Sci Simple

New Science Research Articles Everyday

# Ciencias de la Salud # Epidemiología

La lucha por la transparencia en la investigación epidemiológica

Los estudios epidemiológicos están buscando prácticas más claras y compartir datos.

Timo Roettger, Adrian Dahl Askelund, Viktoria Birkenæs, Ludvig Daae Bjørndal, Agata Bochynska, Bernt Damian Glaser, Tamara Kalandadze, Max Korbmacher, Ivana Malovic, Julien Mayor, Pravesh Parekh, Daniel S. Quintana, Laurie J. Hannigan

― 9 minilectura


Aumentando la Aumentando la Credibilidad en la Investigación de Salud en salud pública. clave para lograr resultados confiables La transparencia en los estudios es
Tabla de contenidos

La Investigación epidemiológica es el estudio de cómo las enfermedades y trastornos aparecen y se propagan con el tiempo. Imagina rastrear un virus mientras viaja de persona a persona o entender por qué ciertos problemas de salud son más comunes en poblaciones específicas. Esta área de investigación nos ayuda a comprender la salud pública, informando desde estrategias de vacunación hasta políticas de salud.

Un estudio conocido en este campo es el Estudio de Cohorte de Madres, Padres e Hijos de Noruega, también conocido como MoBa. Establecido hace unos 25 años, este estudio sigue a aproximadamente 100,000 madres, sus hijos y sus parejas. Se ha recopilado una gran cantidad de información, abarcando varios temas como la fertilidad, el desarrollo cerebral y la salud infantil. Los investigadores utilizan estos Datos para obtener información sobre numerosas preguntas de salud importantes.

La Complejidad del Análisis de Datos

Los conjuntos de datos Epidemiológicos, como MoBa, no son simples. Contienen numerosas variables—piense en ellas como diferentes piezas de un rompecabezas—y ofrecen muchas vías para explorar. Cuando los investigadores analizan estos conjuntos de datos, enfrentan muchas decisiones sobre cómo interpretar la información. Esta flexibilidad puede llevar a diferentes resultados según cómo cada investigador aborde los datos.

Las muchas decisiones que toman los investigadores pueden ser beneficiosas. Permite perspectivas únicas y puede llevar a nuevas ideas o descubrimientos. Sin embargo, esta flexibilidad también puede ser un arma de doble filo. Diferentes elecciones pueden generar distintas interpretaciones, lo que potencialmente lleva a confusiones o resultados contradictorios. Algunos estudios han demostrado que cuando analistas independientes miran el mismo conjunto de datos con diferentes métodos, pueden llegar a conclusiones muy distintas.

Por ejemplo, en un examen reciente, los investigadores que observaron los mismos hallazgos epidemiológicos produjeron resultados que no coincidían debido a las diferentes rutas analíticas que tomaron. Esto muestra la importancia de tener métodos claros en la investigación para evitar interpretaciones engañosas.

La Importancia de la Ciencia Transparente

En respuesta a estos desafíos, ha surgido un movimiento conocido como "Ciencia Abierta". Esto busca hacer que la investigación sea más abierta y transparente, permitiendo al público y a la comunidad científica evaluar los hallazgos de manera crítica. Algunas prácticas clave incluyen publicar planes de investigación por adelantado, compartir datos y scripts de análisis, y hacer que los materiales del estudio sean accesibles.

La transparencia en la investigación es crucial. Aumenta la credibilidad de los hallazgos y ayuda a otros investigadores a verificar resultados. Cuando los investigadores documentan claramente sus métodos y los comparten, se reduce la confusión y se aumenta la confianza en los resultados.

Algunas prácticas ayudan específicamente a abordar la flexibilidad que enfrentan los investigadores. Al preregistrar análisis—esencialmente declarando de antemano qué se examinará—los investigadores pueden ayudar a mitigar problemas que surgen de decisiones post hoc (después del hecho). Esta práctica también ayuda a resaltar cualquier cambio realizado en el análisis más tarde, lo cual puede ser importante para entender cómo se llegaron a las conclusiones.

Adoptar prácticas transparentes puede acelerar el progreso de la investigación. Al compartir materiales y datos, los científicos pueden colaborar de manera más efectiva, aprender de los hallazgos de los demás y reducir la duplicación de esfuerzos. A su vez, esto hace que la investigación sea más eficiente y sostenible.

