Rejeição editorial direta em periódicos biomédicos: como diagnosticar o problema, corrigir o manuscrito e usar IA com responsabilidade

Uma rejeição editorial direta ocorre quando um editor recusa um manuscrito antes de enviá-lo para revisão por pares externa. É comum, sobretudo em periódicos biomédicos seletivos. Um editorial de Parasites & Vectors relatou uma taxa de rejeição pré-revisão de 39% para aquele periódico e citou uma taxa de 78% para o JAMA Internal Medicine em 2017. Esses números não se aplicam a todos os periódicos, mas mostram que a triagem editorial pode ser uma barreira mais imediata do que a revisão por pares. (Dantas-Torres, 2022)

Os autores muitas vezes interpretam uma rejeição editorial direta como prova de que o estudo é cientificamente fraco. Essa conclusão nem sempre se justifica. Durante a triagem inicial, um editor em geral considera um conjunto mais estreito de perguntas:

• O manuscrito se encaixa no escopo do periódico?
• A contribuição é pertinente aos leitores do periódico?
• O resultado principal está claro a partir do título e do resumo?
• Já são visíveis problemas metodológicos graves?
• O manuscrito segue as exigências de relato e de submissão do periódico?
• As referências, declarações, figuras e arquivos suplementares são confiáveis?
• O artigo parece pronto para os revisores avaliarem?

Um estudo pode conter dados válidos e ainda assim falhar em uma dessas verificações. A resposta correta não é submeter o mesmo arquivo de imediato a outro periódico. Primeiro determine se o problema diz respeito ao periódico escolhido, ao manuscrito, ao estudo de base, ou ao pacote de submissão. Cada problema exige uma correção diferente.

O que significa uma rejeição editorial direta?

Uma rejeição editorial direta também pode ser chamada de rejeição editorial, rejeição pré-revisão, rejeição na triagem inicial, ou rejeição sem revisão externa.

A decisão em geral é tomada por um editor-chefe, um editor responsável, um editor de seção, ou uma equipe editorial. Conforme o periódico, o editor pode examinar apenas o título, o resumo, a carta de submissão e os arquivos enviados, ou pode fazer uma revisão rápida do manuscrito completo.

Razões comuns relatadas por editores biomédicos incluem:

• Descompasso com o escopo do periódico
• Pertinência limitada ao público do periódico
• Novidade ou prioridade insuficientes
• Desenho de estudo inadequado ou incompleto
• Informação metodológica ausente
• Relato de dados fraco
• Aprovação ética ou registro de ensaio ausentes
• Figuras ou tabelas mal preparadas
• Linguagem que impede uma avaliação acurada
• Plágio, similaridade textual excessiva, ou publicação redundante
• Descumprimento das instruções de submissão do periódico

O Pakistan Journal of Medical Sciences, por exemplo, lista descompasso de escopo, referências antigas, aprovação ética ausente, ensaios clínicos não registrados, linguagem fraca, e descumprimento das instruções aos autores entre as razões pelas quais manuscritos podem ser recusados durante a triagem inicial. (Jawaid e Jawaid, 2019)

Uma rejeição editorial direta não prova que a análise está incorreta ou que o estudo não tem valor. Mostra que o manuscrito não forneceu evidência suficiente de pertinência, clareza, credibilidade metodológica ou conformidade para justificar a revisão externa.

Diagnosticar a rejeição antes de revisar o manuscrito

Comece pela carta de decisão. Ignore formulações padrão como:

Agradecemos por considerar o nosso periódico. Recebemos mais manuscritos do que podemos publicar.

Essa frase não identifica o problema. Procure a parte que se refere especificamente à sua submissão.

Não presuma que “fora do nosso escopo” significa que o artigo deve ser enviado para outro lugar sem revisão. O título e o resumo podem ter representado o estudo mal, ou o próximo periódico pode exigir uma ênfase diferente, uma estrutura de artigo, um checklist de relato e uma carta de submissão diferentes.

1. Determine que tipo de problema você tem

Antes de editar frases individuais, classifique a falha.

Um problema de escolha de periódico

O manuscrito não coincide com o escopo, o público, a seletividade ou os tipos de estudo aceitos pelo periódico.

Exemplos incluem:

• Um estudo de prevalência em centro único submetido a um periódico que prioriza pesquisa clínica multicêntrica
• Um relato de caso submetido a um periódico que raramente publica relatos de caso
• Um modelo diagnóstico tecnicamente válido submetido a um periódico médico geral sem evidência de utilidade clínica
• Um inquérito de saúde pública de foco local submetido a um periódico internacional que exige aplicabilidade mais ampla
• Uma revisão narrativa submetida a um periódico que aceita apenas revisões sistemáticas

Melhorar a gramática não resolve um problema de escolha de periódico. A correção primária é escolher um periódico que publique o tipo de evidência que você produziu.

Um problema de manuscrito

O estudo pode ser adequado, mas o manuscrito não o explica com clareza.

Sinais típicos incluem:

• O título identifica a doença, mas não a contribuição.
• O resumo descreve o procedimento, mas não relata o resultado principal.
• A introdução apresenta um problema clínico amplo, mas nenhuma lacuna de conhecimento específica.
• A contribuição é descrita com palavras sem suporte como “novo,” “robusto” ou “eficaz.”
• A seção de resultados não relata tamanhos de efeito ou incerteza.
• A discussão exagera as implicações clínicas.
• A terminologia muda entre o resumo, os métodos e os resultados.
• As figuras são difíceis de interpretar.
• As conclusões não coincidem com o desfecho primário.

Esses problemas exigem revisão do manuscrito, e não um experimento novo.

Um problema de estudo

O desenho, os dados, a análise ou a evidência não conseguem sustentar a conclusão principal.

