Google+
Amosando publicacións coa etiqueta Traslations. Amosar todas as publicacións
Amosando publicacións coa etiqueta Traslations. Amosar todas as publicacións

Bajándole los humos a "p"

https://twitter.com/emulenews
El pasado día 2 de Agosto Steven Novella (@stevennovella )‏ publicó en "science based medicine" "0.05 or 0.005? p-value wars continue" en el que repasaba la sugerencia realizada entre otros por John P.A. Ioannidis en una editorial publicada en PsyArXiv bajo el título "Redefine Statistical Significance"creo que su traducción puede resultar de interés para quienes se quieran adentrar en el mundo de la investigación al 100% al principio me permito una floritura creo que comprensible en nuestro medio.


_________________________________


A lo largo del tiempo la FIFA ha cambiado las dimensiones del campo de juego, específicamente las del área de penalti y la altura y anchura de la portería. Lo han hecho para equilibrar las oportunidades de delanteros y portero y hacer el juego más interesante para los espectadores.

Los científicos están debatiendo ajustes similares en la significación estadística, para equilibrar el balance entre falsos positivos y falsos negativos. Como en el caso de delanteros y portero, algunos cambios son un juego de suma cero si disminuyes los falsos positivos incrementas los falsos negativos y viceversa. Donde está el equilibrio perfecto es una cuestión complicada y un tema de debate creciente.

Un artículo reciente de una larga lista de autores, incluidos grandes popes como John P.A. Ioannidis sugieren que el valor de p que habitualmente se usa como umbral de significación estadística debe cambiar de 0.05 a 0.005 para los campos de biomedicina y psiquiatría. Escriben:
"Para los campos en los que el umbral para definir significación estadística de nuevos descubrimientos es p<0,05 proponemos un cambio a p<0,005. Este simple paso podría mejorar inmediatamente la reproducibilidad de la investigación científica en muchos campos. Los resultados que actualmente se llaman "significativos" pero no alcanzan este nuevo umbral podrían pasar a llamarse "sugerentes". Si bien los estadísticos ya sabían de la relativa debilidad de usar p≈0,05 como umbral y la propuesta de bajarlo a 0,005 no es nueva, ahora una masa crítica de investigadores apoya este cambio."
El p-valor se define como la probabilidad de que los resultados de un experimento se desvíen del nulo tanto como lo hicieron o más si la hipótesis nula es correcta. Si esto te parece difícil de entender no te sientas mal. Muchos científicos no pueden dar la definición técnica correcta. Para simplificarlo, ¿cual es la probabilidad de que obtuvieras esos resultados (o mayores) si tu hipótesis no es cierta? En ciencias de la salud generalmente esto se refiere a un efecto, como la diferencia en la reducción de dolor entre un placebo y un tratamiento experimental. ¿Es estadísticamente significativa? Un p-valor de 0,05, el umbral tradicional, significa que existe un 5% de posibilidad de que obtuvieras esos resultados sin que exista un efecto real. Un p-valor de 0,005 significa que hay un 0,5% de posibilidad; un cambio de 1/20 a 1/200.

Existen importantes problemas con la sobredependencia del p-valor. Nunca se pretendió que fuera una medida de si un efecto era o no real, pero desafortunadamente el deseo humano de simplificar le ha colocado en ese papel. Además, la gente tiende a virar su significado interpretando que es la probabilidad de que el efecto sea real (en lugar de que LOS DATOS dicen lo que dicen). Sin embargo, esta inversión del significado no es válida por muchos motivos. Un estudio con un p-valor  de 0,05 no significa que haya un 95% de probabilidad de que el efecto sea real. Podría haber aún sólo una pequeña probabilidad de que el efecto sea real, dependiendo de otros factores.

Otorgar demasiada importancia al p-valor conduce de forma demostrable al llamado p-hacking. Existen formas sutiles (y no tan sutiles a veces) en las que los investigadores pueden sesgar el resultado de un estudio para traspasar el umbral mágico de 0,05 declarando sus resultados significativos y consiguiendo que se publiquen (otro grave sesgo científico -nota del trad.-). Esto a su vez conduce a un problema de reproducibilidad de la investigación y a inundar la literatura científica con una masa de estudios dudosos.

Los autores señalan esencialmente que el equilibrio entre falsos positivos y falsos negativos se ha alejado del punto óptimo. A lo largo de los años los investigadores han descubierto como jugar con el p-valor. En combinación con la tremenda presión de publicar resultados positivos y los sesgos que todos tenemos esto ha llevado a un exceso de hallazgos preliminares que mayoritariamente son falsos positivos.

Lo que los autores proponen alejaría ciertamente el equilibrio de los falsos positivos. Es una solución sencilla, pero podría no ser óptima, o no suficiente por si misma. Aunque nos guste la sugerencia de considerar 0,005 como estadísticamente significativo, y lo que esté entre 0,05 y 0,005 como "sugerente". Esto está más cerca de la verdad, y probablemente ayudará a cambiar la forma en la que los científicos y el público piensan respecto a los p-valor. Yo mismo he hecho este cambio mental. No me emociono acerca de los resultados con un p-valor cercano a 0,05. Simplemente no significa mucho.

El lado oscuro, por supuesto, es que esto aumentará el número de falsos negativos. Dado lo sobrepasada que está la literatura con los estudios con falsos positivos, creo que es un buen cambio. Además, el umbral de p-valor no es la única variable. Los autores sugieren que se podría incrementar el tamaños de un estudio un 70% para mantener el ratio de falsos negativos donde está. Visto de esta forma no se trataría de un juego de suma zero. Puedes disminuir los falsos positivos y los falsos negativos aumentando el tamaño del estudio, o su fuerza.

Siendo esto cierto puede ser difícil para algunos investigadores, especialmente los que cuentan con pocos fondos, como los investigadores jóvenes (o los de disciplinas secundarias -N. de trad-). Para las enfermedades raras o cuestiones en las que es difícil enrolar a pacientes, aún disponiendo de fondos, puede ser duro alcanzar las cifras necesarias para conseguir p<0,005. Pero ¿y qué? pueden realizar su pequeño estudio y si consiguen p-valores marginales pueden incluso publicarlos. Sólo que en vez de llamar a sus resultados "significativos" han de llamarlos "sugerentes".

Podría haber consecuencias no deseadas de este cambio, pero en vista del grave problema con los estudios de falsos positivos defiendo que hagamos el cambio y veamos qué pasa. Podemos hacer ajustes posteriormente si es necesario.

Además, no quiero poner el foco en dónde situar el p-valor para distraer de la cuestión más profunda sobre la propia utilidad del p-valor en si. Algunas revistas han ido más allá prohibiendo completamente los p-valor en favor de otros métodos de análisis estadístico. Creo que es draconiano, pero tienen la idea correcta, poner al p-valor en su lugar.

Por ejemplo, el tamaño del efecto es extremadamente importante, pero a menudo descuidado. Más importante que el p-valor es alguna medida de la relación señal/ruido. ¿Cuál es el tamaño del efecto en comparación con lo que se está midiendo y la incertidumbre del resultado? Además, los análisis bayesianos pueden ser muy útiles. Un análisis bayesiano pregunta que realmente los investigadores piensan que hacen: ¿cual es la probabilidad de mi hipótesis dados estos datos? En un comentario en Nature sobre este tema sugieren que muchos investigadores no tienen habilidades estadísticas para hacer análisis bayesianos. Nuevamente digo ¿y qué? La respuesta es mejorar las habilidades estadísticas entre el investigador medio.

Este es, de hecho, el problema inherente. Muchos investigadores no comprenden las limitaciones del p-valor, o sucumben a la tentación de depender de esta medida porque es la vía rápida a la significación estadística y la publicación. También muchos no comprenden completamente la naturaleza del p-hacking y como evitarlo. Necesitamos más sofisticación en el mínimo análisis estadístico aceptable y la metodología de la investigación en salud.

Todo indica que el equilibrio ha cambiado de forma inaceptable hacia los falsos positivos. Probablemente necesitemos un cambio cultural completo en la comunidad de investigación en salud publicando menos estudios pero más rigurosos e indicando claramente cuales son estudios preliminares y eliminando el sesgo de publicación respecto a los estudios con resultados negativos.

Este cambio en el umbral para la significación estadística no será suficiente, pero creo que es un movimiento en la dirección correcta.

EDICIÓN 21/8/2017.

Lo grande de las RRSS es que si no es la interacción es simplemente tener buenas fuentes "sintonizadas" lo que te permite seguir mejorando. En este caso gracias a @emulenews viene muy a cuento el estudio "Estimating the evidential value of significant results in psychological science"en el que se calcula el factor bayesiano de nada menos que 287000 hallazgos científicos en psicología publicados en 35515 artículos. Las conclusiones son devastadoras:
Concluimos que debido a que el umbral de aceptación se ha establecido demasiado bajo para los hallazgos en psicología, una proporción sustancial de los resultados publicados tienen un soporte de evidencia débil.
Esto apoya la medida propuesta en la editorial de la que trata el artículo que traducimos recordando que la misma por si sola no bastará para mejorar la evidencia que sostiene o debería sostener nuestro trabajo.

Claves para comprender un metanálisis.


