Legal Remedies for Medical Ghostwriting: Imposing Fraud Liability on Guest Authors of Ghostwritten Articles
Notice bibliographique
Résumé
Ghostwriting and guest authorship of medical journal articles raise serious ethical and legal concerns, bearing on the integrity of medical research and evidence used in legal disputes. Ghostwriting involves undisclosed authorship, usually by medical communications agencies or a pharmaceutical sponsor of the published research; guest authorship involves taking authorial credit for the published work without making a substantial contribution to it. Commentators have objected to these practices because of concerns involving bias in ghostwritten clinical trial reports and review articles. We also note the effects of ghostwritten articles on questions involving the legal admissibility of scientific evidence. Efforts to curb ghostwriting practices, undertaken by medical journals, academic institutions, and professional disciplinary bodies, have thus far had little success and show little promise. These organizations have had difficulty adopting and enforcing effective sanctions, for specific reasons relating to the interests and competencies of each kind of organization. Because of those shortcomings, a useful deterrent in curbing the practice may be achieved through the imposition of legal liability on the ‘guest authors’ who lend their names to ghostwritten articles. We explore the doctrinal grounds on which such articles might be characterized as fraudulent. A guest author’s claim for credit of an article written by someone else constitutes legal fraud, and may give rise to claims that could be pursued in a class action based on the Racketeer Influenced and Corrupt Organizations Act (RICO). The same fraud could support claims of “fraud on the court” against a pharmaceutical company that has used ghostwritten articles in litigation. This doctrine has been used by the U.S. Supreme Court to impose sanctions on the authors and corporate sponsors of a ghostwritten article. We discuss the potential penalties associated with each of these varieties of fraud.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,069 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,023 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,028 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».