Exemplos incluem:

• Um estudo diagnóstico não tem um padrão de referência adequado.
• Um modelo preditivo é avaliado apenas nos dados usados para desenvolvê-lo.
• Um desenho caso-controle é apresentado como se estimasse a prevalência populacional.
• Uma associação retrospectiva é descrita como um efeito causal.
• Um ensaio clínico não foi registrado prospectivamente.
• O desfecho primário foi alterado sem explicação.
• A amostra é pequena demais para as análises de subgrupo propostas.
• Dados faltantes são ignorados sem justificativa.
• Um modelo diagnóstico relata apenas acurácia apesar de desequilíbrio substancial de classes.
• Um tratamento é descrito como clinicamente benéfico com base apenas em um biomarcador laboratorial.
• Um modelo desenvolvido em um hospital é descrito como generalizável sem validação externa.

Uma carta de submissão nova não corrige esses problemas. O estudo pode exigir análise adicional, coleta de dados complementar, validação externa, afirmações reduzidas, ou uma pergunta de pesquisa diferente.

Um problema de pacote de submissão

O manuscrito pode ser adequado, mas a submissão enviada viola uma exigência.

Exemplos incluem:

• Aprovação ética ausente
• Declaração de consentimento informado ausente
• Número de registro de ensaio clínico ausente
• Categoria de artigo incorreta
• Checklist de relato ausente
• Declaração de disponibilidade de dados ausente
• Declarações de autoria incompletas
• Figuras enviadas no formato errado
• Informação identificadora deixada em um manuscrito cegado
• Referências que não seguem o estilo exigido
• Métodos suplementares ausentes
• Falha em declarar manuscritos ou preprints relacionados
• Declaração de uso de IA ausente quando exigida

Essas falhas em geral são evitáveis.

2. Verifique se o periódico é de fato um encaixe

Ler os objetivos e o escopo do periódico é necessário, mas não basta. Os enunciados de escopo muitas vezes são amplos. As publicações recentes mostram quais temas, desenhos de estudo e níveis de contribuição os editores de fato selecionam.

Abra os dois números mais recentes do periódico e examine pelo menos 15 artigos de pesquisa. Registre:

• Especialidade médica
• Pergunta clínica ou biológica
• Desenho do estudo
• População
• Tamanho amostral
• Desfecho primário
• Tipo de contribuição
• Alcance geográfico
• Categoria de artigo
• Nível de significância clínica ou científica

Depois compare essas características com o seu manuscrito.

Uma pontuação prática de adequação ao periódico

Atribua 0, 1 ou 2 pontos em cada categoria.

Uma pontuação baixa não significa que o estudo carece de valor científico. Significa que o periódico provavelmente não reconhecerá esse valor.

Exemplo biomédico

Suponha que você completou um estudo transversal de adesão a medicamentos entre 180 pacientes atendidos em uma clínica ambulatorial de diabetes.

O estudo pode ser útil para a melhoria do serviço local. No entanto, pode ser um encaixe fraco para um periódico médico geral que publica sobretudo ensaios multicêntricos, coortes nacionalmente representativas, e estudos que mudam a prática clínica.

Um periódico de educação em diabetes, prática farmacêutica, saúde pública regional ou qualidade em saúde pode ser um encaixe melhor.

Não fabrique pertinência mais ampla afirmando que uma clínica representa todos os pacientes com diabetes. Selecione um periódico cujo público precisa da evidência que você de fato coletou.

3. Torne visíveis a lacuna de pesquisa e a contribuição

Os editores não conseguem inferir a contribuição a partir do tempo gasto coletando dados. Eles avaliam a afirmação científica apresentada no manuscrito.

Antes de revisar a introdução, responda a quatro perguntas:

1. O que já se sabe?
2. O que permanece incerto?
3. O que este estudo examinou ou mudou?
4. Por que a resposta importa?

Um enunciado de contribuição útil segue esta estrutura:

Estudos anteriores mostraram [conhecimento estabelecido], mas [incerteza ou limitação específica] permanece sem resolução. Portanto [ação precisa do estudo] em [população ou contexto]. Encontramos [resultado principal], o que indica [significado científico ou clínico delimitado].

Exemplo fraco

A sepse é um problema importante de saúde global. Vários modelos de aprendizado de máquina foram desenvolvidos para predizer sepse. Este estudo propõe um modelo de inteligência artificial novo e robusto para a predição precoce de sepse.

Problemas:

• “Importante” não acrescenta informação específica.
• “Vários modelos” não identifica a limitação no trabalho anterior.
• “Novo” é afirmado em vez de demonstrado.
• “Robusto” não está definido.
• A população e o contexto de validação estão ausentes.
• O propósito clínico não está claro.

Exemplo biomédico mais sólido

Modelos existentes de predição de sepse relataram alta discriminação durante a validação interna, mas o desempenho muitas vezes cai quando são avaliados em hospitais que não estavam representados durante o desenvolvimento do modelo. Validamos externamente um modelo de prontuário eletrônico em pacientes adultos de terapia intensiva de três hospitais independentes. A discriminação caiu de uma área sob a curva ROC de 0,86 na coorte de desenvolvimento para entre 0,71 e 0,75 nas coortes externas, indicando transportabilidade limitada sem recalibração local.

Esta versão enuncia:

• O que os estudos anteriores estabeleceram
• O que permaneceu incerto
• O que o estudo fez
• O que foi encontrado
• O que o resultado significa

Ela não afirma que o modelo melhora os desfechos dos pacientes porque o estudo não testou a implementação clínica.

4. Faça coincidir a força da afirmação com a evidência

Muitos manuscritos biomédicos são rejeitados porque a conclusão é mais forte do que o desenho permite.

Conclusão fraca

O biomarcador pode ser usado para melhorar o diagnóstico precoce de câncer.

