Búsqueda bibliográfica

Registros de ensayos clínicos en revisiones sistemáticas: guía de búsqueda y gestión

Los registros de ensayos clínicos permiten identificar estudios en curso, no publicados o interrumpidos, pero también plantean problemas de deduplicación, vinculación y análisis. Esta guía explica cómo buscarlos, gestionarlos e incorporarlos correctamente a una revisión sistemática.

Introducción

Las bases de datos bibliográficas, como MEDLINE o Embase, recuperan principalmente documentos publicados. Los registros de ensayos clínicos permiten localizar los estudios desde su inicio, incluidos ensayos en curso, finalizados pero no publicados, interrumpidos o con resultados disponibles únicamente en el propio registro.

Su utilidad no termina en la búsqueda. Los registros también ayudan a reconstruir la historia de cada ensayo, relacionar protocolos y publicaciones, detectar cambios en los desenlaces previstos y valorar el posible sesgo debido a resultados ausentes. Por ello, su consulta no debería considerarse una tarea complementaria menor, sino una parte planificada de las revisiones sistemáticas de intervenciones.

Esta guía explica por qué, dónde y cómo buscar, pero también qué hacer con los registros recuperados: cómo deduplicarlos, vincularlos con sus publicaciones, clasificarlos, incorporarlos a la síntesis y notificarlos de forma transparente.

Antes de empezar: el estudio no es el documento.

La distinción metodológica más importante es la que existe entre estudio, registro, informe y resultado.

Concepto	Qué representa	Ejemplo
Estudio o ensayo	La investigación realizada con un grupo definido de participantes	Ensayo aleatorizado que compara albúmina con cristaloides
Registro	Ficha electrónica que describe el ensayo en un registro público	NCT04356859 en ClinicalTrials.gov
Informe del estudio	Cualquier documento que aporta información sobre el ensayo	Artículo, protocolo, resumen de congreso, informe regulatorio o registro
Resultado	Estimación correspondiente a un desenlace, momento y análisis concretos	Riesgo relativo de mortalidad a los 28 días

Un único ensayo puede generar varios registros e informes: una ficha en ClinicalTrials.gov, otra en un registro europeo o nacional, un protocolo publicado, un resumen de congreso, el artículo principal y varias publicaciones secundarias.

Todos estos documentos deben agruparse bajo un único identificador de estudio. Si el registro y el artículo se tratan como dos estudios independientes, existe el riesgo de contar dos veces a los mismos participantes y sesgar la síntesis o el metanálisis. El Manual Cochrane establece que el estudio y no cada uno de sus informes debe constituir la unidad de interés de la revisión (1-2).

¿Qué aportan realmente las búsquedas en registros?

Los registros de ensayos clínicos pueden ayudar a:

Identificar ensayos en curso o todavía no publicados.
Localizar ensayos finalizados, interrumpidos o retirados.
Obtener resultados no disponibles en artículos científicos.
Encontrar protocolos, planes de análisis, modificaciones y publicaciones relacionadas.
Comparar los desenlaces planificados con los finalmente publicados.
Estimar la cantidad de evidencia elegible cuyos resultados no están disponibles.
Valorar el posible sesgo de publicación o de notificación selectiva.
Planificar cuándo debería actualizarse la revisión.

La evidencia empírica permite matizar su rendimiento. En una muestra de 117 revisiones sistemáticas publicadas en revistas médicas generales, solo 41 (el 35 %) declararon haber buscado en algún registro. Entre las 29 revisiones que detallaron sus resultados, 15 identificaron al menos un ensayo finalizado y 18 al menos un ensayo en curso (3).

En otro estudio, en el que se reprodujeron búsquedas en registros para 101 revisiones que no los habían consultado, se identificaron ensayos elegibles adicionales para el 63 % de las revisiones. Sin embargo, solo en el 20 % se encontraron nuevos ensayos con resultados utilizables en un metaanálisis. Su incorporación no modificó, en promedio, las estimaciones combinadas, aunque sí mejoró el conocimiento sobre la cantidad de evidencia existente y sobre el posible sesgo debido a resultados ausentes (4).

Por tanto, el valor de los registros no debe medirse únicamente por su capacidad para cambiar el resultado numérico de un metaanálisis. También aportan información sobre la integridad, transparencia y vigencia del conjunto de evidencia.

Paso 1. Planificar la búsqueda

Qué registros se consultarán y por qué.
Qué conceptos y términos se buscarán.
Qué interfaces, campos, límites o filtros se utilizarán.
Cómo se exportarán y conservarán los resultados.
Cómo se deduplicarán los registros.
Cómo se identificarán registros múltiples del mismo ensayo.
Cómo se vincularán con protocolos y publicaciones.
Cómo se tratarán los ensayos en curso, interrumpidos o sin resultados.
Qué fuentes se priorizarán si existen datos discrepantes.
Sí se contactará con investigadores o promotores.
Cuándo se actualizarán las búsquedas.

Esta planificación reduce el riesgo de tomar decisiones condicionadas por la dirección o disponibilidad de los resultados y se alinea con las recomendaciones destinadas a reducir el sesgo de diseminación (5).

Paso 2. Seleccionar los registros

ClinicalTrials.gov y WHO ICTRP como punto de partida.

Aunque ClinicalTrials.gov aporta registros al portal ICTRP, Cochrane recomienda buscar ambos recursos por separado. La recuperación no es necesariamente idéntica y ClinicalTrials.gov proporciona funcionalidades adicionales, entre ellas la consulta detallada de resultados, publicaciones relacionadas y versiones anteriores del registro (2-6).

Fuente	Características y cobertura	Consideraciones metodológicas
ClinicalTrials.gov	Registro internacional de gran tamaño, especialmente útil para estudios farmacológicos, dispositivos y ensayos con participación estadounidense.	Debe buscarse directamente, aunque sus registros también se transfieran al ICTRP.
WHO ICTRP	Portal que reúne datos procedentes de registros primarios de numerosos países y regiones.	Amplía la cobertura geográfica y agrupa, cuando los identifica, registros múltiples del mismo ensayo.
CTIS	Ensayos clínicos de medicamentos tramitados en la Unión Europea y el Espacio Económico Europeo bajo el Reglamento europeo vigente.	Especialmente relevante cuando la revisión incluye medicamentos investigados en Europa.
EU Clinical Trials Register	Ensayos gestionados bajo la normativa europea anterior y determinados ensayos pediátricos	Continúa siendo relevante para estudios históricos anteriores a CTIS.
Registros nacionales o regionales	ANZCTR, ChiCTR, CTRI, DRKS, ISRCTN y otros.	Deben añadirse cuando la intervención, población o contexto geográfico lo justifique.
Registros especializados	Registros centrados en determinadas enfermedades, intervenciones o promotores.	Útiles cuando aportan cobertura no representada en los registros generales.

El WHO ICTRP proporciona un punto de acceso a datos suministrados por registros que cumplen los criterios de contenido y calidad de la OMS. Además, intenta agrupar las inscripciones múltiples correspondientes al mismo ensayo. Sin embargo, un metarregistro no elimina necesariamente la necesidad de consultar directamente determinadas fuentes (7).

En Europa debe prestarse atención a la transición entre el EU Clinical Trials Register y CTIS (información oficial de la EMA sobre el Reglamento y CTIS). Desde el 31 de enero de 2023, todas las nuevas solicitudes de ensayos clínicos en la Unión Europea y el Espacio Económico Europeo deben presentarse mediante CTIS. Desde el 31 de enero de 2025, el Reglamento (UE) n.º 536/2014 es plenamente aplicable y los ensayos que continuaban bajo la Directiva anterior debían haberse transferido al nuevo sistema. El EU Clinical Trials Register sigue siendo necesario para recuperar información sobre ensayos tramitados conforme al marco normativo anterior (8).

Para una revisión sistemática exhaustiva de intervenciones, el planteamiento adecuado sería:

Buscar en CENTRAL, MEDLINE y Embase, cuando esté disponible, para localizar informes publicados, resúmenes de congresos y otros documentos.
Buscar separadamente en ClinicalTrials.gov y WHO ICTRP para identificar ensayos registrados, en curso, interrumpidos, no publicados o con resultados depositados únicamente en el registro.
Añadir CTIS, EU Clinical Trials Register u otros registros nacionales o especializados cuando la intervención, el periodo o el ámbito geográfico lo justifiquen.
Vincular posteriormente todos los registros, protocolos y publicaciones que correspondan al mismo ensayo.

Dudas frecuentes de buscar en CENTRAL y Embase vs. registros originales

¿Basta con buscar en CENTRAL o Embase?

No. Aunque ambas bases incorporan actualmente registros procedentes de ClinicalTrials.gov —y CENTRAL también registros procedentes de WHO ICTRP—, una búsqueda en ellas no debe considerarse equivalente a la consulta directa de los registros originales (2,6,9).

La recomendación metodológica no consiste en buscar en ClinicalTrials.gov o WHO ICTRP en lugar de CENTRAL o Embase. Las bases bibliográficas y los registros deben utilizarse de forma complementaria porque responden a preguntas diferentes:

CENTRAL, MEDLINE y Embase se utilizan principalmente para localizar informes de ensayos: artículos, resúmenes de congresos y otros documentos.
ClinicalTrials.gov y WHO ICTRP permiten identificar los ensayos registrados, con independencia de que hayan generado una publicación.

¿Qué evidencia existe?

Banno y colaboradores evaluaron si CENTRAL podía sustituir las búsquedas en ClinicalTrials.gov e ICTRP. De 247 registros de ensayos en curso o no publicados incluidos en 50 revisiones Cochrane, CENTRAL recuperó 200 y no identificó 47. La sensibilidad fue del 81 % (intervalo de confianza del 95 %: 76-85 %) (11).

El estudio utilizó búsquedas realizadas en 2019, por lo que ese porcentaje no debe extrapolarse directamente al CENTRAL actual. Sin embargo, la edición vigente del Manual Cochrane continúa señalando que las búsquedas directas en ClinicalTrials.gov e ICTRP pueden localizar registros e información no identificables en CENTRAL (2-6).

Otra evaluación demostró la complementariedad de las fuentes. De 81 ensayos finalizados con resultados disponibles, siete se localizaron exclusivamente mediante búsquedas en registros y ocho exclusivamente mediante bases bibliográficas. De los 42 ensayos en curso identificados, 26 (el 62 %) fueron localizados únicamente mediante la búsqueda registral (12). Al tratarse de un estudio de caso sobre una temática determinada, estos porcentajes no son necesariamente generalizables. Sin embargo, muestran que ninguna de las dos aproximaciones identifica por sí sola todos los ensayos.

¿Tienen la misma cobertura?

No. CENTRAL incluye registros de ensayos aleatorizados o cuasialeatorizados identificados en ClinicalTrials.gov, WHO ICTRP y otras fuentes. No incorpora todos los diseños ni todos los metadatos del registro original. Los registros procedentes de ClinicalTrials.gov no incluyen en CENTRAL los resultados depositados ni indican necesariamente si existen resultados o publicaciones asociadas. EMBASE incluye actualmente más de 552.000 registros de ClinicalTrials.gov y ofrece 37 campos procedentes de esta fuente, pero no tiene una cobertura equivalente del conjunto de registros integrados en WHO ICTRP. ClinicalTrials.gov incluye el registro original y repositorio de resultados. Permite acceder al registro completo, a sus resultados, publicaciones relacionadas y al historial de cambios. El Portal WHO ICTRP integra datos de registros primarios y proveedores de diferentes países y regiones. Amplía la cobertura más allá de ClinicalTrials.gov y enlaza con los registros originales

¿Tienen la misma finalidad?

La búsqueda bibliográfica responde principalmente a la pregunta: ¿Qué documentos se han publicado sobre este ensayo? La búsqueda en registros responde además a otra pregunta: ¿Qué ensayos se iniciaron, incluidos los que continúan en curso, se interrumpieron o nunca publicaron sus resultados? Esta segunda pregunta es esencial para valorar el sesgo de publicación y la evidencia ausente. Si únicamente se buscan publicaciones, el conjunto localizado puede sobrerrepresentar los estudios con resultados positivos, favorables o estadísticamente significativos.

Paso 3. Traducir la pregunta de revisión a una estrategia específica para registros

Las estrategias de MEDLINE no deben copiarse literalmente en ClinicalTrials.gov, ICTRP o CTIS. Sus campos, sistemas de sinonimia, operadores, posibilidades de truncamiento y límites son diferentes.

La guía de Hunter y colaboradores recomienda comenzar con uno o dos conceptos centrales de la pregunta, normalmente la población o condición y la intervención.

El comparador y los desenlaces suelen omitirse porque no siempre se describen de manera consistente en los registros y pueden reducir la sensibilidad. Tampoco suele ser necesario incorporar un filtro de ensayo clínico cuando se busca en un registro dedicado principalmente a estudios clínicos (1).

Paso 4. Documentar y exportar los resultados

Por cada búsqueda debe conservarse:

Nombre del registro.
Dirección web o interfaz empleada.
Modalidad de búsqueda: básica, avanzada o mediante API.
Fecha exacta.
Estrategia copiada tal como fue ejecutada.
Campos consultados.
Filtros o límites.
Número de resultados.
Formato de exportación.
Nombre de la persona que realizó la búsqueda.
Captura de pantalla o copia de la página de resultados cuando ayude a preservar la trazabilidad.

Conviene conservar los archivos originales de cada registro sin modificarlos y trabajar sobre una copia integrada. ClinicalTrials.gov permite descargar registros en CSV, JSON, RIS y otros formatos (13) ICTRP permite exportar los resultados en XML (7). CTIS ofrece funciones de búsqueda y descarga (8).

Paso 5. Crear un fichero maestro centrado en el estudio

Los registros recuperados pueden gestionarse en una hoja de cálculo, un gestor de referencias, una base de datos o una herramienta de revisión. Sin embargo, debería existir un fichero maestro que permita reconstruir la relación entre estudios y documentos.

Paso 6. Deduplicar en dos niveles diferentes

Primer nivel: registros duplicados

Son copias del mismo registro recuperadas mediante diferentes búsquedas o fuentes. Comparten el mismo identificador, por ejemplo, el mismo número NCT.

Estos duplicados pueden eliminarse conservando la versión más completa y reciente, aunque debe mantenerse la trazabilidad de la fuente mediante la que se recuperaron.

Segundo nivel: registros múltiples del mismo ensayo

Un ensayo puede haberse registrado en ClinicalTrials.gov, CTIS y otro registro nacional, recibiendo identificadores distintos.

No son duplicados documentales estrictos: pueden contener información diferente o haberse actualizado en momentos distintos. En lugar de borrar uno de ellos, deben conservarse y agruparse bajo un único identificador interno de estudio.

Paso 7. Vincular los registros con protocolos y publicaciones

No debe confiarse exclusivamente en los enlaces incluidos automáticamente en el registro. Una revisión metodológica comprobó que la vinculación entre registros y publicaciones continúa necesitando búsquedas e inspección manual (14).

El proceso puede organizarse en tres niveles:

Vinculación automática: Revisar las publicaciones y referencias enlazadas en el registro.
Vinculación inferida: Buscar el identificador del ensayo en PubMed, Embase y otros buscadores. Si no aparece, combinar acrónimo, promotor, investigador, intervención, población, tamaño muestral, centros y fechas.
Vinculación mediante consulta: Contactar con investigadores o promotores cuando persistan dudas sobre la identidad del ensayo, su publicación o sus resultados.

Cada ensayo debería disponer de una “familia documental” que agrupe:

Registros primarios y secundarios.
Protocolo.
Plan de análisis estadístico.
Resúmenes de congresos.
Publicación principal.
Publicaciones de seguimiento.
Informes de seguridad.
Resultados depositados en registros.
Informes regulatorios.
Comunicaciones con los investigadores.

