, ale zawsze z precyzyjnym wskazaniem, gdzie to leży (tabela zasobów, Supplementary Methods, repozytorium). Taki układ jest czytelny, uczciwy i w praktyce najszybciej przechodzi przez recenzję.
Najczęściej zadawane pytania (FAQ)
Co musi zawierać sekcja Materials and Methods, żeby recenzent uznał ją za odtwarzalną?
Recenzent szuka instrukcji, nie streszczenia „mniej więcej co zrobiono”. Minimum to: co/kogo badano, w jakim układzie (projekt/warunki), jak przebiegała procedura (z parametrami krytycznymi), czym mierzono (sprzęt/odczynniki/oprogramowanie) oraz jak policzono i oceniono wyniki (QC, statystyka, progi, kryteria wykluczeń).
Dobry test przed wysyłką to trzy pytania: Co dokładnie? (definicje, jednostki, kryteria), w jakich warunkach? (czas/temperatura/ustawienia/wersje), jak policzono? (pipeline, testy, korekty, progi).
Jaką strukturę Methods wybrać i kiedy odejść od „typowej kolejności”?
Najbezpieczniejszy układ jest procesowy: od materiału/próby do analizy. Często działa schemat: study design/setting → participants/samples/materials → procedura i zbieranie danych → QC → przetwarzanie i statystyka → etyka → dostępność danych/kodu (jeśli wymagane).
Jeśli praca ma kilka eksperymentów albo pipeline obliczeniowy, lepsze są bloki tematyczne (jeden blok = jeden zestaw danych i jedna logika) lub układ workflow. Zmieniaj kolejność wtedy, gdy poprawia czytelność i eliminuje „skakanie” w jednym akapicie między: kto/co, czym, jak policzono.
Ile szczegółów w Materials and Methods to „w sam raz” — kiedy cytować metodę, a kiedy opisać parametry?
Zależy od tego, czy czytelnik jest w stanie powtórzyć krytyczne elementy. Jeśli używasz standardowej metody bez zmian, zwykle wystarczy cytowanie + kluczowe informacje kontekstowe (np. próbka, zakres, istotne ustawienia, kryteria QC). Jeśli metoda jest modyfikowana albo wynik wrażliwy na ustawienia, trzeba rozpisać parametry krytyczne i decyzje analityczne.
Praktyczna granica: jeśli bez danego parametru ktoś może dostać inny rezultat (temperatura inkubacji, próg odcięcia, wersja algorytmu, sposób normalizacji) — to nie jest „detail”, tylko warunek odtwarzalności.
Past Simple czy Present Simple w Methods — jak nie mieszać czasów?
Najczęstsza konwencja jest prosta: Past Simple dla tego, co zrobiono w badaniu (procedura, rekrutacja, pomiary), a Present Simple dla reguł raportowania i definicji (np. jak prezentujesz zmienne, jaki próg istotności przyjmujesz).
Problem zaczyna się, gdy czasy przełączają się losowo zdanie po zdaniu. Jeśli akapit opisuje przebieg eksperymentu, trzymaj Past w całym fragmencie; jeśli opisuje zasady analizy/raportowania, trzymaj Present. Wyjątki (np. cytowanie metody jako „stanu wiedzy”) mają sens tylko wtedy, gdy są konsekwentne.
Passive voice czy active voice w Materials and Methods — co jest bezpieczniejsze?
Strona bierna bywa naturalna w Methods, bo podkreśla procedurę (np. Samples were centrifuged). Active voice często poprawia klarowność, zwłaszcza gdy opisujesz decyzje i odpowiedzialność za wybór (np. kryteria wykluczeń, dobór testu, sposób radzenia sobie z brakami danych).
Jeśli konstrukcja bierna „chowa” sprawcę i uzasadnienie (np. Outliers were removed bez kryterium), to prosta droga do komentarza o brakujących szczegółach. W takich miejscach lepiej dopisać kryterium i proces, nawet jeśli zostajesz przy passive.
