今年早些時候,《柳葉刀》撤回關於氯喹對新冠無療效的論文,引起了學界的廣泛關注。該論文稱,氯喹或羥氯喹與新冠肺炎患者死亡率更高和心臟問題增加有關。這一結論曾促使世界衛生組織叫停羥氯喹治療新冠的試驗。這起撤稿事件被認為是「迄今為止關於新冠肺炎研究最大的科學醜聞之一」。
柳葉刀原論文
事件回顧
5月22日,《柳葉刀》發表研究「Hydroxychloroquine or chloroquine with or without a macrolide for treatment of COVID-19:a multinational registry analysi」顯示羥氯喹/氯喹單藥或與大環內酯聯用對Covid-19住院患者無益處,反而增加了患者的死亡風險。
該研究基礎數據來自美國一家健康數據分析公司Surgisphere,該公司號稱收集了來自六大洲、671家醫院的96032 名住院患者相關數據。該項研究結果導致世界衛生組織宣布暫停全球範圍內探索新冠病毒療法的「團結試驗」項目中與羥氯喹有關的分支試驗。
6月4日,《柳葉刀》發布了該論文的撤稿聲明,4位作者中的3位提出要求撤回論文,理由是「無法完成對分析數據的獨立審查,不能再保證原始數據源的準確性了」。唯一放棄提出撤回論文要求的作者正是Surgisphere公司的創始人之一薩班•德賽(Sapan Desai)。
很快,《新英格蘭醫學雜誌》(NEJM)也以相同的理由撤回了一篇使用Surgisphere公司數據的論文「Cardiovascular Disease, Drug Therapy, and Mortality in Covid-19 」,引發學界廣泛呼籲關注論文數據信息質量的真實性。
一家名不見經傳的小公司卻鬧出個「世界級的」大事件。該撤稿事件在科研圈投下的石子產生一波又一波的漣漪。隨著最初的震驚逐漸消退,學界開始反省該事件的成因,並思考如何防治其再次發生。新冠肺炎疫情期間,不少學術期刊對相關論文開闢了快速審稿通道,最快的從論文提交到發表僅用48小時。非營利性組織「透明國際」(Transparency International)健康倡議負責人雷切爾•庫珀(Rachel Cooper)表示,疫情產生的緊迫感無疑是原因之一。但在理論上本是可以避免的。
在發表和撤稿之間的13天裡,許多科學家曾寫信給期刊,質疑在短時間內從數百家醫院收集高質量電子醫學數據的真實性。期間《柳葉刀》一度發現了問題,在發表了一份簡短更正,修訂了來自澳大利亞的數據後,仍然堅持該研究結論的正確,為該論文發表開了綠燈。
撤稿事件後,《柳葉刀》對論文投稿提出了新要求,包括對同行評審和稿件接收要求的修改。
這些變化包括:
此外,《新英格蘭醫學雜誌》也表示,計劃在未來的類似研究中引入在大數據方面更加專業的評審人員。
除了期刊方面的責任外,庫珀指出,此次事件造成的驚人影響取決於多個方面。薩班•德賽及其Surgisphere公司的不專業;僱用Surgisphere公司的機構、其他合著者忽視了數據可能存在問題的風險警告;同行評審遺漏了數據集存在的主要問題;以及根據這項研究發布公共衛生決策的組織都難辭其咎。
層層監管的缺失導致了這場醜聞上演了一場「完美風暴」。如果說以上這些機構的過失在於「不為」。令人意外的是,與此相對應的監管機構的「有為」也是造成這次「風暴」的推手之一。
5月22日,論文發表的幾小時內,監督羥氯喹研究的組織就做出了快速反應。在MHRA臨床試驗部門的負責人馬丁•奧凱恩(Martin O'Kane)寫信給COPCOV的組織者說,應該立即停止招募試驗者。三天後,世衛組織速度「跟上」,宣布暫停其團結試驗中的羥氯喹試驗。撤稿後,MHRA曾在一份聲明中表示,MHRA正確地作出了監管決定,參與者保護是我們最關心的問題。對該事件,整個研究系統都會吸取教訓。
COPCOV的聯合首席研究員、MORU的尼克•懷特(Nick White)認為,國家監管機構對《柳葉刀》的研究做出的「戲劇性」反應,都是「迫於巨大的政治壓力和輿論而屈服的」。
雖然世衛組織迅速恢復了羥氯喹的相關測試,但是對於那些直接受到影響的人來說,這些影響遠不止學術層面。7月,非營利組織非洲急診醫學聯合會曾與Surgisphere公司合作,為低資源環境下的臨床醫生開發新冠肺炎診斷輔助工具,目前該工作至少推遲了6個月,這是非洲患者將要承受的代價。與此同時,團結試驗調查員、秘魯前衛生部長帕特裡夏•加西亞(Patricia García)表示憤怒,因為以秘魯的狀況非常需要有應對新冠肺炎的新藥方面的突破。
雪崩之後,沒有一片雪花是無辜的。即便有一些科學家爭辯說,科研中的一些缺陷不可避免,這些是加速科學進步「必然」產生的代價。但是就像加西亞所說,當人們知道科學家可以撒謊,誰還會相信我們?
參考文獻:
https://www.thelancet.com/action/showPdf?pii=S0140-6736%2820%2931958-9