Page 50 - Gaceta Abril 2020

5 0
ABRIL 2020 — GACETA 557
investigación
eDitORiaL
José M. González-Méijome1, Rafael Navarro Belsué2
Sección coordinada por César Villa, PhD.
1Editor en jefe. Laboratorio de Investigación Clínica y Experimental en Optometría (CEORLab). Centro de Física. Universidad de Minho (Portugal) 2ICMA, CSIC y Universidad de Zaragoza
Datos, el futuro de la ciencia y la práctica clínica
J OptOm. 2020; 13: 1-2.
L a declaración planteada en el título de este edito- rial que parece tan obvio, no lo es tanto por varias razones. Primero, los datos se presentan en formas y ta- maños muy diferentes, y en muchos casos es el tamaño lo que importa cuando se trata de sacar conclusiones, el avance del conocimiento científico y clínico y llegar a la sociedad mejorando la calidad de vida de las personas. Sin embargo, la mayoría de las evidencias clínicas se de- rivan de pequeños ensayos o estudios a corto plazo que, finalmente, se resumen en revisiones sistemáticas y más recientemente en metanálisis para llegar a conclusiones más firmes y sólidas. En segundo lugar, la erupción de es- fuerzos en investigación y publicaciones en esos campos con frecuencia ha aumentado la controversia de los re- sultados reportados, lo que en algunos casos confunde a la comunidad científica. Particularmente vulnerables a este respecto son los médicos, que tienen que decidir qué herramientas de diagnóstico y opciones de trata- miento confiar y aplicar a sus pacientes. Si pudiera haber una justificación estadística/probabilística de esta mayor discrepancia de resultados, también hay una evidencia creciente de que los datos generados a veces pueden ser de confianza dudosa, ya sea con relación a la for- ma en la que se obtuvieron, analizaron o ¡si realmente existen! Esto ha llevado a una crisis de reproducibilidad y confianza en la ciencia que ha sido objeto de muchos editoriales recientes, informaciones en Internet y otras
publicaciones académicas.
Como editor asociado y redactor jefe del Journal of Optometry, tuve la triste oportunidad de ver algunos de estos comportamientos en los trabajos enviados a la revista. Parece que una respuesta lógica a esas tentacio- nes es solicitar a los autores los datos en bruto que res- palden los resultados publicados. Algunas plataformas ya lo solicitan, pero esto solo podría aplicarse a los datos publicados, generalmente vinculados a los documentos publicados, in uenciados por el sesgo de publicación y, en algunos casos, potencialmente sujetos a restricciones de disponibilidad dependiendo de la viabilidad a largo plazo del proyecto de publicación. Por lo tanto, en otras instituciones se están siguiendo otros enfoques con una perspectiva más amplia a través de bases de datos. En el futuro, estas plataformas de bases institucionales potencialmente más duraderas podrían proporcionar a los investigadores un buen soporte para publicar sus conjuntos de datos (Datasets), haciéndolos FAIR (en sus
siglas en inglés), lo que signi ca que son Encontrables (Findable), Accesibles (Accessible), Interoperativos (Inte- roperable) y Reutilizables (Reusable)1. Independientemente de las razones que nos lleven a compartir datos en bruto y Datasets, esto puede ga- rantizar que todos tengamos acceso a más y más datos, podamos con ar en el origen de dichos Datasets y even- tualmente usarlos, con el debido permiso, para llevar a cabo análisis más profundos y deducir conclusiones más sólidas.
Estamos en un punto donde la medición de los paráme- tros oculares y visuales se puede realizar con una abi- lidad y precisión signi cativas, y bastante rápido. Esto nos lleva a producir una gran cantidad de datos, a veces mucho más allá de nuestra capacidad para analizarlos adecuadamente. En otros casos, los datos obtenidos de forma aislada no son lo su cientemente potentes como para sacar conclusiones sólidas, pero podrían ser útiles para alimentar esfuerzos colaborativos.
Compartir con con anza Datasets en Ciencias de la Vi- sión requiere una rigurosa especi cación de metadatos. No solo son relevantes la instrumentación, la calibración y otras especi caciones técnicas. En muchos casos, el uso de fármacos de diagnóstico, condiciones arti ciales, condiciones de luminancia e iluminación, tareas visuales involucradas y muchos otros criterios de inclusión y ex- clusión son críticos para que otros juzguen el uso poten- cial y el signi cado de dichos Datasets, así como el nivel de compatibilidad entre los mismos.
Una vez más, compartir Datasets no carece de riesgos por su uso indebido. Por lo tanto, las herramientas para ayudar a la veri cación y consistencia del conjunto de datos, las especi caciones completas de los metadatos, la detección de plagio, la citación del Dataset y la refe- rencia cruzada deben evolucionar en la próxima era en paralelo con la generalización y la evolución del inter- cambio de datos.
En conclusión, el intercambio justo de datos debe permi- tirnos dar pasos sólidos hacia conclusiones sólidas a partir de esfuerzos de colaboración su cientemente estableci- dos en todo el mundo y devolver a la ciencia un entorno con able que sirva a la sociedad de la mejor manera.
1Wilkinson MD, Dumontier M, Aalbersberg IJ, et al. The FAIR Guiding Principles for scientific data management and stewardship. Sci Data. 2016; 3 (2016), pp. 160018.