Traducción de "5 tips for understanding data in meta analyses" de  Hilda Bastian 

Hay un diluvio de estudios científicos de todo tipo, miles cada día. A menudo hay varios estudios buscando respuestas sobre el mismo tema, pero puede haber docenas e incluso centenares de ellos. El metanálisis es un grupo de técnicas estadísticas que usan datos de más de un estudio para combinarlos y analizarlos como un nuevo conjunto de datos.

No se empezó a hablar de metanálisis hasta los años 70. Ahora cada día se publican docenas de artículos con metanálisis y en menos de 5 años se duplicará el número de los publicados en un año. Sin embargo, los métodos del metanálisis siguen constituyendo un misterio para mucha gente.


Este comic es un forest plot, un estilo de visualización de datos para los resultados de un metanálisis. Alguna gente les llama “blobbograms”. Cada línea horizontal con un cuadrado en el medio representa el resultado de un estudio diferente. La longuitud de esa línea horizontal representa el intervalo de confianza de sus resultados. Esto te proporciona información sobre cuanta incertidumbre existe en torno a un resultado cuanto más corta más confianza podemos tener en ese resultado (Aquí la explicación).

El cuadrado se denomina el punto estimado o el "resultado" del estudio si lo prefieres. A menudo su tamaño va acorde con el peso que el estudio tiene en el metanálisis. Cuanto más grande, más confianza debemos tener en el resultado.

El tamaño del punto estimado es un eco de la longitud del intervalo de confianza. Son dos puntos de vista de la misma información. Un cuadrado pequeño y una linea larga dan menos confianza que un gran cuadrado en una línea corta.

El diamante en la parte inferior se llama resumen estimado. Representa el resumen de los resultados de los 3 estudios combinados. No se trata sólo de sumar los resultados de los estudios y dividirlos por 3. Se trata de un promedio ponderado. Los estudios más grandes con más eventos cuentan más.

Las esquinas derecha e izquierda del diamante son los límites de su intervalo de confianza. Con cada estudio que se añada al metanálisis estas esquinas se acercarán entre ellas y se moverán a derecha o izquierda según los resultados añadidos se inclinen en una u otra dirección.

La línea central es la "linea de no efecto". Si un resultado la toca o la cruza, no será significativo estadísticamente. (Un concepto complicado explicado aquí).

En biomedicina, los forest plots son la norma. Pero en otros campos, como la psicología, el resultado de los metanálisis con frecuencia se presentan como tablas de datos. Eso significa que cada punto de datos (el principio y el final de cada intervalo de confianza y sucesivamente) son números en una columna en lugar de estar representados en un gráfico (ejemplo).

Es un trabajo pesado interpretar las tablas y es fácil perderse en los detalles. Por otra parte, la visualización de los datos puede proporcionar una rápida, fuerte y falsa impresión. Vale la pena dedicar tiempo a los detalles. He aquí 5 claves para tener una perspectiva razonable. Usaré metanálisis de estudios clínicos comparando dos grupos porque son los más comunes.

1) No pases a las conclusiones sin examinar detenidamente el contexto y la prespectiva.

Busca el tema concreto y la medida estadística. En el ejemplo falso de abajo, el tema son los resultados de una prueba de detección de algo (puede ser estancias hospitalarias o ataques cardíacos por ejemplo).

En este caso la línea vertical de "no efecto" es 1. Para otras medidas podría ser 0. Es uno porque la medida estadística es un RR (ratio de riesgo): "95% IC" es el nivel de significación para el intervalo de confianza. (aquí otra explicación). Hay una segunda línea vertical de puntos: indica donde cae el promedio de los resultados combinados.

A excepción del primero estos estudios imaginarios son bastante parecidos. Ese primer estudio no tiene mucha fuerza. Su intervalo de confianza es tan largo que el extremo izquierdo no cabe en el gráfico lo que no es bueno. Por eso tiene una flecha.
Lo que está a izquierda y derecha no es siempre lo mismo. Lo elige quien realiza el metanálisis y es su forma de enmarcar el tema. Su forma de funcionar en conjunto suele ser fácil y obvia pero no siempre.

Por ejemplo, este es uno en el que el grupo de control está en la izquierda del metanálisis y a la derecha está el resultado bueno (es sobre reducir el tamaño de las porciones, menor es mejor). Mientras que en este, el grupo control (placebo) está a la derecha, y los resultados a la izquierda son mejores. (Se trata de lágrimas artificiales sin receta para los síntomas del ojo seco.) Mientras tanto, en éste, hace dos metanálisis; en uno en la página 58 "favorece" la inmunoterapia está a la derecha y páginas más adelante está a la izquierda. Y eso no es poco frecuente.

El orden de los estudios también varía. En el gráfico de arriba los estudios están en orden cronológico. Pueden estar en orden alfabético por el nombre del estudio lo que hace más fácil encontrar información extra de otra tabla o metanálisis en el artículo. También se pueden ordenar por sus resultados.

No siempre hay una figuar de resumen de la estimación en la parte inferior del gráfico de estudios. No pienses que el de abajo es "el" resultado. Puedes tener gráficos de diferentes metanálisis. Por ejemplo uno muestrando un resumen estimado de un grupo de metanálisis de preguntas relacionadas.

2. No pierdas de vista que datos no están en el metanálisis.

Probablemente esta es la trampa más común en la que se cae en los metanálisis: No tener en cuenta que a menudo buscan en un subconjunto de resultados. Si quien recopiló los datos originales no midió la misma cuestión y de la misma forma no tendrás datos que puedas combinar de esos estudios.

He aquí un ejemplo dramático de eso. Es de la misma revisión sistemática sobre lágrimas artificiales de venta libre mencionada más arriba.

Hay 2 resultados, comparando la diferencia de medias en las escalas de síntomas a los 21, 28 días (gráfico de arriba) y 56 días.


Sólo hay 2 ensayos en el gráfico. Sin embargo se obtuvieron 43 ensayos sobre efectos de las lágrimas artificiales. Es muy frecuente que se enfoque y se informen el metanálisis de datos como el resumen de todos los estudios encontrados: "Un estudio con 43 ensayos sobre lágrimas artificiales encontró..." (más ejemplos de esto en la vida real).

Entonces surge la pregunta sobre cómo se encuentran y seleccionan los estudios. Un mentanálisis no es necesariamente una revisión sistemática, con una búsqueda cuidadosa y completa de la evidencia sobre una pregunta. Siempre hay que tener 2 niveles en mente.

¿es probable encontrar estudios relevantes? y ¿Cuales de esos se representan en este resultado metanalitico en particular?

3. Recuerda comprobar si hay signos de que los estudios pueden ser demasiado diferentes de alguna  forma.

Sólo porque puedar echar un montón de números en una marmita matematica no significa que formen parte del mismo cálculo.  Por desgracia no siempre es tan obvio como en esta señal.


Un concepto importante en metanálisis es el estudio de la heterogeneidad Una forma de decir "estos elementos nos son exactamente los mismos". La heterogeneidad puede deberse a algo que conozacas, como que un ensayo se realizó con niños y otro con adultos. Pero también hay una heterogeneidad inexplicable y puede ser un problema. Las diferencias en los resultados entre grupos y los conflictos entre estudios pueden deberse al azar, pero pueden deberse también a la heterogeneidad. (una explicación aqui).

Hay pruebas estadísticas para la heterogeneidad en metanálisis. Una prueba común es el I2, que proporciona un resultado en porcentaje. Aquí lo veis al final de la primera línea:


Es del mentanálisis de la página 58 mencionado más arriba. Combina clasificaciones de excema/dermatitits de 6 estudios para prevenirla con inmunoterapia alergénica. Fijaos sólo en el porcentaja el final: 19%. Está en la parte baja de la escala: hasta un 40% no representa un problema. Pero 75% o más lo puede ser mucho, y debe hacerte ser cauto con el resultado. Es más importante cuando los estudios son potentes, porque esta prueba estadística no es fiable con muestras pequeñas.

(La prueba estadística en la línea del medio es la de significación estadística).


4. Buscar si uno (o varios) resultados llevan la mayor parte del peso.

El peso que un estudio obtiene está relacionado con lo que se llama la precisión del estudio. La medida de la precisión depende de cuantos participantes y eventos hubo en el estudio. No importa únicamente el tamaño total del estudio.

Digamos que el evento en el que estás interesado son ataques cardíacos y estás investigando un método para reducirlos. Pero por alguna razón, ninguna persona en el grupo experimental o de control tuvo un ataque cardíaco aúnque el estudio era suficientemente grande para haber esperado varios. Este estudio tendría menos capacidad para detectar cualquier diferencia que tu método pudiera haber generado, por lo que debería tener menos peso (en el metanálisis).

Es bastante frecuente que sólo uno o un par de estudios carguen con la mayoría del peso en el metanálisis. Un estudio de Paul Glasziou y cols. encontró que el ensayo con más precisión significaba un promedio del 51% del total (del metanálisis).

Algunos estudios son tan grandes que sobrepasan a todos los demás, no importa cuantos haya. Les llamo los Hulk. Los Hulk no pueden ser puestos en duda, sólo por su tamaño nadie repetirá otro estudio como ese. Esto es genial si proporcionan una respuesta definitiva, pero no tanto si pueden no ser representativos.

El tamaño del punto estimado (resultado) y la longitud del intervalo de confianza son clave para la asignación de peso a un estudio. El metanálisis debe incluir un porcentaje para mostrar cuanto contribuye cada resultado individual al promedio. Si no lo hace puedes saberlo mirando si hay uno o dos estudios cuyo resultado está mucho más cerca del resultado resumen que los otros. (Clave: La linea punteada vertical ayuda a esto, si la ponen).

