臨床試驗/研究作弊手法大全

 

【30秒重點】

• 看到藥物研究結果時，可以問：試驗有沒有中途改設計、提早結束或換了研究問題？
• 文章說，超過50%知名度高的科學發現，其他科學家無法獨立重複。
• 常見作弊手法包括歪曲試驗設計、操縱結束時間、中途改變研究問題和更改試驗計畫書。
• 例如初步結果不好時提早終止試驗，避免負面數據出現在報告中。

2024/12/19

只有想不到的，沒有做不到的

一個事實：超過50%的高知名度科學發現無法由其他科學家獨立複製。

試驗設計相關（Trial Design Related）:

• 歪曲試驗設計（Distorting Trial Design）：故意修改試驗設計以達到特定結果。
  • 例子：在一個藥物試驗中，研究者可能會改變劑量或對照組的選擇，使得藥物看起來比實際更有效。
• 試驗終止時間操縱（Manipulating Trial Termination Times）：控制試驗結束的時間點以影響結果。
  • 例子：如果初步結果顯示藥物效果不佳，可能會提早終止試驗，以避免長期的負面數據影響最終報告。
• 試驗過程中改變研究問題（Altering Research Questions Mid-Trial）：在試驗進行中改變研究的焦點或問題。
  • 例子：原本試驗的目的是測試藥物對疼痛的有效性，但在試驗中途，改變為研究該藥物對睡眠質量的影響。
• 試驗期間更改試驗協議（計畫書）（Amending Trial Protocol During the Study）：在試驗進行中修改試驗計劃或程序。
  • 例子：在臨床試驗中，研究者可能會改變藥物給藥方式或測量方法，以期達到更好的結果。
• 使用未經批准的試驗方法（Using Unapproved Testing Methods）：使用沒有被正式認可的方法進行試驗。
  • 例子：使用一種尚未經衛生部門批准的診斷技術來評估藥物的功效。
• 試驗條件不一致（Inconsistent Trial Conditions）：試驗條件在不同時間或地點不一致，影響結果的可靠性。
  • 例子：在多中心試驗中，不同地點的實驗室條件或環境可能不同，導致試驗結果的變異。
• 試驗中的試驗設計中斷（Interruption in Trial Design）：試驗設計在過程中被中斷或改變。
  • 例子：由於外部因素如新規定的出現，試驗設計必須暫停或重新設計。
• 試驗中的試驗方法篡改（Methodology Alteration）：試驗方法在過程中被更改。
  • 例子：一開始是使用問卷調查，但中途改為面談，以獲取更有利的反饋。
• 試驗過程中的數據遺漏（Data Omission in Process）：試驗過程中有部分數據未被記錄或遺失。
  • 例子：在長期跟蹤研究中，某些參與者的數據可能因失聯而未能收集。

隨機分組與參與者選擇（Randomization and Participant Selection）:

• 操縱隨機分組（Manipulating Randomization）：人為影響隨機分組的過程。
  • 例子：在臨床試驗中，將已知身體狀況較好的患者分配到藥物組，以提高藥物的成功率。
• 試驗參與者選擇偏見（Participant Selection Bias）：在選擇參與者時存在偏見。
  • 例子：只招募年輕健康的參與者來測試一種針對老年人的藥物。
• 試驗地點選擇偏見（Site Selection Bias）：選擇試驗地點時存在偏見。
  • 例子：選擇在經濟條件較好的地區進行試驗，忽略了其他經濟狀況的地區可能的不同反應。
• 試驗參與者身份欺詐（Participant Identity Fraud）：參與者提供虛假身份信息。
  • 例子：某人為了參與報酬豐厚的試驗而使用假身份申請參加。
• 試驗參與者選擇誤導（Misleading Participant Selection）：選擇參與者時提供誤導信息。
  • 例子：在招募過程中，試驗宣傳可能誇大試驗的好處來吸引參與者。
• 試驗中的試驗參與者篩選（Participant Screening Bias）：在篩選參與者時存在偏見。
  • 例子：排除可能有負面結果的參與者，以提高試驗的成功率。
• 試驗中的試驗參與者背景篡改（Alteration of Participant Backgrounds）：修改參與者的背景信息。
  • 例子：改變參與者的健康史記錄以符合試驗的入選標準。
• 試驗中的試驗參與者人數操縱（Manipulation of Participant Numbers）：人為控制參與者數量。
  • 例子：增加或減少參與者的數量來達到統計學上的顯著性。
• 試驗中的試驗參與者背景資料的改動（Alteration of Participant Background Information）：更改參與者的背景資料。
  • 例子：在一項心理健康研究中，調整參與者的教育背景數據以支持研究假設。