Paso 8. Cribar el registro completo y clasificar el ensayo

Un cribado preliminar por título puede utilizarse para eliminar registros manifiestamente irrelevantes, pero sus títulos suelen ser poco informativos. La decisión final debe adoptarse revisando el registro completo en la plataforma original.

En una revisión sistemática convencional, la selección debería realizarse por dos revisores de forma independiente (2). En una revisión rápida podría justificarse un proceso abreviado, pero debe declararse y valorarse el riesgo de perder estudios.

Paso 9. Incorporar los registros a la síntesis y a la evaluación del sesgo

Si el registro contiene resultados utilizables

Los datos pueden incorporarse a la síntesis narrativa o al metanálisis si:

El ensayo cumple los criterios de elegibilidad.
Los resultados corresponden a los desenlaces y momentos definidos.
Se conocen los denominadores y la población analizada.
Existen datos suficientes para calcular el efecto y su precisión.
No se está duplicando información ya incluida desde otra publicación.
La procedencia y las limitaciones de los datos se notifican claramente.

La ausencia de publicación en una revista no constituye, por sí sola, un motivo para excluir resultados elegibles. Tampoco debe confundirse la falta de revisión por pares con una evaluación formal del riesgo de sesgo.

Si se conoce el ensayo, pero sus resultados no están disponibles

El ensayo no puede aportar una estimación numérica, pero no debe desaparecer de la revisión. Su existencia, tamaño previsto, fecha de finalización y desenlaces registrados ayudan a valorar el riesgo de sesgo debido a evidencia ausente.

Comparación entre planificación y publicación

Para aplicar el dominio de RoB 2 relativo a la selección del resultado comunicado, debe examinarse si el resultado incluido coincide con un plan de análisis definido antes de que los datos estuvieran disponibles.

Un registro retrospectivo o modificado después del análisis no proporciona la misma garantía que un protocolo o registro prospectivo suficientemente detallado (17).

A nivel de la síntesis, ROB-ME permite valorar el riesgo de sesgo debido a estudios completos o resultados concretos ausentes por su significación, magnitud o dirección. La evaluación debe integrar los ensayos identificados sin resultados, las discrepancias entre fuentes y otros indicios de falta selectiva de evidencia (18).

La mera existencia de una discrepancia no obliga automáticamente a reducir la certeza de la evidencia. Su importancia dependerá del desenlace afectado, la magnitud de los datos ausentes, la plausibilidad de selección y el posible efecto sobre la estimación.

Paso 10. Actualizar la búsqueda

Los registros cambian: un ensayo en curso puede finalizar, aparecer una publicación, depositarse resultados o modificarse su estado.

En la actualización se debe:

Repetir la estrategia original o justificar sus modificaciones.
Buscar registros nuevos por fecha de registro, dejando un pequeño solapamiento entre periodos.
Revisar nuevamente los registros ya identificados.
Comprobar cambios de estado.
Buscar resultados y publicaciones añadidas.
Actualizar las tablas de estudios en curso y pendientes de clasificación.

La frecuencia debe adaptarse a la velocidad de producción de evidencia. Una revisión viva puede necesitar búsquedas mensuales o trimestrales; una revisión convencional, una actualización próxima al cierre editorial.

Paso 11. Informar siguiendo PRISMA 2020 y PRISMA-S

PRISMA 2020 proporciona diagramas específicos para revisiones que identifican estudios mediante bases de datos y registros. El diagrama debe distinguir entre:

Registros recuperados.
Registros duplicados eliminados.
Registros cribados.
Informes buscados y evaluados.
Estudios finalmente incluidos.

Esta distinción permite que varios registros, protocolos y artículos terminen agrupados como un único estudio (19).

PRISMA-S recomienda informar:

Todos los registros consultados.
Nombre y enlace de cada fuente.
Estrategias completas tal como se ejecutaron.
Fechas de búsqueda.
Límites y filtros, o la ausencia de ellos.
Número de resultados de cada fuente.
Proceso y programas de deduplicación.
Métodos de actualización.
Revisión por pares de la estrategia, si se realizó (20).

También deben citarse los registros de los ensayos incluidos, indicando su identificador y URL estable, igual que se citan los demás informes del estudio (1-2,20).

En conclusión

Buscar en registros de ensayos clínicos no consiste simplemente en añadir otra base de datos a la estrategia bibliográfica. Requiere trabajar con una lógica centrada en el estudio: identificar el ensayo, reunir todos sus registros e informes, reconstruir su evolución y determinar qué información puede utilizarse con suficiente confianza.

CENTRAL y Embase son fuentes fundamentales y contienen actualmente registros procedentes de ClinicalTrials.gov. Sin embargo, su cobertura, estructura, funcionalidades e información disponible no son equivalentes a las de los registros originales. La recomendación metodológica no consiste en elegir entre unas fuentes u otras, sino en utilizarlas de manera complementaria.

El error más importante no es solo omitir un ensayo no publicado. También lo es encontrar su registro y tratarlo como si fuera un estudio diferente del artículo que posteriormente comunica sus resultados.

Una gestión adecuada convierte los registros en algo más que una fuente de literatura gris: los transforma en una herramienta para evaluar la integridad del conjunto de evidencia, detectar resultados ausentes y producir revisiones sistemáticas más transparentes y fiables.

Referencias

Búsqueda bibliográfica y tipos de revisión: una guía para elegir la estrategia adecuada

Cuando hablamos de revisiones de la literatura, es frecuente asumir que todas requieren una búsqueda exhaustiva en numerosas bases de datos. Sin embargo, la realidad metodológica es más compleja. La estrategia de búsqueda debe responder al objetivo de la revisión, a la pregunta de investigación, al tipo de evidencia que se pretende identificar y al uso previsto de los resultados.

No busca del mismo modo quien pretende contextualizar un tema que quien necesita estimar la efectividad de una intervención, identificar lagunas de conocimiento o mantener actualizada una síntesis de evidencia. Aunque todas estas finalidades requieren localizar y seleccionar información, difieren en el grado de exhaustividad, la estructura de la búsqueda, las fuentes consultadas y los procedimientos de actualización.

La búsqueda varía según el objetivo de la revisión: describir, integrar, mapear, sintetizar, resumir revisiones previas o mantener la evidencia actualizada.

La tabla que acompaña esta entrada resume estas diferencias y muestra cómo cambian la planificación, las fuentes consultadas, la sensibilidad de la estrategia y el grado de reproducibilidad exigido.

Principales diferencias en la planificación y ejecución de la búsqueda bibliográfica según el tipo y la modalidad de revisión.

De la búsqueda narrativa a la búsqueda sistemática: distintos grados de estructuración y reproducibilidad

En una revisión narrativa, la selección de las fuentes suele depender en gran medida del criterio de los autores. La búsqueda puede ser flexible y no siempre se documenta de forma suficiente para que otras personas puedan reproducirla. Este enfoque puede resultar útil para introducir un tema, explicar conceptos o presentar una perspectiva experta, pero ofrece menos garantías frente al sesgo de selección.

La revisión integrativa requiere una búsqueda más planificada y transparente. Su particularidad es que puede reunir estudios cuantitativos y cualitativos, documentos teóricos y literatura gris. Por ello, debe contemplar fuentes y estrategias capaces de identificar diseños muy diferentes.

En el extremo de mayor estructuración se encuentra la revisión sistemática. Su búsqueda parte de una pregunta, formulada habitualmente mediante PICO u otro marco equivalente, y de unos criterios de elegibilidad establecidos previamente. Debe identificar de forma sistemática los estudios relevantes, combinar varias bases de datos y métodos complementarios —como la búsqueda de literatura gris, el rastreo de citas o la revisión de referencias— y documentar íntegramente las estrategias utilizadas. Cochrane subraya que la búsqueda debe ser sistemática, exhaustiva dentro de lo razonable y reproducible.

Las búsquedas no se realizan igual en todos los tipos de revisión y que existe una transición desde enfoques más flexibles hacia otros más planificados, transparentes y reproducibles.

Mapear la evidencia no es lo mismo que estimar un efecto

Una revisión de alcance o un mapa de evidencia pregunta, por ejemplo: «¿Qué evidencia existe, cómo se distribuye y qué lagunas presenta?». Una revisión de efectividad pregunta: «¿Cuál es el efecto de una intervención, comparada con una alternativa, sobre unos resultados determinados?».

La revisión de alcance o scoping review busca conocer qué evidencia existe, cómo se ha investigado un tema, qué conceptos se utilizan y dónde se encuentran las principales lagunas de conocimiento.

Su pregunta suele ser amplia y se estructura frecuentemente mediante el marco PCC: población, concepto y contexto. En las revisiones de alcance puede ser necesario ampliar la diversidad de fuentes y vocabularios para captar distintos diseños, contextos y formas de publicación. No pretende necesariamente calcular un efecto, sino elaborar un mapa descriptivo de la literatura disponible.

En las revisiones de efectividad, la búsqueda suele organizarse a partir de los conceptos de la pregunta y debe optimizar la identificación de los diseños de estudio elegibles sin introducir restricciones injustificadas.

Una revisión de alcance utiliza el marco PCC para explorar, organizar y representar la evidencia disponible, identificar conceptos y localizar lagunas de conocimiento.

Cuando cambia la unidad de análisis, cambia también la búsqueda

La unidad de análisis es el tipo de objeto que la revisión pretende localizar y sintetizar: estudios primarios, revisiones, documentos, conceptos, intervenciones, experiencias, políticas o conjuntos de evidencia. Cuando cambia la unidad de análisis, cambian también las fuentes de información, los términos de búsqueda, los criterios de elegibilidad y los procedimientos de selección.

En una revisión paraguas, los documentos que se buscan no son estudios primarios, sino revisiones sistemáticas y metaanálisis. Esto obliga a emplear términos y filtros específicos para identificar síntesis de evidencia y a consultar recursos especializados. Además, debe prestarse atención al posible solapamiento de estudios primarios entre las revisiones incluidas.

Las síntesis cualitativas buscan experiencias, percepciones, significados y fenómenos humanos. La recuperación puede resultar especialmente compleja porque los estudios cualitativos presentan una terminología variable y una indexación menos consistente. Por ello, suelen combinarse bases de datos biomédicas y sociales —como MEDLINE, CINAHL o PsycINFO— con rastreo de referencias, búsqueda de citas, literatura gris y consulta a expertos.

Cuando cambia la unidad de análisis, cambia también la búsqueda.

En las revisiones de métodos mixtos deben localizarse simultáneamente evidencias cuantitativas y cualitativas. Puede diseñarse una búsqueda amplia y sensible para ambos componentes o desarrollar estrategias independientes que posteriormente confluyan en una síntesis integrada o segregada.

Revisiones rápidas y revisiones vivas: dos modalidades de ejecución y actualización

Conviene diferenciar los tipos de revisión de sus modalidades de ejecución. Las revisiones rápidas y las revisiones vivas pueden entenderse como modalidades de ejecución y actualización de una revisión. No son categorías definidas por el tema estudiado, sino enfoques relacionados con el tiempo disponible, la frecuencia de actualización y la organización del proceso de revisión.

Las revisiones rápidas responden a la necesidad de producir una síntesis en un plazo limitado. Para ello, pueden simplificar determinados procedimientos de la revisión, como el número de fuentes consultadas, la amplitud de la búsqueda, la selección por duplicado, la extracción de datos o ciertos procesos de síntesis. Estas decisiones deben estar justificadas, documentadas y acompañadas de una valoración de sus posibles efectos sobre la exhaustividad y el riesgo de sesgo.

Las revisiones vivas, por el contrario, se diseñan para mantenerse actualizadas. Parten de una revisión sistemática y establecen mecanismos periódicos o continuos para identificar nueva evidencia, evaluarla e incorporarla cuando pueda modificar las conclusiones. La automatización puede facilitar la vigilancia y la priorización de registros, pero no sustituye la supervisión metodológica. Una revisión viva debe mantener los estándares metodológicos de la revisión sistemática de la que parte.

La revisión rápida adapta el proceso para ganar tiempo; la revisión viva mantiene búsquedas periódicas para evitar que la revisión quede desactualizada; ambas son formas de ejecutar la revisión y la búsqueda, no categorías temáticas.

Una búsqueda adecuada es la que responde al propósito de la revisión

No existe una única estrategia válida para todas las revisiones. La búsqueda debe diseñarse en función de la pregunta, el propósito de la síntesis, la unidad de análisis, los criterios de elegibilidad, los recursos disponibles y la necesidad de actualización.

La búsqueda debe diseñarse teniendo en cuenta:

Preguntas esenciales para planificar una búsqueda bibliográfica adaptada al tipo de revisión.

En definitiva, una búsqueda de calidad no es necesariamente la que recupera más referencias, sino la que identifica de forma suficientemente completa y reproducible la evidencia pertinente para responder a la pregunta planteada. Sus decisiones, limitaciones y posibles sesgos deben quedar documentados con transparencia.

Referencias

Aromataris E, Lockwood C, Porritt K, Pilla B, Jordan Z, editores. JBI Manual for Evidence Synthesis. JBI; 2024. doi:10.46658/JBIMES-24-01.
Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, et al., editores. Cochrane Handbook for Systematic Reviews of Interventions. Version 6.5. Cochrane; 2024.
Garritty C, Hamel C, Trivella M, Gartlehner G, Nussbaumer-Streit B, Devane D, et al. Updated recommendations for the Cochrane rapid review methods guidance for rapid reviews of effectiveness. BMJ. 2024;384:e076335. doi:10.1136/bmj-2023-076335.
Synnot A. Updated guidance for Cochrane living systematic reviews. Cochrane Methods; 2020.

Deduplicar referencias en revisiones sistemáticas: elegir herramienta según la prioridad del equipo

La eliminación de duplicados es una tarea aparentemente técnica y secundaria dentro de una revisión sistemática, pero tiene consecuencias metodológicas importantes. Si una herramienta elimina por error un registro único, el equipo puede perder un estudio potencialmente relevante antes de iniciar el cribado. Si, por el contrario, deja demasiados duplicados sin eliminar, aumenta la carga de trabajo durante la selección por título y resumen.

Un estudio reciente publicado en Research Synthesis Methods compara la precisión y la velocidad de ocho herramientas de deduplicación: ASySD (The Automated Systematic Search Deduplicator), Covidence, Deduklick, EPPI-Reviewer, PICO Portal, Rayyan, SRA Deduplicator: Focused y SRA Deduplicator: Relaxed.

Los autores utilizaron cinco conjuntos de registros procedentes de revisiones Cochrane y los compararon con conjuntos de referencia creados por especialistas en información. Evaluaron tres resultados principales: registros únicos eliminados por error, duplicados retenidos por error y tiempo total de deduplicación.

Resultados principales

El estudio evaluó tres desenlaces principales:

Registros únicos eliminados por error (false positives): registros que la herramienta consideró duplicados, aunque en realidad eran únicos. Es el error más crítico, porque puede hacer desaparecer estudios potencialmente elegibles.
Duplicados retenidos por error (false negatives): duplicados que la herramienta no detectó. Es un problema menor desde el punto de vista metodológico, pero aumenta la carga de cribado.
Tiempo total de deduplicación: incluye tanto el proceso automático como la revisión manual necesaria en algunas herramientas.

Desde el punto de vista metodológico, el desenlace más importante es la eliminación errónea de registros únicos. Un duplicado no eliminado puede detectarse más adelante durante el cribado. En cambio, un registro único eliminado antes del cribado puede desaparecer definitivamente del flujo de selección. En este sentido, Rayyan fue la herramienta más conservadora, con solo dos registros únicos eliminados por error. Sin embargo, este resultado se obtuvo a costa de un tiempo muy elevado de trabajo manual: más de veinte horas en total.