Conclusão mais acurada

O biomarcador distinguiu pacientes com câncer confirmado de controles nesta amostra retrospectiva de caso-controle. Avaliação prospectiva em uma população clinicamente representativa é necessária antes que a sua utilidade diagnóstica possa ser estabelecida.

A precisão não enfraquece um artigo. Mostra que os autores entendem o que a evidência consegue e não consegue sustentar.

5. Teste o título e o resumo

Os editores muitas vezes formam o julgamento inicial a partir do título, do resumo e da carta de submissão. Essas seções precisam relatar a contribuição e o resultado, não só o assunto.

O teste do resultado em uma frase

Dê o título e o resumo a um colega que não conduziu o estudo. Pergunte:

O que este estudo encontrou?

Uma resposta fraca soa assim:

Os autores estudaram vitamina D e infecções respiratórias.

Isso identifica apenas o tema.

Uma resposta útil soa assim:

Em uma coorte prospectiva de adultos mais velhos, uma concentração basal mais baixa de vitamina D se associou a mais infecções respiratórias, mas a associação se enfraqueceu após o ajuste para fragilidade e doença crônica.

Isso identifica o achado e uma qualificação importante.

Quando o leitor consegue descrever apenas o que você estudou, revise o resumo.

Use uma estrutura de resumo em cinco partes

Um resumo biomédico claro deveria normalmente conter:

1. Problema clínico ou científico: Que problema específico motivou o estudo?
2. Lacuna de conhecimento: O que não se sabia?
3. Métodos: Que desenho, população, exposição, intervenção ou teste foi usado?
4. Resultados: O que foi encontrado?
5. Interpretação: O que o resultado sustenta?

Os resultados deveriam incluir evidência quantitativa quando apropriado:

• Número de participantes
• Tamanho de efeito
• Intervalo de confiança
• Sensibilidade e especificidade
• Diferença absoluta de risco
• Hazard ratio ou risk ratio
• Medida de calibração
• Diferença em relação ao grupo de comparação
• Taxa de eventos adversos
• Taxa de dados faltantes
• Desempenho na validação externa

Frase de resultado fraca

A intervenção melhorou significativamente a recuperação dos pacientes.

Frase de resultado mais sólida

O tempo mediano até a alta hospitalar foi de 5,2 dias no grupo de intervenção e de 6,1 dias no grupo controle, uma diferença ajustada de −0,8 dias (intervalo de confiança de 95%, −1,3 a −0,2).

A frase mais sólida diz ao editor:

• Qual desfecho mudou
• Quanto mudou
• Em qual direção
• Quão incerta é a estimativa

Não use “significativo” como substituto de relatar o resultado.

6. Inspecione problemas metodológicos que um editor consegue ver rapidamente

Um editor pode não reproduzir a sua análise durante a triagem, mas vários problemas são visíveis a partir do resumo ou de uma revisão rápida dos métodos.

Antes da submissão, confirme que o manuscrito responde às seguintes perguntas.

Pergunta de pesquisa e desenho

• A pergunta de pesquisa primária está explícita?
• O desenho selecionado responde a essa pergunta?
• O desfecho primário está definido?
• A análise primária foi pré-especificada?
• O estudo é exploratório, confirmatório, diagnóstico, prognóstico ou causal?
• A linguagem reflete esse propósito?

População e amostragem

• A população-fonte está descrita?
• Os critérios de inclusão e exclusão estão justificados?
• O período de recrutamento está relatado?
• A amostra é clinicamente representativa?
• O cálculo ou a justificativa do tamanho amostral está fornecido?
• O fluxo de participantes está relatado?

Ensaios clínicos

• O ensaio foi registrado antes de o primeiro participante ser incluído?
• O número de registro está relatado?
• Os desfechos registrados e os publicados coincidem?
• Os procedimentos de alocação, cegamento e randomização estão descritos?
• Os danos estão relatados?

O International Committee of Medical Journal Editors recomenda o registro de ensaios clínicos em um registro público no momento ou antes de o primeiro participante dar consentimento para a inclusão. A aprovação ética não substitui o registro prospectivo do ensaio. (orientação do ICMJE sobre registro de ensaios clínicos)

Estudos diagnósticos e preditivos

• O padrão de referência é adequado?
• Os avaliadores do teste-índice estavam cegos ao padrão de referência?
• O contexto clínico é representativo do uso pretendido?
• Discriminação e calibração estão ambas relatadas?
• Foi realizada validação externa?
• Os valores faltantes foram tratados de forma adequada?
• O limiar de decisão está justificado?
• O desempenho foi comparado com a prática clínica atual?

Para modelos clínicos de predição, a declaração TRIPOD+AI oferece orientação atualizada de relato para métodos de regressão e de aprendizado de máquina.

Análise estatística

• Os tamanhos de efeito são relatados com incerteza?
• Os intervalos de confiança estão incluídos?
• Os pressupostos dos testes estatísticos são tratados?
• O teste múltiplo é tratado de forma adequada?
• As análises de subgrupo são pré-especificadas?
• Os dados faltantes são relatados e geridos?
• As análises de sensibilidade são explicadas?
• As tabelas contêm os valores necessários para verificar as afirmações?

Não esconda uma limitação importante atrás de linguagem geral. Enuncie-a e reduza a afirmação de acordo.

7. Use a diretriz de relato biomédico correta

Uma diretriz de relato não repara um desenho de estudo fraco depois da coleta de dados. Ajuda os autores a relatar o que foi feito com clareza e por completo.

A EQUATOR Network mantém uma coleção pesquisável de diretrizes de relato em pesquisa em saúde. Exemplos comuns incluem:

• CONSORT: Ensaios clínicos randomizados
• STROBE: Estudos observacionais
• PRISMA: Revisões sistemáticas e metanálises
• STARD: Estudos de acurácia diagnóstica
• TRIPOD+AI: Modelos clínicos de predição usando regressão ou aprendizado de máquina
• CARE: Relatos de caso
• COREQ: Estudos qualitativos de entrevista e grupo focal
• ARRIVE: Pesquisa com animais
• SPIRIT: Protocolos de ensaio clínico
• PRISMA-P: Protocolos de revisão sistemática

A EQUATOR Network organiza esses recursos por tipo de estudo e especialidade.