數據收集與處理（Data Collection and Processing）:

• 偏向性資料收集（Biased Data Collection）：數據收集過程中存在偏見。
  • 例子：在調查問卷中，問題的設定可能引導參與者給出特定答案。
• 試驗數據重複使用（Reusing Trial Data）：不當重複使用試驗數據。
  • 例子：將同一組數據用於不同研究中的多個分析，以證明多個假設。
• 試驗數據的回溯性修改（Retrospective Data Modification）：事後修改已收集的數據。
  • 例子：在試驗結束後，發現某些數據不支持預期結果，故對其進行修改。
• 竄改試驗日誌（Tampering with Trial Logs）：修改或偽造試驗記錄。
  • 例子：在臨床試驗中，調整給藥記錄以掩蓋不合規的給藥行為。
• 試驗數據的過濾（Data Filtering）：選擇性過濾數據。
  • 例子：只保留支持研究假設的數據，過濾掉不支持的數據。
• 試驗數據的選擇性保留（Selective Data Retention）：有選擇性地保留數據。
  • 例子：保存符合某種模式的數據，而忽略其他不規則數據。
• 試驗過程中的數據泄露（Data Leakage During Trials）：試驗過程中有數據外泄。
  • 例子：試驗數據在未經授權的情況下被共享或泄露。
• 試驗數據的圓滑處理（Data Smoothing）：對數據進行過度平滑處理。
  • 例子：使用過度的平滑算法來減少數據中的波動，以使結果看起來更一致。
• 試驗數據的過度處理（Overprocessing of Data）：過度處理數據，影響真實性。
  • 例子：多次重複分析同樣的數據集，直到得到預期的結果。
• 試驗中的數據篩選（Data Screening）：在試驗中篩選數據。
  • 例子：在實驗過程中篩選出異常值，以避免這些數據影響試驗結果。
• 試驗中的數據源篡改（Source Data Manipulation）：改變數據來源。
  • 例子：在試驗中，改變數據收集的來源或方式以支持預設的結果。
• 試驗中的數據曲解（Data Distortion）：對數據進行歪曲。
  • 例子：調整數據的方式或格式，使其看起來更符合預期的結果。
• 試驗中的數據歸集偏見（Data Aggregation Bias）：在數據匯總時存在偏見。
  • 例子：在合併不同試驗地點的數據時，忽略了地區性差異。
• 試驗中的試驗數據分類篡改（Data Categorization Manipulation）：更改數據分類。
  • 例子：將應該分類為“無效”的數據重新分類為“有效”。
• 試驗中的試驗數據損失（Data Loss in Trials）：試驗中數據遺失。
  • 例子：由於設備故障或人為錯誤，試驗過程中丟失了一部分數據。
• 試驗中的試驗數據重建（Reconstruction of Trial Data）：重新構建試驗數據。
  • 例子：在試驗數據部分丟失後，通過估算或模擬方法重建缺失的數據。
• 試驗中的試驗數據的隱匿（Concealment of Trial Data）：隱藏試驗數據。
  • 例子：不公開可能不利於試驗結果解讀的數據。
• 試驗中的試驗數據的過度分析（Overanalysis of Data）：對數據進行過度分析。
  • 例子：進行過多或過複雜的統計分析，導致數據過度解釋。
• 試驗中的試驗數據的重複報告（Duplicate Reporting of Data）：重複報告同一數據。
  • 例子：在多篇報告中使用同樣的數據集來支持不同的結論。
• 試驗中的試驗數據的選擇性解密（Selective Decoding of Data）：選擇性解碼數據。
  • 例子：只解密支持某一結論的加密數據。
• 試驗中的試驗數據的選擇性保存（Selective Preservation of Data）：選擇性保存數據。
  • 例子：只保存支持研究假設的數據，忽略其他數據。
• 試驗中的試驗數據的選擇性銷毀（Selective Destruction of Data）：選擇性銷毀數據。
  • 例子：銷毀不支持研究假設的數據記錄。
• 試驗中的試驗數據的選擇性報導（Selective Reporting of Data）：選擇性報導數據。
  • 例子：只在報告中提及支持研究結論的數據。

