Entre Os Diversos Problemas Éticos Que Advém Da Atividade Científica

O cotidiano real da ética na ciência

A maior parte dos dilemas éticos que surgem na prática científica não tem a ver com os grandes titulares. Não são os clones, os experimentos com humanos sem consentimento ou os dados fabricados que mais aparecem nos jornais. O problema mais comum é muito mais banal e acontece todo dia em laboratórios, comitês de revisão e revistas científicas. Eu vejo isso funcionando na base, nos detalhes pequenos que as pessoas esquecem porque acham que não merecem atenção. Um deles é a pressão por publicação. Todo pesquisador sabe que o sistema premia quem produz volume. Isso gera um efeito colateral previsível: pesquisadores começam a cortar cantos. Eles usam conjuntos de dados incompletos, omitem métodos que não deram certo, ou escolhem subconjuntos de resultados que se encaixam na história que querem vender. Eu já vi isso acontecer com um colega meu que estava fazendo um estudo sobre eficácia de tratamento. Os primeiros três meses de dados não mostravam diferença significativa entre os grupos. Em vez de continuar observando, ele reportou apenas os dados do sexto mês, quando por acaso houve uma diferença estatística. Ele não mentiu. O que ele fez foi o que muita gente faz: selecionou o momento mais favorável para mostrar os números. Outro problema recorrente é a questão da autoria. Quem merece ser citado como autor de um artigo? Isso parece simples até você ter que decidir em um paper com doze nomes. Na prática, a lista de autores muitas vezes reflete hierarquia e favores, não contribuição real. Eu já precisei resolver uma situação em que um postdoc foi colocado como segundo autor apesar de não ter participado da concepção do estudo. O orientador principal exigiu porque havia uma "troca de favores" anterior com outro grupo de pesquisa. A publicação foi aceita. O problema é que a comunidade científica passou a tratar aquele trabalho como se fosse da autoridade daquele segundo autor, quando na verdade ele não tinha feito nada além de assinar o nome.

A transparência de dados é outro campo minado. Muitas revistas exigem que os dados brutos sejam disponibilizados, mas na realidade eles simplesmente não são entregues. Ou são entregues de forma incompleta. Eu lembro de uma submissão minha que foi solicitada para revisão por pares e o revisor pediu acesso aos dados. Eu forneci tudo, incluindo os códigos R que eu tinha usado. Em duas semanas, ele devolveu o parecer dizendo que havia um erro de codificação nos dados. Era verdade. Eu tinha cometido um erro simples de indexação. Se eu não tivesse fornecido os dados abertos, esse erro jamais seria descoberto. Desde então, eu nunca mais submeto algo sem antes fazer uma auditoria dos próprios dados com um colega de confiança. Tem também a questão do conflito de interesses financeiro. Isso é especialmente complicado em pesquisas ligadas à indústria farmacêutica. Um estudo que eu acompanhei mostrou que medicamentos similares eram mais eficazes do que os tratamentos existentes, mas a pesquisa tinha sido financiada integralmente por uma empresa do setor. Quando perguntei ao pesquisador responsável sobre possíveis vieses na seleção dos medicamentos testados, ele me disse que a empresa escolheu quais genéricos seriam comparados. Ele não teve controle sobre isso. Ele só analisou os dados que recebeu. O estudo foi publicado e gerou recomendações de tratamento, mas anos depois descobriu-se que os medicamentos testados eram justamente aqueles que a empresa fabricava em menor escala.

