Mostrando entradas con la etiqueta Baúl de PreClic. Mostrar todas las entradas
Mostrando entradas con la etiqueta Baúl de PreClic. Mostrar todas las entradas

jueves, 12 de enero de 2023

Ingredientes para una buena búsqueda de evidencia: Tesauros.

Antes de lanzarnos en búsquedas infructuosas, debemos detenernos en el lenguaje que estamos utilizando. No todos hablamos el mismo idioma y, aunque lo hablemos, existen variaciones en el lenguaje que hacen que para referirnos a una misma cosa utilicemos palabras o expresiones diferentes. Los plurales o las variantes gramaticales se suman a estos problemas de lo que llamamos "lenguaje natural". Para solucionar este problema se crearon listados o compilaciones de términos que estandarizan las palabras de la búsqueda “lenguaje controlado”. A esta compilación le llamamos tesauro y es donde encontramos las palabras más adecuadas a la hora de realizar una búsqueda. Con esto no queremos decir que hacer búsquedas con lenguaje natural sea malo. Todo lo contrario, es un buen complemento para el lenguaje controlado y, en muchos casos, el sustituto ideal cuando no encontramos el descriptor preciso. 

Los tesauros son un compendio de palabras estandarizadas por especialistas que conforman una base de datos de términos ordenados (descriptores). La estructura básica de un descriptor es: el nombre exacto del término, su definición, sinónimos, categoría (número de clasificación) e identificación única.

El nombre del descriptor nos indica el término que hemos de utilizar en nuestras estrategias de búsquedas para encontrar información sobre ese tema. De esta manera todos hablaremos el mismo lenguaje en las bases de datos, nombraremos de igual manera a las mismas cosas y será más fácil encontrar la información que buscamos.

La definición del descriptor es fundamental para escoger el término más adecuado a la palabra que estoy buscando. Debemos leer con atención las descripciones y, en alguna ocasión, decidir entre dos términos muy parecidos. Para facilitar esta decisión, el tesauro DeCS (Descriptores en Ciencias de la Salud) nos ofrece las “notas de indización”: aclaraciones sobre el término consultado y otros. En ocasiones incluso nos aconseja revisar otros términos parecidos.

Los sinónimos, o términos alternativos, son palabras que poseen el mismo o aproximadamente el mismo significado que el descriptor. Estos pueden ser utilizados en las expresiones de búsqueda para definir de manera específica la misma o para complementar junto con otros términos controlados o libres.

La categoría identifica la ubicación del descriptor dentro de la organización del tesauro,  componiendo así una jerarquía en forma de árbol. Esto supone que cada descriptor tiene un descriptor genérico y otros con los que se relaciona de manera ascendente o descendente. 

El Identificador Único es el código utilizado para trabajar entre los tesauros DeCS (Descriptores en Ciencias de la Salud) y MeSH (Medical Subject Headings). Cuando lo encontramos en la ficha del descriptor nos indica que existe un término equivalente en el otro tesauro.

El tesauro iberoamericano de referencia es DeCS. Está desarrollado por el Centro Latinoamericano y del Caribe de Información en Ciencias de la Salud (BIREME) y nos ofrece un tesauro trilingüe que nos facilita buscar nuestro término en español y localizar el término adecuado en inglés o portugués.

El paso de DeCS a MeSH (o del tesauro en español al inglés) se facilita con un Identificador Único. Una especie de pasaporte entre los tesauros, que hace que cuando seleccionamos el descriptor en DeCS, podamos coger su código y ponerlo en la caja de búsqueda de MeSH. Así obtenemos como resultado la ficha del descriptor correspondiente en el tesauro norteamericano, facilitando los términos de búsquedas precisos para PubMed.

MeSH es el tesauro que se usa para indexar documentos en MEDLINE, la principal base de datos de la National Library of Medicine’s de Estados Unidos, componente fundamental de PubMed. Por tanto, cuando deseemos realizar una búsqueda en PubMed es conveniente realizarla con términos MeSH, combinados con su lenguaje natural.

La consulta de tesauros no es una herramienta única para las búsquedas bibliográficas. En la selección de palabras clave de cualquier comunicación o publicación científica podemos usar términos controlados, aunque no siempre se indique en las normas. El uso de términos controlados en las palabras clave facilita a los motores de búsqueda que nuestros trabajos científicos sean fácilmente encontrados, resultando así más accesibles a la comunidad científica.

Por tanto, es fundamental establecer las palabras de interés en nuestra búsqueda y consultar los tesauros para definir los términos controlados más adecuados. De esta manera nos aseguraremos de que estos términos estandarizados nos hagan llegar los resultados más apropiados para nuestra pregunta


Material Complementario:

DeCs Descriptores en Ciencias de la Salud.