結果報告和解讀（Outcome Reporting and Interpretation）：

• 選擇性報導（Selective Reporting）：選擇性報告試驗結果。
  • 例子：只報告顯示藥物有效的結果，而忽略不顯著或負面的數據。
• 過度強調正面結果（Overemphasizing Positive Outcomes）：過分強調好的結果。
  • 例子：在一份報告中，強調藥物減少症狀的效果，而僅輕描淡寫副作用。
• 試驗結果的過度解釋（Overinterpretation of Results）：對結果過度解釋。
  • 例子：將一項小規模試驗的結果過度推廣為普遍適用的結論。
• 試驗結果的偏見性解讀（Biased Interpretation of Results）：帶有偏見地解讀結果。
  • 例子：研究者可能因對某品牌的偏愛，而對其產品效果給予更高評價。
• 結果的誇大宣傳（Exaggerated Promotion of Results）：過度宣傳試驗結果。
  • 例子：在市場推廣中，大肆宣傳一種新藥的效果，忽略其限制或副作用。
• 偽造試驗結果（Result Falsification）：偽造試驗結果。
  • 例子：製造虛假的臨床試驗數據以支持一種新療法的批准。
• 誇大試驗結果（Exaggeration of Trial Results）：誇大試驗結果。
  • 例子：在報告中，將藥物的成功率描述得比實際高。
• 對於試驗結果的選擇性報告（Result Selection）：選擇性報告特定結果。
  • 例子：只報告支持研究假設的數據，而忽略其他。
• 對於試驗結果解讀偏見（Interpretation Bias of Results）：在解讀結果時存在偏見。
  • 例子：研究者可能因個人信念，選擇性地解讀數據。
• 對於試驗結果的選擇性解讀（Selective Interpretation of Results）：選擇性解讀結果。
  • 例子：只強調支持某一觀點的數據，而忽略可能反駁的數據。

結果報告和解讀（Outcome Reporting and Interpretation）：

• 選擇性報導（Selective Reporting）：選擇性報告試驗結果。
  • 例子：只發表顯示新藥有效的試驗結果，而忽略或不報導無效或有副作用的結果。
• 過度強調正面結果（Overemphasizing Positive Outcomes）：過分強調好的結果。
  • 例子：在一篇研究報告中，將小幅度的改善描述為"革命性的突破"。
• 試驗結果的過度解釋（Overinterpretation of Results）：對結果過度解釋。
  • 例子：將一項初步結果解釋為對某種疾病的治愈方法，沒有考慮到其他可能的解釋。
• 試驗結果的偏見性解讀（Biased Interpretation of Results）：帶有偏見地解讀結果。
  • 例子：研究者因為對某種療法有偏好，在解讀數據時忽略了與之相反的證據。
• 結果的誇大宣傳（Exaggerated Promotion of Results）：過度宣傳試驗結果。
  • 例子：通過新聞發布會或商業廣告過度宣傳試驗結果，以吸引投資或銷售。
• 偽造試驗結果（Result Falsification）：偽造試驗結果。
  • 例子：為了獲得研究經費，某研究小組完全捏造了臨床試驗的數據。
• 誇大試驗結果（Exaggeration of Trial Results）：誇大試驗結果。
  • 例子：在報告中將試驗中的微小改善說成是"顯著"的療效提升。
• 對於試驗結果的選擇性報告（Result Selection）：選擇性報告特定結果。
  • 例子：只報告試驗中支持某一理論的結果，而對其他結果一筆帶過。
• 對於試驗結果解讀偏見（Interpretation Bias of Results）：在解讀結果時存在偏見。
  • 例子：研究者因為預期的結果而忽略了數據中的矛盾或不一致。
• 對於試驗結果的選擇性解讀（Selective Interpretation of Results）：選擇性解讀結果。
  • 例子：只強調數據中支持某種結論的部分，忽略其他可能的解讀。
• 對於試驗結果的選擇性揭示（Selective Disclosure of Results）：選擇性揭示結果。
  • 例子：在學術會議上僅分享正面結果，而在後續的報告中略去負面結果。
• 對於試驗結果的選擇性宣傳（Selective Promotion of Results）：選擇性宣傳結果。
  • 例子：在市場營銷中，只推廣試驗中最成功的部分。
• 對於試驗報告的誤導性標題（Misleading Titles in Reports）：報告的標題誤導性。
  • 例子：使用“突破性進展”作為標題，但內容實際上是初步研究。
• 對於試驗報告的誤導性摘要（Misleading Abstracts in Reports）：摘要部分具有誤導性。
  • 例子：摘要中強調了正面結果，而實際數據顯示效果有限。
• 對於試驗結果的誤導性陳述（Misleading Statements of Results）：對結果的陳述具有誤導性。
  • 例子：在報告中聲稱藥物的副作用“極少”，但實際數據顯示副作用發生率不低。

