Nucleo 3 y 4: Perspectiva teórica, búsqueda bibliográfica y proyecto de investigación en salud

Esta clase aborda uno de los pasos más importantes antes de arrancar cualquier investigación científica: construir la perspectiva teórica. Eso significa buscar, leer y organizar lo que ya se sabe sobre un tema, para poder formular una pregunta de investigación relevante y fundamentada. Sin este paso, no sabemos si el problema ya fue estudiado, si el método que elegimos es el adecuado, ni si la pregunta que queremos responder tiene sentido científico.

El material cubre también cómo se hace una búsqueda bibliográfica concreta: qué bases de datos usar, cómo construir una estrategia con palabras clave y operadores booleanos, cómo evaluar la calidad de los artículos que encontramos, y qué lugar ocupa la inteligencia artificial como herramienta de apoyo (no de reemplazo) en este proceso.

Finalmente, se trabaja cómo transformar todo ese material en la introducción de un proyecto de investigación: una construcción lógica que lleva al lector desde el problema general hasta la pregunta específica. Este recorrido es la base del trabajo final integrador de PIAS.

Antes de formular cualquier investigación, es necesario responder cuatro preguntas básicas: ¿qué es lo que se sabe sobre el tema?, ¿qué investigaciones ya se hicieron?, ¿qué resultados se encontraron?, y ¿qué aspectos todavía no están resueltos? Estas preguntas no son opcionales, son el punto de partida real de cualquier investigación científica. Sin revisión de la literatura, no podemos saber si alguien ya respondió lo que queremos estudiar, ni cuál es el método más adecuado, ni si nuestra pregunta tiene relevancia.

Un ejemplo concreto: si queremos investigar si las vacunas son efectivas para prevenir enfermedades, la revisión bibliográfica nos va a mostrar que esa pregunta ya está respondida con miles de estudios. Lo que necesitamos es ir un paso más allá y formular algo nuevo: por ejemplo, ¿cuál es la efectividad de una vacuna específica en una población particular? Eso que todavía no se sabe con claridad se llama gap o vacío de conocimiento, y la revisión de la literatura es la herramienta que nos permite encontrarlo.

La revisión de la literatura no es simplemente leer qué hay sobre un tema. Es un proceso activo de análisis, selección y reflexión. Permite identificar vacíos de conocimiento, justificar por qué un estudio vale la pena hacerlo, delimitar la pregunta de investigación y evitar duplicar trabajos que ya existen. Como sintetiza la clase: una buena investigación no empieza con un experimento, empieza con una buena pregunta. Y esa buena pregunta surge cuando conocemos qué se sabe y qué no.

La perspectiva teórica es el conjunto organizado del conocimiento existente sobre el problema que queremos estudiar. Incluye antecedentes del tema, conceptos relevantes, resultados de investigaciones previas y teorías o marcos explicativos. Según Hernández Sampieri, es al mismo tiempo un proceso (de inmersión en el conocimiento disponible) y un producto (el marco teórico, que luego forma parte del reporte de investigación). En el proyecto de PIAS, esta perspectiva teórica aparece plasmada principalmente en la sección de introducción.

Es importante entender que “marco teórico” no es lo mismo que “teoría”. No todo proyecto de investigación se basa en una teoría formal; en muchos casos en ciencias de la salud, lo que encontramos son generalizaciones empíricas, o sea, proposiciones que fueron comprobadas en la mayoría de los estudios realizados pero que aún no constituyen una teoría completa. En esos casos igualmente construimos un marco teórico, pero basado en evidencia acumulada y no en una estructura teórica única.

La perspectiva teórica cumple funciones muy concretas dentro del proyecto de investigación. Primero, fundamenta el estudio, le da base científica. Segundo, permite evitar duplicados: si alguien ya respondió exactamente nuestra pregunta, tenemos que reformularla. Tercero, ayuda a identificar los gaps de conocimiento, que son los que van a orientar la pregunta de investigación. Por eso decimos que la perspectiva teórica desemboca en la pregunta: después de saber qué se sabe, queda claro qué todavía no se sabe. Cuarto, provee un marco de referencia para interpretar los resultados del estudio una vez que la investigación se realiza.

No toda la información disponible tiene el mismo valor científico. Esta es una de las habilidades más importantes que hay que desarrollar en investigación: aprender a distinguir una fuente confiable de una que no lo es. Un artículo publicado en una revista médica revisada por pares no tiene el mismo peso que una opinión en una red social o en un blog, aunque ambos hablen del mismo tema y ambos aparezcan en una búsqueda de Google. El desafío no es encontrar información, sino aprender a evaluarla.

En ciencias de la salud, las principales fuentes de información científica son los artículos originales (que presentan datos nuevos de una investigación), las revisiones sistemáticas y metaanálisis (que sintetizan resultados de múltiples estudios), las guías clínicas (que ofrecen recomendaciones basadas en evidencia), los informes de organismos oficiales y los libros académicos. Para acceder a estas fuentes usamos bases de datos científicas, que son sistemas organizados que reúnen literatura validada, indexada y revisada por pares. Las principales que se usan en ciencias de la salud son PubMed (la más completa a nivel internacional, del National Institutes of Health de Estados Unidos), BVS (Biblioteca Virtual en Salud, con foco en Latinoamérica) y SciELO (que incluye revistas iberoamericanas y acceso abierto).