Guía para la utilización del nuevo portal  DeCS/MeSH

PubMed: MeSH Database

jueves, 24 de noviembre de 2022

Respuestas Clínicas Cochrane: una perlita más para nuestro día a día

 

Esta semana, metemos en el Baúl de PreClic un nuevo recurso: las Respuestas Clínicas Cochrane (RCC) ¿Os suena?

Este recurso directo desde Cochrane nace con el objetivo de dar información útil que sirva en la toma de decisiones en la asistencia sanitaria. Es otra forma más que tiene Cochrane para acercar la evidencia de las revisiones sistemáticas a la práctica asistencial, al día a día.

Cada RCC se basa en una revisión Cochrane, pero estas se seleccionan según ciertos criterios: que la pregunta de la revisión sea relevante, que la fecha de la búsqueda de la revisión se haya hecho en los últimos cinco años y que la revisión tenga suficiente evidencia como para extraer conclusiones.

De momento las encontramos en inglés (no sabemos si irán siendo traducidas), pero creemos que es un recurso genial para el día a día, donde el tiempo siempre falta…¡y las preguntas se nos amontonan!

¡Esperamos que os guste!





jueves, 27 de octubre de 2022

#BaúlDePreClic Artículos retractados (o cómo la ciencia se corrige a sí misma)

Hoy volvemos al Baúl de PreClic para hablar de una pesadilla casi halloweenesca: ¿la ciencia es de fiar? ¿Es perenne?

En estos tiempos que nos ha tocado vivir ha cobrado especial relevancia para la sociedad la ciencia (de la salud), los experimentos y sus resultados. Ahora estamos expuestos a diario a una gran cantidad de información científico-técnica que no siempre sabemos interpretar o juzgar.

Para añadir más dificultad, además, estamos siendo testigos en primera fila de la contradicción en los resultados de diferentes papers. Mientras unos aportan conclusiones a favor, en otros encontramos resultados diametralmente opuestos. Muchas veces nos ocurre en nuestras preguntas en las que acabamos concluyendo que no hay evidencia disponible suficiente.

La pregunta razonable en este punto podría ser si confiar en el método científico para contestar a nuestras preguntas tiene sentido. La respuesta breve sería un sí rotundo. Pero si contestáramos de esa manera, estaríamos siendo profundamente anticientíficos. Esto merece una explicación.

En ciencia, “hecho” solo puede significar “confirmado hasta tal punto que mantener reservas sería una perversión”. Yo puedo suponer que mañana las manzanas podrían comenzar a elevarse, pero esa posibilidad no merece igual tiempo en las clases de física (Stephen Jay Gould).

En otras palabras, lo que quiso decir este biólogo y paleontólogo estadounidense es que en ciencia no existen verdades absolutas. La ciencia trata de reducir la incertidumbre. De minimizar la duda hasta donde sea razonable y ya nos permita tomar una decisión consecuente.

Bien, pues si la ciencia se equivoca, porque se puede contradecir, y además nunca da una respuesta definitiva, mi pregunta razonable sigue sin estar totalmente contestada. Sigamos entonces.

Los mecanismos de corrección de la ciencia y sus resultados se ponen en marcha tan pronto un trabajo es enviado para publicar. La revisión por pares (peer review) es el primer filtro para evitar que resultados y conclusiones erróneas lleguen a verse en “negro sobre blanco”. Pero si esto no fuera suficiente, y a menudo no lo es, cuando el manuscrito es publicado queda a la vista de toda la comunidad científica. Es a partir de ahí cuando es leído, criticado e, incluso, sus autores interpelados para que defiendan sus resultados y conclusiones.

Es común (especialmente en textos sobre temas relevantes) encontrar cartas al editor donde se critica, de manera argumentada, los resultados o conclusiones de un artículo publicado en esa revista. Este proceso de discusión puede continuar con la defensa por parte de los autores del texto en cuestión. También, por supuesto, con la crítica de otros científicos que pueden argumentar tanto a favor como en contra de los resultados.

El sistema puede llegar a ser tan efectivo para el autocontrol de los resultados científicos (aunque no es rápido) que multitud de artículos acaban siendo retractados. Es decir, se retira el apoyo al resultado del artículo por parte de los autores o, incluso, por parte de la revista que lo acogía. En este sentido, el sitio web www.retractionwatch.com ofrece infinidad de ejemplos e información adicional sobre las circunstancias de cada retracción.

Y ahora, permítenos hacerte una pregunta a ti ¿qué puedes hacer para mejorar tu competencia en la lectura de artículos científicos y “evitar que te la cuelen”?