Aquí una versión extrema y actual de esto. El ensayo de la iniciativa "salud de la mujer" (WHI) probó el tratamiento hormonoal prolongado en cáncer de mama. Es un "Hulk" clásico: un estudio de investigación de 15 años con más de 160000 muejeres.

Este es un análisis 6.3.3 de Jane Marjoribanks y cols. versión 2012. Hay muchos más metanálisis que este.

Los 140 eventos en más de 160000 mujeres del WHI machacan a los 4 eventos en los dos ensayos previos más pequeños. El WHI se lleva el 95,4% del peso del promedio del resumen.


Clave: Si te sientes confuso por la medida estadística y necesitas ganar perspectiva sobre qué pasa, deberás mirar las cifras brutas de los eventos. En este caso están a la izquierda: 68 de las 9084 mujeres del grupo de tratamiento tuvieron cáncer de mama por 76 de las 8649 mujeres del grupo control. Está tocando la línea de "no efecto", luego no es un resultado estadísticamente significativo.

5. El tamaño no lo es todo, se cuidadoso con el "recuento de votos".

Una de las principales ventajas de los metanálisis es que son la alternativa más fiable que el "recuento de votos": "4 de 5 estudios muestran..."

¿Qué sucede si esos "4" son estudios pequeños y mal realizados en un grupo que no es relevante para tí (no es tu foco) y el quinto es el único ensayo bien diseñado, potente y relevante?

El ingenuo recuento de votos es un riesgo, hay más estudios que "podrían llevar a conclusiones desastrosas en varias circunstancias" escibieron Madden y Paul.

Aquí presentamos 2 metanálisis de una revisión sistemática sobre revistas biomédicas revisadas por pares. Hay también un resumen de la estimación combinada de los dos análisis. Se ha eliminado el contexto pero se ha dejado un elemento crítico extra a la derecha.


Pese a que la estimación del análisis en la parte inferiro favorece la revisión por pares no cegada, no es una respuesta definitiva. Los círculos de colores a la derecha muestran la evaluación del riesgo de sesgo de acuerdo a 4 criterios y muestran el porqué.

Sólo 1 estudio (el de arriba) tiene una valoración positiva de los cuatro criterios en un resultado, pero no es muy preciso. El segundo estudio tiene más precisión en esa pregunta, pero tiene un par de aspectos dudosos (marcados en amarillo).

Esto demuestar hasta que punto es complejo y exige juicio esta labor. Un estudio más o menos. La diferencia en juicio sobre la calidad del estudio. Enfocarse en resultados o preguntas diferentes. Cualquiera de estos cambios pueden modificar el resultado.

Una buena revisión sistemática y metanálisis puede ser de gran ayuda para clasificar estudios aparentemente en conflicto. Pero no debe sorprender que los resultados de los mentanálisis varien. Necesitamos más gente capaz de leerlos criticamente y ver porqué los mentanálisis se convierten en resultados conflictivos por si sólos.

Mal mix mal resultado.

Hoy os traigo la traducción de la editorial publicada por Jack Needleman en BMJ Quality & Safety titulada "Nursing skill mix and patients outcomes" por varios motivos.

El primero es por el repaso que realiza al más reciente estudio del grupo de la Dra. Aiken sobre los equipos de enfermería en 6 paises europeos y su reprecusión en los resultados EN los pacientes.

El segundo es porque señala los déficits de este estudio lo que sin duda nos permitirá mejorarlos.

El tercero es porque el texto es breve pero desgrana en párrafos brillantes parte del problema de la invisibilidad de las formas más complejas de los cuidados.

En esta ocasión me he permitido varias licencias a la hora de hacer la traducción; la principal es que he traducido "Skill mix" no como "mix de habilidades" sino como "compuesto de habilidades" porque espero que con el tiempo se pueda llegar a una especie de 'indicador sintético' que caracterice la composición de una plantilla de cuidados; dicho indicador aglutinaría no sólo a técnicos y enfermeras sino que incluiria la labor de la práctica avanzada y las aportaciones de las enfermeras especialistas.

Tampoco respeto parte de la terminología empleada para designar las categorías profesionales en la editorial para tratar de adaptala a la que conocen los lectores españoles.
________________________________________________________________________________

EL COMPUESTO DE HABILIDADES ENFERMERAS Y LOS RESULTADOS EN LOS PACIENTES

Jack Needleman

En los hospitales las plantillas de enfermería suponen por lo general el mayor elemento a nivel de gasto y es frecuente que la enfermería sea tratada como un coste en vez de como una línea central del servicio. Los esfuerzos por contener los costes hospitalarios a menudo implican recortar cuidados de enfermería, reducir el número de enfermeras o sustituir a las enfermeras graduadas por personal auxiliar o no profesional.

La evidencia sustancial de estudios en EEUU, Europa y otros países del mundo relaciona la disminución de plantillas y las mayores cargas de trabajo de enfermería con resultados adversos para los pacientes como mortalidad, infecciones, caídas y estancias prolongadas. La prolongación de estancias que incrementan los costes del hospital pueden dar lugar a eventos adversos prolongando ingresos o retrasos en los cuidados debido a que son incapaces de realizar su trabajo o de preparar al paciente para el alta.(1-13)

Las consecuencias de confiar en personal con peor nivel educativo que las enfermeras graduadas universitarias empleando un compuesto de habilidades (skill mix) menor siguen sin estar bien estudiadas. Los estudios de EEUU y Canadá enfocados por lo general en el mix de enfermeras graduadas (registered nurses) y personal auxiliar (licensed práctical nurses) han demostrado de forma consistente que un compuesto de habilidades menor está asociado con mayores ratios de resultados adversos y estancias prolongadas.(7) (14-17).

El equipo de la Dra. Aiken (18) estudió la asociación entre el compuesto de habilidades con mortalidad, satisfacción de los pacientes con el hospital, frecuencia de notificación por las enfermeras de resultados adversos para los pacientes y falta de satisfacción laboral y burnout de las enfermeras usando datos de hospitales de 6 países europeos. Encontraron una variación sustancial entre unidades medico-quirúrgicas en las proporciones de profesionales de enfermería en atención directa (que incluía enfermeras graduadas, auxiliares, asistentes y otras categorías laborales que varían entre los 6 países del estudio) y que estas variaciones en el compuesto de habilidades se asociaba con la mortalidad de los pacientes, su percepción sobre los cuidados y el juicio de las enfermeras sobre la calidad y la frecuencia de los resultados adversos.

Una fortaleza de ese estudio es la variedad de medidas y fuentes de datos utilizadas. Incluye la mortalidad a 30 días de los pacientes ingresados según datos de cmbd, la calificación de los hospitales según las encuestas a usuarios y tres conjuntos de medidas derivadas de encuestas a enfermeras: la percepción de la calidad de las unidades y hospitales, la estimación de frecuencia de eventos adversos y la satisfacción laboral.

Los autores encontraron que tanto pacientes como enfermeras informaron problemas de calidad de forma significativa. Más de la mitad de los pacientes encuestados calificaron los hospitales por debajo de excelente. El promedio de enfermeras que calificaron la calidad de su unidad como normal o pobre fue del 22%, y un 18% no recomendaría su hospital a familiares o amigos. Las enfermeras que valoran que se producen eventos adversos varias veces al mes o con más frecuencia variaba del 9% para úlceras por presión al 23% para infección del tracto urinario. Las tasas de burnout e insatisfacción laboral fueron altas.

En un análisis segmentado por país y por un conjunto de características relevantes de los pacientes y hospitales, un compuesto de habilidades más rico se asoció con menores probabilidades en sus propios datos de riesgo de muerte, baja valoración del hospital por los pacientes y grados bajos de seguridad entre otros resultados no deseables. El OddsRatio para los cambios en estas medidas asociados con la mejora del compuesto de habilidades un 10% osciló entre 0.80 y 0.93. Debido a que muchas de las medidas utilizadas por los autores provienen de la encuesta realizadas a las enfermeras, se podría argumentar que es de esperar que la respuestas a la encuesta se correlacionaran con su actitud general respecto a la calidad del cuidado influyendo en sus respuestas individuales. Sin embargo, la similitud en los resultados de los análisis de las medidas derivadas de las enfermeras, la calificación de la calidad por parte de los pacientes y la mortalidad confiere fortaleza a la conclusión de que existe una asociación consistente entre el compuesto de habilidades y la calidad del cuidado.

Los autores señalan importantes limitaciones en los datos y los métodos. A estas, podría añadir que confiar en las enfermeras encuestadas para establecer el censo global y el ratio de enfermeras graduadas respecto a otros profesionales de la plantilla es impreciso. Se optó porque las enfermeras graduadas informaran sobre la plantilla y el censo de pacientes debido a las limitaciones de los datos oficiales para estimar las plantillas.(19). Se trata de una extensión del método empleado en los estudios desarrollados en EEUU, en los que se le había preguntado a las enfermeras por la carga de trabajo de su último turno.(1). Pero confiar en que las enfermeras encuestadas fueran conscientes e informaran su propia carga de trabajo, el censo total de la unidad y que contaran a las enfermeras graduadas y al resto de la plantilla tenía una imprecisión inherente. El censo de pacientes en un turno puede cambiar con los ingresos, las altas y los traslados a otras unidades y las enfermeras acuden o marchan de las unidades en respuesta a las necesidades de plantilla en cualquier lugar del hospital. Más allá de esto, el dato se basa en que la enfermera encuestada esté informada no sólo sobre su carga de trabajo sino también sobre el total del personal presente y del censo de la unidad. No se describen métodos para asegurar la fiabilidad de las cantidades informadas de modo que no se relacionasen directamente con la carga de trabajo. Estaría justificada una evaluación de la precisión de esta medida.

