Identificar y eliminar intentos fraudulentos de inscribirse en un ensayo de intervención de mejora de la salud humana en comunidades rurales
Autores: Hanson, Karla L.; Marshall, Grace A.; Graham, Meredith L.; Villarreal, Deyaun L.; Volpe, Leah C.; Seguin-Fowler, Rebecca A.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Identificar y eliminar intentos fraudulentos de inscribirse en un ensayo de intervención de mejora de la salud humana en comunidades rurales
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Internet
Research trials
Fraudulent attempts
Rural residents
Health improvement intervention
Validation methodsintervención para la mejora de la salud de los residentes rurales
Métodos de validación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
El uso de Internet para reclutar participantes en ensayos de investigación es efectivo pero puede atraer un alto número de intentos fraudulentos, especialmente a través de las redes sociales. Nos basamos en la literatura previa para identificar y eliminar rigurosamente los intentos fraudulentos al reclutar residentes rurales en un ensayo de intervención en salud comunitaria. Nuestros objetivos aquí fueron describir nuestro proceso dinámico para identificar intentos fraudulentos, cuantificar los intentos fraudulentos identificados por cada acción y hacer recomendaciones para minimizar respuestas fraudulentas. El análisis fue descriptivo. Los métodos de validación ocurrieron en cuatro fases: (1) reclutamiento y selección de elegibilidad y validación; (2) períodos de investigación que requieren mayor escrutinio; (3) limpieza de datos de línea base; y (4) validación durante la primera encuesta de seguimiento anual. Se registraron un total de 19,665 intentos de inscripción, de los cuales el 74.4% se consideraron fraudulentos. Las verificaciones automáticas de direcciones IP fuera de las áreas de estudio (22.1%) y la pantalla reCAPTCHA (10.1%) identificaron eficientemente muchos intentos fraudulentos. Los procedimientos investigativos activos identificaron la mayoría de los casos fraudulentos (33.7%) pero requirieron una interacción que consumía tiempo entre los investigadores y las personas que intentaban inscribirse. Alguna validación automatizada fue excesivamente rigurosa: el 32.1% de todas las personas que dieron su consentimiento y proporcionaron una fecha de nacimiento inválida en el seguimiento fueron contactadas activamente por los investigadores y pudieron verificar o corregir su fecha de nacimiento. Anticipamos que las respuestas fraudulentas se volverán cada vez más matizadas y adaptables dadas las recientes mejoras en la inteligencia artificial generativa. Los investigadores deberán equilibrar técnicas de validación automatizadas y activas adaptadas al tema de interés, la población reclutada y la carga aceptable para los participantes.
Descripción
El uso de Internet para reclutar participantes en ensayos de investigación es efectivo pero puede atraer un alto número de intentos fraudulentos, especialmente a través de las redes sociales. Nos basamos en la literatura previa para identificar y eliminar rigurosamente los intentos fraudulentos al reclutar residentes rurales en un ensayo de intervención en salud comunitaria. Nuestros objetivos aquí fueron describir nuestro proceso dinámico para identificar intentos fraudulentos, cuantificar los intentos fraudulentos identificados por cada acción y hacer recomendaciones para minimizar respuestas fraudulentas. El análisis fue descriptivo. Los métodos de validación ocurrieron en cuatro fases: (1) reclutamiento y selección de elegibilidad y validación; (2) períodos de investigación que requieren mayor escrutinio; (3) limpieza de datos de línea base; y (4) validación durante la primera encuesta de seguimiento anual. Se registraron un total de 19,665 intentos de inscripción, de los cuales el 74.4% se consideraron fraudulentos. Las verificaciones automáticas de direcciones IP fuera de las áreas de estudio (22.1%) y la pantalla reCAPTCHA (10.1%) identificaron eficientemente muchos intentos fraudulentos. Los procedimientos investigativos activos identificaron la mayoría de los casos fraudulentos (33.7%) pero requirieron una interacción que consumía tiempo entre los investigadores y las personas que intentaban inscribirse. Alguna validación automatizada fue excesivamente rigurosa: el 32.1% de todas las personas que dieron su consentimiento y proporcionaron una fecha de nacimiento inválida en el seguimiento fueron contactadas activamente por los investigadores y pudieron verificar o corregir su fecha de nacimiento. Anticipamos que las respuestas fraudulentas se volverán cada vez más matizadas y adaptables dadas las recientes mejoras en la inteligencia artificial generativa. Los investigadores deberán equilibrar técnicas de validación automatizadas y activas adaptadas al tema de interés, la población reclutada y la carga aceptable para los participantes.