Complete o checklist pertinente antes da submissão. Para cada item do checklist:

1. Identifique onde a informação aparece no manuscrito.
2. Acrescente a informação ausente quando ela estiver disponível.
3. Enuncie quando um item não se aplica.
4. Não afirme conformidade quando a informação exigida está ausente.
5. Envie o checklist completo quando for pedido.

8. Faça uma verificação literal de conformidade da submissão

Abra as instruções aos autores do periódico e crie uma lista de cada exigência contendo palavras como:

• “Deve”
• “Obrigatório”
• “Mandatório”
• “Deve incluir”
• “Espera-se que os autores”

Verifique os arquivos reais que serão enviados, não a sua memória do manuscrito.

Exigências do manuscrito

• Tipo de artigo correto
• Limite de palavras
• Resumo estruturado
• Cabeçalhos de resumo exigidos
• Palavras-chave exigidas
• Estilo de referência correto
• Número máximo de figuras e tabelas
• Numeração de linhas
• Versão cegada ou não cegada
• Informação exigida na página de título

Ética e relato da pesquisa

• Aprovação do comitê de ética ou da junta de revisão institucional
• Número de aprovação
• Consentimento informado
• Consentimento para publicação de informação identificável
• Registro de ensaio
• Declaração de disponibilidade de dados
• Declaração de disponibilidade de código
• Disponibilidade de protocolo
• Declaração de financiamento

O ICMJE recomenda revisão ética independente para pesquisa envolvendo participantes humanos e exige consentimento escrito para publicação quando informação identificável do paciente é essencial ao relato. (proteção de participantes de pesquisa do ICMJE)

Declarações de autoria e publicação

• Contribuições dos autores
• Conflitos de interesse
• Fontes de financiamento
• Agradecimentos
• Apresentação prévia
• Manuscritos relacionados
• Declaração de preprint
• Declaração de uso de IA quando exigida

Arquivos de submissão

• Carta de submissão
• Página de título
• Manuscrito principal
• Figuras
• Métodos suplementares
• Checklist de relato
• Resumo gráfico
• Destaques
• Revisores sugeridos
• Carta de decisão anterior, quando exigida

Uma declaração ética ou um número de registro de ensaio ausentes não são um problema menor de formatação. Podem impedir o manuscrito de avançar.

9. Como o uso de IA pode contribuir para a rejeição editorial direta

Usar IA não torna automaticamente um manuscrito biomédico inaceitável. A IA pode apoiar a edição linguística, a organização e a verificação de erros. No entanto, problemas introduzidos pela IA, falha em verificar a sua saída, ou violação da política de um periódico podem contribuir para a rejeição.

As recomendações atuais do ICMJE afirmam que os autores permanecem responsáveis por todo o material submetido, devem revisar a saída gerada por IA em busca de inexatidões, não devem listar um sistema de IA como autor, e devem declarar como as tecnologias assistidas por IA foram usadas. (orientação do ICMJE sobre uso de IA por autores)

Problemas relacionados à IA incluem:

• Referências fabricadas
• Metadados de referência incorretos
• Artigos reais atrelados a afirmações sem suporte
• Evidência clínica inventada
• Resultados numéricos alterados
• Linguagem causal alterada
• Condições metodológicas ausentes
• Afirmações de novidade genéricas ou exageradas
• Terminologia inconsistente
• Uso generativo não declarado
• Envio de informação confidencial de paciente ou de manuscrito
• Imagens científicas geradas ou alteradas por IA que violam a política do periódico
• Texto que os autores não conseguem explicar ou defender

O risco não é que uma frase tenha um “estilo de IA” particular. O risco é que o manuscrito submetido contenha material não confiável, não verificado, inadequado ou não declarado.

A IA pode fabricar referências

Nunca confie em uma referência porque ela contém autores plausíveis, um título de periódico, um ano e uma string com forma de DOI.

Um estudo publicado em Scientific Reports examinou 636 referências geradas por versões anteriores do ChatGPT. Nessa avaliação, 55% das referências do GPT-3.5 e 18% das do GPT-4 foram fabricadas. Entre as referências que correspondiam a publicações reais, erros substantivos de metadados também foram comuns. Esses percentuais descrevem os modelos e as condições de teste usados em 2023, não todo sistema atual de IA, mas demonstram por que a verificação independente de referências é necessária. (Walters e Wilder, 2023)

A política atual de periódicos da Elsevier avisa explicitamente que referências geradas por IA podem estar incorretas ou fabricadas e afirma que incluir referências fabricadas pode levar à rejeição. (políticas de IA generativa da Elsevier para periódicos)

Trate cada referência sugerida por IA como uma pista de busca não verificada, não como uma fonte pronta para ser citada.

Um artigo real pode não sustentar a frase conectada

Encontrar o artigo não completa a verificação.

A IA pode identificar uma publicação real, mas atrelá-la a um enunciado que o artigo não sustenta. Ela pode:

• Confundir uma associação com um efeito causal
• Aplicar um resultado de estudo em animais a humanos
• Generalizar um estudo em adultos para crianças
• Atribuir um desfecho secundário à análise primária
• Remover um intervalo de confiança importante
• Citar um protocolo de estudo como se contivesse resultados
• Citar uma revisão sistemática por um valor numérico relatado apenas em um estudo incluído
• Descrever um desfecho substituto como um benefício clínico

Exemplo biomédico

Suponha que o manuscrito afirme:

A metformina reduz a mortalidade cardiovascular em pacientes com pré-diabetes.

