Artigo ORIGINAL: Dados duplicados, incorretos e fraudulentos na Medicina Inteligente

Por Ricardo Costa Val do Rosario e ChatGPT 5.0 Plus

Como e Porque Detectar, Mitigar e Governar Riscos de Qualidade e Integridade de Dados Clínicos?

1. 
- Decisões clínicas e regulatórias dependem de dados íntegros; 
- vieses ou fraudes podem causar dano direto ao paciente e manchar linhas de pesquisa por anos.

2. 
- Modelos de IA amplificam erros: 
- Duplicatas “pesam” mais um padrão inexistente; 
- Outliers não-validados “ensinam” comportamentos clínicos falsos; 
- Fraudes contaminam o dataset e a literatura.

3. Conformidade 
ISO 13485/14971, 
RDCs/ANVISA
Boas práticas de pesquisa exigem trilha de auditoria e validação de dados.

Tipos de problemas (e como pensar neles)

1.	Duplicados (record linkage imperfeito, múltiplas fontes, reenvio de laudos\0 Porque é grave?
- distorce estatística, 
- “super-representa” desfechos. 

- Detecção direta com duplicated()

- Remoção com drop_duplicates() quando não há justificativa clínica para repetição do caso reduz viés do modelo. 

 2.	Dados incorretos (erros de medição, digitação, unidades erradas)
- Estratégia:
- validar faixas fisiológicas, consistência temporal (ex.: alta antes da admissão = erro) 
- Verificação de unidades (mmHg vs kPa).

 3.	Outliers e Candidatos a outliers via IQR: 
- limites em Q1 - 1.5*IQR e Q3 + 1.5*IQR para marcar observações atípicas. 
- Não é para “cortar tudo”; decisão depende do contexto clínico. 

- Quando remover: 
- se forem erros claros de medição/entrada e não for possível imputar corretamente; 
- se forem extremos válidos (p.ex., CK altíssima em rabdomiólise), não remover. 

- Fraude como outlier: 
IQR é útil para sinalizar atividades incomuns (p.ex., transações/medições “fora de curva”) 
para auditoria, não como veredito de fraude. 

Exemplos de Casos

1. Estudo de vacina e autismo (revogado)
- Problema: 
- manipulação e seleção indevida de amostras, 
 - conflitos não-declarados;
 - influência duradoura na hesitação vacinal.

- Lição técnica: 
auditoria de protocolo, pré-registro, reprodutibilidade e checagens independentes de dados brutos.

2.	Cirurgias experimentais com resultados fabricados
- Problema: 
- desfechos e prontuários contestados, inconsistências temporais e clínicas.

- Lição técnica: 
- validações cruzadas (EHR, registro cirúrgico, mortalidade),
- trilha de auditoria e comitês de ética atuantes.

 3.	Ensaios anestésicos com padrões estatísticos implausíveis
- Problema: dezenas de RCTs com distribuições “perfeitas” 
- variâncias estreitas pouco realistas.

- Lição técnica: 
- forense estatística (p-val hacking, variância homogênea demais, dígitos finais),
- política clara de disclosure + retratações rápidas.

Pipeline mínimo de saneamento + detecção em JSON

1) Esquema de dados clínicos (tipos, units, ranges, obrigatoriedade)

"schema"

{
    "patient_id": {"type": "string", "required": true},
    "admission_timestamp": {"type": "datetime", "required": true, "tz": "America/Sao_Paulo"},
    "discharge_timestamp": {"type": "datetime", "required": false},
    "age_years": {"type": "number", "min": 0, "max": 120, "required": true},
    "hr_bpm": {"type": "number", "min": 20, "max": 260, "required": false, "unit": "bpm"},
    "sbp_mmHg": {"type": "number", "min": 40, "max": 300, "required": false, "unit": "mmHg"},
    "ck_uL": {"type": "number", "min": 0, "max": 100000, "required": false, "unit": "U/L"}
  }
}

2) Regras de duplicidade (níveis e chaves compostas)

(base conceitual: duplicated()/drop_duplicates() do Pandas para reduzir viés e melhorar desempenho do modelo)

{
  "duplicate_rules": {
    "level": "strict",
    "keys": ["patient_id", "admission_timestamp", "discharge_timestamp"],
    "action_if_duplicate": "drop",
    "exceptions": {
      "allow_same_patient_multi_admission": true,
      "window_minutes": 10,
      "note": "Permite reenvio técnico do mesmo evento em curto intervalo"
    }
  }
}

3) IQR Outliers (sinalização, não exclusão cega)

(método de IQR e limites inferior/superior; decisão clínica contextual — “quando remover”)

{
  "outlier_detection": {
    "method": "IQR",
    "columns": ["hr_bpm", "sbp_mmHg", "ck_uL"],
    "iqr_factor": 1.5,
    "tag_only": true,
    "flag_field": "is_outlier_iqr",
    "route": "manual_review",
    "notes": "Outlier clínico pode ser evento real (ex.: choque, rabdomiólise); revisar antes de excluir."
  }
}