La diferencia con buscar en Google es fundamental. Google devuelve de todo: noticias, opiniones, publicidad, páginas comerciales y artículos científicos mezclados sin ningún criterio de calidad. Las bases de datos científicas, en cambio, solo indexan literatura que pasó por revisión por pares, lo que garantiza un mínimo de rigor metodológico. Esto no significa que todo lo que está en PubMed sea perfecto, pero sí que tiene un nivel de confiabilidad muy superior a lo que aparece en una búsqueda general de internet.

Dentro de la literatura científica existen distintos tipos de artículos, y cada uno tiene un propósito diferente. Los artículos originales presentan resultados de una investigación nueva, es decir, generan datos que antes no existían. Dentro de ellos hay distintos diseños: ensayos clínicos aleatorizados, estudios de cohorte, estudios de casos y controles, estudios transversales, entre otros. Cada diseño tiene diferentes niveles de control sobre las variables y diferente capacidad para establecer relaciones de causalidad.

Las revisiones sistemáticas y los metaanálisis son documentos que no generan datos propios, sino que analizan y sintetizan resultados de múltiples estudios ya publicados. Por eso se ubican en los niveles más altos de evidencia científica: en lugar de depender de un solo estudio, integran la evidencia de muchos y la evalúan de forma crítica. También existen las revisiones narrativas, que son resúmenes generales de un tema pero sin la metodología estricta de una revisión sistemática, y las guías clínicas, que ofrecen recomendaciones para la práctica médica basadas en evidencia disponible.

El concepto de niveles de evidencia es fundamental para entender el peso de cada tipo de estudio. La idea central es que cuanto mayor es el control del estudio y menor el riesgo de sesgo, mayor es la confianza que podemos tener en sus resultados. En la cima de la pirámide de evidencia se ubican las revisiones sistemáticas y metaanálisis, luego los ensayos clínicos aleatorizados, después los estudios observacionales y, en la base, las opiniones de expertos. Esto no significa que los estudios de menor evidencia no sirvan, sino que sus conclusiones deben interpretarse con mayor cautela. Aparte de los niveles de evidencia, también es importante conocer los cuartiles de revistas: las revistas científicas se clasifican según su impacto en Q1, Q2, Q3 y Q4. Las de Q1 tienen mayor visibilidad, pero el cuartil indica el prestigio de la revista donde se publicó el estudio, no el tipo de diseño ni la calidad intrínseca de ese artículo en particular.

La búsqueda bibliográfica no empieza en el buscador: empieza en el pensamiento. El primer paso es tener más o menos claro qué queremos investigar, aunque sea de forma general. El problema es que cuando no tenemos experiencia, solemos empezar con ideas muy amplias como “nutrición”, “vacunas” o “salud mental”. Investigar no significa estudiar todo un tema, sino estudiar un problema específico dentro de él. Ese recorte se construye paso a paso: del tema general a la población de interés, a la variable que queremos medir, hasta llegar a algo investigable.

Una vez que identificamos los conceptos principales del tema, los convertimos en palabras clave. Como la mayoría de la literatura científica está en inglés, las búsquedas en bases de datos como PubMed se hacen en ese idioma. Un concepto importante es el de términos MeSH (Medical Subject Headings): son palabras clave estandarizadas que usa PubMed para clasificar los artículos. Por ejemplo, si buscamos “ataque cardíaco”, el término MeSH correcto es “myocardial infarction”. Usar términos MeSH hace la búsqueda más precisa y permite encontrar más artículos relevantes. El ChatGPT puede ayudar a identificar estos términos rápidamente.

Con las palabras clave, construimos la estrategia de búsqueda usando operadores booleanos: AND (combina términos, todos deben aparecer), OR (incluye sinónimos, alcanza con que aparezca alguno) y NOT (excluye términos que no queremos). Por ejemplo: obesity AND sugar-sweetened beverages AND children. Además de los operadores, las bases de datos permiten aplicar filtros por año de publicación, idioma, tipo de artículo y disponibilidad del texto completo. Una vez que tenemos los resultados, elegimos las referencias más relevantes evaluando su cercanía al problema de investigación, la fecha de publicación (cuanto más reciente, mejor), el rigor metodológico y la perspectiva desde la que abordan el tema.

En los últimos años surgieron herramientas de inteligencia artificial que pueden ser muy útiles en el proceso de búsqueda y comprensión de literatura científica. La clase presenta tres: ChatGPT, Open Evidence y Consensus. Sin embargo, todas comparten una regla de oro: son herramientas de apoyo, no pueden reemplazar la búsqueda científica rigurosa ni el pensamiento crítico del investigador.

