Clicked Gallery

¿Qué es el sesgo de publicación?

Subrayado en un libro de texto real. Explicado por Clicked.

Usado en una frase

University Course Reader · STEM

The review found evidence of publication bias: small negative trials were almost entirely absent from the literature.

El lector subrayó un término — en un artículo o en el PDF de un paper. Clicked hizo que el término estadístico «publication bias» fuera fácil de entender:

Explicado en tres niveles

Los mismos datos, otro rollo — Modo jerga 😎

El método Clicked

●○○

Overview

El sesgo de publicación es la tendencia a que los estudios que encuentran un efecto se publiquen mientras los que no encuentran nada quedan sin publicar, de modo que el registro publicado hace que los efectos parezcan más reales y más grandes de lo que son. Nadie tiene que hacer trampa. Las revistas prefieren resultados, los investigadores lo saben, y los hallazgos nulos nunca se redactan. Quien lee solo lo publicado ve las victorias y pocas de las derrotas. Su nombre antiguo es el problema del cajón.
●○○

Overview

El sesgo de publicación es el vídeo de mejores momentos de la ciencia: los estudios que encontraron algo se publican, los que no encontraron nada se archivan, y los lectores solo ven los aciertos. Nadie falsificó un resultado. Las revistas quieren noticias, un estudio que dice "no pasó nada" no es noticia, así que nunca se envía. El nombre antiguo es el problema del cajón, porque en ese cajón viven los estudios aburridos. Lee solo lo que se publicó y todo tratamiento parece mejor de lo que es. 😎

Una idea rápida — muchas veces es todo lo que necesitas.

●●○

Detail

El sesgo de publicación es una distorsión del registro de investigación publicado que surge porque los estudios con resultados positivos tienen más probabilidades de publicarse que los que no encuentran efecto. El mecanismo funciona con incentivos ordinarios, no con fraude. Un ensayo que muestra que un fármaco funciona da a los lectores algo que usar y citar, así que una revista lo acepta. Un ensayo que muestra que el fármaco no hace nada se lee como que no hay historia, así que se rechaza o nunca se envía. Los investigadores lo aprenden y dejan de redactar resultados nulos, y esos estudios van a un cajón: el nombre antiguo es el problema del cajón. Quien lee la literatura ve entonces una muestra sesgada. Si se hicieron diez ensayos de un tratamiento y se publicaron los dos positivos, el tratamiento parece demostrado cuando ocho de diez no encontraron nada, y ningún artículo tuvo que estar equivocado. El sesgo es difícil de ver porque los estudios que faltan faltan: nadie puede contar lo que nunca se publicó. La principal defensa es hacerlos contables. Registrar un ensayo antes de empezarlo deja constancia de cada estudio intentado, para que quien revise la evidencia después pueda ver cuántos ensayos se hicieron y preguntar dónde está el resto.
●●○

Detail

El sesgo de publicación es la brecha entre los estudios que se hicieron y los que puedes leer. La brecha no es aleatoria: los que encontraron un efecto salieron, los que no encontraron nada en su mayoría no. No hace falta un villano. Una revista quiere resultados, un investigador quiere un artículo en esa revista, y un estudio que concluye "lo probamos y no pasó nada" es difícil de vender a ambos. Así que va a un cajón, de ahí el nombre antiguo, el problema del cajón. Ahora piensa en lo que ve un lector. Supón que veinte laboratorios prueban si un suplemento ayuda a la memoria. Diecisiete no encuentran nada, tres encuentran un efecto pequeño, y solo los tres se publican. Cada uno de esos tres artículos puede ser honesto y alguien que lee la literatura sale igualmente pensando que el suplemento funciona. Esa es la trampa: el sesgo no está en ningún artículo, está en qué artículos existen. La solución es hacer que los estudios que faltan se puedan encontrar. Registra un ensayo antes de hacerlo y queda un rastro aunque no le siga ningún artículo. La siguiente persona que revise la evidencia puede contar veinte y preguntar por qué solo puede leer tres. 😎

¿Quieres más? Un clic profundiza.

●●●

Analogy

Un amigo que juega al póker cada fin de semana te cuenta las noches que gana. Bote grande, farol brillante, vuelve a casa con el dinero de la mesa. Nunca menciona las otras noches, y no porque mienta: nadie cuenta la historia de perder cuarenta dólares en silencio e irse a la cama. Escúchale un año y le apostarías contra cualquiera. Su registro real está cerca del empate. Las noches ganadoras son reales. Son las noches que faltan las que te engañan, y no puedes verlas porque nunca se contaron. La investigación publicada funciona igual, y las noches que faltan son los estudios que no encontraron nada.
Deepest level reached.
●●●

Analogy

Recorre las redes sociales de cualquiera y su vida parece unas vacaciones largas. Playa, ascenso, cena perfecta, cachorro nuevo. Nadie publica el martes que pasó al teléfono en espera con el banco. Ninguna de las publicaciones buenas es falsa. El problema es todo lo que nunca se publicó, y una ausencia no deja rastro, así que comparas tu semana entera con sus mejores doce segundos y pierdes. Eso es el sesgo de publicación con un filtro encima. Los buenos resultados se publican, los aburridos se quedan en borradores, y quien lee el muro cree que el mundo tiene mucho más éxito del que tiene. 😎
Deepest level reached.

¿Concepto nuevo? Un ejemplo cotidiano lo hace clic — nuevas analogías cuando quieras.

Las explicaciones de IA pueden contener errores · No es asesoramiento profesional

Definición formal — El mismo término, explicado de la forma habitual

El sesgo de publicación es la diferencia sistemática entre los resultados de los estudios publicados y los de todos los estudios realizados sobre una cuestión, que surge porque la publicación es más probable para los estudios con hallazgos estadísticamente significativos, positivos o novedosos que para los de hallazgos nulos o negativos. También llamado problema del cajón, distorsiona la base de evidencia disponible para revisiones sistemáticas y metaanálisis, inflando típicamente las estimaciones agregadas del efecto. Se mitiga mediante el registro prospectivo de ensayos y requisitos de comunicación de resultados, y se detecta en el metaanálisis mediante la asimetría del gráfico de embudo y las pruebas estadísticas asociadas.

¿Quieres que Clicked te explique términos como «publication bias» directamente en tu navegador, incluso en PDFs?

Añadir a Chrome — Gratis

50 Explicaciones gratis · Sin tarjeta de crédito