Bir hakem raporunda zaman zaman, araştırmacının bilimsel olarak katılmadığı bir eleştiriyle karşılaşılır: hakem istatistiksel testi yanlış yorumlamış, metodolojiyi yanlış okumuş ya da güncelliğini yitirmiş bir kaynağa dayanarak itiraz etmiş olabilir. Böyle bir durumda iki seçenek var: eleştiriyi kabul edip gereksiz bir analiz değişikliği yapmak ya da kanıtlarla itiraz etmek.
Doğru yanıt genellikle itiraz etmek — ama bunun bir yöntemi var. Kötü yazılmış bir itiraz makaleyi batırırken, iyi yazılmış bir itiraz hem hakemi hem editörü ikna eder ve makaleyi güçlendirir. Bu yazıda itiraz (rebuttal) mektubunun anatomisini ve dört yaygın senaryo için çalışan İngilizce yanıt şablonlarını ele alıyoruz. Kabul, kısmi kabul ve ret yanıtlarının genel biçimi için hakem yanıtı yazım rehberimize bakabilirsiniz; burada özellikle katılmadığınız eleştirilere odaklanıyoruz.
Ne zaman itiraz etmeli, ne zaman kabul etmeli?
Her hakem eleştirisine itiraz eden araştırmacı "zor yazar" damgası yiyor; her eleştiriyi sorgusuz kabul eden araştırmacı ise tutarsız bir makale ortaya çıkarıyor. Karar verirken sorulması gereken tek soru: hakemin eleştirisi bilimsel olarak yanlış mı, yoksa yalnızca farklı bir bakış açısı mı?
İtiraz mı, kabul mü?
İtiraz etmekte fayda var
Kabul etmek daha isabetli
Bir de ara kategori var: hakemin sorunu doğru tespit edip çözümü yanlış önerdiği durumlar. Mesela hakem "örneklem küçük, güç yetersiz" diyor — haklı bir endişe. Ama önerisi "daha fazla hasta toplayın" — ki bu mümkün değil. Bu durumda sorunu kabul edip alternatif bir çözüm sunmak (post-hoc güç analizi, etki büyüklüğü güven aralıkları) hem hakemin endişesini karşılıyor hem bilimsel doğruluğu koruyor.
İtiraz yanıtının anatomisi
Standart bir kabul yanıtı üç katmanlı: eleştiri, yanıt, değişiklik. Ama itiraz yanıtı daha fazlasını gerektiriyor — beş katmanlı bir yapı editörü ikna etme şansını belirgin şekilde artırıyor.
Beşinci katman özellikle önemli. İtiraz ederken bile makalede bir iyileştirme yapmak, editör gözünde "bu araştırmacı yapıcı" mesajı veriyor. "Biz haklıyız, nokta" yaklaşımı ise — teknik olarak doğru olsa bile — olumsuz bir izlenim bırakıyor.
Dört senaryo, dört şablon
Aşağıdaki senaryolar hakem sürecinde en sık karşılaşılan itiraz durumlarını ve her biri için çalışan İngilizce yanıt şablonlarını içeriyor.
Senaryo 1: Hakem istatistiksel testi yanlış yorumlamış
En net itiraz gerekçesi bu. Çok değişkenli lojistik regresyon uygulanmış, hakem tek değişkenli sonuçlara bakarak karıştırıcı değişkenlerin (confounding) kontrol edilmediğini söylemiş.
Reviewer Comment: "The authors did not control for confounding variables. The analysis appears to be univariate."
Author Response: We thank the reviewer for emphasizing the importance of confounding adjustment. We would like to respectfully clarify that our primary analysis employed multivariable logistic regression (Table 3), which simultaneously adjusted for age, sex, BMI, and comorbidity index as specified in our statistical analysis plan (Methods, page 8, lines 12-18). The univariate results presented in Table 2 were intended as descriptive comparisons and were clearly labeled as such. To prevent any further confusion, we have now added an explicit statement in the Methods section clarifying the distinction between our descriptive (univariate) and inferential (multivariable) analyses.
Change in Manuscript: Methods section, page 8, lines 20-22: "Univariate comparisons (Table 2) are presented for descriptive purposes only. The primary inferential analysis was performed using multivariable logistic regression adjusting for a priori selected covariates (Table 3)."
Bu yanıtta dikkat çeken bir incelik var: hakem suçlanmıyor, yazımdaki olası belirsizlik kabul ediliyor ve somut bir düzeltme yapılıyor. Hakem hatalı olsa bile araştırmacı kendini geliştirmeye açık görünüyor — bu editörde çok olumlu bir etki bırakıyor.
