Pauta para evaluar la calidad de una investigación científica

por | 26 Nov, 2020 | Blog

pauta para evluar calidad papers

Leer un artículo científico no es sencillo, incluso para las y los mismos científicos. Si bien las publicaciones de trabajos científicos tienen una estructura estándar determinada, hay ciertos elementos que pueden marcar la diferencia entre una investigación bien hecha, confiable y de buena calidad, y otra que no lo es.

Para quienes no son científicos y científicas, elaboramos una pauta para evaluar la calidad de una investigación científica. Puedes descargarla en alta calidad en nuestra sección Descargables.

Pauta para evaluar la calidad de una investigación científica. CENDHY

Revisión por pares: Antes de ser publicada, una investigación puede ser revisada por expertos/as que emiten comentarios y solicitan correcciones al documento. Luego, la publicación es corregida por los/as autores si corresponde, y finalmente aprobada para publicar. El sistema de revisión por pares se implementa en los grupos editoriales para validar el trabajo académico [1] con una perspectiva externa al grupo que realiza la investigación. No todas las investigaciones son sometidas al proceso de revisión por pares, esto depende de la revista donde se publica.

Grupo control: Cuando se busca comprobar una hipótesis a través de la experimentación, se debe tener un punto de comparación al analizar los resultados. El grupo control es la condición experimental en la cual todas las variables permanecen inalteradas, incluyendo la variable en estudio [2]. En el proceso de diseño de experimentos, ensayos pre clínicos y clínicos, al grupo control se le administra un placebo*, mientras que al grupo en estudio se le administra el tratamiento para el cual se pretende comprobar su eficacia y seguridad.

*Placebo: Sustancia inactiva que tiene la misma apariencia y se administra de la misma forma que el medicamento o tratamiento activo con potencial terapéutico que se está probando. Puede ser también una intervención no terapéutica. Los efectos del medicamento activo o intervención en los sujetos o sistemas de prueba se comparan con los efectos observados del placebo [3]. Comúnmente, los placebos son comprimidos inertes como píldoras de azúcar, inyecciones salinas o cirugías simuladas.

Significancia estadística: El tamaño de la muestra analizada debe ser tal que, al analizar matemáticamente los resultados, se puede afirmar que es improbable que el efecto observado sea producto del azar [4]. Un resultado estadísticamente significativo implica que no es “suerte”, “coincidencia” o un “caso aislado”, sino que tiene una explicación lógica que no es atribuible a causas externas.

Transparencia de datos y metodología: Se detalla explícitamente cómo los datos fueron obtenidos y analizados, de tal forma que los resultados de los experimentos son comprobables y reproducibles. En ciertas condiciones, existe un impedimento en hacer públicas las bases de datos, ya que existen acuerdos de confidencialidad, compromiso de anonimato de los pacientes o la necesidad de proteger información experimental para su posterior patentamiento o comercialización. 

Errores lógicos: El más común es asumir que correlación implica causalidad. Dos variables pueden presentar una relación de proporcionalidad lineal, es decir, que existe correlación entre ellas, pero eso no significa que una sea la causa de la otra. Así, correlación implica asociación, pero no causalidad. Inversamente, causalidad implica asociación, pero no correlación [5]. Asumir estas relaciones al interpretar resultados es un error de lógica.

Factor de impacto: Métrica de la influencia de una revista en la comunidad académica, se calcula según la cantidad de referencias de los artículos publicados en la revista en los últimos dos años con respecto a la cantidad de artículos totales publicados en el mismo período [6]. Vale decir, es una medida de la frecuencia en la cual el “artículo promedio” de esa revista es citado en un período de tiempo. El factor de impacto entrega una aproximación del prestigio de una revista.

Índice H: Recibe su nombre de su creador, el físico de la Universidad de California, Jorge Hirsch. Es una métrica de la productividad e impacto de citaciones de publicaciones de un/a académico/a [7]. Este indicador, sin embargo, presenta diversas desventajas, como el hecho de que no se ajusta a la productividad promedio de cada disciplina y no hace distinción con publicaciones como primer autor/a o autor/a correspondiente. 

Conflicto de intereses: Al final de un artículo científico, el equipo de investigación declara si existen relaciones contractuales, éticas o económicas que pudieran comprometer la veracidad del trabajo realizado o de las conclusiones presentadas [8]. Este punto es particularmente importante en informes de evaluación ambiental y de índole médica.

En ensayos clínicos:

Muestra representativa: Los voluntarios para un ensayo clínico deben ser reclutados de tal manera de que la muestra constituya una población lo más parecida posible a la población total a la cual se dirigen los resultados de la investigación, lo que permite extrapolar las observaciones y elaborar proyecciones de éxito. Esto comprende aspectos como el género, la edad, el origen étnico, el estado de salud, entre otros [2].

Aleatoriedad: Un ensayo aleatorizado consiste en la asignación aleatoria de los voluntarios en los grupos en estudio (que reciben el tratamiento) y control (que reciben el placebo). De esta forma, se minimiza el sesgo de factores externos en la estimación del efecto del tratamiento sobre la población [9]. Con este sistema, se logra una distribución más realista de los participantes. 

Doble ciego: Para evitar sesgos en la interpretación de los resultados por parte de los voluntarios y de los examinadores, en una prueba de doble ciego, los voluntarios y los examinadores desconocen quienes se encuentran dentro del grupo que recibe el tratamiento y quienes forman parte del grupo que recibe el placebo (grupo control) [2]. Es decir, es al azar.

Referencias:

[1] What is peer review? Elsevier Reviewers.

[2] Creswell, J.W. (2008). Educational research: Planning, conducting, and evaluating quantitative and  qualitative research (3rd edition), Upper Saddle River, NJ: Prentice Hall. Disponible para descarga.

[3] Diccionario en línea del Instituto Nacional del Cáncer de los Institutos Nacionales de la Salud de EE. UU. Disponible aquí.

[4] Tenny S, Abdelgawad I. (2020). Statistical Significance. StatPearls Publishing. Disponible en: https://www.ncbi.nlm.nih.gov/books/NBK459346/

[5] Altman, N., Krzywinski, M. (2015). Association, correlation and causation. Nature Methods 12, 899–900. Disponible en: https://doi.org/10.1038/nmeth.3587

[6] Garfield E. (1972). Citation analysis as a tool in journal evaluation. Science 178(4060):471-479. DOI: 10.1126/science.178.4060.471

[7] Índice h. Información y bibliotecas, Ayudas y tutoriales, Universidad de Chile.

[8] Marcovitch, H., et al (2010). Conflict of interest in science communication: more than a financial issue. Report from Esteve Foundation Discussion Group, April 2009. Croatian Medical Journal, 51(1), 7–15. Disponible en: https://doi.org/10.3325/cmj.2010.51.7

[9] White, H., Sabarwal S. y T. de Hoop, (2014). Ensayos controlados aleatorios, Síntesis metodológicas: evaluación de impacto n.º 7, Centro de Investigaciones de UNICEF, Florencia.

0 comentarios

Enviar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

De nuestro Blog

Prensa

Share This