El Estado Actual de las Prácticas Transparentes

A pesar del impulso hacia la transparencia, muchos estudios aún no cumplen con los estándares. Las evaluaciones han mostrado que en campos como la biomedicina, ciencias sociales y psicología, el uso de prácticas transparentes sigue siendo bajo. Esta situación se mantiene en los estudios epidemiológicos también, donde los desafíos relacionados con la privacidad y la sensibilidad de los datos pueden obstaculizar el intercambio.

Por ejemplo, los estudios epidemiológicos a menudo contienen información personal que los participantes pueden no desear compartir ampliamente. Esto presenta un problema para los investigadores que desean compartir sus hallazgos mientras respetan la privacidad de sus sujetos.

El objetivo de las discusiones e investigaciones actuales es mejorar la adopción de estas prácticas, especialmente en el análisis de datos de cohortes como MoBa. Al identificar obstáculos y proporcionar soluciones simples, los investigadores pueden ser guiados hacia métodos más transparentes.

Evaluando la Transparencia en los Estudios de MoBa

Para entender mejor el estado de las prácticas transparentes en el estudio de MoBa, los investigadores analizaron varios artículos publicados que utilizaron los datos. Buscaron prácticas consideradas las mejores para la investigación abierta, como la preregistración de análisis, el intercambio de datos y la provisión de descripciones detalladas de los métodos.

Los hallazgos revelaron una mezcla de resultados. Menos del 1% de los artículos muestreados reportaron haber preregistrado sus análisis, lo cual es sorprendente dado lo útil que puede ser esta práctica. Además, el intercambio de datos adicionales o protocolos de análisis también fue muy bajo. Sin embargo, se observó una tendencia positiva en las publicaciones más recientes, lo que indica que los investigadores están comenzando a captar la importancia de estas prácticas.

Al observar los controles de robustez—pruebas que ayudan a confirmar si los resultados se mantienen bajo diferentes supuestos—cerca de un tercio de los artículos incluyeron algún tipo de análisis de sensibilidad. Esto es una buena señal, ya que muestra que los investigadores están comenzando a evaluar sus conclusiones con cuidado.

Haciendo la Ciencia Más Transparente

Para ayudar a los investigadores a mejorar sus prácticas, ejemplos claros y plantillas pueden ser invaluables. Un ejemplo hipotético puede mostrar cómo un investigador podría llevar a cabo y reportar un análisis de manera transparente. En este caso, los investigadores interesados en estudiar los efectos de la edad y la duración de la lactancia en la altura infantil podrían esbozar sus planes por adelantado, incluyendo las variables clave que analizarían.

Durante el análisis, si los datos divergían de lo esperado, podrían reportar cualquier cambio en su enfoque, manteniendo así la transparencia. Documentarían cada desviación en una tabla clara, mostrando su proceso de pensamiento y decisiones. Tal atención al detalle puede asegurarse de que otros investigadores puedan seguir el camino y replicar los hallazgos si es necesario.

Abordando estos momentos emocionales, los investigadores podrían compartir su código analítico de manera organizada, utilizando posiblemente plataformas en línea para asegurar un acceso fácil. Un archivo readme puede ayudar a guiar a los usuarios a través de los varios documentos, ofreciendo claridad sobre lo que hace cada parte.

Además, dado que compartir datos originales de MoBa está restringido debido a preocupaciones de privacidad, los investigadores podrían optar por crear datos sintéticos. Esto implica generar datos que imiten las propiedades estadísticas de los datos originales pero no contengan información identificable. Al hacer esto, pueden compartir su trabajo sin arriesgar la confidencialidad de los participantes.

Los Beneficios de las Prácticas Transparentes

Al adoptar prácticas abiertas y transparentes, los investigadores pueden aumentar la credibilidad de su trabajo y asegurarse de que sus hallazgos pueden ser confiables y verificables. Esto es especialmente crucial en campos como la epidemiología, donde las conclusiones pueden impactar significativamente en decisiones de salud pública y políticas.

La transparencia también ayuda a los investigadores a colaborar, llevando a un proceso de investigación más rápido e innovador. Cuando todos tienen acceso a los mismos recursos y métodos, el conocimiento colectivo crece, y las soluciones a los desafíos de salud pueden surgir más rápidamente.

En el esquema general, el objetivo de la investigación epidemiológica es ayudar a mejorar los resultados de salud para individuos y comunidades. Cuando los investigadores comunican sus hallazgos de manera clara y transparente, se crea un puente entre la investigación y la aplicación práctica, beneficiando en última instancia a los pacientes y sus familias.

Desafíos y Avanzando

Aunque el camino hacia una mayor transparencia es alentador, es importante reconocer que seguirán existiendo desafíos. Problemas como la privacidad, la complejidad de los datos y la adopción variable de prácticas entre disciplinas pueden ralentizar el progreso.

