Capítulo 8 Práticas questionáveis em pesquisa

8.1 Práticas Questionáveis em Pesquisa

8.1.1 O que são práticas questionáveis em pesquisa?

• Práticas questionáveis em pesquisa são más condutas ou comportamentos impróprios, realizados desde o planejamento até a publicação dos resultados.^55,56

8.1.2 Por que práticas questionáveis em pesquisa devem ser combatidas?

• Práticas questionáveis em pesquisa são prevalentes.⁵⁷

• Práticas questionáveis em pesquisa comprometem a integridade científica, a confiabilidade dos resultados e a confiança do público na ciência.^55,56

• Práticas questionáveis em pesquisa inflam articialmente o tamanho do efeito e poder estatístico.⁵⁶

• Práticas questionáveis em pesquisa parecem contribuir para a crise da replicação na ciência, onde muitos estudos não conseguem ser replicados ou reproduzidos.⁵⁶

8.2 Prática não intencional e má conduta

• Práticas questionáveis podem ser classificadas em más condutas e não intencionais.⁵⁸

• Más condutas são aquelas que são deliberadamente realizadas com o objetivo de enganar ou manipular os resultados, enquanto práticas não intencionais são aquelas que ocorrem devido a falta de conhecimento, treinamento inadequado ou outras razões.^REF?

• Práticas na zona cinzenta são aquelas que podem ser interpretadas de diferentes maneiras, dependendo do contexto e da intenção do pesquisador.^REF?

Tabela 8.1: Classificação das práticas questionáveis em pesquisa segundo sua intencionalidade.

Prática	Intencionalidade	Definição
Data fabrication	Má conduta	Inventar dados inexistentes
Data falsification	Má conduta	Alterar ou manipular dados reais
Fake authorship	Má conduta	Inserir autores fictícios ou inexistentes
Fake peer review	Má conduta	Criar revisões falsas para facilitar publicação
Honorary authorship	Má conduta	Incluir autores sem contribuição real
Gold authorship	Má conduta	Atribuir autoria como forma de prestígio ou recompensa
Ghost authorship	Má conduta	Omitir autores que participaram do estudo
Duplicate publication	Má conduta	Publicar o mesmo estudo em mais de uma revista
Spin (doloso)	Má conduta	Apresentar os resultados de forma a exagerar efeitos positivos
Data distortion	Má conduta	Modificar dados ou gráficos para torná-los mais convincentes
SPARKing	Má conduta	Ajustar o tamanho da amostra após a coleta dos dados para obter significância estatística
HARKing	Zona cinzenta	Criar hipóteses após ver os dados (sem pré-registro)
Storytelling	Zona cinzenta	Construir uma narrativa forçada para justificar os achados
Selective reporting	Zona cinzenta	Relatar apenas os resultados favoráveis ou positivos
P-hacking	Zona cinzenta	Testar múltiplas análises até encontrar p
Data peeking	Zona cinzenta	Analisar dados antes do término da coleta, parando quando um efeito aparece
Cherry picking	Zona cinzenta	Selecionar apenas os resultados que apoiam a hipótese
Salami slicing	Zona cinzenta	Dividir artificialmente um estudo em vários artigos para inflar publicações
Beautification	Zona cinzenta	Embelezar tabelas, gráficos ou resultados para torná-los mais atraentes
P-hacking reverso	Não intencional	Forçar análises para que não haja significância estatística
Fishing expedition	Não intencional	Procurar achados sem plano prévio
Data dredging	Não intencional	Explorar excessivamente os dados para encontrar associações irrelevantes
File drawer problem	Não intencional	Não publicar estudos com resultados negativos ou nulos
Publication bias	Não intencional	Tendência geral das revistas em favorecer publicações com resultados positivos

8.2.1 Quais práticas questionáveis podem ocorrer durante o planejamento do estudo?

• Hypothesizing After Results are Known (HARKing) consiste em formular hipóteses após a análise dos dados, o que pode levar a resultados enviesados e não replicáveis.⁵⁹

• Storytelling é a prática de criar narrativas convincentes para justificar os resultados, mesmo que não sejam suportados pelos dados.^REF?

8.2.2 Quais práticas questionáveis podem ocorrer durante a coleta de dados?

• Data falsification é a prática de manipular ou inventar dados para obter resultados desejados.^REF?

• Data fabrication é a prática de inventar dados ou resultados que nunca foram coletados.^REF?

