Sesgo de publicación: qué es y cómo detectarlo

El sesgo de publicación es la tendencia a que los resultados de estudios positivos o estadísticamente significativos se publiquen con más frecuencia que los resultados negativos o nulos. Cuando un fármaco funciona, el estudio se publica. Cuando no funciona, a menudo queda en un cajón. Esto crea una imagen distorsionada de la evidencia. Si solo lees la bibliografía publicada, puedes concluir que un tratamiento es más eficaz de lo que realmente es, simplemente porque los estudios que muestran que no funciona nunca se publicaron.

Los metaanálisis agrupan datos de estudios publicados. Si existe sesgo de publicación, la estimación agrupada estará inflada y sobreestimará el efecto del tratamiento. Esto tiene consecuencias reales: - Las guías clínicas pueden recomendar tratamientos menos eficaces de lo que sugiere la evidencia - Los pacientes reciben tratamientos con perfiles beneficio-riesgo peores de lo esperado - Los estudios de replicación fracasan, lo que lleva a "crisis de reproducibilidad" El ejemplo más famoso es la revisión Cochrane de antidepresivos. Cuando se incluyeron datos de ensayos no publicados en poder de la FDA, los tamaños del efecto reales eran sustancialmente menores de lo que sugería la bibliografía publicada sola.

El gráfico de embudo es la herramienta más utilizada para detectar visualmente el sesgo de publicación. En un embudo simétrico, los estudios pequeños se dispersan ampliamente alrededor del efecto verdadero, mientras que los estudios grandes se agrupan estrechamente alrededor de él, formando un embudo invertido. La asimetría en la esquina inferior izquierda del embudo sugiere la ausencia de estudios pequeños con resultados negativos. Esta laguna implica sesgo de publicación. Sin embargo, la asimetría del gráfico de embudo también puede deberse a: - Heterogeneidad (diferentes efectos verdaderos en diferentes poblaciones) - Azar (especialmente con menos de 10 estudios) - Sesgo en el reporte de resultados (reporte selectivo de resultados) Los gráficos de embudo requieren al menos 10 estudios para ser interpretados de forma fiable.

Varias pruebas estadísticas cuantifican la asimetría del gráfico de embudo: - **Prueba de Egger**: una regresión lineal ponderada de la desviación normal estándar frente a la precisión. p < 0,05 sugiere asimetría - **Prueba de Begg**: una prueba de correlación de rangos; menos potente que la de Egger - **Trim and Fill (recortar y rellenar)**: estima el número de estudios faltantes, agrega valores imputados y recalcula la estimación agrupada Estas pruebas tienen potencia limitada con pocos estudios (<10) y pueden pasar por alto el sesgo de publicación cuando existe o señalarlo cuando no existe. Son complementos de, y no sustitutos de, las búsquedas exhaustivas en la bibliografía gris.

La mejor defensa contra el sesgo de publicación es prevenirlo: 1. **Buscar en registros de ensayos clínicos** (ClinicalTrials.gov, WHO ICTRP) ensayos registrados pero no publicados 2. **Buscar en resúmenes de congresos** resultados preliminares que nunca se publicaron 3. **Contactar a los autores** de los estudios incluidos para preguntar sobre trabajos no publicados 4. **Buscar en bibliografía gris**: tesis doctorales, informes gubernamentales, documentos regulatorios 5. **Prerregistrar tu revisión** en PROSPERO para comprometerte a publicar independientemente de los resultados Las agencias reguladoras como la FDA ahora exigen el registro de ensayos antes del reclutamiento de pacientes, lo que ha mejorado la situación pero no la ha eliminado.

MetaLens AI genera gráficos de embudo en la pestaña de Metaanálisis para ayudarte a evaluar visualmente el sesgo de publicación en tu área temática. La herramienta también: - Busca en PubMed de forma exhaustiva para tu combinación de palabras clave - Incluye estudios más antiguos (no solo los recientes de alto impacto) - Proporciona citas de fuentes para que puedas verificar tú mismo el estado de registro de los ensayos Recuerda que todas las herramientas de bibliografía asistidas por IA se enfrentan a la misma limitación fundamental: trabajan con bibliografía publicada. Para una revisión sistemática definitiva, sigue siendo esencial complementar PubMed con fuentes de datos no publicados.