Por otro lado, ASySD fue la herramienta que menos duplicados dejó sin eliminar, pero también la que más registros únicos eliminó erróneamente. SRA Deduplicator: Relaxed fue la más rápida, pero retuvo muchos más duplicados que otras herramientas.

La siguiente tabla integra los resultados principales. En todos los casos, valores más bajos indican mejor rendimiento.

El mensaje más importante del estudio es que ninguna herramienta fue superior en los tres desenlaces. Todas presentaron fortalezas y debilidades.

¿Qué herramienta elegir?

Este estudio muestra que todas las herramientas evaluadas ofrecen un rendimiento suficientemente aceptable, pero ninguna domina claramente en todos los desenlaces. Por tanto, la pregunta práctica no debería ser “¿cuál es la mejor herramienta?”, sino “qué herramienta se ajusta mejor a las prioridades y recursos de este equipo de revisión”: tiempo disponible, presupuesto, necesidad de revisión manual y tolerancia al riesgo de perder registros únicos.

Para equipos de revisión, bibliotecarios médicos y especialistas en búsquedas, la lección práctica es clara: conviene documentar qué herramienta se utiliza, qué criterios se aplican y qué grado de revisión manual se realiza. La transparencia en la deduplicación forma parte de la calidad metodológica de la revisión.

Referencia

Bateup S, Fulbright H, Moberg K, Hair K, Peterson E, Stansfield CM, Qureshi R, Clark J. Evaluating the accuracy and speed of eight deduplication tools: A comparative study. Research Synthesis Methods. 2026;00:1-14. doi:10.1017/rsm.2026.10100.

Literatura gris en revisiones sistemáticas: por qué no deberíamos pasarla por alto

Cuando hablamos de revisiones sistemáticas, solemos pensar en búsquedas en múltiples bases de datos bibliográficas con estrategias booleanas extensas y complejas. Pero tenemos que recordar que una parte de la evidencia relevante no siempre llega a las revistas científicas o no lo hace con la misma rapidez ni visibilidad. Ahí es donde entra la literatura gris. Tesis, informes técnicos, registros de ensayos, resúmenes de congresos o documentos regulatorios pueden aportar información valiosa para reducir sesgos, completar el mapa de la evidencia y mejorar la transparencia del proceso de revisión. Buscarla no siempre es sencillo, pero ignorarla sin justificación puede debilitar una síntesis.

Empecemos por lo básico: qué entendemos por literatura gris

La literatura gris suele definirse como aquella producción científica o técnica generada por instituciones académicas, administraciones, organismos, empresas o industrias que no está controlada por los circuitos editoriales comerciales habituales (1). Una de las características que mejor define a la literatura gris es, precisamente, su dificultad de localización. En primer lugar porque queda fuera de los circuitos convencionales de indexación, búsqueda y difusión científica. Además, a menudo está dispersa, mal descrita, alojada en plataformas heterogéneas o en sitios web poco estables, lo que obliga a diseñar estrategias de búsqueda más abiertas, más manuales y mejor documentadas.

¿Y qué entra dentro de este grupo? Tenemos, entre otros, las tesis doctorales, los informes técnicos, la documentación de agencias reguladoras, las actas o resúmenes de congresos, los registros de ensayos clínicos y los preprints.

Resulta llamativo que, pese a la importancia metodológica de rastrear literatura gris, algunos manuscritos de revisiones sistemáticas sigan indicando como motivo de exclusión que un estudio no haya sido publicado en una revista con revisión por pares, como si el canal de publicación pudiera sustituir por sí mismo la valoración crítica de su relevancia y su calidad metodológica.

Por qué importa en una revisión sistemática

La principal razón para buscar literatura gris es metodológica. Su inclusión puede ayudar a reducir el sesgo de publicación, es decir, la tendencia a que los estudios con resultados positivos o estadísticamente significativos tengan más probabilidades de publicarse en revistas que aquellos con resultados nulos o negativos (1).

Esto tiene consecuencias directas en la síntesis de la evidencia. Si una revisión incorpora solo estudios publicados en revistas, puede ofrecer una imagen incompleta o sesgada del efecto real de una intervención; dejar fuera determinadas fuentes puede afectar a la estimación final (2). Un ejemplo es el que Man-Son-Hing y cols. encontraron del uso de la quinina para calambres nocturnos: los ensayos publicados reportaron estimaciones de eficacia aproximadamente un 50% mayores que los documentos de la FDA (3). En otro caso, varias revisiones sistemáticas de estudios publicados informaron que la agomelatina era un tratamiento eficaz para la depresión, pero no se demostró ningún efecto del tratamiento cuando se incluyeron siete estudios no publicados. Otros ejemplos de sesgo de publicación incluyen oseltamivir para la influenza en adultos, estatinas para la prevención de eventos tromboembólicos venosos y reboxetina para la depresión (4).

Además, también es especialmente útil para identificar datos de seguridad y eventos adversos que en ocasiones quedan menos desarrollados en los artículos de revista y solo se encuentra en documentos no publicados o regulatorios (5).

Y por último, otra razón importante es que permite detectar estudios en curso o nunca publicados.

Motivo	Explicación
Reducir el sesgo de publicación	– Evitar o minimizar el sesgo de publicación; – Contrarrestar visiones incompletas de la evidencia (p. ej., salud cerebral, deterioro de la función renal); – Abordar el efecto cajón (file drawer effect), en el que los resultados negativos permanecen sin publicar.
Mejorar la exhaustividad	– Garantizar la recuperación de todos los estudios elegibles, incluidos los no publicados y no indexados; – Incrementar la generalizabilidad, la exhaustividad y el tamaño muestral; – Integrar fuentes publicadas y no publicadas para construir una base de evidencia más completa.
Acceso a estudios no publicados o en curso	– Identificar tesis doctorales, disertaciones, informes técnicos, informes gubernamentales y actas de congresos; – Localizar ensayos no publicados o en curso mediante registros; – Localizar investigación temprana o en desarrollo aún no publicada en revistas revisadas por pares.
Evidencia del mundo real y específica del contexto	– Incluir evidencia procedente de la práctica clínica habitual (p. ej., efectividad vacunal postcomercialización, experiencias en fisioterapia, teletrabajo durante la COVID-19); – Incorporar perspectivas diversas más allá de los ensayos clínicos, incluyendo enfoques organizativos y gubernamentales; – Identificar marcos, modelos y lagunas en políticas nacionales (p. ej., entorno escolar canadiense, teoría del confort de Kolcaba).
Ampliación del alcance y mapeo conceptual	– Mapear de forma completa modelos conceptuales, marcos y estrategias; – Aportar complejidad situacional y diversidad de perspectivas (p. ej., revisiones de alcance con enfoque iterativo); – Captar definiciones y estrategias que no siempre son visibles en la literatura revisada por pares.

Modificada y traducida de: Khalil H., Johns-Hayden A., Kynoch K. Guidance to including grey literature in systematic reviews-recommendations from an epidemiological study. Journal of Clinical Epidemiology. 2026:112222, doi: 10.1016/j.jclinepi.2026.112222.

Cuándo puede ser especialmente relevante

En áreas con fuerte presencia de la industria, como ensayos con fármacos o dispositivos, porque los intereses comerciales pueden influir en qué resultados llegan a publicarse y cuáles no. También en tecnologías sanitarias emergentes, donde la evidencia puede aparecer antes en informes técnicos, documentos de agencias o preprints que en revistas indexadas.

Resulta igualmente relevante en revisiones sobre políticas públicas, programas o implementación, donde parte de la información útil procede de organismos oficiales, instituciones o documentos técnicos. Y en temas con escasa literatura publicada, los resúmenes de congresos, tesis y otras fuentes no convencionales pueden aportar estudios o datos que ayuden a completar el panorama.

Qué fuentes conviene tener en cuenta

Entre las fuentes más relevantes en salud destacan los registros de ensayos clínicos, como ClinicalTrials.gov o la plataforma de registros de la OMS, útiles para localizar estudios terminados no publicados y, a veces, resultados disponibles directamente en el registro.

También son importantes las tesis y disertaciones, que pueden contener información más extensa que la finalmente publicada en artículos; los resúmenes y actas de congresos, especialmente valiosos en áreas muy dinámicas, aunque con limitaciones por la brevedad de la información; los informes técnicos e institucionales, incluidas evaluaciones de tecnologías sanitarias y documentos regulatorios; y los repositorios de preprints, cada vez más relevantes en determinadas áreas. A esto se suman motores y directorios como Google Scholar, BASE, OpenDOAR, ROAR o recursos especializados de literatura gris, aunque con diferentes prestaciones, coberturas y limitaciones (6).

Tipos de fuentes de literatura gris útiles para revisiones sistemáticas. (Nota: OpenGrey fue discontinuado en 2020 y hoy permanece como archivo).

Categoría	Recomendaciones
Fuentes principales a considerar siempre	– Google Scholar: amplia cobertura de literatura académica y gris, pero requiere un cribado cuidadoso debido a su baja precisión; – ProQuest: especialmente útil para tesis y disertaciones; – ClinicalTrials.gov: esencial para identificar datos de ensayos clínicos no publicados; – OpenGrey: específicamente dedicado a literatura gris (aunque actualmente archivado, sigue siendo útil a través de repositorios).
Fuentes complementarias según el tema de la revisión	– Los sitios web de organizaciones y la consulta a expertos son especialmente importantes en áreas con fuerte componente de políticas o práctica (p. ej., salud pública, educación, servicios sociales); – La búsqueda manual de actas de congresos, sitios web institucionales y materiales no indexados sigue siendo crucial cuando se espera que estas fuentes aporten evidencia relevante.
Bases de datos bibliográficas especializadas	– Scopus, PsycINFO y Web of Science pueden recuperar fuentes “semigrises” (por ejemplo, resúmenes de congresos y actas) y deben considerarse cuando sean pertinentes para la revisión.
Motores de búsqueda web generales	– Google (búsqueda general) puede recuperar documentos únicos de carácter institucional o local, pero no debe utilizarse como única estrategia; – Se recomienda el uso de búsquedas estructuradas y el registro de URL y fechas para garantizar la reproducibilidad.

Recomendaciones para la selección de bases de datos para literatura gris. Modificada y traducida de: Khalil H., Johns-Hayden A., Kynoch K. Guidance to including grey literature in systematic reviews-recommendations from an epidemiological study. Journal of Clinical Epidemiology. 2026:112222, doi: 10.1016/j.jclinepi.2026.112222.

La evidencia disponible muestra que herramientas como Google Scholar son útiles para recuperar literatura gris, pero no deben utilizarse como única fuente, ya que pueden omitir estudios relevantes y presentan limitaciones de precisión y transparencia (7).

Dificultades metodológicas de la búsqueda de literatura gris

Buscar literatura gris es posible y muchas veces necesario, pero rara vez es tan limpio, estandarizado o replicable como buscar en una base de datos bibliográfica tradicional.

No existe un único estándar de referencia y muchas de estas fuentes carecen de lenguaje controlado, interfaces potentes o posibilidades de exportación comparables a las de bases como MEDLINE o Embase. Esto obliga a trabajar más con términos en lenguaje natural, incrementa el ruido en la recuperación y dificulta tanto la reproducibilidad como la documentación. Además, muchos contenidos web cambian, desaparecen o se actualizan sin dejar rastro claro, lo que complica la trazabilidad. En algunos entornos, como Google Scholar, la falta de transparencia en el algoritmo de ordenación añade una dificultad extra (7).

Errores frecuentes

Uno de los errores más habituales es declarar de forma genérica que se buscó “en Google” o “en literatura gris” sin especificar qué fuentes concretas se consultaron, con qué estrategia, en qué fecha y con qué límites. Otro error frecuente es asumir que la literatura gris tiene menor calidad por definición. Su calidad metodológica debe valorarse con los mismos principios y, cuando proceda, con herramientas específicas que cualquier otro estudio o documento.

También es problemático no conservar evidencia documental de determinadas búsquedas o no registrar metadatos básicos como la URL, la fecha de consulta o la estrategia utilizada. En fuentes inestables, esto puede dificultar comprobaciones posteriores.

Cómo plantear una búsqueda de literatura gris

La búsqueda de literatura gris debe planificarse desde el protocolo, no añadirse al final como un gesto de exhaustividad formal. Conviene decidir desde el principio qué tipos de fuentes son pertinentes para la pregunta de investigación, cuáles son asumibles en términos de tiempo y recursos y cómo se va a documentar el proceso.

Esto implica seleccionar de forma justificada las fuentes, adaptar la estrategia a cada interfaz, registrar fechas, URLs, términos utilizados y límites aplicados, y seguir marcos de transparencia como PRISMA-S (8). También puede incluir el contacto con autores cuando se sospecha la existencia de estudios no publicados o información complementaria relevante.

En motores como Google Scholar, además, es importante asumir desde el principio que la búsqueda tiene limitaciones técnicas y que el procedimiento debe quedar claramente descrito.

Conviene identificar y mantener claramente separados los datos procedentes de literatura gris y los de estudios publicados en revistas por razones de transparencia metodológica. Esta distinción permite saber qué parte de la evidencia procede de circuitos editoriales convencionales y cuál se ha recuperado a través de registros, informes, tesis, resúmenes de congresos u otras fuentes no comerciales, facilitando la trazabilidad del proceso y la interpretación de los resultados. Además, separar ambas procedencias hace posible realizar análisis de sensibilidad y valorar hasta qué punto la inclusión de literatura gris modifica las estimaciones del efecto, los datos de seguridad o las conclusiones de la revisión.

Conclusión

La literatura gris no es un añadido accesorio ni una garantía automática de calidad. Es, sobre todo, una fuente potencialmente útil para mejorar la exhaustividad, reducir determinados sesgos y captar evidencia que no siempre circula por las vías editoriales habituales. Su búsqueda plantea dificultades y no siempre deberá hacerse con la misma exhaustividad en todas las revisiones. Pero prescindir de ella sin una justificación razonada puede dejar fuera una parte relevante de la evidencia y debilitar la solidez de la síntesis final.

BIBLIOGRAFÍA

Hopewell S, McDonald S, Clarke MJ, Egger M. Grey literature in meta-analyses of randomized trials of health care interventions. Cochrane Database Syst Rev. 2007;(2):MR000010.
McAuley L, Pham B, Tugwell P, Moher D. Does the inclusion of grey literature influence estimates of intervention effectiveness reported in meta-analyses? Lancet. 2000;356(9237):1228-31. doi:10.1016/S0140-6736(00)02786-0.
Man-Son-Hing M, Wells G, Lau A. Quinine for nocturnal leg cramps: a meta-analysis including unpublished data. J Gen Intern Med. 1998;13(9):600-6. doi: 10.1046/j.1525-1497.1998.00182.x.
Ziai H., Zhang R., Chan A-W., Persaud N. Search for unpublished data by systematic reviewers: an audit. BMJ Open. 2017;7(10):e017737, doi: 10.1136/bmjopen-2017-017737.
Golder S, Loke YK, Wright K, Norman G. Reporting of adverse events in published and unpublished studies of health care interventions: a systematic review. PLoS Med. 2016;13(9):e1002127. doi:10.1371/journal.pmed.1002127.
Khalil H, Johns-Hayden A, Kynoch K. Guidance to including grey literature in systematic reviews: recommendations from an epidemiological study. J Clin Epidemiol. 2026:112222, doi: 10.1016/j.jclinepi.2026.112222.
Haddaway NR, Collins AM, Coughlin D, Kirk S. The Role of Google Scholar in Evidence Reviews and Its Applicability to Grey Literature Searching. PLoS One. 2015;10(9):e0138237. doi: 10.1371/journal.pone.0138237.
Rethlefsen ML, Kirtley S, Waffenschmidt S, Ayala AP, Moher D, Page MJ, et al. PRISMA-S: an extension to the PRISMA Statement for Reporting Literature Searches in Systematic Reviews. J Med Libr Assoc. 2021;109(2):174-200.