8.2.3 Quais práticas questionáveis podem ocorrer durante a análise dos dados?

• P-hacking é a prática de manipular os dados ou análises para obter resultados estatisticamente significativos, como realizar múltiplos testes sem correção adequada.^60–62

• P-hacking reverso é a prática de manipular os dados ou análises para obter resultados não estatisticamente significativos, como realizar múltiplos testes sem correção adequada, o que pode levar a conclusões enviesadas e enganosas.⁶³

• SPARKing (Sample size Planning After the Results are Known) é uma mal prática que envolve o ajuste do tamanho da amostra após a coleta dos dados, com o objetivo de obter resultados estatisticamente significativos.⁶⁴

• Data peeking é a prática de analisar os dados repetidamente antes de completar a coleta, visando interromper a coleta quando um resultado desejado é alcançado.⁶⁵

• Fishing expedition refere-se à exploração dos dados sem uma hipótese pré-definida, o que pode levar a conclusões enganosas e enviesadas, uma vez que os resultados podem ser meramente acidentais.^{@ 61}

• Data dredging refere-se à exploração excessiva dos dados para encontrar padrões ou relações que não são teoricamente fundamentados, o que pode resultar em conclusões enganosas e enviesadas.⁶¹

• Selective reporting é a prática de relatar apenas os resultados que suportam uma hipótese específica, ignorando aqueles que não a apoiam, o que pode levar a conclusões enganosas e enviesadas.^REF?

8.2.4 Quais práticas questionáveis podem ocorrer durante a apresentação dos resultados?

• Cherry picking consiste em selecionar apenas os resultados que suportam uma hipótese específica, ignorando aqueles que não a apoiam, o que pode levar a conclusões enganosas e enviesadas.⁶¹

• Spin é a prática de apresentar os resultados de forma a enfatizar aspectos positivos ou minimizar aspectos negativos, o que pode levar a interpretações enganosas e enviesadas dos dados.^66,67

• Beautification é a prática de embelezar visualmente gráficos ou tabelas para aumentar impacto visual.^REF?

• Data distortion é a prática de modificar ou omitir informações nos dados para induzir interpretações específicas.^REF?

8.2.5 Quais práticas questionáveis podem ocorrer durante a publicação e revisão por pares?

• Honorary authorship refere-se à inclusão de autores que não contribuíram significativamente para o estudo, o que pode distorcer a atribuição de crédito e responsabilidade.⁶⁸

• Ghost authorship é a prática de não reconhecer autores que contribuíram significativamente para o estudo, o que pode distorcer a atribuição de crédito e responsabilidade.⁶⁸

• Gold authorship é a prática de atribuir autoria em troca de prestígio, recursos ou favorecimento político, independentemente da contribuição acadêmica.⁶⁸

• Fake authorship refere-se à inclusão de autores fictícios ou inexistentes em uma publicação.⁶⁸

• Fake peer review refere-se à prática de criar revisões por pares falsas ou fraudulentas para apoiar a publicação de um estudo, o que compromete a integridade do processo de revisão por pares e pode levar a conclusões enganosas.^REF?

• File drawer problem refere-se à tendência de não publicar estudos com resultados negativos ou não significativos, o que pode levar a uma visão distorcida da literatura científica e dificultar a replicação de estudos.^REF?

• Salami slicing é a prática de dividir os resultados em múltiplas publicações para aumentar o número de publicações, o que pode levar a uma má interpretação dos dados e à fragmentação do conhecimento.^REF?

• Publication bias é a tendência de publicar apenas resultados positivos ou significativos, o que pode levar a uma visão distorcida da literatura científica e dificultar a replicação de estudos.

• Duplicate publication é a prática de publicar o mesmo estudo ou resultados em mais de uma revista, o que pode levar a uma superestimação da importância dos resultados e à confusão na literatura científica.^REF?

8.3 Prevenindo práticas questionáveis em pesquisa

8.3.1 Como prevenir práticas questionáveis?

• Educação formal em integridade científica e estatística.^REF?

• Pré-registro do protocolo do estudo de ensaios clínicos (ex.: ReBEC, ClinicalTrials.gov, revisões sistemáticas (ex.: PROSPERO), ou outras plataformas (ex.: OSF).^69,70

• Planos de análise detalhados.^REF?

• Compartilhamento de dados/scripts (reprodutibilidade).^REF?

  • Dryad Digital Repository

  • figshare

  • Harvard Dataverse

  • Mendeley Data

  • Open Science Framework

  • Zenodo

• Manuscritos reprodutíveis (RMarkdown, bookdown, etc.).^REF?

• Adoção de diretrizes para redação de manuscritos (CONSORT, STROBE, PRISMA).^REF?

8.4 Reações éticas e institucionais práticas questionáveis em pesquisa

• Post-publication peer review é a prática de revisar e criticar publicações após sua publicação, o que pode levar a uma melhor compreensão dos resultados e à correção de erros, mas também pode ser usada para desacreditar estudos sem justificativa adequada.^REF?