Una limitación que las autoras señalan pero que quiero enfatizar es la variedad entre países en la formación y cualificación de la plantilla de la las unidades que presta cuidados directos además de las enfermeras graduadas. El rango de educación y entrenamiento entre el personal de enfermería no universitario miembros de las plantillas está menos estandarizado que el de las enfermeras graduadas. Los autores buscaron controlar esa variación con la inclusión de un estadístico de efectos fijos a nivel de país, pero esto también afectará a variaciones no apreciadas en la atención hospitalaria además de la cualificación de la plantilla que no sea enfermera universitaria. El análisis estratificado por país aunque podría sufrir por baja potencia para algunos países puede proporcionar información sobre si la relación entre el compuesto de habilidades y los resultados es consistente entre países o si las diferencias en la cualificación de las plantillas y su entrenamiento u organización del trabajo entre países resulta en diferentes magnitudes para la asociación entre el compuesto de habilidades y los resultados.

A pesar de estas limitaciones, este es un estudio sólido. Añade una importante perspectiva transnacional a los estudios de EEUU sobre el compuesto de habilidades. Confirma los principales hallazgos de los trabajos previos sobre que las plantillas basadas en enfermeras no universitarias para la realización de una importante parte del trabajo de atención directa puede poner en riesgo a los pacientes respecto a un amplio rango de resultados adversos. Extiende el trabajo previo en su hallazgo de la limitación de los registros de cuidados a los pacientes y su influencia en la calificación de los hospitales.

Con la sustitución de las enfermeras graduadas por personal menos formado la intención de los hospitales, las aseguradoras y los gestores políticos es reducir costes laborales. Como observan Aiken y cols. Las plantillas de enfermería en los hospitales son frecuentemente el objetivo de las reducciones presupuestarias, y los gestores políticos sugieren la introducción de sustitutos menos formados y con menores habilidades como "asociados" (nursing associates).

Los costes sociales de estas decisiones pueden ser altos, como el exceso de mortalidad demostraría, pero estos costes no son pagados por el hospital. Lo que si paga el hospital tanto dependa de un presupuesto general como de facturar por ingreso son los costes asociados con estancias más largas, las complicaciones y los cuidados paliativos asociados con el incremento de mortalidad , los costes de eventos adversos como las úlceras por presión, las caídas con daño y las infecciones urinarias asociadas en este estudio con un bajo compuesto de habilidades (también asociados en otros estudios), y el coste para el hospital de las bajas laborales de las enfermeras debido al burnout y la insatisfacción laboral. Una cuestión crítica para los gestores hospitalarios es si el coste de los eventos adversos y las bajas excede al ahorro de costes laborales conseguido empleando plantillas menos preparadas o con un menor compuesto de habilidades.

Esta pregunta no puede ser respondida directamente por este estudio. El cambio en el número o en el ratio de los eventos adversos (excepto la mortalidad) no puede ser estimado debido a que se basa en la valoración de las enfermeras en vez de en medidas directas de la frecuencia de los eventos adversos y la dicotomización de estas medidas. Sin estas cifras, los ahorros asociados a la reducción de eventos adversos no pueden ser calculados.

El análisis de casos de negocio del coste adicional de tener enfermeras mejor preparadas y los ahorros derivados de estancias más cortas y menores tasas de eventos adversos se ha realizado en base a los estudios de EEUU. En un artículo publicado en 2006 en Health affairs usamos una aproximación de microsimulación para emular el efecto de cambiar el compuesto de habilidades sobre los cambios en las estancias y los ratios de fallo de rescate y otros 4 eventos adversos (20). Se estimó el coste de mejorar el compuesto de habilidades de las enfermeras y los ahorros de costes por estancias más cortas y reducción de EAs. Un estudio publicado en Medical care en 2014 realizó una regresión directa de los costes por ingreso sobre un robusto ajuste del riesgo del paciente, la plantilla del hospital y su compuesto de habilidades (21). Ambos estudios encontraron que un compuesto de habilidades con una mayor proporción de enfermeras graduadas resultaban rentables para los hospitales gracias a los ahorros debidos a los menores eventos adversos y las estancias más cortas. El artículo de Health affairs también encontró que la duración de la estancia es más sensible a los niveles de plantilla que al compuesto de habilidades, puede que fruto de los retrasos en la atención debidos a la falta de personal. Por contra, los eventos adversos como infecciones del tracto urinario y la neumonía hospitalaria muestran una mayor sensibilidad al compuesto de habilidades, reflejando posiblemente el papel de la formación y el entrenamiento en la detección y prevención de las complicaciones en los pacientes hospitalizados.

Los resultados del equipo de la Dra. Aiken sugieren de forma contundente que las conclusiones de los estudios en EEUU son aplicables a los hospitales europeos (a mayor compuesto de habilidades menores costes hospitalarios). Entonces ¿porqué persiste el interés en sustituir enfermeras graduadas por personal con menos habilidades?.

El sistema de pago es un factor en algunos países. En aquellos en los que los hospitales cobran en base a facturación por costes diarios la prolongación de estancias debida a cuidados retrasados o EAs incrementan los ingresos. Con esos sistemas de pago hay un incentivo para minimizar los costes de prestación del servicio no los costes de cuidados evitables u omitidos. Pero el pago por caso o por presupuesto debería estimular la toma en consideración de los costes totales de atención, incluida la compensación de los costes asociados a un mayor gasto en plantillas mejor preparadas.

Otra razón para que persista el interés en introducir profesionales menos formados es que no se comprende el trabajo de las enfermeras. La mayor parte del trabajo de las enfermeras graduadas está orientado a tareas (prestar la atención indicada, tomar las constantes vitales, ayudar al paciente a comer, caminar, ir al baño y así sucesivamente) como resultado parecerá plausible a los gestores, financiadores y políticos que personal menos entrenado y por ende menos costoso puede sustituir a las enfermeras graduadas en ese trabajo. Si bien esas tareas a pie de cama constituyen parte importante del trabajo de las enfermeras representan una visión incompleta del mismo.

La enfermería es un trabajo complejo y exigente desde el punto de vista cognitivo y de gestión. Mientras realizan esas tareas visibles, las enfermeras graduadas están monitorizando y evaluando a sus pacientes, determinando si tienen riesgo de caída, úlcera por presión u otras complicaciones y si están evolucionando como es de esperar o presentan complicaciones. Basadas en estas evaluaciones es de esperar que las enfermeras graduadas inicien las intervenciones enfermeras apropiadas o llamen para informar y consultar. La enfermeras graduadas vigilan el dolor y emprenden acciones para su control. Proporcionan educación al paciente y su familia preparándolos para el autocuidado tras el alta y proporcionándoles apoyo psicológico a aquellos que padecen enfermedades graves. Las enfermeras graduadas juegan un papel crítico en el equipo de atención, respaldando a médicos y farmacéuticos al asegurar que los tratamientos y otras indicaciones están bien prescritas y administradas sirviendo a menudo como coordinadores principales de la atención y como abogados de sus pacientes. Y estas actividades son desarrolladas para cada paciente por enfermeras que están al cargo de cuatro, cinco, seis o más pacientes al mismo tiempo, una situación que impone importantes requerimientos de gestión en priorización a pie de cama.(22).

Una visión completa del trabajo de las enfermeras graduadas ha sido el tema de numerosos artículos (23-25) pero no es completamente apreciado por quienes están fuera de la profesión. Las actividades más complejas, las cognitivas y las de gestión realizadas por las enfermeras a menudo pasan desapercibidas por ser realizadas simultáneamente con la parte del trabajo orientado a tareas y no son apreciadas. Estudios sobre la asociación del compuesto de habilidades como el del equipo de la Dra. Aiken y estudios anteriores sobre el tema o sobre cargas de trabajo y resultados en los pacientes proporcionan evidencias importantes de que cuando las plantillas de enfermería no tiene tiempo o capacitación para realizar su trabajo; los cuidados y la seguridad del paciente están en riesgo. Que la opinión pública, los financiadores, los políticos y los gestores sanitarios reconozcan este hecho y actúen en base al mismo es crítico para asegurar la prestación segura y fiable de la asistencia sanitaria.