試驗過程中的不當行為（Misconduct During Trials）:

• 數據篡改（Data Manipulation）：故意更改數據。
  • 例子：調整參與者的報告數據以符合研究者的期望。
• 偽造試驗結果（Fabricating Results）：製造虛假的試驗結果。
  • 例子：為了通過同行評審，研究者完全編造了實驗數據。
• 隱瞞不良反應（Concealing Adverse Effects）：隱藏試驗中的不良反應。
  • 例子：在報告中沒有提及幾名參與者出現了嚴重的副作用。
• 試驗者偏見（Investigator Bias）：試驗者帶有個人偏見。
  • 例子：研究者因為支持某種療法，無意識地在數據收集或解釋中引入了偏見。
• 結果選擇（Outcome Selection）：選擇性報告結果。
  • 例子：只報告支持研究假設的結果，忽略了其他無關或反對的結果。
• 忽視數據異常（Ignoring Data Anomalies）：忽略異常數據。
  • 例子：在數據分析中，直接排除了看似不合理但可能重要的異常值。
• 試驗人員培訓不當（Improper Training of Trial Staff）：試驗人員培訓不充分。
  • 例子：試驗人員在測量或記錄數據時方法不一致，因為缺乏足夠的培訓。
• 試驗人員與受試者之間的利益衝突（Conflict of Interest between Trial Staff and Participants）：試驗人員與參與者有利益衝突。
  • 例子：試驗人員從試驗成功中獲益，可能影響他們的客觀性。
• 試驗期間的試驗人員更換（Staff Turnover During Trials）：試驗期間更換人員。
  • 例子：試驗中途的主研究員更換，導致研究方法或數據記錄的變化。
• 試驗中斷的不當處理（Improper Handling of Trial Interruptions）：對試驗中斷處理不當。
  • 例子：臨時停止試驗後，沒有適當的計劃來重新開始或處理已收集的數據。
• 試驗中的非法誘導（Illegal Inducement in Trials）：使用非法手段誘導參與者。
  • 例子：用高額報酬或其他不正當手段來影響參與者的行為或報告。
• 試驗中的偏見性監控（Biased Monitoring of Trials）：監控試驗時帶有偏見。
  • 例子：監控人員可能因偏見而更關注或報告特定類型的結果。
• 試驗中的患者分類錯誤（Misclassification of Patients）：患者分類錯誤。
  • 例子：將應屬於不同疾病組的患者混淆，導致試驗結果混亂。
• 試驗過程中使用不適當的統計方法（Use of Inappropriate Statistical Methods）：使用不適當的統計分析方法。
  • 例子：選用不適合的統計測試，導致結果的誤解或誤報。
• 試驗中的試驗人員不當影響（Undue Influence by Trial Staff）：試驗人員對試驗有不當影響。
  • 例子：試驗人員可能在收集數據時暗示或影響參與者的回答。
• 試驗中的試驗人員的利益衝突（Conflict of Interest of Trial Personnel）：試驗人員的利益衝突。
  • 例子：研究人員擁有被試藥物的專利，可能影響研究的公正性。
• 操縱試驗的道德委員會（Manipulation of Ethics Committees）：操縱道德委員會。
  • 例子：通過選擇或影響道德委員會成員來通過不道德的試驗計劃。
• 試驗數據的未經授權訪問（Unauthorized Data Access）：未經授權訪問數據。
  • 例子：試驗數據被未經授權的人員查看或使用。
• 試驗中的利益誘導（Inducement of Interest）：通過利益誘導參與者。
  • 例子：用過高的報酬或利益來吸引更多參與者，可能影響試驗的可信度。
• 對於試驗地點的數據操縱（Site Data Manipulation）：操縱試驗地點的數據。
  • 例子：在不同地點的數據報告中，選擇性地呈現或修改數據以達到預期結果。
• 欺詐性數據報告（Fraudulent Data Reporting）：提交欺詐性數據報告。
  • 例子：為了獲得更多研究經費，提交了虛假或篡改的數據報告。
• 欺詐性患者報告（Fraudulent Patient Reporting）：提供虛假的患者報告。
  • 例子：參與者或醫生提供不真實的患者進展報告。
• 試驗追蹤數據篡改（Manipulation of Follow-Up Data）：篡改後續追蹤數據。
• 例子：在後續訪問中，修改或添加數據以顯示療效或安全性。