Um sistema de IA pode sugerir um artigo real sobre metformina e desfechos metabólicos. Esse artigo pode relatar concentração de glicose, progressão para diabetes, ou fatores de risco cardiovascular, mas não mortalidade cardiovascular.

A referência existe, mas não sustenta a frase.

Para cada citação, pergunte:

1. A fonte examina a mesma população?
2. Ela examina a mesma exposição, intervenção, teste ou doença?
3. Ela relata o desfecho enunciado no manuscrito?
4. Ela sustenta a direção e a força da afirmação?
5. A evidência é direta?
6. Uma fonte primária seria mais adequada?

Abra o artigo e localize o resultado, a tabela, a figura ou o trecho da discussão exatos que sustentam a frase.

10. Um fluxo confiável de referências assistido por IA

Não copie referências formatadas por IA diretamente para o manuscrito.

Use o procedimento a seguir para cada referência sugerida por IA.

Passo 1: Localize o artigo de forma independente

Busque o título exato, o autor ou o DOI usando:

• O site da editora
• PubMed
• Crossref
• Um banco de dados institucional confiável

Passo 2: Abra a versão de registro da editora

Use a página final do artigo mantida pela editora sempre que estiver disponível.

Confirme:

• Título completo
• Nomes dos autores
• Título do periódico
• Ano de publicação
• Volume e número
• Intervalo de páginas ou número do artigo
• DOI
• Status de correção ou retratação

Um DOI deveria resolver para uma página de destino registrada. A Crossref explica que a resolução de DOI pode ser verificada abrindo o link do DOI e confirmando que ele chega ao registro correto do artigo. (orientação da Crossref para verificação de DOI)

Passo 3: Leia o conteúdo pertinente da fonte

Não cite um artigo com base apenas em:

• Seu título
• Um resumo gerado por IA
• Um trecho de resultado de busca
• O resumo de um estudo complexo
• A descrição que outro artigo faz dele

Leia o bastante da fonte para entender os métodos, a população, o resultado e as limitações.

Passo 4: Verifique a conexão entre afirmação e citação

Crie uma tabela temporária de auditoria:

Este processo identifica a deriva de citação, na qual uma fonte aos poucos fica atrelada a uma afirmação mais ampla do que a que originalmente sustentava.

Passo 5: Importe a referência a partir de um registro confiável

Prefira metadados de citação de:

1. A versão de registro da editora
2. PubMed ou outro índice biomédico autoritativo
3. Crossref
4. Uma importação verificada de gerenciador de referências

Não reproduza manualmente uma referência gerada por IA quando um registro autoritativo estiver disponível.

Passo 6: Faça uma auditoria final de referências

Confirme que:

• Cada referência existe.
• Cada DOI resolve para o artigo correto.
• Cada artigo citado sustenta o enunciado conectado.
• Cada citação no texto aparece na lista de referências.
• Cada item da lista de referências é citado no manuscrito.
• Nenhum artigo retratado é usado sem uma razão explícita.
• Correções e versões atualizadas foram consideradas.
• Estudos primários são usados quando um resultado original específico é discutido.

11. Como pesquisadores cuja primeira língua não é o inglês podem usar IA com segurança

A edição em língua inglesa pode ser uma barreira real para pesquisadores cuja primeira língua não é o inglês. A solução não é evitar a IA por completo, nem deixar a IA gerar o raciocínio científico.

A orientação do ICMJE reconhece que ferramentas de IA podem ser úteis quando os autores estão escrevendo fora da língua principal, mas os autores ainda devem verificar a acurácia e a validade do texto final. (orientação do ICMJE para editores)

Use a IA como editora do seu raciocínio, não como a sua fonte.

Passo 1: Escreva a versão científica você mesmo

Prepare a primeira versão usando:

• A sua pergunta de pesquisa
• O protocolo do estudo
• Os métodos verificados
• Os resultados
• As tabelas e figuras
• A literatura que você leu
• A sua interpretação
• As suas limitações

O primeiro rascunho não precisa de inglês perfeito. Precisa conter o significado científico correto.

Passo 2: Peça à IA que execute uma tarefa estreita

Evite instruções abertas como:

Reescreva isto para soar profissional e acadêmico.

Essa instrução permite que o sistema mude o argumento, a certeza, a terminologia e a evidência.

Use uma instrução controlada:

Edite este parágrafo apenas quanto à gramática, à estrutura das frases e à clareza. Preserve o significado científico, a terminologia técnica, os valores numéricos, as citações e o grau de certeza. Não acrescente evidência, afirmações, explicações ou referências. Marque qualquer frase cujo significado esteja pouco claro em vez de adivinhar.

Para uma seção de resultados, use:

Corrija apenas a gramática e a legibilidade. Não mude números, unidades, valores estatísticos, nomes de grupos, tamanhos amostrais ou a direção de qualquer resultado.

Para uma seção de discussão, use:

Melhore a clareza preservando a distinção entre associação e causalidade. Não fortaleça as afirmações nem remova limitações.

Passo 3: Compare as versões original e editada

Revise as mudanças frase a frase.

Verifique:

• Significado clínico
• Terminologia técnica
• Números de participantes
• Unidades
• Tamanhos de efeito
• Intervalos de confiança
• Significância estatística
• Linguagem causal
• Negações
• Limitações
• Citações

Uma frase gramaticalmente mais lisa não é uma melhoria quando muda o significado científico.

Passo 4: Substitua linguagem vaga por evidência

O texto acadêmico assistido por IA muitas vezes contém enunciados polidos, mas vazios.

Vago

Os achados oferecem insights valiosos para o manejo da doença cardiovascular.

Específico

A associação foi mais forte entre participantes com menos de 60 anos, mas o intervalo de confiança incluiu ausência de efeito nos participantes mais velhos.

Vago

O método diagnóstico proposto demonstrou desempenho robusto.