Si quieres ver un poco más de lectura crítica no te pierdas los vídeos que tenemos subidos a nuestro canal de YouTube y que puedes conocer en nuestro blog.

jueves, 13 de octubre de 2022

Descodificando letras




A estas alturas las vacaciones de verano empiezan a ser un recuerdo, poco a poco nos vamos metiendo en materia y, nos van surgiendo dudas de qué misteriosos mensajes vienen encriptados en los documentos que leemos, en ocasiones llenos de siglas que no terminamos de entender qué nos pueden aportar. Por eso, acude a nuestra ayuda #BaúldePreCLic con unas pistas al respecto. ¡Esperamos que os ayuden!


Hoy nos visitan el valor P y CI, ¿qué nos querrán contar?

Una de nuestras obligaciones como profesionales es mantenernos bien actualizados. Ya sea leyendo guías de práctica clínica, protocolos o artículos científicos sobre algún tema que nos interese. Algunas ocasiones también hemos llevado a cabo una investigación y, al realizar el análisis estadístico, hemos mirado y remirado ese p-valor ¿es estadísticamente significativo? ¿Es menor a 0,05? ¿Pero qué significa todo esto?

Para poder entenderlo, lo primero que hay que explicar es cómo funciona la investigación. La ciencia, mediante la investigación, nos ayuda a acercarnos a la realidad. Por ejemplo, imaginemos que queremos saber si un nuevo fármaco antihipertensivo consigue disminuir la presión arterial sistólica (PAS) en pacientes con hipertensión arterial (HTA) en mayor medida que otro más antiguo. La manera de conocer si esto es así, y para cuantificar el posible efecto, podría estudiar a todas las personas con HTA. Entonces conseguiría saber con cero dudas (cero error) la respuesta a mi pregunta. Pero, como ya intuiréis, esto es inviable: nos faltaría tiempo y recursos. Ni tan siquiera sabríamos si hemos conseguido estudiar a toda la población de interés (todas las personas con HTA, en este caso). Por eso, en investigación se usan muestras. Es decir, un “cachito” de esa población completa a la que queremos extrapolar (inferir) nuestros resultados. ¿Y qué sucede cuando usamos solo una parte de esa población? Pues que ya no podremos conocer esa realidad al completo, por lo que los resultados siempre tendrán un error. ¿Cómo? ¿Un error en investigación? Pues sí. Pero que no salten las alarmas, porque ese error está cuantificado. 

En la mayoría de los estudios en salud, y en otros campos, este error es del 5 % (o del 0,05 en tanto por 1). ¿Por qué del 5 %? Pues en realidad, porque sí. Se ha establecido por consenso científico. Y si miramos ese valor a la inversa (100 - 5 % o 1 - 0,05), tenemos lo que llamamos nivel de significación o nivel de confianza. Es como decir que estoy al 95 % seguro de que mis resultados son correctos. O que la probabilidad de acertar es del 95 % (y de errar del 5 %).


Volvamos al ejemplo de antes ahora mirando la figura que acompaña a este texto. Vamos a probar ese nuevo fármaco en una muestra de 500 personas. Resulta que disminuye la PAS en 9 mmHg de media. Estupendo, parece que funciona. Sin embargo, y como hemos comentado antes, solo podríamos saber la cifra exacta si estudiáramos a toda la población (en nuestro ejemplo, la hipotética cifra real es de 10 mmHg). Como solo hemos estudiado una muestra, no podemos conocer un resultado puntual, sino que tenemos que estimar un rango de resultados donde podría estar el resultado real. A eso se le llama intervalo de confianza (IC). Vale, pues en nuestro análisis el fármaco disminuye de media la PAS 9 mmHg, con un IC al 95% de 8-11 mmHg. Esto me indica que el dato real puede ser 8, 9, 10 u 11 mmHg. Está genial, este resultado es muy preciso. Ahora imaginad que repetimos el estudio pero con una muestra de 10 personas. De nuevo, nos sale que el fármaco disminuye de media 9 mmHg la PAS. Pero está el IC 95 % es 0-20mmHg. Es decir, que el dato real puede ser 10, 19, 5…ó 0 (vamos, que no disminuye nada la PAS respecto al otro fármaco). En este caso el IC es muy amplio, o poco preciso, por lo que la información que da es menos informativa del resultado real. Además dado que incluye el valor nulo (el cero) no resulta significativo. Por eso es tan importante no quedarse en el p- valor (en nuestro ejemplo, en ambos estudios este es <0,05) si no en lo ancho (poco preciso) o estrecho (muy preciso) que es el IC y de que no contenga el valor nulo.