安慰劑相關（Placebo Related）:

• 使用有療效的安慰劑（Using Active Placebos）：使用具有某些藥效的安慰劑，影響試驗結果。
  • 例子：在測試鎮痛藥時，使用能緩解疼痛的安慰劑來比較藥物效果。
• 使用不匹配的安慰劑（Using Mismatched Placebos）：選用的安慰劑與實驗藥物在外觀、味道或給藥方式上不匹配，可能讓參與者察覺到分組。
  • 例子：如果安慰劑是藍色的藥丸，而實驗藥物是紅色的，參與者可能猜到自己在哪一組。
• 安慰劑效應過度或不足（Over or Under-Utilizing Placebo Effect）：對安慰劑效應的估計或應用不當，影響試驗結果的解讀。
  • 例子：低估了安慰劑效應，導致實驗藥物看起來比實際更有效。
• 安慰劑組的選擇性組成（Selective Composition of Placebo Group）：安慰劑組的參與者選擇可能有偏見，影響試驗的平衡性。
  • 例子：如果安慰劑組的成員健康狀況普遍較差，可能影響試驗的比較結果。
• 安慰劑劑量調整（Dose Adjustment of Placebo）：安慰劑的劑量不適當地調整，可能影響參與者的感知或試驗的盲法。
  • 例子：在試驗中途改變安慰劑的劑量，導致參與者可能察覺到他們在安慰劑組。
• 安慰劑的包裝與標識（Placebo Packaging and Labeling）：如果安慰劑的包裝和標識與實驗藥物不同，可能破壞盲性（blindness）
  • 例子：在一個治療高血壓的臨床試驗中，實驗藥物的藥丸是紅色的，放在藍色的瓶子裡，而安慰劑的藥丸是白色的，放在透明的瓶子裡。這樣的不同可能讓參與者從包裝顏色或藥丸顏色辨認出自己是否在接受安慰劑，從而影響他們對治療效果的主觀感知。