Jak opisać odczynniki, aparaturę i oprogramowanie (producent, model, wersja) bez przegadania?
Podawaj identyfikatory wtedy, gdy mogą wpływać na wynik albo gdy recenzent będzie ich szukał przy odtwarzaniu: producent i model aparatury, zestaw/kit i kluczowe odczynniki, nazwa oprogramowania i wersja. W badaniach obliczeniowych wersje (np. R/Python, biblioteki) często są równie ważne jak parametry eksperymentu.
Dobra praktyka to jednolity format w całej sekcji (np. „instrument (manufacturer, city, country)” oraz „software (version)”), a szczegóły drugorzędne przenosić do suplementu, jeśli czasopismo na to pozwala.
Jak opisać analizę danych i statystykę w Methods, żeby nie dostać komentarza „missing details”?
Nie wystarczy lista testów. Recenzent chce zobaczyć cały łańcuch decyzji: co było jednostką analizy, jak wyglądał preprocessing/QC, jakie były progi i kryteria wykluczeń, jak obsłużono braki danych, jakie testy i założenia sprawdzono oraz jakie korekty zastosowano (np. za wielokrotne porównania).
Jeśli analiza ma postać pipeline’u (np. filtracja → ekstrakcja cech → model → walidacja), opisz go w tej kolejności i dodaj ustawienia, które zmieniają wynik. To jest moment, w którym wersja oprogramowania i parametry algorytmu są „parametrami krytycznymi”, a nie dodatkiem.
Najważniejsze punkty
- Materials and Methods ma przejść test „czy da się to powtórzyć?” — liczy się odtwarzalność i kontrola źródeł błędu, a nie opis „mniej więcej co zrobiono”; kluczowe są parametry krytyczne i decyzje analityczne.
- Granica między Methods a Results jest prosta: w Methods opisujesz działania, reguły i progi (np. kryteria QC), a nie „co wyszło”; informacja „ile odrzucono próbek” to już wynik.
- Minimalny rdzeń, którego recenzent zwykle szuka zawsze: co/kogo badano, projekt i warunki, procedura z parametrami i kontrolami (w tym randomizacja/zaślepienie, jeśli dotyczy), użyte narzędzia (sprzęt/odczynniki/software z wersjami) oraz analiza danych/statystyka z progami i kryteriami wykluczeń.
- Przed wysyłką działa szybki test recenzencki w 3 pytaniach: „co dokładnie?” (definicje, jednostki, kryteria), „w jakich warunkach?” (czas/temperatura/ustawienia, wersje), „jak policzono/oceniono?” (QC, metryki, progi, obsługa braków danych).
- „Standard procedures” bez konkretów to proszenie się o komentarz insufficient detail — zamiast tego ujawnij elementy, które realnie zmieniają wynik (np. temperatura wirowania, stałość ustawień akwizycji, skład buforu), nawet jeśli reszta jest rutynowa.
- Najbezpieczniejsza struktura to proces od wejścia do analizy (materiał → procedura → analiza); jeśli są 2–4 eksperymenty, lepiej rozbić Methods na bloki, a przy pipeline obliczeniowym układać sekcję jako workflow (przetwarzanie → cechy → model → walidacja).
Bibliografia
- How to Write and Publish a Scientific Paper (9th ed.). Cambridge University Press (2019) – Praktyczne zasady pisania sekcji Methods i raportowania procedur.
- Scientific Style and Format: The CSE Manual for Authors, Editors, and Publishers (8th ed.). Council of Science Editors (2014) – Standardy stylu naukowego: czasy, strona bierna/czynna, konwencje.
- AMA Manual of Style: A Guide for Authors and Editors (11th ed.). Oxford University Press (2020) – Zasady redakcyjne dla manuskryptów biomedycznych, w tym Methods.
- EQUATOR Network: Reporting Guidelines. EQUATOR Network – Zbiór wytycznych CONSORT, STROBE, PRISMA i innych.
