Revisão Sistemática da Literatura

Vista previa del material en texto

Revisión Sistemática de la Literatura: 
introducción y reflexiones
PABLO AZNAR-CRESPO
ÍNDICE
1. Qué es una revisión sistemática de la literatura (RSL)
2. Debilidades y fortalezas
3. Pasos para una RSL
4. Bases de datos bibliográficos (dónde buscar)
5. Algoritmos de keywords
6. Criterios de inclusión y exclusión
7. Sesgos de la RSL
8. Análisis de muestras documentales
9. Ejemplo
1. Qué es un revisión sistemática de la literatura
 Las revisiones sistemáticas son: un diseño de investigación observacional y
retrospectivo, que sintetiza los resultados de múltiples investigaciones primarias
(unifica, integra, generaliza).
 Estudio de estudios: resultados sintéticos para gestionar acumulación científica
 La revisión sistemática exige un método riguroso y explícito para la identificación,
evaluación crítica y síntesis de la evidencia obtenida.
 Metodología científica (no implementarla si no se usa como tal…)
 También existen las revisiones narrativas: no presentan normas (filtros) para
obtener los datos e integrarlos. Se basan en el criterio subjetivo (azarístico) del
revisor.
 No hay una integración basada en criterios cuantitativos (N → n).
1. Qué es un revisión sistemática de la literatura (RSL)
 Las revisiones narrativas se utilizan para obtener información general sobre un
tema (general scope).
 Las revisiones sistemáticas se implementan para obtener información
sistemáticamente delimitada sobre una pregunta de investigación (specific scope).
 Dentro de la revisión sistemática existen dos formas: 
 Cuantitativa/meta-análisis: análisis estadístico de una amplia serie de resultados de
estudios individuales con el objeto de integrar de forma agragativa sus hallazgos
(GENERALIZACIÓN).
 Cualitativa/overview: la búsqueda está basada en criterios sistemáticos, pero la
integración de la información no responde a una lógica agregativa, sino interpretativa
(SATURACIÓN).
2. Debilidades y fortalezas de las RSL
 Debilidades
 Alta dispersión de la calidad metodológica de los estudios primarios (blanqueo de estudios malos)
 No suficiente sistematicidad del sistema de búsqueda (“lo que no entra, no existe”)
 Falta de transparencia metodológica (respetar el anonimato de las autorías y centros de investigación)
 Implicaciones científicas (y políticas) de la generalización estadística (riesgos)
 Fortalezas
 Incrementa la precisión de una estimación (¿generalización?)
 Compensa los sesgos muestrales de estudios primarios “imperfectos”
 Neutraliza la dispersión de estudios primarios conectados de forma imprecisa (review articles)
 Legitima y posibilita la toma de decisiones (instrumentalización científica)
 Reduce el nivel de incertidumbre, NO GENERA CERTEZAS (aproximación moderada)
 ¿No hacerla es mejor? ¿Alternativas?
3. Pasos para una RSL
1. Definir pregunta/tema de investigación: qué, sub-qué 1, sub-qué 2…,
dónde, quién, cuándo… Cuanto más específico, más se estrecha el scope.
2. Formular estrategia de búsqueda: optar por una o varias bases de
datos bibliográficos (WoS, Proquest…), generar combinaciones de keywords
mediante operadores booleanos y etiquetas de campo para explorar.
3. Especificar criterios de inclusión/exclusión: definir criterios para
incluir (crear N) o excluir documentos (crear n).
4. Registro de datos: generar plantillas (categorías analíticas) para registrar
los resultados acordes con los criterios de selección (gestores
bibliográficos como Mendeley, Refworks, Endnote…)
• Generación de una muestra documental (n).
5. Interpretación (meta-análisis): a) estrategia agregativa para obtener
resultados cuantitativos y extrapolables; b) estrategia interpretativa evitar la
generalización, pero la selección de documentos debe igualmente
responder a criterios sistemáticos y estandarizados.
4. Bases de datos bibliográficos (dónde buscar)
 Documentos científicos 
de alto impacto (JCR)
 Metadatos bibligráficos de 
los documentos
 Gran manejabilidad y 
opciones de búsqueda
 No apto para búsqueda 
de literatura gris 
(documentos no 
publicados en canales 
científicos)
 Documentos 
científicos de medio-
alto impacto (SJR-
Scopus)
 Gran manejabilidad y 
opciones de búsqueda
 No apto para búsqueda 
de literatura gris 
(documentos no 
publicados en canales 
científicos)
 No es una base de 
datos bibliográficos
 Es un enlazador a sitios 
web (repositorios o pág. 
originales)
 No tiene metadatos de los 
artículos
 No permite tanta 
maniobrabilidad 
algorítimica (año, citas, 
literalidad)
 Otras ventajas: búsqueda a 
lo largo de todo el texto y 
todo tipo de documentos
 No base de datos
 Enlazador a todo tipo 
de sitios web
 Ventajas: 
documentación 
(literatura gris) e 
información (no 
publicación) de otro 
tipo: otro tipo de 
estrategia de revisión
LITERATURA CIENTÍFICA DE ALTO IMPACTO (ARTÍCULOS) LITERATURA CIENTÍFICA (TODO) LITERATURA GRIS + INFO
¿Casos de buenas prácticas?