Generalmente, para conseguir IC precisos se deben estudiar muestras grandes. De hecho, si cogiéramos una muestra tan grande como toda la población real, el intervalo sería tan estrecho que desaparecería (dado que estaríamos estudiando la población de verdad). Como eso no es posible, estudiamos una muestra con un tamaño que no es un número al azar: tiene que tener el tamaño justo para conseguir resultados precisos sin que nos pasemos de número (lo que haría que gastáramos recursos innecesariamente). ¿Y cómo se calcula?🙀 Eso, lo dejamos para otra ocasión.


¿Os ha gustado? Ya sabéis, en próximos capítulos, más info. Recordad que podéis preguntarnos dudas que iremos respondiendo semanalmente aquí, en vuestro blog de confianza 😉



jueves, 8 de septiembre de 2022

#BaúldePreClic: Especificidad y sensibilidad


Volvemos a rebuscar información precliquera en nuestro #BaúldePreClic para seguir aprendiendo otra semana más, arrancando nuevo curso. Esta semana os traemos una píldora de aprendizaje sobre el mundo de la investigación. Tema muy interesante, que suelen preguntar en las OPE's (guiño, guiño) y que, esperemos, os sirva para aclarar conceptos.


Especificidad y sensibilidad: ¿Qué son y para qué sirven?


En el caso de hoy, no por ser conceptos nuevos pero sí desconocidos, os vamos a entretener con la especificidad y la sensibilidad y trataremos de hacerlo sencillo utilizando como ejemplo los tests de anticuerpos frente al SARS-CoV-2.

Estos estimadores se utilizan cuando tratamos con variables binarias, por ejemplo, persona sana o persona enferma.

Por definición, la sensibilidad es la capacidad de un estimador (en este caso el test de anticuerpos) de detectar como positivas las personas realmente enfermas dando lugar a una proporción de enfermos correctamente identificados como tal. Por lo tanto, es la probabilidad de que la persona enferma sea identificada como tal mediante el resultado positivo de una prueba diagnóstica.

Por otro lado, la especificidad es la capacidad del estimador para detectar como negativas las personas que realmente están sanas dando lugar a una proporción de sanas correctamente identificadas. En otras palabras, es la probabilidad de que la persona sana sea identificada como tal mediante el resultado negativo de una prueba diagnóstica.

En cuanto a los términos "verdadero positivo", "verdadero negativo", "falso positivo" y "falso negativo" hacen referencia a que el resultado del test sea o no correcto. Por ejemplo, en el caso de los anticuerpos "verdadero positivo" significa que una persona con anticuerpos ha sido diagnosticada como positiva, "falso positivo" significa que una persona sana que no ha generado anticuerpos ha sido diagnosticada como enferma, "verdadero negativo" implica que una persona sin anticuerpos ha sido diagnosticada como sana, y "falso negativo" significa que una persona enferma ha sido diagnosticada como sana. 

Por eso, cuando un test refiera tener una sensibilidad del 95% significará que el 95% de los casos reales los diagnostica como tal, dejando un 5% de casos reales que no identificaría (siendo estos los falsos negativos). Y cuando se explica que tiene un 92% de especificidad significa que el 92% de las personas sanas son identificadas como tal, mientras que el 8% restantes de personas sanas son identificadas como enfermas (siendo estos los falsos positivos).

Con todo ello, es importante saber si una prueba es muy específica o muy sensible en función de lo que realmente queremos hallar con ella. Por ejemplo, si lo que deseo es identificar a todos los enfermos posibles porque ello supone tener un problema de salud pública como con una epidemia de enfermedades transmisibles utilizaré una prueba que sea muy sensible, aunque sea poco específica, para no dejar ningún verdadero positivo sin identificar. 


Ojalá os haya servido para lo que era nuestra intención.

Recordad que seguimos buscando respuestas a vuestras dudas y que, la semana próxima, os esperamos con nuevas aventuras que contaros.



jueves, 9 de junio de 2022

GIN y PAHO: los metabuscadores de Guías de Práctica Clínica

Esta semana lanzamos esta nueva sección en nuestro blog: el baúl de PreClic. Cada cierto tiempo publicaremos entradas donde compartiremos cosicas de investigación. ¿Y qué son esas cosicas? Pues los recursos que solemos usar para contestar las preguntas semanales, otros recursos interesantes que nos vayamos encontrando, pildoritas de investigación...

Todo eso y mucho más lo dejaremos por aquí, para que podáis echar mano cuándo queráis. Solo tenéis que buscar la etiqueta Baúl de PreClic para encontrarlas todas en solo un clic.


¿Y qué os traemos hoy? Pues un recurso que nos encanta cuando contestamos las preguntas semanales: los metabuscadores de Guías de Práctica Clínica

Como lo oís. Existen buscadores que buscan en un montoooón de páginas de organismos internacionales, para de un vistazo poder encontrar GPC sobre en un tema que nos interese. En cuánto los probéis, ¡no usaréis otra cosa!