Específico

A sensibilidade foi de 84% na coorte de desenvolvimento, mas caiu para 67% na coorte hospitalar externa.

Vago

Mais pesquisa é necessária.

Específico

Um estudo prospectivo é necessário para determinar se o uso do escore muda as decisões de tratamento ou os desfechos dos pacientes.

Palavras como “importante,” “robusto,” “eficaz,” “promissor” e “significativo” não deveriam substituir um resultado.

Passo 5: Peça a um leitor humano que examine as seções de alto risco

Priorize a revisão humana de:

• Título
• Resumo
• Lacuna de pesquisa
• Contribuição principal
• Resultados
• Limitações
• Conclusão
• Carta de submissão
• Declaração de uso de IA

O manuscrito final deveria conter linguagem que cada autor entende e pode defender.

12. Não escreva para software de detecção de IA

Não acrescente de propósito erros gramaticais, sinônimos incomuns ou frases desajeitadas para fazer um manuscrito parecer escrito por humano. Não use ferramentas de “humanização” desenhadas para evadir detecção.

Essas práticas podem:

• Reduzir a clareza
• Mudar o significado científico
• Introduzir erros factuais
• Criar terminologia inconsistente
• Ocultar em vez de declarar o uso de IA
• Produzir texto que os autores não conseguem defender

Um estudo de 2023 testou sete detectores públicos de IA em 91 redações escritas por falantes não nativos de inglês e relatou uma taxa média de falso positivo de 61,3%. O estudo dizia respeito a redações de estudantes e a detectores específicos disponíveis naquela época, não a manuscritos biomédicos nem a todo sistema atual de detecção. Ainda assim mostra que uma pontuação de detector não deveria ser tratada como evidência conclusiva de autoria. (Liang et al., 2023)

Proteja-se por meio de um processo de escrita transparente e rastreável:

• Guarde o esquema original.
• Preserve os rascunhos iniciais.
• Use controle de alterações.
• Salve o código de análise.
• Retenha notas de pesquisa laboratorial ou clínica.
• Mantenha uma biblioteca de referências verificada.
• Registre qual ferramenta de IA foi usada.
• Salve os prompts e as saídas pertinentes quando apropriado.
• Documente como a saída foi revisada.
• Declare o uso de IA segundo a política do periódico.

O objetivo não é fazer o manuscrito parecer menos polido. O objetivo é assegurar que o raciocínio, a evidência e a responsabilidade final permaneçam humanos.

13. Entenda a política de IA do periódico

As políticas de IA diferem entre editoras e podem mudar. Verifique a política exata do periódico antes de cada submissão.

ICMJE

As recomendações atuais do ICMJE afirmam que os autores deveriam declarar se tecnologias assistidas por IA foram usadas, descrever como foram usadas, revisar o conteúdo gerado quanto a acurácia e viés, e permanecer responsáveis pela originalidade e pela atribuição adequada. Ferramentas de IA não deveriam ser listadas como autoras. (recomendações de IA do ICMJE)

Elsevier

A Elsevier permite o uso de apoio de IA generativa durante a preparação do manuscrito, mas exige verificação e supervisão humanas. A sua política para periódicos exige a declaração do uso de IA generativa, enquanto verificações básicas de ortografia, gramática e pontuação não exigem declaração. Também avisa que referências fabricadas podem levar à rejeição. (política de IA da Elsevier para periódicos)

Springer Nature e Nature Portfolio

A Springer Nature afirma que os autores permanecem responsáveis pela acurácia, originalidade e integridade. A revisão de texto assistida por IA, aplicada a texto escrito por humanos, em geral não exige declaração quando se limita a legibilidade, gramática, ortografia, pontuação, tom, redação e formatação. A criação de conteúdo generativo precisa ser documentada segundo a política aplicável do periódico. (orientação de IA da Springer Nature)

Não presuma que uma política usada por uma editora se aplica a outra.

14. Proteja dados biomédicos e material confidencial

Antes de enviar qualquer conteúdo de manuscrito a um sistema de IA, examine os termos de privacidade, retenção e uso de dados da ferramenta.

Não envie:

• Nomes de pacientes
• Números de prontuário
• Narrativas clínicas identificáveis
• Dados de imagem sem redação
• Imagens faciais
• Informação genômica ligada a indivíduos
• Conjuntos de dados clínicos restritos
• Informação confidencial de ensaio
• Dados não publicados de colaboradores sem permissão
• Relatórios de revisão por pares
• Manuscritos que você está revisando
• Material protegido por direitos autorais que você não tem permissão para processar

O ICMJE afirma que manuscritos sob consideração editorial são comunicações privilegiadas e avisa que enviar manuscritos confidenciais a sistemas de IA pode violar a confidencialidade.

Para o seu próprio manuscrito, remova informação identificável antes de usar uma ferramenta externa e confirme que a sua instituição, a aprovação ética, o acordo de uso de dados e a política do periódico permitem o processamento pretendido.

15. Não use IA para alterar evidência biomédica

Ferramentas de IA não devem ser usadas para inventar ou modificar resultados de pesquisa.

Usos de alto risco incluem:

• Criar observações sintéticas de pacientes e apresentá-las como dados coletados
• Mudar valores em uma tabela de resultados
• Gerar desfechos experimentais faltantes
• Alterar imagens de microscopia
• Acrescentar ou remover bandas de western blots
• Mudar características em imagens radiológicas ou patológicas
• Modificar fotografias de pacientes
• Gerar uma figura que não deriva dos dados relatados
• Criar um registro falso de ensaio clínico
• Inventar informação de aprovação ética

A Elsevier identifica a fabricação ou alteração de dados, referências, imagens científicas, imagens de microscopia, western blots e imagens de pacientes como uso inadequado de IA.