Polyglot (TERA Tools) para trasladar estrategias de búsqueda: ahorro de tiempo pero necesita supervisión

En revisiones sistemáticas, trasladar la estrategia al resto de bases de datos es uno de los pasos más exigentes porque exige conocimiento experto de bases, plataformas y sintaxis. No es un trámite: forma parte del método y condiciona la sensibilidad y la reproducibilidad del proceso.

Dado que la búsqueda para revisiones sistemáticas debe ser sensible y no existe una única fuente que recoja de forma exhaustiva todo lo publicado, es necesario buscar en un número suficiente de bases de datos, seleccionadas según el objetivo (sensibilidad vs precisión), la cobertura temática y el tipo de evidencia. Cada base se interroga de manera distinta y devuelve conjuntos de documentos parcialmente diferentes. Además, aunque las plataformas permiten combinar texto libre, búsqueda por campos, tesauro y límites, cada una implementa estas funcionalidades con su propia “gramática” de búsqueda.

El problema real: al traducir entre bases también traducimos reglas

Cuando pasamos una estrategia de PubMed/MEDLINE a Embase (y a otras bases), los fallos suelen agruparse en tres categorías:

No adaptación de la estrategia. Copiar/pegar “tal cual” sin ajustar a la plataforma puede cambiar la recuperación (a veces sin que sea evidente): campos incorrectos, paréntesis interpretados de otra forma, comillas, límites no equivalentes o funciones que existen en una base y no en otra.
Diferencias en el lenguaje de búsqueda. Etiquetas de campo, comodines, gestión de frases y (muy especialmente) operadores de proximidad.
Errores en encabezamientos de materia. Cada base tiene su propio tesauro (MeSH, Emtree, CINAHL Headings, Thesaurus APA…), y no hay equivalencias 1:1 garantizadas.

Dónde encaja Polyglot y qué aporta de verdad

Polyglot Search Translator (TERA Tools) está diseñado para traducir cadenas de búsqueda entre bases y plataformas, ahorrando trabajo repetitivo y reduciendo errores de tecleo, sin sustituir el criterio experto. Un ensayo aleatorizado observó que traducir con Polyglot fue, en promedio, más rápido (31 vs 45 minutos) y con menos errores (8,6 vs 14,6) que la traducción manual, aunque sigue siendo imprescindible revisión humana (Clark JM, 2020)

Su valor es claro: un traductor de sintaxis que agiliza el traslado entre plataformas, pero que funciona de verdad cuando se usa como lo que es: una semi-automatización con supervisión experta. Polyglot traduce cadenas desde PubMed u Ovid MEDLINE a múltiples plataformas para que tú te concentres en lo que no se puede automatizar como el tesauro o la proximidad.

Cómo usar Polyglot

Aquí te dejo las instrucciones de cómo sería el flujo de trabajo si queremos trasladar una estrategia que hemos hecho en PubMed a Embase:

1) Desarrolla y depura tu estrategia “base”.

Crea la estrategia en bloques conceptuales claros, con paréntesis cerrados y consistencia en campos y truncamientos.

2) Pegar la búsqueda en Polyglot (https://tera-tools.com/polyglot)

En TERA, Polyglot ofrece un cuadro “Your query” donde pegar la cadena. Es recomendable marcar la casilla “Replace line references” (para que resuelva referencias del tipo #1, #2, etc.) y añadir una línea en blanco en la cadena para mejorar el procesamiento en algunos casos.

3) Elegir la salida correcta para Embase (Embase.com vs Ovid Embase)

Polyglot suele ofrecer traducciones diferenciadas para bases de datos y plataformas, en nuestro casa disponemos de las opciones de Embase.com (Elsevier) y Ovid Embase. Piensa que no son equivalentes: cambian campos, operadores y convenciones.

4) Verificación del vocabulario controlado (Emtree)

Este es el paso crítico:

Identifica los términos que en PubMed estaban como MeSH (p. ej., [Mesh] / explosiones) y valida su equivalente en Emtree.
Sustituye manualmente cuando no haya correspondencia directa o el término preferido difiera.

Polyglot te ahorra reescritura de sintaxis, pero no puede asumir equivalencias terminológicas sin supervisión.

5) Operadores de proximidad.

Aunque PubMed incorporó proximidad en 2022, con la sintaxis «términos»[Title:~N] o «términos»[Title/Abstract:~N], limitada a determinados campos, no puede considerarse una proximidad equivalente a la proximidad de otras plataformas (NEAR/NEXT o ADJ). Más bien es una ayuda para la búsqueda por frases.

Por eso, cuando trasladas desde PubMed, la traducción “literal” tal cual es proporcionada por Polyglot no aprovecha el potencial de la búsqueda por adyacencia de otras plataformas. Cuando migras desde PubMed a Embase, debes decidir (concepto a concepto) si las transformas en proximidad (más sensibilidad, riesgo de introducir ruido si el “n” es amplio) o mantienes la búsqueda por frases exactas (más precisión, riesgo de perder variantes).

No hay respuesta universal: depende del concepto, del objetivo de la búsqueda y del equilibrio sensibilidad/precisión. La única forma de hacerlo es probar, comparar y documentar el ajuste.

6) Ejecutar y comprobar

Antes de dar la traducción por válida revisa truncamientos, comillas y campos; ejecuta y comprueba si recuperas artículos semilla y si los recuentos son plausibles. Si un artículo relevante aparece en una base y no en otra, la pregunta útil no es “¿por qué no está?”, sino qué parte de la traducción no lo capturó: campos, fraseo, proximidad, tesauro o límites.

BIBLIOGRAFÍA

Clark JM, Sanders S, Carter M, Honeyman D, Cleo G, Auld Y, Booth D, Condron P, Dalais C, Bateup S, Linthwaite B, May N, Munn J, Ramsay L, Rickett K, Rutter C, Smith A, Sondergeld P, Wallin M, Jones M, Beller E. Improving the translation of search strategies using the Polyglot Search Translator: a randomized controlled trial. J Med Libr Assoc. 2020 Apr;108(2):195-207. doi: 10.5195/jmla.2020.834.

¿Es la IA un sustituto, una amenaza o un aliado para los bibliotecarios especializados?

Hasta ahora, diseñar una estrategia de búsqueda sólida, localizar estudios relevantes y manejar cientos de referencias era un trabajo artesanal, intensivo en tiempo y dependiente por completo de la experiencia humana. Sin embargo, la integración de modelos de lenguaje generativo en los procesos de revisión sistemática está modificando de manera sustancial la fase de búsqueda y recuperación de información.

La clave está en entender qué puede hacer cada uno y cómo combinar sus fortalezas para obtener búsquedas más robustas, eficientes y reproducibles en un contexto donde la calidad de la evidencia importa más que nunca.

Tareas en las que puede intervenir la IA

La aportación de la IA no reside únicamente en la aceleración de tareas, sino en la capacidad de ampliar, diversificar y estructurar el acceso a la literatura científica, amplificando los procedimientos manuales.

Generación rápida y exhaustiva de términos de búsqueda. Los modelos de IA generativa son capaces de recopilar términos de miles de textos y, a partir de ahí, sugieren sinónimos, acrónimos y variantes de un mismo concepto. En otras palabras, ayudan a descubrir términos relevantes que, de otro modo, podrían pasarse por alto. Esta capacidad resulta especialmente útil en áreas emergentes o interdisciplinarias, donde la terminología aún no está normalizada y la literatura se dispersa en múltiples dominios temáticos.
Aumento de la sensibilidad/exhaustividad (recall) de la búsqueda. Estas herramientas son capaces de producir una primera estrategia de búsqueda con elevada sensibilidad, es decir, muy amplia, recuperando muchísimos resultados. Es verdad que luego hay que limpiarlos y depurarlos, pero esa “primera cosecha” sirve como una base sólida sobre la que seguir afinando la estrategia, añadir filtros y ajustar los términos. En este sentido, la IA funciona como un acelerador: te ayuda a arrancar rápido con un punto de partida fuerte, aunque siempre hace falta la mirada experta del bibliotecario para asegurar que todo tenga sentido y calidad.
Generación de búsquedas booleanas para distintas bases de datos/plataformas. Uno de los avances más visibles es la capacidad de la IA para traducir una estrategia conceptual en consultas operativas adaptadas a la sintaxis de cada proveedor: Ovid MEDLINE, Embase.com, Scopus, Web of Science, CINAHL (EBSCO, Ovid, …), PsycINFO (Proquest, EBSCO, …), entre otros. Esto incluye la aplicación correcta de campos de búsqueda, operadores de proximidad, truncamientos, tesauros controlados y peculiaridades funcionales de cada motor. Esta precisión reduce errores, evita pérdidas de sensibilidad y mejora la reproducibilidad del proceso.

Ventajas/Oportunidades del uso de la IA

Fase de búsqueda inicial más exhaustiva: La IA puede generar en pocos segundos un abanico enorme de términos, sinónimos y palabras clave relacionadas con un tema. Esto resulta especialmente útil cuando nos enfrentamos a un campo nuevo o del que sabemos poco: la herramienta propone conceptos que quizá no habríamos considerado y evita que la estrategia de búsqueda se quede corta.
Más referencias desde el principio: Las herramientas de IA suelen recuperar mucho más. Su forma de interpretar las palabras clave es más amplia que la nuestra, lo que se traduce en un volumen mayor de resultados. Luego tocará depurarlos, sí, pero arrancar con una red más grande ayuda a no dejar estudios relevantes fuera.
Menos tiempo perdido al adaptar estrategias entre bases de datos: Pasar una estrategia de búsqueda de MEDLINE (PubMed u OVID) a Embase.com, Scopus o WoS es un trabajo pesado, repetitivo y lleno de pequeños detalles que es fácil olvidar. La IA puede hacerlo automáticamente, respetando sintaxis, operadores booleanos y campos correctos en cada plataforma. En la práctica, esto supone menos errores y muchas horas ahorradas.
Orden y lógica en los términos: Además de reunir términos útiles, la IA es capaz de agruparlos por categorías o temas. No solo te dice qué palabras usar, sino que te ayuda a entender cómo se relacionan entre sí, lo que facilita estructurar la búsqueda con sentido.

Inconvenientes y retos del uso de IA en las revisiones sistemáticas

Mucho volumen, poca precisión: Que la IA recupere cientos o miles de referencias puede parecer una ventaja, pero tiene trampa: no distingue bien lo relevante de lo accesorio. Esto obliga a dedicar tiempo extra a revisar y descartar estudios que no encajan con la pregunta de investigación. En cambio, una estrategia elaborada por un bibliotecario suele ser más ajustada desde el principio, porque está pensada para responder a criterios concretos y no para abarcar “todo lo que pueda sonar parecido”.
La experiencia humana sigue siendo irremplazable: La IA propone muchos términos, sí, pero no sabe cuándo un matiz importa. Afinar la estrategia de búsqueda, elegir el descriptor correcto o decidir si un término aporta ruido o información útil sigue siendo territorio humano. Las listas generadas por la IA necesitan ser revisadas, depuradas y enriquecidas por alguien que entienda el contexto, las particularidades del tema y las implicaciones metodológicas.
Limitaciones de acceso a bases de datos suscritas: Hoy por hoy, la mayoría de modelos de IA no pueden entrar en bases de datos científicas de pago. Esto significa que no pueden comprobar en tiempo real qué términos están indexados, qué descriptores existen o cómo se estructura un determinado tesauro especializado.
No puede moverse por tesauros especializados: Al no tener acceso a bases como EMBASE, CINAHL o PsycINFO, la IA no es capaz de navegar por sus tesauros y proponer descriptores correctos. Este es un punto crítico porque las estrategias de búsqueda más sólidas combinan términos libres con términos controlados, y esa fineza todavía no está al alcance de las herramientas generativas.
No descarga ni extrae referencias: Otra limitación importante es que la IA no puede descargar los resultados de la búsqueda ni gestionarlos en un gestor bibliográfico. Sigue siendo necesario pasar por las plataformas originales para obtener los registros y preparar la deduplicación o el cribado.
Siempre necesita supervisión: El uso de IA no elimina la figura del bibliotecario experto ni del equipo de revisión. Más bien cambia su papel: deja de ser quien hace cada paso manualmente para convertirse en quien valida, corrige y toma decisiones informadas. Sin esa supervisión, la IA puede generar estrategias amplias, pero no necesariamente adecuadas.

Un modelo sinérgico: IA + bibliotecario

El futuro inmediato no pasa por elegir entre inteligencia artificial o bibliotecario especializado, sino por combinarlos teniendo en cuenta las fortalezas y limitaciones de cada uno de ellos. Cada uno aporta algo diferente y, cuando trabajan juntos, el proceso de búsqueda y revisión gana en velocidad, alcance y rigor.

¿Cuál sería el rol de la IA?
La IA es especialmente útil en las primeras fases del trabajo. Su fortaleza está en generar cantidad: propone términos, sugiere combinaciones, construye borradores de estrategias de búsqueda y automatiza tareas tediosas como adaptar consultas entre plataformas o expandir sinónimos. Es rápida y eficiente para mover grandes volúmenes de información.

¿Qué aporta el bibliotecario?
El bibliotecario, por su parte, aporta calidad. No solo afina la terminología y valida los conceptos relevantes, sino que es quien domina el uso de tesauros, entiende la lógica de indexación de cada base de datos y detecta inconsistencias que la IA no ve. Además, garantiza el rigor metodológico: sabe cuándo un término es demasiado amplio, cuándo un operador puede distorsionar la pregunta de investigación y cómo documentar correctamente una estrategia reproducible.

En resumen (recuerda las pautas RAISE) …

La IA debe usarse como compañera de los humanos, no como sustituta.
Tú eres, en última instancia, responsable de su síntesis de la evidencia, incluida la decisión de usar IA y de garantizar la adhesión a las normas legales y éticas.
Usa la IA siempre que no comprometas el rigor metodológico ni la integridad de la síntesis.
Debes de informar de forma completa y trasparente del uso de cualquier IA que emita o sugiera juicios.

¿Herramientas de IA en búsquedas para revisiones sistemáticas?

La inteligencia artificial está irrumpiendo con fuerza en la síntesis de evidencia. Un estudio reciente de la Agencia Canadiense de Medicamentos (CDA-AMC) ofrece datos interesantes que conviene conocer (Featherstone R, Walter M, MacDougall D, Morenz E, Bailey S, Butcher R, et al. Artificial Intelligence Search Tools for Evidence Synthesis: Comparative Analysis and Implementation Recommendations. Cochrane Evidence Synthesis and Methods. 2025;3(5):e70045, doi: 10.1002/cesm.70045.).

Este artículo tuvo como objetivo evaluar el potencial de herramientas de búsqueda basadas en inteligencia artificial (Lens.org, SpiderCite y Microsoft Copilot) para apoyar la síntesis de evidencia vs. métodos de búsqueda tradicionales y establecer recomendaciones de implementación bajo un enfoque “fit for purpose”, es decir, utilizar cada herramienta solo para tareas específicas donde aporten valor. Se evaluaron siete proyectos completados en la agencia, aplicando búsquedas de referencia (método tradicional) frente a búsquedas con cada herramienta de IA. Se midieron sensibilidad/recall, número necesario a leer (NNR), tiempo de búsqueda y cribado, y contribuciones únicas de cada herramienta. Además, se recogió experiencias de los especialistas en información sobre usabilidad, limitaciones y sorpresas en el uso de los tres sistemas.