ChatGPT es útil para explorar un tema, generar palabras clave en inglés, identificar términos MeSH, construir estrategias de búsqueda y entender o resumir artículos. Pero tiene una limitación importante: puede inventar referencias o citar artículos reales con contenidos incorrectos. Por eso, cualquier artículo que el ChatGPT mencione debe verificarse directamente en PubMed antes de usarlo. Open Evidence es una plataforma diseñada específicamente para medicina que responde consultas clínicas basándose en literatura científica. Es útil para explorar evidencia sobre un tema de forma rápida, pero no realiza búsquedas sistemáticas completas. Consensus funciona de forma similar: responde preguntas usando artículos científicos publicados y permite ver qué dice el consenso científico sobre un tema.

Las limitaciones que comparten estas herramientas son importantes: ninguna cubre toda la literatura disponible, ninguna puede reemplazar una búsqueda sistemática formal, y todas dependen de las bases de datos que usen para construir sus respuestas. La idea clave de la clase es que la inteligencia artificial amplifica nuestras capacidades, pero también amplifica los errores si no tenemos el criterio para usarla correctamente. El elemento central de la investigación sigue siendo el pensamiento crítico: la ciencia no es solo encontrar información, es evaluarla, interpretarla y decidir qué es confiable.

Una vez que revisamos la literatura, necesitamos organizar esa información en la introducción del proyecto. La introducción no es una lista de datos: es una construcción lógica que lleva al lector desde el problema general hasta la pregunta específica de investigación. Para eso, se organiza siguiendo una estructura de pirámide invertida: de lo más general a lo más particular.

El primer movimiento es presentar el problema general y establecer su relevancia. Después se describe qué es lo que se sabe actualmente sobre el tema (el estado del conocimiento). Luego se identifica el gap: qué es lo que no se sabe, cuál es el problema que queda sin resolver. Y finalmente se presenta el objetivo de la investigación, que es la respuesta que el estudio va a intentar dar a ese vacío. Por ejemplo, con el tema vacunas: “Las enfermedades prevenibles por vacunación siguen siendo una causa importante de morbimortalidad en la infancia (problema general y relevancia). La vacunación ha demostrado reducir la incidencia de estas enfermedades (qué se sabe). Sin embargo, la cobertura ha disminuido en algunos grupos poblacionales (el gap). El objetivo de este estudio es analizar los factores asociados a la aceptación de la vacuna en adolescentes (pregunta/objetivo).”

Todas las afirmaciones que hacemos en la introducción deben estar respaldadas por citas bibliográficas. En PIAS se usa el formato AMA, que se basa en el sistema Vancouver: las referencias se numeran con superíndices en el texto y cada número corresponde a una referencia en la lista final. No todo necesita citar: sí necesitan cita los datos epidemiológicos, los resultados de estudios, las definiciones científicas y las afirmaciones específicas. No se citan ideas propias ni conocimientos ampliamente aceptados sin controversia. Las citas permiten reconocer el trabajo de otros autores, fundamentar afirmaciones, evitar el plagio y facilitar que cualquier lector pueda verificar la información.

Gisbert y Chaparro plantean que saber elaborar correctamente un proyecto de investigación es un reto real, especialmente cuando hay que competir por financiamiento. Un proyecto de investigación es un plan escrito minuciosamente que contempla todos los aspectos científicos, éticos y logísticos del estudio que se propone realizar. Tiene como objetivo presentar y describir qué se va a investigar, cómo, cuándo y con qué recursos.

Los elementos esenciales de un proyecto incluyen: título (claro, conciso, informativo y atractivo, de no más de 15 palabras), resumen (que refleje objetivo, diseño, sujetos e instrumentos en no más de 250 palabras), introducción (que exponga las lagunas de conocimiento, justifique el estudio y acredite experiencia previa), hipótesis y objetivos (concretos, precisos, medibles, viables y relevantes), metodología (que describa qué se hará, cómo, cuándo y dónde, justificando los procedimientos elegidos), plan de trabajo o cronograma (realista, que contemple posibles demoras), coherencia de la propuesta (fluidez lógica entre todos los apartados), viabilidad (que los objetivos y métodos sean alcanzables con los recursos disponibles) y aplicabilidad (que los resultados produzcan algún beneficio concreto en salud).

Dos aspectos muchas veces subestimados son las limitaciones y el presupuesto. Reconocer las limitaciones del propio proyecto no es una debilidad: es honestidad científica y una forma de anticiparse a las críticas de los evaluadores. Un buen proyecto siempre incluye un plan de contingencia (el “plan B”) para cuando alguna parte no pueda ejecutarse como se planeó. El presupuesto, por su parte, debe ser razonable y bien justificado: hay que explicar no solo lo que se pide, sino también por qué no se pide lo que ya se tiene disponible. Finalmente, Gisbert y Chaparro insisten en un punto que a veces se ignora: el fondo (contenido científico) es lo más importante, pero la forma (presentación, prosa, revisión cuidadosa) también incide en la evaluación. Las cinco cualidades de una buena prosa científica son fluidez, claridad, precisión, sobriedad y atracción.