Fraude en Investigación Médica:

Énfasis en aspectos estadísticos

Ted Colton, ScDProfesor y Jefe Emérito

DepartamentO de Epidemiología y Bioestadística

Continuo con fronteras difusas

Ignorancia, IngenuidadDescuido, Métodos inapropiados “Falacias” estadísticas

FraudeEngaño Mala conducta

Métodos cuestionables“Maquillando” datosDragado de datos Reporte selectivoNo reporte selectivo

¡Deliberado!

Ambos

No intencional

Tipos de fraude

Plagio – no tratado en esta presentación

Falsificación – alteración de datos

Fabricación – invención de datos

Motivación para el fraude

Obtención de un resultado deseado, e.g. significancia estadística

Ganancia monetaria, incremento de prestigio

Compensar por descuido en colección de datos

Inclusión de sujetos que de otra forma serían excluidos

Algunos ejemplos históricos de fraude

Gregorio Mendel

Sir Ronald Fisher

Fecha: 1865Lugar: BohemiaInvestigación: Genética de guisantes

Sir Cyril Burt

Fecha: 1955-66Lugar: Gran BretañaInvestigación: CI de gemelos monocigóticos criados separados o juntos

Leon Kamin

Dr. John Darsee

Fecha: 1981Sitio: Escuela Médica de Harvard. Hospital Peter Bent Brigham Investigación: Estudios de laboratorio y en animales de enfermedad cardiovascular

Puntos de datos en estudios clínicos

Proclives a fraude

Criterios de elegibilidadMediciones repetidasEventos adversosCumplimientoDiarios de sujetos

Preguntas a considerar

1. ¿Cómo se detectó el fraude?2. ¿Por qué se cometió fraude?3. ¿Cuales son las consecuencias del fraude?4. Estadísticamente, ¿cómo manejar datos que

se sospecha o se han confirmado que son fraudulentos?

5. ¿Podemos usar métodos estadísticos para detectar o confirmar instancias sospechosas de fraude?

6. ¿Qué medidas, si alguna, podemos tomar para prevenir episodios futuros de fraude?

Dr. Marc Strauss

Fecha: 1978Sitio: Centro Médico Universidad de BostonInvestigación: Estudio clínico multi-céntrico de cáncer, ECOG

Dr. Roger Poisson

Fecha: 1992Sitio: Hospital de St. Luc, MontrealInvestigación: Estudio multi-céntrico de lumpectomía vs mastectomía radical en tratamiento de cáncer de mama, NSABP

Estudio de prevención de cáncer de mama Provisión por trimestre

0

500

1000

1500

2000

2500

3000

Jun-Sep92

Oct-Dic92

Ene-Mar93

Abr-Jun93

Jul-Sep93

Oct-Dic93

Ene-Mar94

Abr-Jun94

Jul-Sep94

Oct-Dic94

Ene-Mar95

Abr-Jun95

Jul-Sep95

Oct-Dic95

Ene-Mar96

Abr-Jun96

Jul-Sep96

Oct-Dic96

Ene-Mar93

Abr-Jun97

Jul-Sep93

Num

ber o

f wom

en ra

ndom

ized

Tasa trimestral de no cumplimiento por tiempo calendario y por cohorte aleatorizada

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

Jun-Ago 92 Sep-Nov 92 Dic 92-Feb 93 Mar-May 93 Jun-Ago 93 Sep-Nov 93 Dic 93-Feb 94 Mar-May 94 Jun-Ago 94

Qua

rterly

rate

on

non-

com

plia

nce

Jun-Ago 92 Sep-Nov 92 Dic 92-Feb 93 Mar-May 93

Jun-Ago 93 Sep-Nov 93 Dic 93-Feb 94 Mar-May 94

Hospital de St. María

Fecha: 1994Sitio: Hospital de St. María, MontrealInvestigación: Estudio de prevención de cáncer de mama, NSABP

Incidente del St. María – Recomendaciones de DSMB

Una auditoría completa de todos los sujetos en St. María.Incluir todos los sujetos sin irregularidades en todos los análisis.Sujetos con falsificación de datos deberán continuar en el régimen asignado a menos que haya problemas de seguridad.Conducir análisis final con inclusión y exclusión de sujetos con datos falsificados. Publicación de hallazgos del estudio deberán incluir declaraciones de mala conducta científica.

Mr. Paul H. Kornak

Fecha: 2001Sitio: Centro Médico Stratton VA, Albany, NYInvestigación: Estudio de hierro (Fe) y ateroesclerosis (FEAST), Programa de Estudios Cooperativos de Veteranos

Dr. Ram Singh

Fecha: 1992Sitio: Moradabad, Uttar Pradesh, Norte de IndiaInvestigación: “Estudio aleatorio controlado de dieta cardioprotectora en pacientes con reciente infarto agudo del miocardio: resultados de un año de seguimiento”, BMJ, 304: 1015-19 (1992)

Dr. Stephen Evans

Conclusiones

Fraude en investigación médica tiene una larga historia y seguirá indudablemente en el futuro.

Conclusiones

Fraude en investigación médicaFraude en investigación médica– Opaca la imagen pública de la investigación médicaOpaca la imagen pública de la investigación médica– Opaca la reputación de muchos investigadores y Opaca la reputación de muchos investigadores y

colaboradores inocentes colaboradores inocentes – Puede impactar negativamente sobre otras Puede impactar negativamente sobre otras

investigaciones vigentesinvestigaciones vigentes– Puede virtualmente, derribar a una organización de Puede virtualmente, derribar a una organización de

investigacióninvestigación

Conclusiones

Metodología estadística puede ayudar a confirmar el fraude, pero insuficiente para detectar por sí misma el fraude.

Conclusiones

En estudios clínicos multi-céntricos, las ocurrencias más comunes de fraude producirán “ruido” ( sesgo hacia la nula) que invalidan los hallazgos del estudio.

Conclusiones

No hay intervención comprobada para prevenir fraude, pero la educación actual parece mantener promesas para reducir su incidencia y moderar sus consecuencias.

Mensajes a tener en cuenta

Nunca deseche los datos originales de la investigación.

Datos desaparecidos son un fenómeno real en la investigación médica contemporánea.

Tener fé en la naturaleza aleatoria y estocástica de los datos humanos reales, hechos difíciles de demostrar con fraude.