Como lidar com isso na prática

Não existe solução perfeita, mas existem práticas que reduzem significativamente os riscos. A primeira é o registro prévio dos estudos. Antes de coletar qualquer dado, você registra no sistema público qual é a hipótese, o desenho experimental e os desfechos principais. Isso impede que alguém mude as regras do jogo depois que os dados já estão na mão. Eu tenho meus registros no OSF, e sempre uso. Mesmo que ninguém peça para ver depois, pelo menos sei que não vou me esquecer do que planejei originalmente. A segunda prática é a documentação detalhada do processo decisório. Quando você precisa fazer uma escolha ética duvidosa — e você vai fazer, com certeza —, anote o que pensou, por quê e quais alternativas considerou. Isso parece burocrático, mas quando surge uma contestação anos depois, essa documentação é o que protege você e seu grupo. Eu perdi um projeto de pesquisa porque não tinha documentado uma decisão que tomei sobre exclusão de participantes. O comitê de ética questionou a escolha, e eu não tinha como provar que tinha considerado outras opções. A terceira coisa é a independência na análise estatística. Sempre que possível, tenha uma pessoa fora do projeto analisando os dados. Não alguém da mesma instituição. Alguém que não tenha interesse no resultado. Isso elimina uma camada inteira de tentação. Eu fiz isso em um estudo recente e descobriu-se que uma variável que achávamos importante era completamente irrelevante quando analisada com outro método. Sem a revisão externa, aquilo teria virado um achado no artigo.

Há ainda a questão da comunicação pública dos resultados. Quando um estudo mostra algo contraintuitivo ou potencialmente perigoso, a responsabilidade ética inclui não apenas publicar, mas explicar claramente as limitações. Muitas vezes os pesquisadores publicam e deixam para a imprensa ou para as redes sociais que façam a adaptação. Eu já vi casos em que um estudo sobre alimentação saudável foi interpretado como "comer X previne Y" quando na verdade o estudo original mostrava apenas uma correlação fraca em um grupo específico. O pesquisador responsável nem se deu ao trabalho de ler a notícia. Ele só assinou o artigo e torceu. O problema mais difícil, talvez, é a reprodução de estudos. A ciência funciona com base na reprodutibilidade, mas cada vez mais estudos importantes não conseguem ser replicados. Não por má-fé, mas porque os métodos não são descritos com detalhes suficientes. Eu já passei horas tentando reproduzir um experimento que li em uma revista de alto impacto e descobri que o artigo omitia três passos críticos do protocolo. Quando finalmente consegui entrar em contato com o autor, ele me disse que não se lembrava mais exatamente do que tinha feito. Isso é um problema ético mesmo, porque toda a estrutura da ciência depende de que outros possam verificar o que foi feito.

O que não funciona

Comitês de ética são necessários, mas não resolvem tudo. Eu já vi comitês aprovarem projetos que eu pessoalmente considerava problemáticos. Às vezes, os membros dos comitês não têm formação suficiente na área específica do estudo. Em outros casos, eles dependem exclusivamente do relato do pesquisador e não conseguem avaliar se o que foi descrito é suficiente ou coerente. Isso não significa que os comitês devam ser abolidos. Significa que você não pode confiar cegamente na aprovação de um comitê como garantia de que o estudo está eticamente sólido. A revisão por pares também tem limitações sérias. Revisores não verificam dados brutos. Eles confiam no que os autores dizem que fizeram. Se os dados forem fraudulentos ou os métodos mal descritos, o revisor provavelmente não vai notar. Eu já revisei artigos e percebi depois que o estudo tinha problemas metodológicos sérios. Na época da revisão, eu não tinha acesso aos dados e confiei nas descrições fornecidas. Isso me ensinou a ser mais rigoroso com solicitações de dados complementares quando estou revisando. Existem também dilemas que não têm resposta certa. Por exemplo, estudos com populações vulneráveis — crianças, presos, pessoas com deficiência cognitiva. Esses grupos precisam participar da pesquisa para que os resultados sejam aplicáveis a eles, mas ao mesmo tempo há um risco maior de exploração. Não há consenso claro sobre como equilibrar isso. Eu já participei de um estudo com pacientes psiquiátricos e passamos semanas discutindo se o consentimento deles era verdadeiramente informado. No final, decidimos que sim, mas a discussão me deixou incomodado por meses.

O grande problema é que a ética na ciência não é um checklist que você marca e segue em frente. É algo que você precisa reconsiderar a cada nova decisão, a cada novo dado, a cada novo colaborador. E o sistema atual, baseado em pressão por publicação e financiamento competitivo, cria incentivos perversos que tornam essa reconsideração constante ainda mais difícil.