Tarea 4. Reflexiones sobre la evaluación científica. El sesgo estadístico del factor de impacto.

Al revisar los materiales de esta semana sobre la revisión por pares y la medición de la calidad científica, el aspecto que más me ha llamado la atención, desde mi perspectiva como investigador en ciencias de la salud, es la naturaleza matemática del factor de impacto.

En mi trabajo de tesis, analizo de forma retrospectiva el seguimiento de los embarazos para evaluar su impacto en la morbilidad y mortalidad materno-infantil. En epidemiología y bioestadística, elegir la medida de tendencia central adecuada es fundamental. Aplicar una media aritmética a una distribución sesgada nos llevaría a conclusiones erróneas que, en el caso de mi campo de investigación, podrían afectar a los protocolos asistenciales.

Por eso me ha resultado tan reveladora la lectura sobre cómo se calcula el factor de impacto de las revistas. Se basa en una media de citas que asume, implícitamente, una distribución normal. Sin embargo, tal y como señalan los textos propuestos, la realidad es que las citas bibliográficas siguen una ley de potencias: una minoría de artículos concentra la inmensa mayoría de las citas, mientras que el grueso de las publicaciones apenas es citado.

Esta discrepancia matemática tiene implicaciones profundas. Significa que el prestigio de una revista, medido por su factor de impacto, no garantiza ni refleja con precisión la calidad o el interés individual de cada artículo que contiene. Un artículo sin citas puede ampararse bajo el alto factor de impacto generado por un par de artículos excepcionalmente populares en esa misma revista.

Aunque entiendo que la estandarización es necesaria y que el sistema de revisión por pares sigue siendo el mejor filtro del que disponemos para asegurar el avance del conocimiento, esta reflexión me hace comprender mejor el auge de declaraciones como DORA. Como futuros investigadores, es vital que apliquemos a los indicadores bibliométricos el mismo rigor crítico y estadístico que exigimos a nuestros propios datos en el análisis poblacional.