Para apoyar aún más el movimiento hacia la transparencia, los interesados, como universidades, agencias de financiamiento y revistas científicas, necesitan invertir en la infraestructura que fomente estas prácticas. Esto puede incluir proporcionar capacitación a los investigadores sobre cómo preregistrar su trabajo o desarrollar prácticas de intercambio transparentes.

Al incentivar la transparencia, ya sea a través de oportunidades de financiamiento o políticas editoriales, la comunidad científica puede reforzar la importancia de estas prácticas. Mantener la conversación es vital para asegurar que el mensaje siga siendo claro: la investigación transparente beneficia a todos a largo plazo.

Mirando Hacia Adelante

A medida que continuamos evaluando el estado de la investigación epidemiológica, vemos señales prometedoras de cambio. La creciente conciencia sobre la importancia de las prácticas transparentes es evidente en las tasas de adopción en aumento. Aunque todavía existen muchas barreras, los esfuerzos colaborativos pueden allanar el camino hacia un entorno de investigación más abierto y creíble.

A medida que los investigadores avanzan, la esperanza es que la transparencia se convierta en la norma en lugar de la excepción. Al adoptar estas mejores prácticas, pueden hacer contribuciones significativas para avanzar en la salud pública y mejorar vidas.

En conclusión, las prácticas transparentes en la investigación epidemiológica pueden estar todavía en su infancia, pero con esfuerzo y compromiso, tienen el potencial de transformar la forma en que estudiamos la salud y la enfermedad. Ahora, si tan solo pudiéramos averiguar transparentemente por qué la gente sigue olvidando dónde estacionó sus coches.

Fuente original

Título: Transparency in epidemiological analyses of cohort data - A case study of the Norwegian Mother, Father, and Child cohort study (MoBa)

Resumen: BackgroundEpidemiological research is central to our understanding of health and disease. Secondary analysis of cohort data is an important tool in epidemiological research, but is vulnerable to practices that can reduce the validity and robustness of results. As such, adopting measures to increase the transparency and reproducibility of secondary data analysis is paramount to ensuring the robustness and usefulness of findings. The uptake of such practices has not yet been systematically assessed. MethodsUsing the Norwegian Mother, Father and Child Cohort study (MoBa; Magnus et al., 2006, 2016) as a case study, we assessed the prevalence of the following reproducible practices in publications between 2007-2023: preregistering secondary analyses, sharing of synthetic data, additional materials, and analysis scripts, conducting robustness checks, directly replicating previously published studies, declaring conflicts of interest and publishing publicly available versions of the paper. ResultsPreregistering secondary data analysis was only found in 0.4% of articles. No articles used synthetic data sets. Sharing practices of additional data (2.3%), additional materials (3.4%) and analysis scripts (4.2%) were rare. Several practices, including data and analysis sharing, preregistration and robustness checks became more frequent over time. Based on these assessments, we present a practical example for how researchers might improve transparency and reproducibility of their research. ConclusionsThe present assessment demonstrates that some reproducible practices are more common than others, with some practices being virtually absent. In line with a broader shift towards open science, we observed an increasing use of reproducible research practices in recent years. Nonetheless, the large amount of analytical flexibility offered by cohorts such as MoBa places additional responsibility on researchers to adopt such practices with urgency, to both ensure the robustness of their findings and earn the confidence of those using them. A particular focus in future efforts should be put on practices that help mitigating bias due to researcher degrees of freedom - namely, preregistration, transparent sharing of analysis scripts, and robustness checks. We demonstrate by example that challenges in implementing reproducible research practices in analysis of secondary cohort data - even including those associated with data sharing - can be meaningfully overcome.

Autores: Timo Roettger, Adrian Dahl Askelund, Viktoria Birkenæs, Ludvig Daae Bjørndal, Agata Bochynska, Bernt Damian Glaser, Tamara Kalandadze, Max Korbmacher, Ivana Malovic, Julien Mayor, Pravesh Parekh, Daniel S. Quintana, Laurie J. Hannigan

Última actualización: 2024-12-06 00:00:00

Idioma: English

Fuente URL: https://www.medrxiv.org/content/10.1101/2024.12.05.24318481

Fuente PDF: https://www.medrxiv.org/content/10.1101/2024.12.05.24318481.full.pdf

Licencia: https://creativecommons.org/licenses/by-nc/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a medrxiv por el uso de su interoperabilidad de acceso abierto.

Artículos similares