5. Algoritmos de keywords
 Las keywords representan las unidades informacionales más
esenciales y sintéticas sobre nuestra pregunta/tema de investigación.
 Principalmente, las keywords pueden aparecer en diferentes partes de
un documento (de menor a mayor nivel de especificación):
 Texto (+): la keyword (o conjunto) puede aparecer en cualquier
parte del manuscrito.
 Resumen (++): la keyword debe aparecer en el abstract
(resumen) del documento.
 Título (+++): la keyword (o conjunto) debe aparecer en el título
del documento.
 ¿Dónde obtendré más resultados?
Etiquetas de campo (WoS)
• Title (TI): buscar palabra en 
el título
• Topic (TS): buscar palabra 
en título, abstract o keywords
Operadores booleanos
• AND: conjunción exclusiva
• OR: conjunción inclusiva
• NOT: exclusión de palabras
• *: búsqueda de lexema
5. Algoritmos de keywords
 Podemos realizar combinaciones de keywords:
 KW de 1er nivel: debe aparecer en el título
 Concepto central (“keyword-nombre”): < 3 + función (*)
 KW de 2do nivel: debe aparecer en el resumen
 Concepto delimitador (“keyword-apellido”): < 3
 KW de 3er nivel: debe aparecer en otro apartado
 Concepto ajustador E.g.: centro, país, autor, revista…
 Podemos realizar búsquedas:
 Parciales: buscar segmentadamente (registros)
 Totales: generar algoritmo integrando todos los niveles →
“algoritmo-panacea” (Inclusivo y ajustado…)
e.g. (TI=(touris*)) AND (TS=(natural hazards OR 
disaster)) AND (C=(Spain)) = X resultados (N)
• No ajustar en exceso (auto-limitación)
• Buscar inclusividad (< 3 keywords, OR, *…)
• NOT para algoritmos generales
• Filtrar por observación (excluir)
• Snowball-sampling (“comodín”)
• Visión estratégica (no “buscar por buscar”)
• Buscar en inglés (especialmenteWoS)
• Registrar los scientometric results
Ejemplo
Tips
6. Criterios de inclusión y exclusión
 Criterios de inclusión (objetivos): para crear la N (universo documental)
1. Base de datos: WoS (+ específica: JCR), Scopus, Google Scholar…
2. Timespan: espacio de tiempo de publicación de los documentos
3. Idioma: idioma en que está escrito el cuerpo textual del documento
4. Tipo de documento: artículo, revisión, libro, capítulo de libro…
5. Categoría WoS: 250 categorías temáticas (pueden incluir varias)
6. País: país donde se ubica el centro de trabajo de alguno de los autores
 Criterios de exclusión (subjetivos): para crear la n (muestra)
1. Afinidad temática: nivel de afinidad con nuestro scope temática
2. Relevancia científica: número de citas, autores de prestigio…
3. Validez científica: en WoS esto suele estar asegurado (no siempre en GS)
4. Etc.
7. Sesgos de la RSL
 Sesgo de publicación: cuando un fenómeno/hecho/propuesta resulta 
no significativo/efectivo, no es publicado. 
 Sobreestimación de la evidencia sí publicada (invisibilidad de las debilidades)
 Sesgo de selección: para estudio caso-control, cuando las diferencias no se 
deben al factor-control, sinó al factor-caso.
 Infraestimación de característicasparticulares del caso. 
 Sesgo de observación: tendencia a centrar la atención o seleccionar lo:
 Conocido, interesante (background), prestigioso. 
 Sesgo de sistematización: “lo que no se ve, no existe” (10% grey literature). 
 Auto-legitimación científica: redes de poder bibliográficas (efecto Mateo): 
“techo de cristal” de la non-mainstream literature.
8. Análisis de muestras documentales
 Dependerá de objetivos de revisión, y de naturaleza epistemológica:
Análisis agregativo:
 Meta-análisis cuantitativo: estadística de frecuencia e intensidad
Análisis interpretativo
 Establecer categorías analíticas y realizar una codificación informacional (check-
list) →Análisis de contenido/registro documental
 Identificar temas clave, agruparlos y generar clasificaciones temáticas (temas y sub-
temas-clave sobre el RSL-scope) →Análisis exploratorio
 Análisis de Redes Sociales para encontrar relaciones entre los elementos
informacionales (metadatos) de los documentos →Análisis mixto
 Redes bibliométricas
9. Ejercicio
1. Cómo acceder a las bases de datos
2. Cómo realizar búsquedas
3. Construye un algoritmo para:
 Ej: Impactos sociales de la minería con enfoque de género en Brasil
 Keyword central
 Keyword delimitador
 Keyword de ajuste
 ¿Cuántos resultados?
Gracias por vuestra atención