Quando a IA ou o aprendizado de máquina faz parte do método de pesquisa, descreva-o de forma reproduzível na seção de métodos. Inclua a ferramenta ou o modelo, a versão, a tarefa, as entradas, o processo de validação e a supervisão humana quando pertinente.

16. Escreva uma declaração útil de uso de IA

Use a formulação exigida pelo periódico-alvo. Não copie uma declaração de outra editora sem verificar a política dela.

Uma declaração deveria normalmente identificar:

• Ferramenta ou serviço
• Propósito
• Seções ou tarefas afetadas
• Extensão do uso
• Revisão humana realizada
• Responsabilidade dos autores

Exemplo para edição linguística

Durante a preparação do manuscrito, os autores usaram [ferramenta e versão] para identificar erros gramaticais e melhorar a clareza das frases em texto escrito pelos autores. A ferramenta não foi usada para gerar afirmações científicas, resultados, interpretações ou referências. Todas as mudanças sugeridas foram revisadas pelos autores, que assumem plena responsabilidade pelo manuscrito final.

Exemplo para assistência estrutural

Os autores usaram [ferramenta e versão] para sugerir organização alternativa para parágrafos selecionados na introdução e na discussão. Todo o conteúdo científico, as afirmações, as interpretações e as referências foram escritos ou selecionados pelos autores. Os autores verificaram de forma independente o texto revisado e assumem plena responsabilidade pelo conteúdo final.

Use estes apenas como modelos. A formulação exigida pelo periódico tem prioridade.

17. Faça uma triagem editorial final antes da submissão

Complete as seguintes verificações em ordem. Pare quando uma verificação falhar e corrija-a antes de prosseguir.

Verificação 1: Adequação ao periódico

Confirme que o periódico publica:

• O seu tema
• O seu desenho de estudo
• O seu tipo de artigo
• O seu nível de contribuição
• Evidência pertinente ao público pretendido

Verificação 2: Título e resumo

Um leitor deveria conseguir identificar:

• O problema clínico ou científico
• A lacuna de conhecimento
• O desenho do estudo
• A população
• O resultado principal
• A interpretação sustentada

Verificação 3: Contribuição

Complete esta frase:

Depois de ler este estudo, pesquisadores ou clínicos saberão [conhecimento novo específico] que não estava estabelecido antes.

Quando a resposta depende apenas de “novo,” “eficaz,” “promissor” ou “robusto,” a contribuição permanece pouco clara.

Verificação 4: Credibilidade metodológica

Confirme que:

• O desenho responde à pergunta.
• A amostra está descrita.
• O desfecho primário está definido.
• A análise coincide com o desfecho.
• Tamanhos de efeito e incerteza estão relatados.
• A validação é adequada.
• As limitações são explícitas.
• As conclusões permanecem dentro da evidência.

Verificação 5: Exigências de relato

Confirme que:

• A diretriz de relato correta foi usada.
• O checklist está completo.
• A informação ética está presente.
• O registro de ensaio está relatado quando aplicável.
• As declarações de dados e de código cumprem as exigências do periódico.

Verificação 6: Referências

Confirme que:

• Cada fonte existe.
• Os metadados vieram de um registro autoritativo.
• Cada fonte sustenta a frase conectada.
• Nenhuma referência gerada por IA permanece sem verificação.
• Artigos retratados ou corrigidos foram identificados.
• As referências estão atualizadas o bastante para o tema.

Verificação 7: Uso de IA

Confirme que:

• A IA não gerou conteúdo científico não verificado.
• Todos os valores numéricos foram verificados.
• O significado técnico foi preservado.
• Nenhuma informação confidencial foi enviada de forma inadequada.
• A política atual do periódico foi lida.
• A declaração exigida foi incluída.
• Cada autor consegue explicar e defender o texto final.

Verificação 8: Carta de submissão

A carta de submissão deveria enunciar:

1. O que o estudo encontrou
2. Por que o achado importa aos leitores do periódico
3. O que difere do trabalho anterior mais próximo
4. Se o manuscrito é original e não está em revisão em outro lugar
5. Qualquer informação exigida de ética, registro ou uso de IA

Não use o prestígio do periódico como argumento de adequação.

Fraca

Acreditamos que o nosso estudo inovador é adequado ao seu prestigioso periódico e será de grande interesse ao seu amplo público.

Exemplo biomédico mais sólido

Este estudo prospectivo multicêntrico avalia se um escore pré-operatório de fragilidade prediz complicações em 30 dias após cirurgia colorretal. O periódico publica com regularidade pesquisa sobre avaliação de risco perioperatório e desfechos cirúrgicos. Diferentemente de estudos anteriores em centro único, a nossa análise inclui validação externa em quatro hospitais e relata calibração bem como discriminação.

18. O que você deveria fazer depois de uma rejeição editorial direta?

Não revise cada seção automaticamente. Revise conforme o problema diagnosticado.

Quando o problema é a adequação ao periódico

• Selecione um periódico que publique o tipo de estudo.
• Examine os artigos recentes dele.
• Reescreva o título, o resumo, a introdução e a carta de submissão para os leitores dele.
• Verifique de novo cada exigência de submissão.

Quando o problema é prioridade ou interesse geral

• Determine se a contribuição é estreita demais para o periódico.
• Não exagere a generalizabilidade.
• Vise um periódico especializado quando a evidência se dirige a um público especializado.
• Fortaleça o argumento de significância apenas quando sustentado pelos resultados.

Quando o problema é a apresentação

• Reescreva o resumo em torno do resultado principal.
• Defina a lacuna de pesquisa.
• Remova linguagem avaliativa vazia.
• Padronize a terminologia.
• Melhore as figuras e as tabelas.
• Revise o manuscrito em busca de linguagem que muda o significado clínico.

Quando o problema é a conformidade

• Corrija cada declaração e arquivo ausentes.
• Confirme se o mesmo periódico permite uma submissão nova.
• Não presuma que corrigir um enunciado ausente resolve outras preocupações editoriais.

