Page 6 - 83_01
P. 6
Reflections about the scientific process
diseño de los experimentos o a fallos en el análisis de los determinada es cierta o a la necesidad de producir
resultados obtenidos. El comportamiento de los sistemas resultados para mantener una situación profesional o
biológicos es muy complejo y se ve afectado por factores promocionarse, lo que se da frecuentemente en los centros
ambientales, especialmente en el campo de las de investigación financiados públicamente, ya que el
neurociencias (6). Finalmente hay que hablar de la entorno académico es hoy más competitivo que nunca
estadística, que es clave en el análisis de los resultados de (11).
una investigación pero que se utiliza algunas veces para
“descubrir” falsos positivos, correspondientes a hallazgos El sesgo de publicación induce a los investigadores
que aparecen como significativos cuando en realidad no a enviar para su publicación aquellas investigaciones que
los son (7). arrojen resultados "positivos" (hallazgos significativos) en
lugar de "negativos" ("que apoyen la hipótesis nula"). Sólo
3. LA SIGNIFICACIÓN ESTADÍSTICA si un asunto es de actualidad y otro equipo acaba de
publicar un resultado positivo, los resultados negativos
En estadística, una hipótesis nula (o hipótesis de acerca de la misma cuestión pueden resultar muy
partida) es una afirmación que no se rechaza a menos que “atractivos”. Este sesgo también podría aplicarse a los
editores, que acepten más fácilmente publicaciones con
los datos de la muestra en estudio parezcan evidenciar que resultados positivos, por considerarlos más interesantes
que los negativos.
es falsa. El valor “P” es una medida de significación
4. INTENTOS PARA ATAJAR EL PROBLEMA
estadística que se define como la probabilidad de obtener
En los últimos años, la falta de reproducibilidad en los
un resultado al menos tan extremo como el que realmente resultados científicos se trata de atajar a través de distintas
iniciativas. El National Institute of Health (NIH) de los
se ha obtenido suponiendo que la hipótesis nula es cierta. EEUU y los responsables de las revistas Nature y Science
reunieron en Junio de 214 a varios editores. Éstos
Cuanto menor sea este valor, mayor será la significación representaban a unas 30 revistas de ciencia básica y
preclínica en donde se publican la mayor parte de las
estadística de los resultados experimentales. Si el valor P investigaciones financiadas por el NIH. Tras analizar cómo
podía aumentarse el rigor científico y lograr que la ciencia
asociado al resultado observado es menor que el nivel de sea reproducible, sólida y transparente, se consensuaron
varias recomendaciones que incluían realizar un análisis
significación establecido convencionalmente estadístico riguroso (lo que requiere una gran formación
estadística en los investigadores), que la información que
(frecuentemente P < 0,05 en investigaciones sociológicas y se suministre sea transparente, que se compartan el
material y los datos, y que se tengan en cuenta los datos en
P < 0,01 en investigaciones clínicas), lo más verosímil es contra (12). Ese mismo año, antes del encuentro anual de
la Society for Neuroscience de EEUU, el entonces Director
que la hipótesis de partida sea falsa y que los resultados del National Institute of Mental Health (NIMH) Thomas
Insel constató que los estudios sobre la estructura y
encontrados experimentalmente sean reales y no debidos al funciones del cerebro habían experimentado un progreso
extraordinario, pero advirtió que no podía olvidarse que
azar, soportando por tanto una hipótesis correcta. hasta un 80% de los datos que dichos estudios habían
proporcionado no habían podido reproducirse. En palabras
Es posible que si se encuentra una observación atípica de T. Insel “Great science requires great attention to the
details of experimental design and data analysis”.
se rechace la hipótesis nula aunque ésta sea cierta, pero
Recientemente, el 10 de enero de 2017, un grupo de
este error estadístico puede subsanarse rebajando el valor P investigadores liderado por John Ioannidis ha publicado un
manifiesto para que la ciencia recupere la credibilidad y
o aumentando el tamaño de la muestra para reducir la fiabilidad y se aceleren los descubrimientos (13). Según
este manifiesto, el 85% de los esfuerzos dedicados a
posibilidad de que el dato obtenido sea casualmente raro. investigaciones biomédicas se abandonan en etapas muy
tempranas o no llegan a aplicarse en clínica, y señala que
Sin embargo, también es posible que se elimine alguna tanto los investigadores jóvenes como los senior requieren
una educación metodológica continuada, especialmente en
condición experimental a fin de que el valor de P tenga el uso del análisis estadístico. Sin embargo, a muchos
científicos les intimida esta herramienta, y proponen que
significación estadística, o no se incluyan en la publicación se desmitifique y se señale un marco alternativo para
utilizar los modelos matemáticos que se requieran (14).
los datos sin procesar. Estas maniobras, realizadas en el
7
análisis de los datos quizás de forma inconsciente, se
conocen como “P-hacking”, y podrían evitarse si se
proponen las comparaciones antes de que se realicen las
experiencias y se detallen en las publicaciones los métodos
y el análisis de datos, incluyendo los que difieren de lo que
se planificó.
Las trabajos relacionados con la credibilidad de los
resultados científicos aportan conclusiones demoledoras
(8) que, en los estudios biomédicos, afectan tanto a
ensayos clínicos y a estudios epidemiológicos (9) como a
las investigaciones realizadas a nivel molecular (10). Pero
el problema afecta también a otras disciplinas científicas.
La metaciencia demuestra que, además de el P-
hacking, la publicación de resultados incorrectos puede
producirse por otros factores, como son el estudio de
muestras de pequeño tamaño, la medición de efectos
pequeños, o los conflictos de interés. Estos últimos no
tienen que estar necesariamente ligados al problema de la
financiación o al rendimiento económico de las
investigaciones, sino que pueden deberse al
convencimiento de los investigadores de que una teoría
@Real Academia Nacional de Farmacia. Spain