¿Deberíamos creer en los hallazgos de los estudios científicos? En medio de las preocupaciones actuales sobre la confianza del público en la ciencia, están resurgiendo viejos argumentos que pueden sembrar confusión.
Déjame guiarte a través del proceso científico, desde la investigación hasta la publicación. Los resultados de las investigaciones de los que escuchamos dependen crucialmente de cómo los científicos formulan las preguntas que están investigando.
Método científico e hipótesis nula.
Investigadores de todo tipo de campos utilizan métodos científicos para investigar cuestiones que les interesan.
Primero, el científico formula una nueva afirmación: lo que se llama una hipótesis. Por ejemplo, ¿algunas mutaciones genéticas en los genes BRCA están asociadas con un mayor riesgo de cáncer de mama? Luego recopilan datos relevantes para la hipótesis y deciden, basándose en los datos, si esa afirmación inicial era cierta o no.
Es intuitivo pensar que esta decisión es puramente dicotómica: que el investigador decide si la hipótesis es verdadera o falsa. Pero claro, sólo porque decidas algo no significa que tengas razón.
Si la afirmación es realmente falsa, pero el investigador decide, basándose en la evidencia, que es cierta (un falso positivo), comete lo que se llama un error de tipo 1. Si la afirmación es realmente cierta, pero el investigador no la ve (un falso negativo), entonces comete un error de tipo 2.
Además, se vuelve un poco más complicado en el mundo real. Es realmente difícil decidir la verdad o falsedad de una afirmación basándose únicamente en lo que se observa.
Por esta razón, la mayoría de los científicos utilizan lo que se llama un marco de prueba de significación de hipótesis nulas. Así es como funciona: al investigador primero se le ocurre una "hipótesis nula", algo que contradice lo que quiere probar. Por ejemplo, en nuestro ejemplo, la hipótesis nula es que las mutaciones genéticas BRCA no están asociadas con una mayor incidencia de cáncer de mama.
El científico aún recopila datos y toma una decisión, pero la decisión no se trata de si la nula es correcta. En cambio, el investigador decide si hay evidencia suficiente para rechazar la hipótesis nula o no.
Un análisis estadístico cuidadoso junto con una hipótesis nula bien formulada da credibilidad a los hallazgos del estudio. Jackienjoiphotographi/Moment vía Getty Images Qué significa y qué no significa el rechazo del cero
Comprender esta diferencia es crucial. Rechazar la nulidad equivale en la práctica a comportarse como si fuera falso; por ejemplo, rechazar la nula significa afirmar que las personas con algunas mutaciones del gen BRCA tienen un mayor riesgo de cáncer de mama. Junto con otras pruebas, como la magnitud del mayor riesgo, este resultado puede justificar la recomendación de la detección temprana del cáncer de mama en personas con mutaciones BRCA identificadas.
Pero no rechazar la hipótesis nula no significa que sea cierta; en este caso, no significa que no exista un vínculo entre las mutaciones BRCA y el cáncer de mama. Más bien, ese resultado no es concluyente; no hay evidencia suficiente para sugerir una asociación. Un resultado negativo (evidencia insuficiente para decir que lo nulo es falso) no necesariamente invita al investigador a creer que lo nulo es verdadero.
Esto se debe a que las pruebas de significancia de hipótesis nulas están configuradas para controlar el error de tipo 1 (falso positivo) a un nivel predefinido por el investigador, pero a costa de un menor control sobre el error de tipo 2 (falso negativo).
Las posibilidades de que un investigador rechace correctamente la nula si existe un mayor riesgo pueden depender de la cantidad de datos que tenga, de la complejidad del diseño del estudio y, lo más importante, de la magnitud real del efecto. Es mucho más fácil rechazar la hipótesis nula si las mutaciones BRCA en realidad aumentan muchas veces el riesgo de cáncer que si el riesgo es sólo ligeramente elevado. Un investigador puede terminar con un resultado que no sea estadísticamente significativo, pero no puede descartar la posibilidad de un mayor riesgo que sea demasiado pequeño para que el estudio lo detecte.
¿Qué resultados se publican con más frecuencia?
Una vez que tienen su resultado y los investigadores quieren difundir su trabajo, suelen hacerlo a través de publicaciones revisadas por pares. Los editores de revistas revisan los escritos de un investigador sobre su estudio, los envían a otros científicos para su revisión y luego deciden si publicarlos.
En este proceso, los editores tienden a favorecer los estudios que rechazaron su hipótesis nula sobre aquellos que no la rechazaron. A esto se le llama sesgo de publicación positivo.
Es natural que los editores prefieran estudios que respalden nuevas afirmaciones porque objetivamente contienen más información que estudios que no rechazan su hipótesis nula. Las revistas quieren publicar algo nuevo y digno de mención.
Muchas fuentes etiquetan este fenómeno como "mala ciencia", pero ¿lo es realmente? Recuerde, el marco utilizado para tomar decisiones sobre afirmaciones científicas intencionalmente sólo es capaz de rechazar la hipótesis nula (en otras palabras, respaldar la afirmación) o, alternativamente, declarar resultados inverosímiles.
El marco no está diseñado para poder probar la hipótesis nula. Sin embargo, los investigadores pueden revertir el diseño de un estudio científico para que una afirmación anterior se convierta en la hipótesis nula en un nuevo estudio con datos nuevos.
Por ejemplo, en lugar de la hipótesis nula de que no existe relación entre las mutaciones de BRCA y el cáncer de mama, la hipótesis nula pasa a ser que el mayor riesgo de cáncer de mama debido a las mutaciones de BRCA es igual o mayor que algún valor que el investigador decide antes de recopilar nuevos datos.
Rechazar la nula esta vez significaría que el aumento del riesgo es menor que el valor establecido, respaldando así una afirmación que es consistente con lo que anteriormente era la hipótesis nula sobre los datos anteriores. En el ejemplo, rechazar la nula significa que el efecto del gen BRCA es lo suficientemente pequeño como para ser prácticamente insignificante en términos de desarrollo del cáncer de mama.
Las revistas de investigación quieren publicar resultados que tengan un impacto. luoman/iStock vía Getty Images Plus ¿Qué efecto tiene el sesgo de publicación positivo?
Entonces, ¿qué efecto tiene la práctica de preferir publicar estudios que rechazan su hipótesis nula?
Aunque no podemos saberlo con certeza, podemos ver cómo se desarrolla esto en diferentes circunstancias. Puedes explorar los escenarios en esta aplicación que hice.
Si los científicos actúan de buena fe, utilizando apropiadamente pruebas de significancia de hipótesis nulas, resulta que un sesgo de publicación positivo por parte de los editores de revistas científicas aumentará la proporción de descubrimientos verdaderos en sus páginas mucho más de lo que aumentará la proporción de falsos positivos.
Si los editores no mostraran ningún sesgo de publicación positivo, las revistas estarían casi enteramente repletas de estudios con resultados no concluyentes.
Por supuesto, si los científicos no actúan de buena fe y sólo están interesados en ser publicados ignorando el uso adecuado de las pruebas estadísticas, esto puede llevar a tasas de falsos positivos tan altas o superiores a las tasas de descubrimiento verdadero. Pero esta posibilidad es cierta incluso sin un sesgo de publicación positivo.
.webp)
0 Comentarios