Senaryo 2: Hakem güncel olmayan bir referansa dayanıyor
Tıp alanında kılavuzlar hızla güncelleniyor. Hakem %15 eksik veri oranı için liste bazlı silme (listwise deletion) önermiş — oysa araştırmacı çoklu imputasyon (multiple imputation) uygulamış ve bu yöntem güncel metodolojik konsensüsle uyumlu.
Reviewer Comment: "With 15% missing data, the authors should use listwise deletion to avoid introducing bias through imputation."
Author Response: We appreciate the reviewer's attention to missing data handling. However, current methodological consensus strongly favors multiple imputation over listwise deletion when the missing data mechanism is MAR (Missing at Random), as in our study. Listwise deletion under MAR leads to both loss of statistical power and potentially biased estimates (Sterne et al., 2009, BMJ; van Buuren, 2018, Flexible Imputation of Missing Data). The STROBE statement (von Elm et al., 2008) and recent guidance by Madley-Dowd et al. (2019) explicitly recommend multiple imputation as the preferred approach; notably, the proportion of missing data alone should not dictate the choice. We performed sensitivity analyses comparing complete case analysis and multiple imputation results, which yielded consistent findings (Supplementary Table S3). We have added a reference to these guidelines in the Methods section to clarify our rationale.
Bu yanıtın gücü birden fazla bağımsız kaynağa dayanması. Tek bir referans "kişisel tercih" gibi görünebilir; ama birkaç farklı kılavuz ve rehber gösterildiğinde argüman kişisel olmaktan çıkıp konsensüse dönüşüyor. Hakem eleştirilerinin sistematik analizi sırasında eleştirinin hangi kategoriye düştüğünü belirlemek, yanıt stratejisini de belirliyor.
Senaryo 3: Hakem metodolojiyi yanlış anlamış
Bazen hakemin eleştirisi, makaledeki bir açıklamanın yetersizliğinden kaynaklanıyor. Eğilim skoru eşleştirmesi (propensity score matching) uygulanmış, hakem randomize olmadığı için seçilim yanlılığı (selection bias) olduğunu söylemiş.
Reviewer Comment: "This is an observational study without randomization; therefore, selection bias cannot be adequately addressed."
Author Response: We share the reviewer's concern regarding selection bias in observational studies. To specifically address this, we employed propensity score matching (PSM), which is widely recognized as an effective method for reducing selection bias in non-randomized studies (Rosenbaum & Rubin, 1983; Austin, 2011). After 1:1 nearest-neighbor matching with a caliper of 0.2 SD, standardized mean differences for all covariates fell below 0.10, indicating adequate balance (Table S2, Supplementary Material). We acknowledge that PSM cannot account for unmeasured confounders, which we have explicitly stated as a limitation. However, we believe our approach represents the most rigorous feasible design for this clinical question where randomization would not be ethical. We have expanded the Methods section to describe our PSM procedure in greater detail to prevent similar misunderstandings.
Buradaki anahtar hamle: hakem suçlanmak yerine yazımdaki yetersizlik kabul ediliyor ve metodoloji bölümü genişletiliyor. Bu "orta yol" stratejisi editör gözünde son derece olumlu bir izlenim bırakıyor çünkü araştırmacı hem haklı hem yapıcı görünüyor.
Senaryo 4: Hakem çalışma kapsamını genişletmek istiyor
Hakemler bazen özgün kapsam dışında analizler isteyebiliyor — pediatrik popülasyon, farklı etnik gruplar, ek alt grup analizleri. Bunlar ayrı bir çalışma gerektiren talepler olduğunda nazikçe sınır çizmek gerekiyor.
Reviewer Comment: "The authors should also examine the effect in pediatric patients."
Author Response: We appreciate this suggestion, as the pediatric population is indeed an important group warranting investigation. However, our study was specifically designed and powered for the adult population (age ≥ 18), as stated in our inclusion criteria. The pathophysiology, dosing considerations, and outcome measures differ substantially between adult and pediatric populations, and a meaningful pediatric analysis would require a separate study design, ethical approval, and sample size calculation. We have added a statement in the Discussion section recommending future studies in pediatric populations.
Bu yanıt kısa ama etkili. Hakemin önerisinin değerini teslim ediyor, neden bu çalışmada yapılamayacağını somut gerekçelerle açıklıyor ve "future studies" notuyla hakemin endişesini karşılıyor.
Tonun önemi: dil seçimleri
İtiraz mektubunda tek bir yanlış ifade, güçlü bir argümanı bile gölgede bırakabiliyor. Editör hem bilimsel kanıtlara hem yazarın profesyonelliğine bakıyor.
Uyarı
"The reviewer is wrong" veya "The reviewer did not read carefully" gibi ifadeler asla işe yaramıyor — editör hakemin gönüllü olarak zaman ayırdığını biliyor. Bunun yerine "We may not have stated this clearly enough" demek aynı mesajı saygılı şekilde iletiyor.
