miércoles, 18 de diciembre de 2013

¿Cómo juzgar la calidad un artículo científico?



El pasado lunes hice una -bastante larga- enumeración sobre las distintas fuentes del sesgo en los estudios científicos en nutrición. Entendería que no lo hubierais leído todo, pero espero que al menos hayáis echado un vistazo al título en negrita de cada caso. Pero decir sólo los problemas y no mostrar las soluciones no sirve de mucho,  así que permitidme una pequeña guía de lectura de artículos científicos y hasta qué punto creérselos:

  1. - Leed cuidadosamente la metodología científica. Es quizá la parte más importante de un estudio para leerlo críticamente. ¿Es un estudio con ratas, las medidas se han realizado mediante cuestionario, cuál ha sido el criterio de selección y rechazo, cómo se han medido las variables de interés?
  2. También es importante buscar si está disponible la estimación de los errores. No es tan común, pero a veces se subestima el error de la medida al no tener en cuenta las posibles fuentes de error.
  3. - Viendo cómo ha tomado las medidas, aseguraos de que las conclusiones no exceden a los resultados. 
  4. - Viendo cómo han escogido la muestra, juzgad si es una muestra aleatoria.
  5. No os fiéis de estudios con muestras bajas. Un estudio realizado con 10 personas puede ser un buen indicativo, pero cuanto menor sea la muestra más sensible se es a un sesgo muestral o de selección.
  6. - Existen también buena cantidad de estudios que investigan las poblaciones, sus patrones alimentarios y las incidencias de enfermedades, de esta manera se podría acabar diciendo que los chiles engordan porque los mexicanos son la población más obesa del planeta. Grabémoslo en nuestro cerebro: Correlación no implica causalidad, así que cuidado cuando leáis el abstract de un estudio porque no es raro hacer estas asociaciones.
  7. Mirad el resto de bibliografía del autor e investigad sobre él. ¿Es un vegetariano haciendo un estudio sobre lo mala que es la carne roja? ¿Es partidario de las dietas paleolíticas y quiere convencernos de que la lactosa es mala incluso para los tolerantes? La ideología no desautoriza a un buen científico, pero nos da la pista de que hay que mirar con más cuidado. Un buen científico por definición no debería ser prejuicioso.
  8. - Comprobad en el apartado de ”Acknowledgments” de dónde se ha obtenido la financiación para realizar el estudio. Si es un estudio hablando sobre los beneficios de los L.Cassei Inmunitas y lo ha pagado Danone, podéis dudar de que el resultado sea veraz.
  9. - En resumen, no os fiéis de nada ni de nadie. La buena ciencia nace desde el escepticismo y no es suficiente con leer el abstract de un artículo para sacar conclusiones de un estudio que leamos.
De nuevo, es una lista propia. En este caso no me he basado más que en mi propia experiencia y en lecturas derivadas pero no exhaustivas al respecto. Si alguien tiene alguna sugerencia, comentario o crítica, basta que dejéis un comentario.

2 comentarios :

  1. Buenas pautas Demóstenes, casi un decálogo rápido para tener en cuenta.
    Dos humildes aportaciones: Depende del estudio a veces la muestra no interesa que sea necesariamente aleatoria, aunque como bien dices por lo general sí.

    Muy interesante lo que apuntas a la trayectoria, está claro que la rigurosidad de un paper es independiente, pero sí que es útil para "llamadas de anteción".

    Aporto también que es útil si se están realizando revisiones, recurrir a los recursos del Centre for Reviews and Dissemination and the PRISMA Statement.

    ¡Un saludo!

    ResponderEliminar
    Respuestas
    1. No son para nada humildes, gracias ;).

      Aunque una cosa, lo que comentas de que no siempre interesa una muestra aleatoria, ¿A qué te refieres?. Quizá es una cuestión de definición. Puede no ser aleatoria (es difícil tener una muestra lo suficientemente grande para incluirlo todo), pero si hay algún ”constraint” (perdón el anglicismo) en la muestra, ha de ser especificado y luego extrapolar con cuidado al resto de población.

      Y gracias por lo último, de lo que no tenía ni idea.

      Eliminar