REFERENCIAS

1 Aiken LH, Clarke SP, Sloane DM, et al. Hospital nurse staffing and patient mortality, nurse burnout, and job dissatisfaction. JAMA 2002;288:1987–93.
2 Aiken LH, Sloane DM, Bruyneel L, et al. Nurse staffing and education and hospital mortality in nine European countries: a retrospective observational study. Lancet 2014;383:1824–30.
3 Cho E, Sloane DM, Kim EY, et al. Effects of nurse staffing,
work environments, and education on patient mortality: an observational study. Int J Nurs Stud 2015;52:535–42.
4 Griffiths P. Staffing levels and patient outcomes. Nurs Manag (Harrow) 2009;16:22–3.
5 Kane RL, Shamliyan TA, Mueller C, et al. The association of registered nurse staffing levels and patient outcomes: systematic review and meta-analysis. Med Care 2007;45:1195–204.
6 Liang YW, Chen WY, Lee JL, et al. Nurse staffing, direct nursing care hours and patient mortality in Taiwan: the longitudinal analysis of hospital nurse staffing and patient outcome study. BMC Health Serv Res 2012;12:44.
7 Needleman J, Buerhaus P, Mattke S, et al. Nurse-staffing levels and the quality of care in hospitals. N Engl J Med 2002;346:1715–22.
8 Needleman J. Nurse staffing: the knowns and unknowns. Nurs Econ 2015;33:5–7.
9 Needleman J, Buerhaus P, Pankratz VS, et al. Nurse staffing and inpatient hospital mortality. N Engl J Med 2011;364:1037–45.
10 Shekelle PG. Nurse-patient ratios as a patient safety strategy: a systematic review. Ann Intern Med 2013;158(Pt 2):404–9.
11 Tourangeau AE, Doran DM, McGillis Hall L, et al. Impact of hospital nursing care on 30-day mortality for acute medical patients. J Adv Nurs 2007;57:32–44.
12 Twigg DE, Gelder L, Myers H. The impact of understaffed shifts on nurse-sensitive outcomes. J Adv Nurs 2015;71:1564–72
13 Zhu XW, You LM, Zheng J, et al. Nurse staffing levels make a difference on patient outcomes: a multisite study in Chinese hospitals. J Nurs Scholarsh 2012;44:266–73.
14 Blegen MA, Goode CJ, Spetz J, et al. Nurse staffing effects on patient outcomes: safety-net and non-safety-net hospitals. Med Care 2011;49:406–14.
15 Cho SH, Ketefian S, Barkauskas VH, et al. The effects of nurse staffing on adverse events, morbidity, mortality, and medical costs. Nurs Res 2003;52:71–9.
16 Estabrooks CA, Midodzi WK, Cummings GG, et al. The impact of hospital nursing characteristics on 30-day mortality. Nurs Res 2005;54:74–84.
17 Unruh L. Licensed nurse staffing and adverse events in hospitals. Med Care 2003;41:142–52.
18 Aiken LH, Sloan D, Griffiths P, et al. Nursing skill mix in European hospitals: association with mortality, patient ratings, and quality of care. BMJ Qual Saf 2016;[Epub ahead of print 15 Nov 2016]. doi:10.1136/bmjqs-2016-005567.
19 Sermeus W, Aiken LH, Van den Heede K, et al. Nurse forecasting in Europe (RN4CAST): rationale, design and methodology. BMC Nurs 2011;10:6.
20 Needleman J, Buerhaus PI, Stewart M, et al. Nurse staffing in hospitals: is there a business case for quality? Health Aff (Millwood) 2006;25:204–11.
21 Martsolf GR, Auerbach D, Benevent R, et al. Examining the value of inpatient nurse staffing: an assessment of quality and patient care costs. Med Care 2014;52:982–8.
22 Ebright PR, Patterson ES, Chalko BA, et al. Understanding the complexity of registered nurse work in acute care settings. J Nurs Adm 2003;33:630–8.
23 Kitson A, Conroy T, Wengstrom Y, et al. Defining the fundamentals of care. Int J Nurs Pract 2010;16:423–34.
24 Kitson AL, Muntlin Athlin A, Conroy T. Anything but basic: nursing’s challenge in meeting patients’ fundamental care needs. J Nurs Scholarsh 2014;46:331–9.
25 Needleman J. The economic case for fundamental nursing care. Nurs Leadersh (Tor Ont) 2016;29:26–36.

Postdata: El título de la entrada es un recuerdo a aquellas cintas de música "Max-mix" con la nos torturaban en los veranos hace décadas...

La importancia de la narrativa en ciencia

Continuo tratando de aportar recursos útiles a quienes sienten la inquietud por la investigación, sigo centrándome en la fase de compartir lo aprendido y hacerlo de una forma que sea certera y amena; en este caso traduzco el artículo "The importance of storytelling in science" publicado por Jeff Atkins en los blos de PLOS que hace una revisión de un estudio sobre la posible vinculación entre el empleo de elementos narrativos en los artículos científicos y su nivel de citas.

Que aproveche.

“We owe it to each other to tell stories.”
– Neil Gaiman

La escritura científica es vista a menudo como seca, o dura; un bloque de texto indómito, indescifrable camuflado tras un lenguaje vago de voces pasiva, incontables ecuaciones y oraciones sobreconstruidas de forma casi interminable. ¿Como lo ves? Hay algunos artículos y autores que nos sorprenden con su estilo y legibilidad. La buena ciencia se sustenta sobre la buena escritura. Si tu prosa se parece al inicio de esta entrada mucha gente nunca la leerá y tu trabajo de campo o laboratorio por fantástico que sea se verá olvidado, relegado a una triste estantería.

Aunque todos hemos leído nuestra cuota de manuscritos densos e inaccesibles, ¿cuanto afecta el estilo narrativo al impacto de nuestra investigación? En un trabajo recientemente publicado en PLOS "El estilo narrativo influye en la citación de artículos en climatología" de Ann Hillier, Ryan P. Kelly, y Terrie Klinger usaron una plataforma de crowdsourcing para revisar el estilo narrativo de 732 resumenes de 19 revistas empleando la frecuencia de cita como aproximación de su impacto, los autroes restringieron su punto de vista a la investigación en cambio climatico y empezaron a trabajar con la hipótesis de que la presencia de un texto enfocado en la narrativa podría tener mayor frecuencia de citas. Y como así ha sido a todo el mundo le gusta esta historia.

“Research is formalized curiosity. It is poking and prying with a purpose.”
– Zora Neale Hurston

Los autores definieron seis factores que influyen en la narrativa:

Escenario: Una narrativa de éxito se basa en una consideración de tiempo y lugar. El lector desea saber cuando y donde está ocurriendo algo. Los resúmenes se seleccionaron por mencionar o u momento o un lugar.

Perspectiva narrativa: El papel del narrador distingue a las historias de otras formas de comunicación. Un narrador en primera persona tiene una presencia narrativa más fuerte que en tercera. Las referencias en el texto al narrador con pronombres como "yo", "nosotros" o "nuestro" se evaluaron para cuantificar la perspectiva narrativa.

Lenguaje sensitivo: El lenguaje que invoca a los sentidos o las emociones se puede usar para crear una conexión entre el lector y el trabajo. Como definen los autores, esto incluye expresiones de "emociones, actitudes e interpretaciones".

Conjunciones: La ordenación lógica de una narrativa mediante el uso de las conjunciones para conectar palabras y frases produce una prosa dirigida hacia una conclusión o fin. Los autores usaron la presencia de conjunciones para determinar "hasta que punto un resumen está ordenado lógicamente, basado en que el orden temporal o causal de los eventos es esencial y distintivo, característico de las narrativas.

Conectividad: El uso de palabras o frases que crean enlaces contextualmente explicitos en la narrativa crea una "conectividad" ya sea mediante la repetición o las referencias a afirmaciones anteriores. Los autores también consideraron los "vinculos lógicos" explicitamente.

Solicitud: Claro que está; la pregunta ¿porqué nos interesa? ¿qué ofrece el artículo? Una narrativa debe incluir alguna forma de comentario, evaluación o "un paisaje de conciencia" ¿hace el manuscrito alguna solicitud o recomendación clara?.

Además de estos elementos narrativos, la longitud del resumen, el número de autores, el año de publicación, la revista y su factor de impacto se consideraron como elementos que influyen en la frecuencia de citación de un artículo.

“People think that stories are shaped by people. In fact, it’s the other way around.”
― Terry Pratchett

Este trabajo aplicó una metodología única, el uso de la plataforma de micromecenazgo CrowdFlower
 que trabaja con muchos colaboradores voluntarios o que cobran por completar pequeñas tareas en este caso la tarea era examinar los resumenes científicos basados en los 6 criterios definidos. Cada resumen considerado fue examinado por múltiples colaboradores de forma independiente desde el sitio web. La idea es tener colaboradores de la mejor calidad que ofrezcan una experiencia técnica mejor que la gente media de la calle. Aunque este método es costoso, mitiga los problemas de garantía de calidad y control de otros métodos de micromecenazgo.


http://blogs.plos.org/ecology/files/2016/12/narrative_one.png

Cuatro de los seis criterios mostraron una fuerte correlación positiva con la frecuencia de citación: El lenguaje sesitivo, Las conjunciones, la conectividad y la solicitud. Se creó un "índice narrativo" para cada resumen con sus puntuaciones en cada uno de los seis criterios. Se hizo evidente una fuerte relación positiva entre un alto "índice narrativo" y una alta frecuencia de citación. Cada "índice narrativo" de un resumen se correlacionaba bien con el factor de impacto de la revista de publicación.