Resultados

Método / Herramienta	Sensibilidad promedio	Diferencias entre proyectos simples y complejos	NNR (número necesario a leer)	Tiempo de búsqueda	Observaciones principales
Métodos tradicionales	0.98 – 1 (casi perfecta)	Consistentemente alta en todos los proyectos	Más bajo que IA	2.88 h en promedio	Estándar de referencia, máxima fiabilidad
Lens.org	0.676	Simples: 0.816 Complejos: 0.6	Más alto que el estándar (98 vs 83)	Mayor tiempo (2.25 h, más que Copilot o SpiderCite)	Mejor de las IA, pero menos eficiente; útil en búsquedas simples y de autores
SpiderCite	0.23 – 0.26	Similar en simples y complejos	Variable (Cited by mejor que Citing)	~1.25 h	Muy baja sensibilidad, pero puede aportar referencias únicas en temas complejos; solo útil como complemento
Copilot	0.24 (muy variable: 0–0.91 según proyecto)	Simples: 0.41 Complejos: 0.15	Muy variable (mejor en simples, muy alto en complejos)	Más rápido (0.96 h promedio)	Dependiente de la calidad de los prompts; no sustituye estrategias, útil para sugerir palabras clave

Sensibilidad = proporción de estudios relevantes efectivamente recuperados.
NNR = número necesario a leer; cuanto menor, mejor eficiencia de cribado.

Verde = mejor desempeño relativo. Amarillo = intermedio / aceptable. Rojo = débil. Naranja = muy variable según proyecto.

Discusión

Las herramientas de IA mostraron rendimiento variable e inconsistente, lo que implica que no pueden reemplazar las búsquedas profesionales estándar en revisiones sistemáticas.
Pueden generar falsa confianza en usuarios sin experiencia. Se requiere conocimiento experto en construcción de estrategias y en validación de resultados para corregir limitaciones.
Limitaciones del estudio: solo se evaluaron 7 proyectos y 3 herramientas, sin analizar combinaciones entre ellas

Recomendaciones de implementación

La CDA-AMC propuso un uso limitado y estratégico:

Lens.org: útil para revisiones con preguntas acotadas y técnicas (como dispositivos con una función o población bien definida) o para identificar rápidamente autores vinculados a un tema o indicación clínica cuando los métodos estándar no alcanzan.
SpiderCite: complemento para búsquedas de citas en proyectos complejos, siempre que se disponga de artículos semilla.
Copilot (u otros LLMs): apoyo en la generación de palabras clave y términos de búsqueda, pero no para estrategias completas

Conclusión

Las tres herramientas evaluadas (Lens.org, SpiderCite, Copilot) no son adecuadas para reemplazar estrategias de búsqueda complejas en revisiones sistemáticas, debido a variabilidad en sensibilidad y precisión. Sin embargo, tienen potencial como apoyos puntuales en tareas específicas: generación de términos, búsquedas simples o de citas, y exploración preliminar. El estudio subraya la necesidad de mantener el papel central del bibliotecario/experto en información en la validación de cualquier resultado generado con IA, y de continuar monitorizando nuevas herramientas dada la rápida evolución tecnológica.

Reflexiones para quienes trabajamos en bibliotecas médicas

Las herramientas de IA pueden ahorrar tiempo en fases preliminares, generar ideas de términos de búsqueda, identificar autores, pero no deben utilizarse como única estrategia para revisiones sistemáticas si se espera exhaustividad.
Es clave entender los límites: sensibilidad menor, posible sesgo en lo que captura IA, variabilidad según prompt o según lo cerrado o amplio que sea el tema.
Siempre debe haber validación humana experta, verificación de resultados únicos que aparezcan en IA, comparación con lo recuperado por métodos tradicionales.

Evitar sesgos en la búsqueda bibliográfica: claves para revisiones rigurosas

La base de toda revisión sistemática y otros estudios de síntesis sólidos es una búsqueda de evidencia cuidadosamente diseñada y rigurosamente ejecutada (1). En la búsqueda bibliográfica cómo se busca, dónde se busca y quién diseña la estrategia son factores que pueden marcar una diferencia crítica en la calidad de la evidencia recopilada.

En dos entradas anteriores de este blog de título «Sesgo de publicación y sesgos relacionados» (2) y «Sesgos en la localización de estudios para una revisión sistemática» (3) ya tratamos el tema de los sesgos. Ahora veremos los principales tipos de sesgos del proceso de búsqueda y cómo minimizarlos.

¿Qué sesgos pueden aparecer?

En el proceso de búsqueda pueden surgir dos tipos principales de sesgos:

Sesgo de identificación: aparece cuando no se localizan estudios relevantes, a menudo porque la estrategia de búsqueda no es suficientemente sensible o porque no se han explorado todas las fuentes pertinentes. Este tipo de sesgo es especialmente problemático en revisiones sistemáticas que sirven de base para tomar decisiones clínicas, ya que puede comprometer la validez de los resultados.

Sesgo de diseminación (o de publicación): se produce cuando los resultados de un estudio influyen en su probabilidad de ser publicados. Por ejemplo, los estudios con resultados positivos tienen más probabilidades de publicarse, de hacerlo en inglés, con mayor rapidez o de recibir más citas. Este fenómeno puede distorsionar la percepción de la eficacia de una intervención.

¿Cómo reducir estos sesgos?

Diseñar una estrategia de búsqueda rigurosa, con la colaboración de un especialista en información. Idealmente, esta estrategia debe ser revisada por pares antes de ser ejecutada (1,4-6). La participación de bibliotecarios especializados en ciencias de la salud en revisiones sistemáticas no es un añadido opcional, sino una práctica recomendada por las principales guías metodológicas (7-9) y respaldada por la evidencia científica (10-11).
Utilizar múltiples bases de datos bibliográficas. Se recomienda un mínimo de dos para revisiones sistemáticas, pero también se debe justificar su elección. Según el Cochrane Handbook, el objetivo de las búsquedas es identificar todos los estudios relevantes disponibles, lo que requiere desarrollar estrategias lo más sensibles posibles, sin perder de vista la pertinencia de los resultados (7). Debemos hacer balance entre la precisión y exhaustividad pero teniendo en cuenta que el objetivo de una búsqueda para una RS es identificar todos los estudios pertinentes (maximizar la sensibilidad pero con una precisión razonable). Una de las cuestiones más complicadas es cuando dar por finalizada la búsqueda. En este equilibrio entre amplitud y relevancia, la experiencia del bibliotecario resulta fundamental.
Ampliar la búsqueda más allá de las bases de datos. La inclusión de fuentes como motores de búsqueda, registros de ensayos clínicos, literatura gris, búsqueda complementaria de citas (forward y backward) y el contacto con expertos puede ser clave para identificar estudios que de otro modo pasarían desapercibidos.
Incluir estudios no publicados. Dado que una parte significativa de los estudios completados no se publican (12), buscarlos activamente en registros, literatura gris o sitios web especializados contribuye a mitigar el sesgo de publicación (13).

Tipo de sesgo	Descripción	Estrategias para minimizarlo
Sesgo de identificación	No se recuperan todos los estudios relevantes.	Diseñar una estrategia exhaustiva con ayuda de un bibliotecario experto Usar ≥2 bases de datos Evitar el uso uso de filtros/límites Ampliar con búsquedas complementarias
Sesgo de publicación o diseminación	Solo se publican ciertos tipos de resultados, como los positivos.	Buscar literatura gris Consultar registros de ensayos clínicos Contactar expertos Incluir estudios no publicados

Un dato revelador

Greenhalgh y Peacock (14) encontraron que solo el 25% de los artículos incluidos en su revisión fueron recuperados a través de bases de datos electrónicas. El resto provino de rastrear citas, conocimiento personal, contactos o búsqueda manual.

BIBLIOGRAFÍA

Metzendorf MI, Featherstone RM. Ensuring quality as the basis of evidence synthesis: leveraging information specialists’ knowledge, skills, and expertise. Cochrane Database of Systematic Reviews 2018, Issue 9. Art. No.: ED000125. doi: 10.1002/14651858.ED000125.
Campos-Asensio C. Sesgo de publicación y sesgos relacionados. 2023. Available from: https://bibliogetafe.com/2023/11/09/sesgo-de-publicacion-y-sesgos-relacionados/ [Last accessed: 6/23/2025].
Campos-Asensio C. Sesgos en la localización de estudios para una revisión sistemática. 2021. Available from: https://bibliogetafe.com/2021/05/17/sesgos-en-la-localizacion-de-estudios-para-una-revision-sistematica/ [Last accessed: 6/23/2025].
McGowan J, Sampson M. Systematic reviews need systematic searchers. JMLA 2005;93(1):74–80.
Rethlefsen ML, Farrell AM, Osterhaus Trzasko LC, Brigham TJ. Librarian co‐authors correlated with higher quality reported search strategies in general internal medicine systematic reviews. Journal of Clinical Epidemiology2015;68(6):617–26. doi: 10.1016/j.jclinepi.2014.11.025
McGowan J. Sampson M, Salzwedel DM, Cogo E, Foerster V, Lefebvre C. PRESS peer review of electronic search strategies: 2015 guideline statement. J Clin Epidemiol. 2016.75:40–46. doi: 10.1016/j.jclinepi.2016.01.021
Lefebvre C, Manheimer E, Glanville J. Chapter 6: Searching for studies. In: Higgins JPT, Green S. (Editors). Cochrane handbook for systematic reviews of interventions version 5.1.0. Updated March 2011. Accessed July 27, 2022. https://handbook-5-1.cochrane.org/chapter_6/6_searching_for_studies.htm
Aromataris E, Munn Z. Chapter 1: JBI systematic reviews. In: Aromataris E, Munn Z (Editors). In: JBI Manual for Evidence Synthesis. JBI; 2020. Accessed July 27, 2022. https://jbi-global-wiki.refined.site/space/MANUAL
Kugley S, Wade A, Thomas J, et al. Searching for studies: a guide to information retrieval for Campbell Systematic Reviews. Oslo: The Campbell Collaboration; 2017. Accessed July 27, 2022. doi: 10.4073/cmg.2016.1
Rethlefsen ML, Murad MH, Livingston EH. Engaging medical librarians to improve the quality of review articles. JAMA. 2014;312(10):999-1000. doi:10.1001/jama.2014.9263
Kirtley S. Increasing value and reducing waste in biomedical research: librarians are listening and are part of the answer. Lancet. 2016;387(10028):1601. doi:10.1016/S0140-6736(16)30241-0
Campos-Asensio C. ¿Sabes cuantos ensayos clínicos que empiezan y llegan a terminarse nunca se publican? 2021. Disponible en: https://bibliogetafe.com/2021/04/12/sabes-cuantos-ensayos-clinicos-que-empiezan-y-llegan-a-terminarse-nunca-se-publican/ [Last accessed: 6/23/2025].
Hong QN, Brunton G. Helping Trainees Understand the Strategies to Minimize Errors and Biases in Systematic Review Approaches. Educ Information. 2025;41(3):161–175; doi: 10.1177/01678329251323445.
Greenhalgh, T., & Peacock, R. (2005). Effectiveness and efficiency of search methods in systematic reviews of complex evidence: Audit of primary sources. BMJ. 2005:331(7524), 1064–1065. doi: 10.1136/bmj.38636.593461.68

Curso de acogida de residentes 2025: la alfabetización informacional en la era de la inteligencia artificial

El pasado 10 de junio participé, como cada año, en el curso de acogida y bienvenida a los nuevos residentes del Hospital Universitario de Getafe. Esta intervención, centrada tradicionalmente en los fundamentos de la búsqueda bibliográfica y los recursos de la biblioteca, ha ido evolucionando en los últimos años para dar cabida a los profundos cambios que la inteligencia artificial (IA) está generando en los procesos de búsqueda de información científica.

Les presenté el funcionamiento de la Biblioteca Virtual, un recurso esencial para el acceso a la información científica de calidad. Les mostré cómo registrarse correctamente en el portal para poder acceder, desde cualquier dispositivo y ubicación, a una amplia colección de bases de datos especializadas, revistas científicas, libros electrónicos y otros recursos suscritos por la red sanitaria pública. Hicimos especial hincapié en la importancia de utilizar estas fuentes institucionales frente a buscadores generalistas, y en cómo aprovechar al máximo los servicios disponibles para apoyar tanto la práctica clínica como sus actividades formativas e investigadoras.

En la edición de 2024, la IA ocupó aproximadamente un tercio del contenido. Este año, sin embargo, ha constituido ya la mitad de mi presentación, reflejo de su creciente relevancia tanto en la práctica clínica como en el proceso de aprendizaje e investigación de nuestros profesionales en formación.

Los propios residentes reconocieron utilizar con frecuencia herramientas de IA generativa —principalmente modelos como ChatGPT— para resolver dudas clínicas, localizar información rápida o redactar textos. Esta admisión evidencia una realidad incuestionable: la IA ya forma parte del entorno de trabajo cotidiano del personal sanitario. Sin embargo, también pone de manifiesto una necesidad urgente: formar a los nuevos profesionales en el uso crítico, seguro y eficaz de estas herramientas.

Durante la sesión, abordamos conceptos esenciales para entender la búsqueda de información basada en evidencia, desde el triángulo de la búsqueda eficiente hasta la jerarquía de las fuentes. En este contexto, presenté el papel complementario —que no sustitutivo— de la inteligencia artificial en la búsqueda bibliográfica. Se mostraron ejemplos concretos de herramientas de IA aplicadas a distintas fases del proceso: desde asistentes conversacionales como ChatGPT o Claude, hasta motores de síntesis como Elicit, y plataformas de análisis de citaciones como Scite.

Subrayé especialmente los riesgos de desinformación y sesgos si se emplean estas herramientas sin una evaluación humana crítica, y proporcioné orientaciones prácticas sobre cómo formular prompts efectivos.

Nuestro compromiso desde la biblioteca es acompañar esta transición, ofreciendo recursos de calidad, formación continua y apoyo experto. Porque saber buscar sigue siendo —más que nunca— una competencia esencial para el ejercicio profesional informado, riguroso y basado en la mejor evidencia disponible.

El papel del bibliotecario en la fase inicial de una revisión sistemática

En otras entradas de este blog hemos hablado de la importancia de planificar correctamente una revisión sistemática, como en los 13 pasos para la planificación de una revisión o en la explicación de la metodología de búsqueda según JBI. Hoy ponemos el foco en un momento clave del proceso: el primer paso que da el bibliotecario cuando comienza a colaborar en una revisión sistemática.

Antes de diseñar la estrategia de búsqueda definitiva, es imprescindible realizar una búsqueda preliminar exploratoria, identificar revisiones en curso en registros como PROSPERO y, a partir de todo ello, refinar y delimitar adecuadamente la pregunta de investigación. Esta fase inicial es fundamental para asegurar la pertinencia del trabajo, evitar duplicaciones y aportar valor a la evidencia existente.

Estos primeros pasos no siempre son visibles, pero son esenciales para que la revisión tenga solidez metodológica desde el inicio. El papel del bibliotecario en esta fase no solo es técnico, sino estratégico: contribuye activamente a que el equipo investigador formule una pregunta clara, contextualizada y alineada con la literatura disponible. Como se muestra en la imagen, incluso las herramientas de IA generativa pueden ser un apoyo en esta etapa exploratoria, aunque siempre deben usarse de forma crítica y complementaria, nunca como sustituto de las fuentes especializadas.

¿Buscas o consultas? Diferencias clave entre Google y la IA generativa

En los últimos tiempos estamos asistiendo a un cambio importante en la forma de buscar información. Hasta ahora, estábamos acostumbrados a usar motores de búsqueda como Google para localizar contenidos en la web: introducíamos palabras clave y recibíamos una lista de enlaces como respuesta. Sin embargo, con la llegada de herramientas basadas en inteligencia artificial generativa —como ChatGPT—, la experiencia cambia por completo: ya no se trata de encontrar, sino de generar contenido nuevo a partir de lo que preguntamos.

Pero, ¿Qué diferencias hay entre una búsqueda tradicional y una consulta a un modelo de IA? ¿Qué limitaciones y oportunidades presenta cada una?