• Corrigendum é uma correção publicada para corrigir erros ou imprecisões em um artigo já publicado, o que pode levar a uma melhor compreensão dos resultados e à correção de erros, mas também pode ser usada para desacreditar estudos sem justificativa adequada.^REF?

• Expression of concern é uma declaração emitida por uma revista científica para alertar os leitores sobre preocupações com a integridade de um estudo, sem necessariamente retirar o artigo.^REF?

• Retraction é a prática de retirar uma publicação devido a erros, fraudes ou práticas questionáveis, o que pode levar a uma melhor compreensão dos resultados e à correção de erros, mas também pode ser usada para desacreditar estudos sem justificativa adequada.^REF?

• Retraction Watch é um blog que monitora e relata casos de retratações e preocupações éticas em publicações científicas, fornecendo informações sobre práticas questionáveis e promovendo a transparência na pesquisa.^REF?

O pacote retractcheck⁷¹ fornece a função retractcheck para verificar se um artigo foi retratado usando a Open Retractions.

Citar como:
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,

Referências

55.

John LK, Loewenstein G, Prelec D. Measuring the Prevalence of Questionable Research Practices With Incentives for Truth Telling. Psychological Science. 2012;23(5):524–532. doi:10.1177/0956797611430953

56.

Bausell RB. Too Much Medicine: Not Enough Health. Em: New York: Oxford University Press; 2021:56–C3.P203. doi:10.1093/oso/9780197536537.003.0004

57.

Neoh MJY, Carollo A, Lee A, Esposito G. Fifty years of research on questionable research practises in science: quantitative analysis of co-citation patterns. Royal Society Open Science. 2023;10(10). doi:10.1098/rsos.230677

58.

Kleinert S. COPE’s retraction guidelines. The Lancet. 2009;374(9705):1876–1877. doi:10.1016/s0140-6736(09)62074-2

59.

Kerr NL. HARKing: Hypothesizing After the Results are Known. Personality and Social Psychology Review. 1998;2(3):196–217. doi:10.1207/s15327957pspr0203_4

60.

Groot AD de. The meaning of “significance” for different types of research [translated and annotated by Eric-Jan Wagenmakers, Denny Borsboom, Josine Verhagen, Rogier Kievit, Marjan Bakker, Angelique Cramer, Dora Matzke, Don Mellenbergh, and Han L. J. van der Maas]. Acta Psychologica. 2014;148:188–194. doi:10.1016/j.actpsy.2014.02.001

61.

Andrade C. HARKing, Cherry-Picking, P-Hacking, Fishing Expeditions, and Data Dredging and Mining as Questionable Research Practices. The Journal of Clinical Psychiatry. 2021;82(1). doi:10.4088/jcp.20f13804

62.

Stefan AM, Schönbrodt FD. Big little lies: a compendium and simulation ofp-hacking strategies. Royal Society Open Science. 2023;10(2). doi:10.1098/rsos.220346

63.

Chuard PJC, Vrtílek M, Head ML, Jennions MD. Evidence that nonsignificant results are sometimes preferred: Reverse P-hacking or selective reporting? PLOS Biology. 2019;17(1):e3000127. doi:10.1371/journal.pbio.3000127

64.

Sasaki K, Yamada Y. SPARKing: Sample-size planning after the results are known. Frontiers in Human Neuroscience. 2023;17. doi:10.3389/fnhum.2023.912338

65.

Armitage P, McPherson CK, Rowe BC. Repeated Significance Tests on Accumulating Data. Journal of the Royal Statistical Society Series A (General). 1969;132(2):235. doi:10.2307/2343787

66.

Horton R. The rhetoric of research. BMJ. 1995;310(6985):985–987. doi:10.1136/bmj.310.6985.985

67.

Chiu K, Grundy Q, Bero L. ‘Spin’ in published biomedical literature: A methodological systematic review. Boutron I, org. PLOS Biology. 2017;15(9):e2002173. doi:10.1371/journal.pbio.2002173

68.

Picano E. Who is the author: genuine, honorary, ghost, gold, and fake authors? Exploration of Cardiology. 2024;2(3):88–96. doi:10.37349/ec.2024.00024

69.

Nosek BA, Ebersole CR, DeHaven AC, Mellor DT. The preregistration revolution. Proceedings of the National Academy of Sciences. 2018;115(11):2600–2606. doi:10.1073/pnas.1708274114

70.

P. Simmons J, D. Nelson L, Simonsohn U. Pre-registration: Why and How. Journal of Consumer Psychology. 2021;31(1):151–162. doi:10.1002/jcpy.1208

71.

Hartgerink C, Aust F. retractcheck: Retraction Scanner.; 2025. https://github.com/chartgerink/retractcheck.