“There have been great societies that did not use the wheel, but there have been no societies that did not tell stories.”
― Ursula K. Le Guin

A primera vista, parece bastante interesante. Sin embargo, era esperable hasta cierto punto. Las revistas consiguen mayor factor de impacto en base a la frecuencia de citación. Si la frecuencia de citas tiene un relación positiva con el índice narrativo, este también debe tener una relación positiva con el factor de impacto de las revistas. Lo curioso empieza aquí. ¿Seleccionan los editores de las revistas con mayores frecuencias de citas y mayor factor de impacto los escritos que presentan mayores propiedades narrativas? Bueno, es problable. Los outliers son Nature, Science y Ecology letters. Nature y Science se dirigen a públicos interdisciplinarios. Los artículos en estas revistas suelen ser más cortos y requieren una prosa más directa y atractiva que otras revistas específicas. Esto probalblemente influya en su nivel de legibilidad o narratividad. Sin embargo, juro por mi vida, que dudo que alguna vez entienda uno de esos artículos sobre el plegamiento de proteinas.


No obstante a lo largo de mi educación se me ha dicho que los buenos científicos hacen buena ciencia, pero que los grandes científicos son además grandes escritores. ¿Los que publican en revistas de mayor impacto ya eran mejores escritores antes?


La respuesta es más compleja que esto. A menudo los científicos mayores son quienes publican en las revistas con más impacto. Probablemente le han dedicado más tiempo. Sería de esperar que hubieran aprendido los trucos en ese recorrido. Hay un sesgo de selección de clases. También muchos otros factores influyen en cuantas citas recibe un determinado artículo. Las citas sólo son una forma de medir el impacto científico y son el dinero de la ciencia. La ciencia requiere comunicación y desde el surgimiento del método científico escribir ha estado en el centro de cómo comunicamos ciencia. Dicho esto, escribir es un factor. Y, honestamente, tanto si mejora el índice de citación como si no, mejorar y hacer más clara la escritura científica es beneficioso y todos debemos esforzarnos en ello.

Se considera que la legibilidad de un resumen está vinculada con la legibilidad de todo el trabajo. Honestamente, los resumenes son lo que más leen los científicos y académicos. Si es un mal resumen, probablemente no siguamos leyendo el artículo y si el acceso al artículo es mediante pago posiblemente sólo tengas acceso al resumen.

El trabajo tiene, por las revistas seleccionadas, una visión claramente centrada en la biología; pero sus hallazgos e indicaciones es probable que sean ampliamente aplicable:
“El discurso cientifico revisado por pares es vista a menudo como una forma especial de comunicación, exento de las cualidades que los humanos creemos inherentea a las narraciones. Sin embargo, nuestros hallazgos apoyan una interpretación alternativa: los científicos pueden atraer a los lectores e incrementar su captación incorporando atributos narrativos en su estilo de escritura.” — de Hilllier et al. 2016.
Escribir, como cualquier otra actividad, no es una habilidad con la que se nace. Se consigue mediante incontables horas de trabajo y revisión. Sólo seguir adelante. Mucha gente te dirá que la mayor dificultad para conseguir una titulación superior en ciencias o cualquier otro campo es escribir la tesis o discurso final. Escribir es un proceso. Cualquiera que haya terminado ese último folio la noche antes te lo puede contar.

“A word after a word after a word is power.”
– Margaret Atwood

Un gran mentor da siempre el mismo consejo a quien da su primera presentación. Están nerviosos y ansiosos. Les recuerda lo entusiasmados que estaban con su trabajo, cuanto amor, tiempo y esfuerzo han puesto en ese proyecto, cuanto les importa. Una presentación, les dice es sólo compartir ese entusiasmo con otros. Si estás emocionado les emocionará. Sólo sal y habla. En cierto modo esto es aplicable a la escritura. Realizaste todo ese trabajo, es hora de contárselo a la gente. Dicho esto, tengo algunas cosas que escribir.


 

10 reglas simples para tu artículo científico

En vista de que la difusión por twitter ha sido amplia (más que la fuente) os ofrezco la traducción del artículo original porque creo que lo que se dice en él puede ser de gran utilidad a much@s compañer@s ya que transmite muy bien los conceptos.

Más adelante me gustaría entrar a fondo con el tema de la narrativa en la ciencia... 

https://twitter.com/EnferEvidente/status/816912173893058561

Ten simple rules for structurin papers de K. Kording y B. Mensh. (Enlace al original publicado gracias a Antonio Jesús Ramos Morcillo).

Escribir y leer artículos es una habilidad clave para los científicos. De hecho, el éxito al publicar se ha usado para evaluarlos(1) y puede ayudar a predecir su éxito futuro(2). En la producción y consumo de artículos, se ven implicadas varias partes cada uno con sus motivaciones y prioridades. Los editores quieren estar seguros de que el artículo es significante y los revisores quieren determinar si las conclusiones están justificadas por los resultados. El lector quiere comprender rápidamente las conclusiones conceptuales del artículo antes de decidir si escarbar en los detalles y el escritor quiere comunicar sus importantes conclusiones a la más amplia audiencia posible. Todos estos objetivos pueden facilitarse si estructuramos bien a escala de la oración, del párrafo, de la sección y del documento.

La claridad en la comunicación es crucial para cualquier reto científico porque la "transferencia de concepto" es un paso limitante en la polinización cruzada que es la ciencia. Esto es particularmente cierto en las ciencias biológicas y en otros campos que comprenden la vasta red de subdiciplinas altamente interconectadas. Cuanto más se especializan los científicos más importante (y difícil) se hace crear vínculos entre las especialidades. La comunicación entre los límites de las disciplinas solo funciona cuando los manuscritos son legibles, creíbles y memorizables.

Un artículo de éxito trasmite las conexiones entre los datos, los métodos y las interpretaciones. Las interpretaciones culminan en una afirmación que le da significado al trabajo. Esta afirmación debe estar apoyada en los datos y en una lógica que le de credibilidad. Sin una cuidadosa planificación de la lógica del artículo, a menudo faltarán datos o pasos lógicos hacia la conclusión. Si bien esto va más allá de este artículo tu lógica científica debe ser muy clara para proclamar tu afirmación.

Presentamos 10 reglas simples para escribir un artículo (tabla 1). Las primeras cuarto reglas son principios que pueden ser aplicados a todas las partes del artículo e incluso a otras formas de comunicación como póster o ponencias. Las siguientes 4 reglas se encaminan a los objetivos primarios de comunicación de cada parte de los artículos. Las dos reglas finales proporcionan consejos sobre el proceso - heurística para la construcción eficiente de manuscritos.

Principios (reglas 1-4)

Escribir es comunicación. Así la experiencia del lector es de importancia primaria y toda escritura ha de servir a ese objetivo. Cuando escribes, debes tener siempre al lector en tu cabeza. Estas 4 reglas te ayudarán a evitar perder a tu lector.

Regla 1: Presenta únicamente una idea central por artículo e inclúyela en el título.

Tus esfuerzos de comunicación tendrán éxito si los lectores pueden seguir describiendo su principal contribución a sus colegas un año después de leerlo. Habitualmente el número de aportaciones que tus lectores recordarán al cabo de un año es Cero. Si bien a menudo es necesario que un artículo comunique varias innovaciones para llegar al mensaje final no vale la pena ser ambicioso. Los artículo que se enfocan en varias contribuciones suelen ser menos convincentes a cerca de cada una y por lo tanto se recuerdan menos.

El elemento más importante de un artículo es el título; piensa en el ratio del número de títulos que lees dividido por el número de artículos que lees. El título es habitualmente el primer elemento que se encuentran los lectores, por lo que su calidad(3) determina si el lector invertirá tiempo en leer el resumen.

El título no sólo transmite la contribución central del artículo, también sirve como recordatorio constante (para ti) para enfocar el texto en transmitir esa idea. La ciencia es, después de todo, la abstracción de principios simples desde datos complejos. El título es la refinación extrema de la contribución de un artículo. Pensar en el título desde el inicio y vuelven al mismo con regularidad puede ayudarte no sólo a escribir el artículo sino también en el proceso de diseñar experimentos o desarrollar teorías.

Esta regla es una de las más difíciles de implementar de forma óptima porque se enfrenta cara a cara con uno de los desafíos clave de la ciencia: Hacer un modelo/afirmación tan simple como puedan apoyar los datos, pero no simplón. Al final, tu lucha por encontrar ese equilibrio puede resultar en "una contribución" que es multifacética. No queremos una ciencia de galleteros; en su lugar urgimos a los escritores que se aseguren de que las facetas de su contribución "cuelgan" claramente de una afirmación única claramente visible. Por ejemplo, un artículo tecnológico puede describir una tecnología y un resultado biológico obtenido usándola; el puente que unifica estas dos facetas es una descripción clara de como la nueva tecnología puede ser usada para obtener el nuevo resultado.

Regla 2: Escribe para humanos de carne y hueso que no conocen tu trabajo.

Debido a que eres un experto mundial en eso que haces, eres el menos cualificado para juzgar lo que escribes desde la perspectiva de un lector novel. La mayoría de los errores de escritura se fundamentan en esta cuestión. Piensa como un diseñador para cada elemento determina el impacto que quieres alcanzar en la gente y esfuérzate en alcanzar dicho objetivo(4). Trata de pensar el documento para un lector que desconoce el tema y hazle fácil captar el mensaje rápidamente y con un esfuerzo mínimo.

El vasto conocimiento de la psicología humana es útil para la escritura de un artículo científico. Por ejemplo, la gente tiene limitaciones de memoria de trabajo: sólo pueden recordar un pequeño número de ítems y son mejores recordando el principio y el final de una lista que los del medio(5). Emplea tus conocimientos sobre psicología, con la vista puesta en el lector novel, para conducir tu proceso de escritura. En la regla 10, extendemos los beneficios de tener respuestas de pruebas con los lectores noveles durante el proceso.