En esta entrada, encontrarás una comparativa que puede ayudarte a entender cómo se complementan ambas herramientas y cómo podemos aprovecharlas en nuestro día a día profesional.

Comparativa Google vs. ChatGPT

Categoría	Google (Motor de Búsqueda)	ChatGPT (IA Generativa)
Propósito	Encontrar y organizar información disponible en la web, proporcionando listas de fuentes y enlaces relevantes.	Generar contenido nuevo (texto, resúmenes, explicaciones) a partir de patrones aprendidos, adaptándose al contexto aportado.
Funcionamiento	Indexa y recupera información basándose en palabras clave, algoritmos de relevancia y señales SEO/semánticas.	Utiliza modelos de lenguaje entrenados con enormes volúmenes de texto para predecir continuaciones y generar respuestas coherentes.
Interacción	El usuario introduce una consulta (keywords) y obtiene una lista de enlaces a páginas web o fragmentos destacados («snippets»).	El usuario aporta un prompt o contexto detallado y el modelo proporciona una respuesta directa en forma de texto narrativo o estructurado.
Actualización de Información	Depende de la frecuencia de rastreo e indexación de sus robots (web crawlers). Suele reflejar cambios en la web en cuestión de horas o días.	El conocimiento está congelado al momento del último entrenamiento. No accede en tiempo real a novedades, a menos que esté integrado con plug-ins o fuentes actualizadas.
Personalización	Ofrece resultados personalizados basados en historial de búsquedas, ubicación geográfica y preferencias previas.	Adapta la respuesta al prompt específico y puede mantener un contexto conversacional, pero no rastrea el historial de búsqueda web del usuario.
Creatividad	Limitada a mostrar información existente en la web; no genera contenido original.	Alta capacidad creativa para generar texto narrativo, ejemplos, analogías o reformulaciones no existentes anteriormente.
Ejemplos	Google Search, Bing, Yahoo (sitios web de motores de búsqueda).	ChatGPT (OpenAI), Bard (Google), Bing Chat con IA, Copilot.

Pero una cosa debemos tener clara: Aunque las herramientas de inteligencia artificial generativa como ChatGPT pueden ser útiles para explicar conceptos, resumir textos o explorar ideas, no deben utilizarse para buscar literatura científica. Estos modelos no acceden directamente a bases de datos bibliográficas ni garantizan la veracidad, actualidad o trazabilidad de las referencias que generan. Para búsquedas rigurosas en ciencias de la salud, es imprescindible utilizar fuentes especializadas como PubMed, Embase, CINAHL o Scopus.

Herramientas y tips para revisiones sistemáticas desde la práctica bibliotecaria. Parte 1. Recolección de términos controlados y libres.

El pasado martes tuve el placer de impartir el curso “Fundamentos metodológicos de revisiones sistemáticas”, organizado por BiblioSalud, la red de bibliotecarios y profesionales de la información en ciencias de la salud de España. Esta sesión formativa, dirigida especialmente a bibliotecarios médicos, se centró en los aspectos clave que debemos conocer para comprender y acompañar con rigor el desarrollo de una revisión sistemática.

En esta entrada del blog quiero comenzar a compartir una selección de las herramientas y recomendaciones prácticas que utilizo habitualmente en mi trabajo diario con documentos de síntesis de evidencia.

El objetivo es ofrecer una guía no exhaustiva, hay muchas y variadas (ver figura) pero con recomendaciones y herramientas útiles y basada en mi experiencia, que sirva tanto a quienes empiezan como a quienes ya participan en revisiones sistemáticas desde las bibliotecas.

Voy a dividir las herramientas en varios apartados según su uso:

Recolección de términos controlados y libres.
Proceso de búsqueda y cribado.
Chatbots e inteligencia artificial para apoyar la confección de estrategias booleanas.
Herramientas para la búsqueda complementaria.
Otras herramientas recomendadas para las revisiones sistemáticas.

En esta entrada veremos las primeras de estas herramientas y recomendaciones para la recolección de términos.

Recolección de términos

Uno de los pasos más críticos en cualquier revisión sistemática es la correcta identificación de términos controlados y palabras clave. Una estrategia de búsqueda bien construida comienza con una recolección exhaustiva de términos y para ello contamos con una serie de recursos imprescindibles:

1.1. Entry Terms de MeSH Database.

La herramienta clásica para explorar la jerarquía de los Medical Subject Headings (MeSH). Nos permite ver la definición de cada término, sus sinónimos, su posición dentro del árbol jerárquico, subencabezamientos permitidos y términos relacionados o «Entry Terms». Fundamental para identificar los términos controlados exactos que se deben utilizar en PubMed y para entender el enfoque conceptual con el que el sistema indexa los documentos.

1.2. Sinónimos de Emtree de EMBASE

El Emtree es el tesauro específico de la base de datos Embase. Su lógica es similar al MeSH pero tiene su propia estructura y contiene más términos, especialmente útiles para temas en farmacología o dispositivos médicos. Conviene hacer búsquedas paralelas en MeSH y Emtree para comparar coberturas y encontrar sinónimos o variantes terminológicas que pueden enriquecer la estrategia.

1.3. Yale MESH Analyzer https://mesh.med.yale.edu/

Esta herramienta permite comparar los términos MeSH asignados, los términos empleados en el título y resumen así como las palabras clave de los autores a un conjunto de artículos. Es especialmente útil para detectar patrones o términos recurrentes en la literatura más relevante sobre tu tema. Solo necesitas extraer los PMIDs de los artículos clave y el analizador los agrupa mostrando visualmente los MeSH comunes. Ideal para verificar si estás pasando por alto términos relevantes o para ajustar tu estrategia inicial.

1.4. Word Freq de SR Accelerator (ahora TERA) https://tera-tools.com/

Esta herramienta permite analizar la frecuencia de palabras en títulos y resúmenes de los resultados de una búsqueda bibliográfica. Solo necesitas copiar y pegar el listado de referencias (por ejemplo, desde PubMed) y Word Freq generará un listado de términos ordenados por frecuencia. Es especialmente útil para:

Identificar términos clave y sinónimos que puedes haber pasado por alto.
Detectar conceptos emergentes o patrones de lenguaje en la literatura.
Afinar tu estrategia de búsqueda ajustando los términos libres.

Una herramienta sencilla pero muy eficaz para enriquecer la fase exploratoria de cualquier revisión sistemática.

1.5. PubReminer https://hgserver2.amc.nl/cgi-bin/miner/miner2.cgi

Es una potente herramienta para realizar minería de datos sobre resultados de PubMed. Introduciendo una lista de PMIDs o haciendo una búsqueda directa, puedes ver las frecuencias de palabras en títulos, resúmenes y términos MeSH. También puedes analizar la aparición de autores, revistas, años de publicación… Es perfecta para afinar términos libres y obtener una imagen más clara del contexto bibliográfico.

1.6. MeSH on Demand https://meshb.nlm.nih.gov/MeSHonDemand

Desarrollado por la National Library of Medicine, este recurso es especialmente útil cuando partimos de un texto breve (como el resumen de un protocolo o el título de un artículo). Solo tienes que copiar el contenido y MeSH on Demand te devuelve sugerencias de términos MeSH relevantes. Es una excelente forma de inspirarte cuando aún estás perfilando la estrategia inicial.

1.7. Asistente de inteligencia artificial MeshMaster

MeSHMaster es un chatbot especializado que utiliza inteligencia artificial para ayudarte a construir estrategias de búsqueda booleanas, combinando términos MeSH y palabras clave libres. A partir de una descripción breve del tema o una pregunta clínica, el asistente sugiere:

Términos MeSH relevantes y sinónimos.
Combinaciones booleanas iniciales (AND, OR, NOT).
Variantes terminológicas en inglés que pueden enriquecer la sensibilidad de la búsqueda.

Es una herramienta especialmente útil en las primeras fases de diseño de la estrategia, cuando se busca inspiración o una validación rápida de conceptos clave. Aporta rapidez sin perder la lógica estructural que requiere una buena estrategia de búsqueda.

Te invito a seguir mis próximas entradas para descubrir cómo integrar estas herramientas en tu revisión sistemática.

Los robots no vienen a reemplazarnos: los bibliotecarios podemos liderar la revolución de la inteligencia artificial

La inteligencia artificial (IA) está transformando profundamente todos los sectores, y el ámbito bibliotecario no es la excepción. Lejos de suponer una amenaza, la IA representa una oportunidad histórica para que los profesionales de la información reforcemos nuestro papel como guías y mediadores en un entorno informativo cada vez más complejo.

Tras más de 35 años buscando información científica, nunca hemos experimentado una transformación como la que nos ofrece la inteligencia artificial. Es el momento de aprovechar esta oportunidad y ser parte del cambio
Tweet

Los robots no vienen a sustituirnos. Al contrario: los bibliotecarios somos hoy más relevantes que nunca, especialmente si sabemos evolucionar junto a estas herramientas. Gracias al apoyo de esta tecnología, los bibliotecarios podemos liberar tiempo para centrarnos en tareas más creativas y estratégicas, diseñando nuevas formas de compartir conocimiento y facilitando el acceso a la información. La IA proporciona a bibliotecarios y otros profesionales de la información nuevas oportunidades para mostrar nuestras habilidades y proporcionar aún más valor a los usuarios. Para ello debemos mantenernos informados sobre las últimas herramientas de IA y dominar el arte de la ingeniería de prompts. Solo así conseguiremos posicionarnos en vanguardia de la revolución de la IA.

La IA no nos reemplaza (los bibliotecarios), nos libera para pensar.
Tweet

Los bibliotecarios estamos estratégicamente posicionados para destacar en esta nueva era. Dominamos el arte del algoritmo de búsqueda, que va mucho más allá de encontrar información: implica comprender las necesidades del usuario, anticipar preguntas y guiarlo a través de un océano de datos hacia fuentes fiables, pertinentes y de calidad. Esta habilidad nos permite no solo acceder a información de manera eficiente, sino también evaluar su relevancia y credibilidad, asegurando así que los usuarios reciban respuestas de alta calidad a sus consultas. Nuestra formación nos capacita para utilizar tecnologías avanzadas y estrategias de investigación que enriquecen la experiencia de aprendizaje de nuestros usuarios. También tenemos la responsabilidad de educar al público sobre cómo interactuar de forma crítica y segura con estas herramientas emergentes.

La IA puede generar una estrategia de búsqueda, sí. Pero solo nosotros sabemos si esa estrategia tiene sentido.
Tweet

Los desafíos: veracidad, alfabetización, transparencia y privacidad

Uno de los principales riesgos de los grandes modelos de lenguaje es la ilusión de veracidad. Estos sistemas pueden generar textos que suenan correctos, pero que no necesariamente lo son. La IA no entiende el significado de lo que produce: simplemente predice cuál es la palabra más probable que debe aparecer a continuación.

El uso sin crítica puede llevar a la propagación de información falsa en la investigación. Por ello, es fundamental desarrollar una alfabetización en IA que permita evaluar críticamente tanto la información que proporcionan estas herramientas.

«La inteligencia artificial no reemplaza el juicio experto; sin embargo, tiene la capacidad de potenciarlo de maneras significativas y, en algunos casos, puede distorsionarlo de formas inesperadas.»
Tweet

Es imprescindible mantener principios de transparencia sobre el uso de herramientas de IA y responsabilidad en la verificación de la información generada. Debemos establecer prácticas claras para citar apropiadamente el trabajo asistido por IA y garantizar que las contribuciones humanas y artificiales sean debidamente reconocidas.

La privacidad es otra preocupación importante cuando se trata del uso de IA. Los sistemas de IA dependen de grandes cantidades de datos, datos que pueden incluir información confidencial sobre los usuarios. El uso de herramientas de IA puede exponer una biblioteca a los riesgos de ciberseguridad.

Conclusión

Los bibliotecarios no seremos sustituidos por la inteligencia artificial. Seremos reemplazados, eso sí, solo si decidimos no adaptarnos. Pero si abrazamos el cambio, nos formamos y lideramos la adopción crítica de estas herramientas, podremos consolidar nuestro papel como actores clave en la revolución del conocimiento.

Si no estamos en la conversación sobre IA, otros decidirán por nosotros. La revolución ya ha comenzado. Es momento de estar al frente.
Tweet

El futuro no está escrito. Y nosotros —como tantas veces— ayudaremos a su desarrollo.

Retos y errores frecuentes en la búsqueda de evidencia en revisiones sistemáticas

Características de las búsquedas para revisiones sistemáticas

Las revisiones sistemáticas requieren estrategias de búsqueda rigurosas (que identifiquen todos los registros relevantes, pero no tan amplia como para que haya demasiados artículos irrelevantes), transparentes y reproducibles (documentando los pasos que se dieron durante la búsqueda) de tal forma que permita que los futuros equipos de investigación se basen en el trabajo de la revisión sistemática (RS), así como también lo evalúen, valoren y critiquen.

Fuente: elaboración propia (Importacia de las estrategias de búsqueda en las revisiones sistemáticas © 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

Entre los objetivos de la búsqueda en revisiones sistemáticas es de realizar una búsqueda exhaustiva evitando sesgos como los resultantes de la no publicación de estudios, el sesgo de publicación y el sesgo del idioma ver entradas «Sesgo de publicación y sesgos relacionados» y «Sesgos en la localización de estudios para una revisión sistemática«).

Fuente: elaboración propia (Implicaciones de los errores de búsqueda de evidencia en la validez de los resultados de la revisión sistemática © 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

Las revisiones sistemáticas requieren una búsqueda sistemática. Dada la complejidad de los lenguajes y reglas de indexación de las diversas bases de datos, la mejor manera para que el equipo de investigación asegure el rigor de la búsqueda es incluir un bibliotecario en el equipo de revisión.

Retos en la búsqueda de evidencia

El primer elemento de una revisión sistemática es la propia pregunta. La pregunta determinará el desarrollo de la estrategia de búsqueda y qué tipo de estudios se encontrarán. Si la pregunta no es lo suficientemente clara en este punto, es posible que no se detecten artículos que puedan ser de interés o que se encuentren muchos artículos que no son lo que se quiere.

Fuente: elaboración propia (Retos comunes en las estrategias en las revisiones sistemáticas © 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

Traslado de la pregunta de investigación a la estrategia de búsqueda. La pregunta es el punto de partida para estructurar una estrategia de búsqueda, es la de identificar los principales conceptos de la pregunta clínica (generalmente en un formato PICO para revisiones de intervención y PEO para revisiones de factores de riesgo). Los errores más comunes para traducir una pregunta de investigación en un plan de búsqueda incluyen perder un concepto importante y agregar demasiados conceptos. (ver entrada «¿Debo incluir los Resultados (Outcomes) en la estrategia de búsqueda de una revisión sistemática?«).

Aplicar límites. de forma segura para evitar sesgos y disminución de la sensibilidad. Los límites más empleados son los límites temporal, de idiomas o de acceso al texto completo gratuito pero estos solo se deben incluir en la estrategia si está justificado metodológicamente. La mejor manera de aplicar límites es hacerlo de tal manera que la búsqueda incluya registros indexados por un límite deseado sin faltar registros que cumplan con esa misma descripción pero que no se indexan de esa manera. Esto se puede lograr mediante el uso cuidadoso del operador booleano NOT (por ejemplo, para eliminar estudios animales y quedarnos solo con estudios en humanos). Ver entrada «¿Cómo limitamos el resultado de una búsqueda bibliográfica a solo humanos?: Recomendación para búsqueda en revisiones sistemáticas«. También debemos tener presente la utilización de los llamados filtros de búsqueda (ver entrada: «Qué son los filtros de búsqueda y principales herramientas para su localización«).