結果報告和解釋（Outcome Reporting and Interpretation）：

• 選擇性報導（Selective Reporting）：只報導支持特定結論的結果。
• 例子：一項藥物試驗可能只發表了顯示藥物有效的數據，但忽略了顯示無效或有副作用的數據。
• 過度強調正面結果（Overemphasizing Positive Outcomes）：過分強調正面結果。
• 例子：某研究報告可能主要描述了新藥在治療中的成功率，而對其副作用或失敗案例輕描淡寫。
• 試驗結果的過度解釋（Overinterpretation of Results）：對結果進行超越數據支持範圍的解釋。
• 例子：從初步試驗中得到小樣本的正面結果，就聲稱這藥物對所有人群都有效。
• 試驗結果的偏見性解讀（Biased Interpretation of Results）：以偏見解讀結果，支持預設假設。
• 例子：研究者可能只注意到支持他們理論的結果，忽視或解釋掉不支持的數據。
• 試驗結果的誇大宣傳（Exaggerated Promotion of Results）：過度宣傳結果以達成利益。
• 例子：一家公司可能宣傳其新產品為"革命性的突破"，但實際上試驗結果只顯示了微小的改善。
• 試驗中的試驗結果的篡改（Result Falsification）：直接篡改結果。
• 例子：一位研究者可能偽造數據來顯示其假設是正確的。
• 試驗中的試驗結果誇大（Exaggeration of Trial Results）：描述結果比實際更顯著。
• 例子：報導一種新療法提高了治癒率，但實際上提高的幅度很小。
• 試驗中的試驗結果選擇（Result Selection）：選擇性報告結果。
• 例子：只發表顯示新治療方法有效的子組結果，而忽略整體試驗的負面或無效結果。
• 試驗中的試驗結果解讀偏見（Interpretation Bias of Results）：帶有偏見地解讀結果。
• 例子：研究者可能解釋所有的數據異常為實驗誤差，而非考慮其他可能的解釋。
• 試驗中的試驗結果的選擇性解讀（Selective Interpretation of Results）：只強調支持某一觀點的部分。
• 例子：只解讀某藥物在特定年齡層有效的結果，忽略其他年齡層的數據。
• 試驗中的試驗結果的選擇性揭示（Selective Disclosure of Results）：選擇性公開結果。
• 例子：公開了試驗的成功部分，但對失敗的部分保持沉默。
• 試驗中的試驗結果的選擇性宣傳（Selective Promotion of Results）：選擇性推廣結果。
• 例子：僅推廣試驗中最佳的結果來吸引投資。
• 試驗中的試驗報告的誤導性標題（Misleading Titles in Reports）：使用誤導性標題。
• 例子：標題為“新藥治癒率90%”，但實際上只是在極少數案例中達到此數字。
• 試驗中的試驗報告的誤導性摘要（Misleading Abstracts in Reports）：摘要中選擇性報告信息。
• 例子：摘要中只提到正面結果，忽略了研究的局限性。
• 試驗中的試驗結果的誤導性陳述（Misleading Statements of Results）：使用誤導性語句。
• 例子：報告中聲稱“藥物完全安全”，但實際上報告中沒有提到副作用的數據。

利益衝突（Conflict of Interest）對於研究報告的可能影響（不算作弊）：

• 偏見性研究設計（Biased Study Design）：研究可能被設計成有利於支持某種產品或理論。
• 例子：若一家製藥公司為了推廣其新藥，研究設計中可能會選擇較少報告該藥的負面效果。
• 選擇性資料報告（Selective Data Reporting）：研究者可能只報告支持他們利益的結果，而忽略或隱瞞不利的數據。
• 例子：研究者因接受某食品公司贊助，可能只報導該公司產品對健康的正面影響，而不提及任何可能的健康風險。
• 方法學的偏見（Methodological Bias）：研究方法可能被調整以產生有利於利益方的結果。
• 例子：一個研究若由菸草公司資助，可能會選擇一種研究方法來淡化吸菸與肺癌之間的關聯。
• 試驗參與者的選擇（Participant Selection Bias）：參與者的選取可能不具代表性，以支持特定的結論。
• 例子：若研究由一家健身器材公司贊助，可能只選擇那些已經身體健康的人作為參與者，以證明其產品的效用。
• 結果的誇大或錯誤解釋（Exaggeration or Misinterpretation of Results）：研究結論可能被誇大或解釋成更有利於利益方的方式。
• 例子：一個由糖業資助的研究可能誇大糖對於運動表現的積極影響，而忽略其對健康的負面影響。
• 同行評審過程中的偏見（Bias in Peer Review Process）：利益衝突可能影響同行評審的公正性。
• 例子：如果評審者與研究者有共同的財務利益，他們可能給予更高的評分或忽略研究中的缺陷。
• 研究的資金來源不透明（Lack of Transparency in Funding Sources）：不披露研究的資金來源可能導致公眾對研究結果的信任度降低。
• 例子：一篇研究報告不提及其資金來自於化學公司，可能讓讀者誤以為該研究是獨立和客觀的。
• 影響政策制定（Impact on Policy Making）：利益衝突可能導致以偏見的研究來制定公共政策。
• 例子：一個由化石燃料公司資助的研究可能影響環境政策，低估了燃料排放對氣候變遷的影響。