Regla 3: Atente al esquema Contexto-Contenido-Conclusión (CCC).

La gran mayoría de las historias populares tienen una estructura con un inicio discernible, un cuerpo bien definido y un final. El principio prepara el contexto de la historia, mientras el cuerpo (contenido) avanza la historia hacia una finalización donde los problemas encuentran su conclusión. Esta estructura reduce las posibilidades de que el lector se pregunte "¿porqué me dice esto?" (si se pierde el contexto) o "¿y qué?" (si se pierde las conclusiones).

Hay muchas maneras de contar una historia. La mayoría difieren en como sirven a un lector paciente frente a un lector impaciente(6). El lector impaciente ha de ser atrapado rápidamente, esto se consigue presentando el contenido más interesante primero (por ejemplo en muchos artículos periodísticos). El esquema CCC que proponemos sirve para un lector más paciente, que desea dedicar tiempo orientado con el contexto. Una desventaja del CCC es que puede que no atraiga a los lectores impacientes. Esta desventaja se puede paliar debido a la estructura de los artículos científicos, específicamente con la primacía del título y el resumen, que a menudo fuerzan a revelar el contenido rápidamente. Así, un lector que lee la introducción es probable que esté suficientemente comprometido para absorber el contexto. Por otra parte, un riesgo de una exceso de "acción" al inicio de una historia con estructura científica es que puedes generar escepticismo en el lector, de modo que se pueda perder un fragmento importante del contexto que haga a tu afirmación más creíble. Por estos motivos promovemos CCC como estructura por defecto de las historias científicas.

El esquema CCC define la estructura de un artículo en múltiples escalas. A nivel del artículo completo, la introducción determina el contexto, los resultados son el contenido y la discusión brinda el espacio para la conclusión. Aplicando CCC a nivel de párrafo la primera oración define el tema o el contexto mientras que la última proporciona la conclusión que debe ser recordada. En este artículo nos enfocamos en el modo de escribir con CCC.

Desviarse de la estructura CCC a menudo conduce a artículos que son difíciles de leer, pero los escritores lo hacen debido a su propio contexto autobiográfico. Durante nuestro día a día como científicos, dedicamos la mayoría de nuestro tiempo produciendo contenido y el resto entre una variedad de otras actividades. Hacemos experimentos, desarrollamos la exposición de la literatura disponible y combinamos pensamientos usando la inefable magia de la cognición humana. Es natural que queramos registrar esos esfuerzos en un artículo. Por ejemplo, podemos querer estructurar un artículo cronológicamente. Pero para nuestros lectores, la mayoría de los detalles sobre nuestras actividades son extrañas. No les importa el camino cronológico por el que alcanzas un resultado; sólo les interesa tu afirmación final y la lógica que la apoya. Así que todo nuestro trabajo debe ser reformateado para proporcionar contexto para hacer nuestro material comprensible y u una conclusión que ayude al lector a comprender y recordar.

Regla 4: Optimiza tu flujo lógico evitando ir en zigzag y usando paralelismos.

Evitar el zigzag: Solo la idea central de un artículo debe ser tocada varias veces. Por el contrario cada tema debe ser tratado en sólo un lugar para minimizar los cambios de tema. Las oraciones relacionadas, o los párrafos relacionados, deben encadenarse juntos en lugar de ir adelante y atrás como un patrón A-B-A. Las ideas similares, como dos razones por las que debemos creer algo deben ir inmediatamente una detrás de la otra.

Uso de paralelismos: De modo similar, a través de párrafos consecutivo u oraciones, los mensajes paralelos deben comunicarse de forma paralela. El paralelismo hace más fácil leer el texto porque el lector está familiarizado con la estructura. Por ejemplo, si tenemos tres razones independientes por las que preferimos una interpretación de un resultado sobre otra, es útil comunicarlas con la misma sintaxis porque esa redacción se hace transparente para el lector, permitiéndole enfocarse en el contenido. Solo una palabra debe usarse para referirse a cada concepto.

Los componentes del artículo (reglas 5-8)

Las partes de un artículo (Resumen, Introducción*, Resultados y Discusión) tienen diferentes objetivos y, por lo tanto, diferente estructura general y de párrafo. Estas estructuras especializadas son el tema de esta sección y de la figura.


Regla 5: Cuenta una historia completa en el resumen.

El resumen es, para muchos lectores, la única parte del artículo que leerán. Esto significa que el resumen debe transmitir de forma efectiva el mensaje del artículo completo. Para alcanzar este propósito, la estructura del resumen se conserva a alto nivel. Cada uno de los elementos CCC tiene dos elementos para ello, detallados más abajo.

El contexto debe cubrir el espacio que el artículo llenará. La primera oración orienta al lector introduciendo el campo en el cual se sitúa la investigación en particular. Luego este contexto se estrecha hasta el punto en el que surge la pregunta particular que la investigación responde. Una sección de contexto ejemplar establece la situación para distinguir la contribución del artículo desde el estado actual de la cuestión comunicando que se había perdido en la literatura (algo por conocer) y porque importa (la conexión entre ese desconocimiento y el contexto que abre el artículo).

El contenido ("Aquí estamos") describe primero el nuevo método o aproximación que has usado que empodera tu respuesta a lo desconocido, la pregunta. A continuación presentas "la chicha"; el sumario ejecutivo de los resultados. Evita las palabras con alto significado técnico (la jerga pierde lectores) y evita las palabras con significados sutiles.

Finalmente la conclusión interpreta el resultado para responder la pregunta que situamos al final de la sección de contexto. Cuando, especialmente para las revistas "generales" con amplio número de lectores, hay una segunda parte de la sección de conclusiones en ella se resaltará cómo estas conclusiones hacen avanzar el campo de estudio general.

Esta estructura ayuda a evitar el error más común de los resúmenes: Hablar de los resultados antes de que el lector esté preparado para entenderlos. Los buenos resúmenes normalmente realizan varias revisiones de refinamiento para asegurarse de que cubren el espacio como una llave en una cerradura. La estructura Amplio-estrecho-amplio permite comunicar con un mayor número de lectores mientras se mantiene la credibilidad de tu afirmación (que se basa en datos finitos).

Regla 6: Lograr comunicar porqué el artículo importa en la introducción.

La introducción resalta el espacio que existe entre el conocimiento o los métodos actuales y porqué es importante el artículo. Esto se hace habitualmente mediante un conjunto de párrafos cada vez más específicos que culminan en una exposición clara de cual es la carencia en la literatura, seguido de un párrafo que resume que se hace en el artículo para cubrir esa carencia.

Como ejemplo de la progresión de carencias, un primer párrafo puede explicar porqué comprender la diferenciación celular es un tema importante y que el campo que aún no ha sido resuelto es cuales son sus disparadores (una carencia o desconocimiento). Un segundo párrafo puede explicar que se desconoce sobre la diferenciación de un tipo específico de células como los atrocitos. Un tercero puede proporcionar claves sobre un gen particular que puede conducir la diferenciación de los atrocitos, estableciendo que esta hipótesis no está probada (la carencia que el artículo cubrirá). La afirmación sobre lo desconocido capta la atención del lector sobre lo que el artículo le dirá.

La estructura de cada párrafo de la introducción (excepto el último) sirven al objetivo de desarrollar la carencia. Cada párrafo primero orienta al lector sobre el tema (una o dos oraciones de contexto) y luego le explica "lo conocido" en la literatura relevante (contenido) antes de aterrizar en el "desconocido" crítico (conclusión) que hace que el artículo sea importante. A lo largo del recorrido, a menudo hay claves sobre los misterios detrás de lo desconocido que nos llevan a la hipótesis no probadas o métodos no desarrollados del artículo; aprendemos porque cerrar la brecha es prometedor. La introducción no debe contener una revisión de literatura sobre la motivación del artículo. Esta estructura enfocada en los desconocimientos o carencias hace fácil para los lectores experimentados evaluar la importancia potencial del artículo, sólo necesitan valorar la importancia del desconocimiento proclamado. Y esa declaración de desconocimiento o pregunta de investigación será contra lo que se evaluará al artículo; el entusiasmo, las expectativas y el alto nivel del contexto se establecen en esta definición de lo desconocido por el artículo.

El último párrafo de la introducción es especial, sumariza de forma compacta los resultados que cubren el desconocimiento que acabas de referir. Difiere del resumen en que no necesita presentar el contexto (que acabas de proporcionar justo arriba) siendo algo más específico sobre los resultados y dejando ver brevemente la conclusión del artículo, si lo hace.

Regla 7: Comunicar los resultados como una secuencia de afirmaciones que conectan lógicamente para apoyar la contribución central.

La sección de los resultados necesita convencer al lector de que la afirmación central del documento está apoyada por los datos y la lógica. Cada argumento científico tiene su estructura lógica particular que dicta la secuencia en la que los elementos deben ser presentados.

Por ejemplo, un artículo puede establecer una hipótesis, verificar que un método para medir es válido en el sistema bajo estudio, y usarlo para rechazar la hipótesis. De forma alternativa, un artículo puede establecer múltiples hipótesis alternativas (excluyentes mutuamente) y rechazar todas menos una para proporcionar evidencia para la interpretación restante. La estructura del argumento contendrá los controles y métodos donde sean precisos para la lógica general.