Errores comunes en las estrategias de búsqueda en revisiones sistemáticas

Errores en la selección de las fuentes de búsqueda

La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas. Se desconoce el número óptimo de bases de datos que hay que consultar, sin embargo, buscar en una sola base de datos no es suficiente, aunque no existe evidencia de la cantidad de bases de datos en las que se debe buscar. Una sola base de datos no representa todas las investigaciones potencialmente relevantes que existen. Al elegir incluir solamente una base de datos, el revisor está introduciendo un sesgo de selección en esta etapa temprana del proceso de revisión. La búsqueda solo de PubMed y Embase recupera el 71.5% de las publicaciones incluidas, mientras que agregar bases de datos adicionales a las estrategias de búsqueda aumenta la recuperación al 94.2% (el 5.8% de las referencias no se recuperan en ninguna base de datos) (Frandsen TF, Moos C, Linnemann Herrera Marino CI, Brandt Eriksen M, Supplementary databases increased literature search coverage beyond PubMed and Embase, Journal of Clinical Epidemiology (2025), doi: https://doi.org/10.1016/j.jclinepi.2025.111704.). Ver entrada «En qué bases de datos debemos buscar para una revisión sistemática: La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas.»En qué bases de datos debemos buscar para una revisión sistemática: La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas» y «Cobertura y solapamiento de las bases de datos utilizadas en las revisiones sistemáticas de ciencias de la salud«).

Fuente: elaboración propia (Errores en la selección de las fuentes de información en la búsqueda en revisiones sistemáticas © 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

La búsqueda ha de realizarse en bases de datos automatizadas, pero también ha de incluirse búsquedas que complementen esta, como es la búsqueda de literatura gris. Si uno realmente quiere localizar toda la evidencia que hay no puede detenerse en la búsqueda de las principales bases de datos.

Insuficiente amplitud o sensibilidad de la búsqueda

La estrategia de búsqueda ha de ser una combinación de términos del lenguaje natural (campo de título y abstract) y el vocabulario controlado de las bases de datos consultadas (Leblanc V, Hamroun A, Bentegeac R, Le Guellec B, Lenain R, Chazard E. Added Value of Medical Subject Headings Terms in Search Strategies of Systematic Reviews: Comparative Study. J Med Internet Res. 2024 Nov 19;26:e53781. doi: 10.2196/53781.).

Fuente: elaboración propia (Búsquedas para revisiones sistemáticas © 2024 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

La recolección de términos consiste en localizar toda la terminología que represente cada concepto de la pregunta de investigación.

Fuente: elaboración propia (Insuficiente amplitud o sensibilidad de la búsqueda en revisiones sistemáticas © 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

Debemos hacer balance entre la precisión y exhaustividad pero teniendo en cuenta que el objetivo de una búsqueda para una RS es identificar todos los estudios pertinentes (maximizar la sensibilidad pero con una precisión razonable). Una de las cuestiones más complicadas es cuando dar por finalizada la búsqueda. Una de las cuestiones más complicadas es cuando dar por finalizada la búsqueda.

Representación visual de precisión y sensibilidad al realizar una búsqueda de literatura de una revisión sistemática. Modificada y traducida de: Kumar V, Barik S, Raj V, Varikasuvu SR. Precision and Sensitivity: A Surrogate for Quality of Literature Search in Systematic Reviews. Clin Spine Surg. 2025;38(1):34-6.

Para maximizar la sensibilidad de nuestra búsqueda hemos de maximizar la inclusión de todos los términos de búsqueda relevantes para cada concepto. Utilizar el operador booleano OR entre los términos sinónimos e incluir los encabezamientos de materia junto con los términos de texto libre. Además, debemos evitar el uso uso de filtros. A la búsqueda en base de datos debemos añadir la búsqueda de la bibliografía de los estudios incluidos y la búsqueda prospectiva de las citas a estos estudios (ver entrada «Persecución de citas «hacia delante» y «hacia atrás» en una revisión sistemática (‘citation chasing’, ‘citation searching’, ‘citation tracking’, ‘snowballing’, ‘pearl growing’, ‘footnote chasing’, ‘reference scanning’, ‘reference checking’, ‘bibliographic checking’, ‘citation mining’ o ‘reference harvesting’)«).

Errores en la ejecución de las búsquedas

Salvador-Oliván y cols., encontraron que, de las estrategias de búsqueda, el 92,7% contenían algún tipo de error. Para facilitar su presentación, los errores se agruparon en 2 categorías: los que afectan al recuerdo y los que no, siendo más frecuentes los primeros (78,1%) que los segundos (59,9%). La tabla siguiente presenta la frecuencia de los distintos tipos de errores.

Errores más comunes en las búsquedas en revisiones sistemáticas. Fuente: Salvador-Oliván JA, Marco-Cuenca G, Arquero-Avilés R. Errors in search strategies used in systematic reviews and their effects on information retrieval. J Med Libr Assoc. 2019 Apr;107(2):210-221. doi: 10.5195/jmla.2019.567.

Más recientemente, Rethlefsen y cols. encontraron que el 56.0% (163/291) de todas las búsquedas de bases de datos contenía al menos un error (Rethlefsen ML, Brigham TJ, Price C, Moher D, Bouter LM, Kirkham JJ, Schroter S, Zeegers MP. Systematic review search strategies are poorly reported and not reproducible: a cross-sectional metaresearch study. J Clin Epidemiol. 2024 Feb;166:111229. doi: 10.1016/j.jclinepi.2023.111229.).

Son relativamente fácil de tener errores con palabras mal escritas (3,8%) y errores en la sintaxis del sistema que no se encuentran fácilmente mediante la revisión ortográfica.

Fuente: elaboración propia (Errores en la ejecución de las búsquedas en revisiones sistemáticas © 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

Es frecuente cometer errores en la aplicación de operadores booleanos (por ejemplo, OR puede haber sido sustituido involuntariamente por AND (o viceversa), o AND puede haberse utilizado para vincular frases o palabras (por ejemplo, como una conjunción) en lugar de como un operador booleano) y, más a menudo, olvidar usarlos son comunes. La mayoría de las bases de datos asumirán un AND cuando falte un operador, lo que reducirá en gran medida la sensibilidad y la precisión de su búsqueda. Por otro lado, algunas plataformas de búsqueda ignora los operadores booleanos cuando se escriben en minúscula aplicando el operador AND automáticamente al ser el operador por defecto. Esto ocurre en PubMed por lo que es recomendable escribir los operadores booleanos siempre en mayúscula.

Otro error común es la falta de precisión en la combinación con los operadores booleanos de los números de línea correcta. Por eso es muy recomendable verificar cada número de línea y combinaciones de números de línea para asegurarse de que la lógica de búsqueda se implementó correctamente.

Para intentar paliar estos errores de ejecución, es recomendable revisar la búsqueda y asegurarse de que el uso del anidamiento entre paréntesis sea lógico y se haya aplicado correctamente. También hay que tener en cuenta si el uso de un operador de proximidad o adyacencia en lugar de AND podría aumentar la precisión. Si se utilizan operadores de proximidad, considere si la amplitud elegida es demasiado reducida para capturar todos los casos esperados de los términos de búsqueda, que pueden variar dependiendo de si la base de datos en la que se busca reconoce o no palabras vacías. Considere si la amplitud es demasiado extensa.
Y si se incluyen límites (por ejemplo, humanos o población de ancianos), debemos asegurarnos de que se haya utilizado la construcción adecuada.

De las diferentes formas de construcción de la estrategia de búsqueda, recomiendo la búsqueda por bloques, es decir, una línea por cada concepto de búsqueda partiendo de nuestra pregunta estructurada (PICOs) para intentar minimizar los errores antes descritos. De esta forma, la búsqueda se corresponderá con el marco de nuestra pregunta del que partimos en nuestra revisión. (ver entrada «Cómo estructurar la estrategia de búsqueda para revisiones sistemáticas: tres enfoques diferentes pero complementarios»).

Los términos de texto libre se utilizan normalmente para cubrir los encabezamientos de materia que faltan en la base de datos, recuperar registros no indizados o mal indizados. Debemos considerar los elementos del uso del texto libre, como demasiado restringido o demasiado amplio, la relevancia de los términos y si se han incluido sinónimos o antónimos.

Con respecto al uso de descriptores o encabezamientos de materia, hemos de comprobar si faltan encabezamientos o si son incorrectos los que utilizamos en nuestra estrategia, analizar la relevancia/irrelevancia de los términos y el uso correcto de la búsqueda ampliada para incluir términos relevantes más específicos.

Debemos considerar que el uso de subencabezamientos flotantes que en la mayoría de los casos son preferibles al uso de subencabezamientos ligados a encabezados de materias específicas.

Adaptación entre bases de datos y plataformas

Una vez hemos realizado la búsqueda en una base de datos debemos trasladar la estrategia a la siguiente base de datos. Esto significa que el vocabulario controlado, los términos del lenguaje natural y todas las demás etiquetas y operadores de campo utilizados deben ser lo más similar posible.

Fuente: elaboración propia (Errores en el traslado de la estrategia entre bases de datos y plataformas en revisiones sistemáticas© 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

Deficiencias en la documentación de las estrategias de búsqueda de evidencia

Las búsquedas de revisión sistemática deben ser reproducibles, pero la mayoría no lo son. Rethlefsen y cols. encontraron que solo el 1% de las revisiones sistemáticas eran completamente reproducibles para todas las búsquedas de bases de datos. Además, las búsquedas de revisión sistemática siguen informándose mal. La gran mayoría de las revisiones sistemáticas (91%) ni siquiera proporciona suficientes detalles para identificar las bases de datos/plataformas utilizadas para todas las búsquedas de bases de datos (Rethlefsen ML, Brigham TJ, Price C, Moher D, Bouter LM, Kirkham JJ, Schroter S, Zeegers MP. Systematic review search strategies are poorly reported and not reproducible: a cross-sectional metaresearch study. J Clin Epidemiol. 2024 Feb;166:111229. doi: 10.1016/j.jclinepi.2023.111229.).

Fuente: elaboración propia (Deficiencias en la documentación de las estrategias en revisiones sistemáticas© 2025 by Concepción Campos-Asensio is licensed under CC BY-ND 4.0 )

El uso de pautas de informes, en concreto de PRISMA-S y PRISMA 2020, puede ayudar a guiar a los autores y bibliotecarios sobre las mejores prácticas para realizar informes transparentes (ver entrada «Actualización de la guía para la presentación de informes de revisiones sistemáticas: desarrollo de la declaración PRISMA 2020«).

Recomendaciones para mejorar las estrategias de búsqueda en revisiones sistemáticas

Para intentar minimizar los errores en la búsqueda en revisiones sistemáticas, es recomendable que un segundo bibliotecario haga la revisión por pares de la búsqueda utilizando la herramienta PRESS (Peer Review of Electronic Search Strategies (McGowan J, Sampson M, Salzwedel DM, Cogo E, Foerster V, Lefebvre C. PRESS Peer Review of Electronic Search Strategies: 2015 Guideline Statement. J Clin Epidemiol. 2016 Jul;75:40-6. doi: 10.1016/j.jclinepi.2016.01.021. PMID: 27005575.) justo antes de finalizar el protocolo y antes de hacer las búsquedas definitivas de la revisión.

Y por último, para la mejora de las estrategias de búsqueda y su informe transparente es necesario implicar a los bibliotecarios, los equipos de revisión sistemática, los revisores por pares y los editores de revistas.

Lista de verificación para ayudar al bibliotecario a decidir su participación en una revisión sistemática

Los bibliotecarios tenemos poco control sobre la terminación de los proyectos de revisiones sistemáticas. Sin embargo, dado que la mayor parte del trabajo del bibliotecario se realiza al comienzo del proyecto, el tiempo y esfuerzo invertido es con frecuencia el mismo, independientemente de que el proyecto de revisión consiga publicarse o sea abandonado. Esta situación plantea importantes reflexiones sobre la naturaleza de nuestro trabajo, ya que, a pesar de la falta de control en los resultados finales, nuestro papel es fundamental para la calidad de la revisión. Además, nuestra capacidad para colaborar con investigadores y académicos desde el inicio del proceso no solo mejora la metodología, sino que también contribuye a establecer estándares que pueden influir en el éxito del proyecto. Por lo tanto, aunque los resultados puedan variar, la dedicación y el esfuerzo que aportamos son de enorme valor y forman parte integral del proceso de investigación.

Por eso, es importante tener presente la siguiente lista de comprobación o checklist antes de comprometer nuestra participación del bibliotecario en una revisión sistemática:

¿Pueden los investigadores describir claramente la pregunta de investigación?
¿Han establecido los investigadores criterios de inclusión y exclusión?
¿Parece que el alcance de la pregunta de investigación es manejable (no es probable que se obtengan demasiados estudios elegibles)?
¿Parece que la pregunta de investigación merece la pena (no es probable que no haya o que haya muy pocos estudios elegibles)?
¿Se ha preparado un protocolo?
¿Conocen y planea el equipo de revisión seguir las normas de buenas prácticas?
¿Está de acuerdo el equipo revisor con un enfoque de búsqueda exhaustivo (por ejemplo, búsqueda en todas las bases de datos clave, empleo de estrategias de búsqueda relativamente amplias)?
¿El proceso de selección, extracción de datos y evaluación del riesgo de sesgo-calidad implicará la decisión de dos revisores de manera independiente?
¿Parece el proyecto de investigación manejable para el número de miembros del equipo de revisión?
¿Son realistas y viables los plazos de revisión?

Bibliografía

Campos Asensio, C. (2024). Papel estratégico del bibliotecario en las revisiones sistemáticas. CLIP De SEDIC: Revista De La Sociedad Española De Documentación E Información Científica, (90), 19–32. https://doi.org/10.47251/clip.n90.150

McKeown S, Ross-White A. Building capacity for librarian support and addressing collaboration challenges by formalizing library systematic review services. J Med Libr Assoc. 2019 Jul;107(3):411-419. doi: 10.5195/jmla.2019.443.

Pasos de la búsqueda para síntesis de evidencia: Metodología de la JBI

El Manual del JBI para Síntesis de Evidencia acaba de actualizar el capítulo 2.4.correspondiente a la metodología de búsqueda (Disponible en: https://jbi-global-wiki.refined.site/space/MANUAL/355827873/2.4+Search+Methodology+for+JBI+Evidence+Syntheses).

Las revisiones del JBI se distinguen en el componente de búsqueda por su proceso de búsqueda explícito en 3 pasos. Este enfoque metodológico asegura una revisión exhaustiva y sistemática de la evidencia relevante, mejorando la calidad y la fiabilidad de los resultados de la revisión.

Paso 1: Búsqueda exploratoria inicial

El primer paso es una búsqueda exploratoria inicial para encontrar «referencias semilla», es decir, registros de estudios que cumplan los criterios de inclusión para la pregunta de la revisión. Tras estas búsquedas exploratorias iniciales, se recogen las palabras clave del título y el resumen, junto con los términos de indización (también denominados términos MeSH en MEDLINE, Tesauro, Vocabulario controlado, descriptores o encabezamientos de materia) de las referencias semilla. Se debe consultar con el equipo de revisión para recopilar otras palabras clave y términos indexados.

En esta fase utilizaremos las siguientes herramientas:

Bases de datos, generalmente MEDLINE y CINAHL.
Herramientas adicionales como Google, Google Académico y herramientas de descubrimiento de bibliotecas (PRIMO, OneSearch, SumSearch, etc.).
Herramientas de IA generativa (p. ej.: ChatGPT). Pueden ser útiles para encontrar estas referencias iniciales. Sin embargo, en el caso de las fuentes encontradas a través de ChatGPT, es importante verificar que no sean alucinaciones.

Paso 2: Desarrollo de la estrategia de búsqueda exhaustiva

El segundo paso consiste en desarrollar una estrategia de búsqueda exhaustiva utilizando estas palabras clave recolectadas y los términos de indización en la base de datos primaria/clave definida en nuestro Protocolo de revisión.