Quando o problema é métodos ou evidência

• Pause antes de submeter de novo.
• Reavalie o desenho, a estatística, a validação e as afirmações.
• Conduza análises adicionais quando justificadas.
• Acrescente dados ou experimentos quando viável.
• Reduza a conclusão quando a evidência existente sustenta uma afirmação mais estreita.

Quando você deveria recorrer?

Verifique a política de recurso do periódico antes de escrever.

Um recurso é mais defensável quando:

• O editor cometeu um erro factual específico.
• Um ponto metodológico foi mal compreendido.
• Um documento exigido foi ignorado apesar de estar presente.
• Um conflito de interesse pode ter afetado a decisão.
• O periódico não seguiu o procedimento enunciado.

Um recurso em geral é fraco quando argumenta apenas que o estudo é importante ou que os autores discordam de um julgamento sobre prioridade.

A Elsevier, por exemplo, não considera recursos para manuscritos rejeitados de imediato pela equipe editorial e exclui discordâncias baseadas apenas em interesse, novidade ou adequação. A sua política de recursos se aplica a manuscritos revisados por pares e exige evidência de suporte. Outras editoras podem seguir procedimentos diferentes. (política de recursos de decisão editorial da Elsevier)

Onde ferramentas automatizadas de revisão de manuscrito podem ajudar

Um sistema de revisão de manuscrito como o Fukurō AI Peer Review pode ajudar identificando material que exige inspeção do autor, incluindo:

• Declarações ausentes
• Terminologia inconsistente
• Diferenças entre o resumo e os resultados
• Conclusões sem suporte
• Enunciados de contribuição pouco claros
• Abreviações indefinidas
• Inconsistências de referência
• Seções que não seguem a estrutura esperada
• Linguagem que pode obscurecer o significado científico

A análise automatizada não deveria tomar a decisão final sobre:

• Se o desenho do estudo é válido
• Se a interpretação está clinicamente correta
• Se a novidade é suficiente para um periódico específico
• Se uma referência de fato sustenta uma afirmação
• Se o manuscrito deveria ser submetido
• Se a evidência justifica uma recomendação clínica

Use a saída como uma lista de itens a verificar, não como um substituto do julgamento científico.

Checklist final

Antes da submissão, confirme que você consegue responder sim a cada pergunta.

Escolha de periódico

• O periódico publica este assunto?
• Ele publica este desenho de estudo?
• A categoria de artigo está correta?
• A contribuição é adequada ao seu público?

Argumento científico

• A lacuna de pesquisa é específica?
• A diferença em relação ao trabalho anterior está explícita?
• O título identifica a contribuição central?
• O resumo relata o resultado principal?
• A conclusão coincide com a evidência?

Métodos e relato

• O desenho responde à pergunta de pesquisa?
• A população e os procedimentos de amostragem estão descritos?
• O desfecho primário e a análise estão definidos?
• Tamanhos de efeito e incerteza estão relatados?
• A diretriz EQUATOR pertinente foi usada?
• A aprovação ética e o consentimento estão relatados?
• Um ensaio clínico foi registrado prospectivamente quando exigido?

Referências

• Cada publicação citada existe?
• A citação foi copiada da versão de registro da editora ou de outro banco de dados autoritativo?
• Cada fonte sustenta a frase conectada?
• Todas as referências sugeridas por IA foram verificadas de forma independente?
• Correções e retratações foram verificadas?

Uso de IA

• Os autores escreveram e entendem o raciocínio científico?
• Cada frase editada por IA foi revisada?
• Números, unidades e resultados estatísticos foram preservados?
• Nenhuma afirmação ou referência foi aceita sem verificação?
• A informação confidencial foi protegida?
• O uso de IA foi declarado segundo a política do periódico?
• Cada autor consegue defender cada parte do manuscrito?

A rejeição editorial direta não pode sempre ser evitada. Os editores ainda fazem julgamentos sobre escopo, prioridade, novidade e público. No entanto, muitas rejeições evitáveis podem ser prevenidas ao separar quatro perguntas:

1. Selecionamos o periódico correto?
2. O manuscrito comunica a contribuição com clareza?
3. O estudo consegue sustentar as suas afirmações?
4. A submissão satisfaz cada exigência?

A IA pode ajudar os autores a melhorar gramática, organização e consistência, sobretudo quando o inglês não é a primeira língua. Também pode introduzir referências fabricadas, afirmações sem suporte, significados alterados, violações de privacidade e conteúdo não declarado. O fluxo mais seguro é escrever o argumento científico primeiro, dar à IA tarefas estreitas de edição, inspecionar cada mudança, verificar cada referência pela fonte autoritativa, seguir a política do periódico-alvo, e reter plena responsabilidade humana pelo manuscrito.

Referências e políticas úteis

1. Dantas-Torres F. Top 10 reasons your manuscript may be rejected without review. Parasites & Vectors. 2022;15:418.
2. Jawaid SA, Jawaid M. Common reasons for not accepting manuscripts for further processing after editor’s triage and initial screening. Pakistan Journal of Medical Sciences. 2019;35(1):1-3.
3. ICMJE. Use of artificial intelligence in publishing.
4. ICMJE. Use of AI by authors.
5. ICMJE. Clinical trial registration.
6. ICMJE. Protection of research participants.
7. EQUATOR Network. Reporting guidelines for health research.
8. Collins GS, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models. BMJ. 2024;385:q902.
9. Walters WH, Wilder EI. Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports. 2023;13:14045.
10. Liang W, et al. GPT detectors are biased against non-native English writers. Patterns. 2023;4(7):100779.
11. Elsevier. Generative AI policies for journals.
12. Springer Nature. AI guidance for researchers and publishing communities.
13. Crossref. Verify a DOI registration.
14. Elsevier. Editorial decision appeals policy.