En la fase de borrador de la preparación del artículo (ver regla 9) esboza la estructura lógica de cómo los resultados apoyan tu afirmación final y conviértelo en una secuencia de afirmaciones declarativas sucesivas que sirvan como titulares de subsecciones dentro de la sección de resultados, muchas revistas permiten este tipo de formato. Estos titulares mantienen al lector orientado dentro del conjunto.

Las figuras y leyendas son particularmente importantes. De hecho, algunos lectores sólo leerán el resumen y mirarán las tablas y figuras. Idealmente las figuras deben contar la historia gráficamente sin la necesidad de leer la leyenda o el texto.

El primer párrafo de los resultados es especial ya que resume la aproximación global al problema manifestada en la introducción, junto con las innovaciones en los métodos desarrollados. Algunos lectores no leen los métodos por lo que este párrafo les proporciona una esencia de la metodología empleada.

Cada párrafo subsiguiente en la sección de resultados se inicia con una oración o dos precisando la pregunta que se responde en el párrafo. Por ejemplo "para verificar que no hubo artefactos...", "Cual es la fiabilidad test-retest de nuestra medida?" o "Después probamos si el flujo de Ca2+ a través de los canales tipo L Ca2+ estaba involucrado". El centro del párrafo presenta los datos y la lógica que incumben a la pregunta y el párrafo termina con una oración que responde a la pregunta. Por ejemplo, puede concluir que no se detectaron artefactos potenciales. Esta estructura hace más sencillo para un lector experto verificar el artículo. Cada párrafo convence al lector de la respuesta que se proporciona en la oración final. Esto hace fácil encontrar el párrafo donde se dibuja una conclusión sospechosa y verificar la lógica de dicho párrafo. El resultado de cada párrafo es una afirmación lógica, y los párrafos siguientes se basan en las conclusiones de los párrafos anteriores igual que los teoremas se construyen en la literatura matemática.

Regla 8: Discutir como se cubre el desconocimiento, las limitaciones de interpretación y la relevancia para el campo estudiado.

La sección de discusión explica como los resultados cubren el desconocimiento identificado en la introducción, proporciona advertencias sobre la interpretación y describe como el artículo hace avanzar su campo de conocimiento abriendo nuevas oportunidades. Esto se hace normalmente recapitulando los resultados, discutiendo las limitaciones, y revelando cómo la afirmación central puede catalizar progresos futuros. El primer párrafo de la discusión es especial porque resume los hallazgos importantes de la sección de resultados. Algunos lectores pasan de largo partes sustanciales de los resultados, así que este párrafo les proporciona al menos la esencia de dicha sección.

Cada párrafo siguiente en la sección de discusión se inicia describiendo un área de debilidad o fortaleza del artículo. Debe evaluar la fortaleza o debilidad citando extensivamente la literatura relevante. Para finalizar, concluye con la apreciación del autor acerca de su contribución discutiendo las formas en las que se puede seguir avanzando.

Por ejemplo, el primer párrafo puede hacer un sumario de los resultados, enfocado en su significado. Los siguientes cuatro párrafos pueden debatir las debilidades potenciales y como la literatura las mitiga o como futuros experimentos pueden hacerles frente. El quinto y el mas interesante sexto párrafo pueden culminar en una descripción de cómo el articulo influye en el campo de investigación. Paso a paso, así el lector aprende a poner las conclusiones del artículo en el contexto adecuado.

Proceso (reglas 9 y 10)

Para hacer un buen artículo, los autores pueden usar procesos y hábitos que les ayuden. Algunos aspectos de un artículo son más importantes para su impacto que otros, sugerimos que tu inversión de tiempo debe ponderarse hacia el tema que más importe. Por otra parte interactuar usando la retroalimentación de colegas permite a los autores mejorar la historia a todos los niveles para producir un manuscrito potente. Elegir el proceso adecuado hace que escribir artículos sea más fácil y efectivo.

Regla 9: Dedicar tiempo a lo que importa: Título, resumen, figuras y borrador.

La lógica central subyacente a una afirmación científica es primordial. Es el puente que conecta la fase experimental de un esfuerzo investigador con la fase de escritura de un artículo.
Por lo tanto, es importante que la estructura lógica del papel se planifique de acuerdo con los experimentos que se realizaron. Así, es útil formalizar la lógica de los esfuerzos experimentales (durante las reuniones en el laboratorio) en un documento de evolución de forma que haga de modelo para el boceto del artículo.

Debes repartir tu tiempo en virtud de la importancia de cada sección para comunicársela al lector. El título es leído por mucha más gente que el resumen que es leído por más gente que el grueso del artículo y el resto del artículo recibe más atención que la parte de métodos. Asigna tiempo en consecuencia.

El tiempo que dedicamos a cada sección debe ser usado eficientemente planificando el texto y produciéndolo. Haz un borrador. Nos gusta escribir oraciones informales para cada párrafo que planificamos. Suele ser útil empezar el proceso en las descripciones de los resultados obtenidos que luego pueden hacer de encabezados de las subsecciones en la sección de resultados. Como la historia es un conjunto cada párrafo ha de tener un papel definido en el avance de la misma. Este papel se comprueba mejor en la fase de borrador.

Regla 10: Consigue retroalimentación para reducir, reusar y reciclar la historia.

Escribir puede considerarse un problema de optimización en el cual quieres mejorar simultáneamente la historia, el borrador y los componentes de las oraciones. En este contexto, es importante no estar muy apegado a lo escrito. En muchos casos, desechar párrafos enteros y rescribirlos es la forma más rápida de producir un buen texto.

Hay múltiples signos de que hace falta refinar más un manuscrito (tabla 1). Por ejemplo, si como escritor no puedes describir el borrador completo del artículo a un colega en breves minutos, entonces un lector tampoco podrá. Necesitas mejorar tu historia. Encontrar estas infracciones en la escritura ayuda a mejorar el artículo a todos los niveles.

Escribir un artículo con éxito requiere la aportación de mucha gente. Se necesitan lectores de prueba para estar seguros de que el global de la historia funciona. También pueden darnos valiosa información sobre donde la historia parece que va demasiado de prisa o demasiado despacio. Pueden aclararnos si es mejor volver al escritorio y rescribir la historia completa. Los revisores son útiles también. Una respuesta no específica y aparentemente aburrida implica que los lectores no han "cogido" el marco de la historia. Una retroalimentación específica señala lugares donde la lógica entre párrafos no es suficiente. Es vital aceptar estas opiniones de forma positiva. Como contribución de otros es esencial, un red de colegas colaboradores es fundamental para hacer una historia memorable. Y para mantener esa red funcionando asegúrate de compensarles leyendo sus manuscritos.

 Tabla 1: Resumen de reglas y sus usos
Regla
Signo de que falla:
1: Una gran idea
Los lectores no pueden hacer un resumen en una frase
2: Lectores humanos
Los lectores no “cogen” el artículo.
3: Contexto, Contenido, Conclusión
Los lectores preguntan porqué algo es significativo o que significa
4: Optimizar el flujo lógico
Los lectores tropiezan en una sección del texto
5: Resumen: Sumario compacto
Los lectores no pueden responder a la importancia del trabajo tras leerlo.
6: Introducción: Porqué importa
Los lectores muestran poco interés en tu artículo.
7: Resultados: porque la conclusión está justificada
Los lectores no están de acuerdo con tu conclusión.
8: Discusión: Adelantarse a la crítica y hablar del impacto futuro
Los lectores quedan con preguntas o críticas sin responder.
9: Distribución de tiempos
Los lectores encuentran mejor los datos que la afirmación central
10: Historia no legible
La contribución del artículo es rechazada por los lectores de prueba, editores o revisores.


REFERENCIAS BIBLIOGRÁFICAS DEL ORIGINAL

1. Hirsch JE (2005) An index to quantify an individual's scientific research output. Proc Natl Acad Sci U S A 102: 16569-16572.
2. Acuna DE, Allesina S, Kording KP (2012) Future impact: Predicting scientific success. Nature 489: 201-202.
3. Paiva CE, Lima JPSN, Paiva BSR (2012) Articles with short titles describing the results are cited more often. Clinics 67: 509-513.
4. Carter M (2012) Designing Science Presentations: A Visual Guide to Figures, Papers, Slides, Posters, and More: Academic Press.
5. Murdock BB, Jr. (1968) Serial order effects in short-term memory. J Exp Psychol 76: Suppl:1-15.
6. Lisberger SG (2011) From Science to Citation: How to Publish a Successful Scientific Paper: Stephen Lisberger.
7. Simons D (2012) Dan's writing and revising guide.
8. Sørensen C. This is Not an Article — Just Some Thoughts on How to Write One; 1994; Oulu University. Syöte, Finland. pp. 46-59.
9. Day R (1988) How to write and publish a scientific paper: Phoenix: Oryx.
10. Lester JD, Lester J (1967) Writing research papers: Scott, Foresman.
11. Dumont J-L (2009) Trees, Maps, and Theorems: Principiae.
12. Pinker S (2014) The Sense of Style: The Thinking Person’s Guide to Writing in the 21st Century: Viking Adult.
13. Bern D (1987) Writing the empirical journal. The compleat academic: A practical guide for the beginning social scientist 171.