Diplomatik ama kararlı ifade kalıpları:
- Onaylama: "We thank the reviewer for raising this important point..." / "This is a thoughtful observation that prompted us to re-examine..."
- Karşı argüman: "However, we respectfully maintain our original approach based on..." / "While we understand the reviewer's concern, recent evidence suggests..."
- Kanıt: "Specifically, [Author, Year] demonstrated that..." / "Our approach is consistent with [guideline], where..."
- Uzlaşma: "To address this concern, we have added [ek bilgi] to the Discussion section" / "We have included this as a limitation in our revised manuscript"
Editöre kapak notu (cover note) stratejisi
Hakem yanıt mektubunun yanı sıra editöre ayrı bir kapak notu (cover note) yazmak, itiraz sürecini güçlendiren bir adım. Bu notta tüm eleştirilerin dikkatle değerlendirildiği, çoğunluğunun kabul edildiği ve az sayıda eleştiriye bilimsel gerekçelerle itiraz edildiği belirtiliyor. Editörle yazışmanın genel adabı için editörle yazışma kuralları yazımıza bakabilirsiniz.
Editör için kritik bilgi, itiraz oranı. 20 eleştirinin 18'ini kabul edip 2'sine itiraz etmek makul görünüyor. Ama 20 eleştirinin 15'ine itiraz etmek "bu yazar revizyon yapmak istemiyor" mesajı veriyor.
İpucu
İtiraz oranı %25'i aşıyorsa tüm itirazları gözden geçirmekte fayda var. Hepsinin gerçekten bilimsel gerekçesi güçlü mü, yoksa bazıları yalnızca duygusal bir tepkiden mi kaynaklanıyor? Dışarıdan bir göz — bir meslektaş ya da mentor — bu ayrımı yapmakta çok yardımcı oluyor.
Rebuttal sonrası ne oluyor?
İtirazlı yanıt gönderildikten sonra dört farklı sonuç mümkün.
Editör sizin lehinize karar verebiliyor. Kanıtlar güçlü ve dil profesyonelse editör hakemin o eleştirisini geçersiz sayabiliyor. Bu, en olumlu senaryo.
Editör üçüncü hakem atayabiliyor. Tartışmalı durumlarda editör bağımsız bir görüş almak isteyebiliyor. İtiraz mektubunun kalitesi burada kritik çünkü yeni hakem de bu mektubu okuyacak.
Editör hakemin yanında durabilir. Bu durumda ya istenen değişiklik yapılıyor ya da makale geri çekilip başka bir dergiye gönderiliyor. Karar, değişikliğin bilimsel doğruluğu etkileyip etkilemediğine bağlı.
Editör uzlaşma önerebiliyor. Özgün analiz korunurken hakemin önerdiği alternatif analizin ek materyal olarak sunulmasını istemek sık karşılaşılan bir orta yol. Revizyon sonrası tekrar ret riskini en aza indiren yaklaşım da genellikle bu tür uzlaşmacı adımlardır.
Son kontrol
İtiraz mektubunu göndermeden önce birkaç noktayı kontrol etmek büyük fark yaratıyor: Her itiraz en az bir bağımsız referansla destekleniyor mu? İtiraz edilen eleştiri sayısı toplamın %25'ini aşıyor mu? İtiraz edilse bile makalede bir iyileştirme yapıldı mı? Dil kişisel değil bilimsel mi — "You are wrong" yerine "The evidence suggests..." mi? Bir meslektaşa okutuldu mu?
Model İstatistik CRO olarak hakem yanıtlarının yapılandırılmasında, itiraz argümanlarının birlikte şekillendirilmesinde, ek istatistiksel analizlerde ve editör yazışmalarında araştırmacının yanında duruyoruz. İtirazın bilimsel içeriği ve argümanları araştırmacıya aittir; biz yapı, tutarlılık ve dil yönüyle rehberlik sağlarız.
Kullanılan kaynaklar
- Williams HC. How to reply to referees' comments when submitting manuscripts for publication. Journal of the American Academy of Dermatology. 2004;51(1):79-83. · DOI
- Sterne JAC, White IR, Carlin JB, ve ark. Multiple imputation for missing data in epidemiological and clinical research: potential and pitfalls. BMJ. 2009;338:b2393. · DOI
- Madley-Dowd P, Hughes R, Tilling K, Heron J. The proportion of missing data should not be used to guide decisions on multiple imputation. Journal of Clinical Epidemiology. 2019;110:63-73. · DOI
- von Elm E, Altman DG, Egger M, ve ark. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement. Journal of Clinical Epidemiology. 2008;61(4):344-349. · DOI