El desarrollo de una búsqueda exhaustiva es un proceso iterativo que implica probar combinaciones de palabras clave y términos indizados y comprobar que la estrategia de búsqueda recupera las referencias iniciales.

Una vez desarrollada la estrategia de búsqueda en la base de datos primaria, se traslada a otras bases de datos.

Paso 3: Búsqueda complementaria

El tercer paso es la búsqueda complementaria en la literatura gris, la búsqueda de citas y la búsqueda manual. La Declaración TARCiS (Terminology, Application and Reporting of Citation Searching) proporciona orientación sobre cuándo y cómo realizar búsquedas de citas como técnica de búsqueda complementaria en la síntesis de la evidencia y, lo que es más importante, cómo informar de ello (Hirt et al. 2024).

Para las preguntas de revisión que son complejas, la búsqueda de citas hacia delante y hacia atrás (forward and backward citation searching) se considera obligatoria.

Bibliografía

Search Methodology for JBI Evidence Syntheses. In: Aromataris E, Lockwood C, Porritt K, Pilla B, Jordan Z, editors. JBI Manual for Evidence Synthesis. JBI; 2024. Available from: https://synthesismanual.jbi.global. https://doi.org/10.46658/JBIMES-24-01

Hirt J, Nordhausen T, Fuerst T, Ewald H, Appenzeller-Herzog C; TARCiS study group. Guidance on terminology, application, and reporting of citation searching: the TARCiS statement. BMJ. 2024 May 9;385:e078384. doi: 10.1136/bmj-2023-078384. Erratum in: BMJ. 2024 Nov 7;387:q2458. doi: 10.1136/bmj.q2458. PMID: 38724089.

Cómo busca PubMed: el algoritmo Automatic Term Mapping

PubMed utiliza el Automatic Term Mapping (ATM) cuando introducimos términos en el cuadro de búsqueda. Es uno de los algoritmos aplicados a las búsquedas que compara los términos por nosotros escritos con una serie de tablas para encontrar términos relacionados y ampliar la búsqueda. Los términos no etiquetados que se introducen en el cuadro de búsqueda se cotejan (en este orden) con una tabla de traducción de Materias (incluido el MeSH o Medical Subject Headings), una tabla de traducción de Revistas, el índice de Autores y un índice de Investigadores (Colaboradores):

Si analizamos detenidamente la tabla de materias, veríamos que está formada por:

Términos MeSH
Entry Terms (See-Reference mappings) para los términos MeSH
MeSH Subheadings
Tipos de publicación
Pharmacological Actions
Supplementary Concepts (sustancias) y sus sinónimos
Tipo de publicación
Formas de palabras singulares y plurales
Ortografía británica y estadounidense
Marca comercial del medicamento la traduce al nombre genérico
Términos derivados del Unified Medical Language System (UMLS) que tienen sinónimos equivalentes o variantes léxicas en inglés

La asignación automática de términos significa que los términos de búsqueda que se introducen en la ventana de búsqueda se asignan automáticamente a términos MeSH. Sin embargo, cuando no se encuentra coincidencia dentro de la tabla de materias, el algoritmo continúa con la siguiente tabla de traducción y así sucesivamente. Si no se encuentra ninguna coincidencia, PubMed descompone la frase y repite el proceso de asignación automática de términos anterior hasta encontrar una coincidencia. Si no hay coincidencia, los términos individuales se combinarán con el operador «AND» y se buscarán así en todos los campos.

Cuando una búsqueda incluye términos que fueron etiquetados con un campo de búsqueda durante el proceso de asignación automática de términos y recupera cero resultados, el sistema activa una búsqueda posterior utilizando «Schema: all .» que modifica la búsqueda eliminando las etiquetas de campo de búsqueda añadidas automáticamente y, a continuación, busca cada término en todos los campos.

Podemos saber como ha aplicado el ATM a nuestra búsqueda entrando en el enlace «Advanced» situado debajo de la ventana de búsqueda. En la nueva página bajamos hasta ver «History and Search Details».

Veamos en el siguiente vídeo dos ejemplos:

Sin embargo, existen cuatro formas en los que se desactiva el algoritmo de búsqueda ATM. Son los siguientes:

Búsqueda de información en medicina

Esta semana se está celebrando en el Hospital de Getafe la tercera edición del curso para residentes «Principios básicos en investigación clínica«. Dentro de este, el pasado martes he impartido una clase de búsqueda de información en medicina.

He comenzado con la representación del triángulo de búsqueda eficiente y efectiva cuyos vértices están formados por los objetivos («Why am I searching?»), la heurística («How am I searching?») y los sistemas («What am I searching with?»).

Triángulo de búsqueda eficiente y efectiva de la información

Objetivos («Why am I searching?»)

Cuáles son nuestros objetivos de la búsqueda, es decir, qué quiero saber o encontrar, determina cómo he de buscar. Podemos encontrarnos dentro de tres escenarios posibles:

Búsqueda clínica: identificación rápida y eficiente para una toma de decisiones.
Búsqueda exploratoria o búsqueda general de descubrimiento, aprendizaje, mantenerse actualizado, … aprender/aclarar uno o varios conceptos o conjuntos de investigaciones, incluidas sus características.
Búsqueda sistemática: identificar todos los estudios disponibles sobre un tema.

Tipos de búsqueda de información en medicina según la necesidad.

Heurística («How am I searching?»)

¿Qué heurísticas (forma de hacer la búsqueda) funcionan mejor para el tipo de búsqueda en cuestión y están disponibles en los sistemas elegidos?:

Búsqueda simple mediante el algoritmo de la fuente (PubMed, UpToDate, Google Académico, …): en búsquedas para toma de decisiones clínicas.
Snowballing (citation chasing): en búsquedas exploratorias y tb en sistemáticas.
Búsqueda booleana en bloques: en búsquedas sistemáticas.

Sistemas («What am I searching with?»)

¿Qué sistema/s de búsqueda funcionan mejor para un tipo de búsqueda determinado y son compatibles con la heurística elegida?. Tenemos que entender que no hay 2 sistemas de búsquedas iguales y cada sistema es más o menos adecuado para un tipo de búsqueda (clínica/exploratoria/sistemática) en términos de cobertura y heurística que permite/soporta.

Dependiendo de nuestros objetivos y heurística, debemos elegir el sistema que nos va a proporcionar la información de manera eficiente y efectiva. Eso implica que no siempre el sistema más sencillo es el más apropiado para nuestro tipo de búsqueda.

Búsqueda con herramientas sencillas no es la panacea.

Una vez aclarados los conceptos anteriores, debemos tener en cuenta y seguir una serie de pasos de la búsqueda:

Pasos que debemos tener en cuenta a la hora de buscar información en bases de datos.

Por último, repasamos algunas herramientas de IA interesantes para los residentes. Vimos vídeos con ejemplos de las siguientes 7 herramientas, pero podrían haber sido muchas más:

Herramientas de inteligencia artificial útiles.

Y terminé dando un último consejo: «practicar con las herramientas de búsqueda en su día a día es la mejor garantía de mejorar sus búsquedas de información«.

Despedida y última recomendación.

El futuro de la búsqueda de información con inteligencia artificial, ¿será sencilla y fácil?

Releía ayer el artículo Easy ≠ Right (1) con estupendas reflexiones de la bibliotecaria Melissa L. Rethlefsen, autora principal de las directrices PRISMA-S, que en 2008 nos advertía que «no hay soluciones únicas para una investigación de calidad» y que a «la hora de buscar información, ¿Qué es lo correcto y qué lo fácil?

El desarrollo de estrategias de búsqueda sólidas para buscar en la literatura e identificar estudios es un paso crucial en la metodología de síntesis de la evidencia. Sin embargo, su complejidad hizo aparecer herramientas que facilitaban la localización de evidencia de alta calidad (2). En la década de los 90, la búsqueda federada, también conocida como metabúsqueda o búsqueda cruzada en bases de datos, permitía la práctica de utilizar una interfaz para buscar en múltiples fuentes de una sola vez. Fue anunciada como la próxima novedad en búsquedas.

Rethlefsen afirmaba que encontrar la mejor información o la más completa sobre un tema requiere más esfuerzo que buscar introduciendo una o dos palabras clave en una caja de búsqueda. Y he reflexionado sobre la búsqueda con inteligencia artificial de la que hoy en día tanto interés nos despierta. Por el momento podemos seguir afirmando lo mismo que la autora nos decía hablando de Google, pero el futuro nos dirá la última palabra.

Por último, estos avances en los «sistemas de búsqueda» no permiten la transparencia o la reproducibilidad de la metodología de búsqueda (3). Esto ha sido, hasta la fecha, una de las claves para las revisiones sistemáticas de calidad y libre de sesgos (4).

BIBLIOGRAFÍA

Rethlefsen ML. Easy ≠ Right. Libr J 2008;133:12–14.
Solomons T, Hinton E. Federated searches: why a one-stop shop approach to literature searching falls short for evidence synthesis. JBI Evidence Synthesis 19(6):p 1259-1262, June 2021. | DOI: 10.11124/JBIES-21-00177
Rethlefsen ML, Kirtley S, Waffenschmidt S, Ayala AP, Moher D, Page MJ, et al. PRISMA-S: an extension to the PRISMA Statement for Reporting Literature Searches in Systematic Reviews. Syst Rev 2021;10 (1):39.
Why Does the Reproducibility of Search Strategies and Search Results in Systematic Reviews Reduce Over Time? What We Can Do About It? by @FarhadShokrane Disponible en: https://link.medium.com/jezQLPFeyFb

¿Cómo limitamos el resultado de una búsqueda bibliográfica a solo humanos?: Recomendación para búsqueda en revisiones sistemáticas

Es una práctica habitual y recomendada en la búsqueda de evidencia para documentos de síntesis de evidencia, limitar los resultados a estudios realizados solo en humanos.

¿Sabrías cómo hacerlo? Inténtalo:

Aquí te dejo la presentación con la explicación:

Y el resumen sería el siguiente:

Búsqueda de revisiones sistemáticas en PubMed, MEDLINE (Ovid), EMBASE (Elsevier), CINAHL (EBSCO) y SCOPUS

Los filtros de búsqueda son estrategias de búsqueda diseñadas para recuperar tipos específicos de registros, como los de un diseño metodológico concreto.

Aquí os dejo varios filtros que he localizado que nos ayudarán a buscar no solo por revisiones sistemáticas, si no también por las diferentes tipologías dentro de la gran familia de revisiones (1).

Filtro para PubMed actualizado el 26 de septiembre de 2023 (2):

(«Systematic Review»[Publication Type:NoExp] OR «Systematic Reviews as Topic»[mesh:noexp] OR ((«comprehensive»[TIAB] OR «integrated»[TIAB] OR «integrative»[TIAB] OR «mapping»[TIAB] OR «methodology»[TIAB] OR «narrative»[TIAB] OR «scoping»[TIAB] OR «systematic»[TIAB]) AND («search»[TIAB] OR «searched»[TIAB] OR «searches»[TIAB] OR «studies»[TIAB]) AND («cinahl»[TIAB] OR «cochrane»[TIAB] OR «embase»[TIAB] OR «psycinfo»[TIAB] OR «pubmed»[TIAB] OR «medline»[TIAB] OR «scopus»[TIAB] OR «web science»[TIAB] OR «bibliographic review»[TIAB:~1] OR «bibliographic reviews»[TIAB:~1] OR «literature review»[TIAB:~1] OR «literature reviews»[TIAB:~1] OR «literature search»[TIAB:~1] OR «literature searches»[TIAB:~1] OR «narrative review»[TIAB:~1] OR «narrative reviews»[TIAB:~1] OR «qualitative review»[TIAB:~1] OR «qualitative reviews»[TIAB:~1] OR «quantitative review»[TIAB] OR «quantitative reviews»[TIAB])) OR «comprehensive review»[TIAB] OR «comprehensive reviews»[TIAB] OR «comprehensive search»[TIAB] OR «comprehensive searches»[TIAB] OR «critical review»[TIAB] OR «critical reviews» [TIAB] OR ((«electronic database»[TIAB:~1] OR «electronic databases»[TIAB:~1] OR «databases searched»[TIAB:~3]) AND (eligibility[tiab] OR excluded[tiab] OR exclusion[tiab] OR included[tiab] OR inclusion[tiab])) OR «evidence assessment»[TIAB] OR «evidence review»[TIAB] OR «exploratory review»[TIAB] OR «framework synthesis»[TIAB] OR «Integrated review»[TIAB] OR «integrated reviews»[TIAB] OR «integrative review»[TIAB:~1] OR «integrative reviews»[TIAB:~1] OR «mapping review»[TIAB:~1] OR «meta-review»[TIAB:~1] OR «meta-synthesis»[TIAB:~1] OR «methodology review»[TIAB:~1] OR («mixed methods»[TIAB:~0] AND «methods review»[TIAB:~1]) OR («mixed methods»[TIAB:~0] AND «methods synthesis»[TIAB:~1]) OR «overview reviews»[TIAB:~4] OR («PRISMA»[TIAB] AND «preferred»[TIAB]) OR «PRISMA-P»[TIAB:~0] OR «prognostic review»[TIAB:~1] OR «psychometric review»[TIAB:~1] OR («rapid evidence»[TIAB:~0] AND «evidence assessment»[TIAB:~0]) OR «rapid realist»[TIAB:~0] OR «rapid review»[TIAB:~1] OR «rapid reviews»[TIAB:~1] OR «realist review»[TIAB:~1] OR «review of reviews»[TIAB:~1] OR «scoping review»[TIAB:~1] OR «scoping reviews»[TIAB:~1] OR «scoping study»[TIAB:~1] OR («state art «[TIAB:~2] AND «art review»[TIAB:~1]) OR «systematic evidence map»[TIAB] OR «systematic mapping»[TIAB:~1] OR «systematic literature»[TIAB:~1] OR «systematic Medline»[TIAB:~2] OR «systematic PubMed»[TIAB:~2] OR «systematic review»[TIAB:~1] OR «systematic reviews»[TIAB:~1] OR «systematic search»[TIAB:~1] OR «systematic searches»[TIAB:~1] OR «systematical review»[TIAB:~1] OR «systematical reviews»[TIAB:~1] OR «systematically identified»[TIAB:~1] OR «systematically review»[TIAB:~1] OR «systematically reviewed»[TIAB:~1] OR «umbrella review»[TIAB:~1] OR «umbrella reviews»[TIAB:~1] OR «Cochrane Database Syst Rev»[ta] OR «evid rep technol assess full rep»[Journal] OR «evid rep technol assess summ»[Journal])

Filtro para MEDLINE (OVID) actualizado a 22 de septiembre de 2023 (3):

«systematic review».pt. or «Systematic Reviews as Topic»/ or «Cochrane Database of Systematic Reviews».jn. or (evidence report technology assessment or evidence report technology assessment summary).jn. or (((comprehensive* or integrative or mapping or rapid or realist or scoping or systematic or systematical or systematically or systematicaly or systematicly or umbrella) adj3 (bibliographical or bibliographically or bibliographics or literature or review or reviews)) or (state adj3 art adj1 review) or (research adj2 synthesis) or ((data or information) adj3 synthesis)).ti,ab,kf. or ((data adj2 (extract or extracting or extractings or extraction or extraction)).ti,ab,kf. and («review».ti. or «review».pt.)) or (((electronic or searched) adj2 database*) and (eligibility or excluded or exclusion or included or inclusion)).ti,ab,kf. or (overview adj4 reviews).ti,ab,kf. or ((review adj3 (rationale or evidence)).ti,ab. and «review».pt.) or (PRISMA or (preferred adj1 reporting)).ab. or (cinahl or (cochrane adj3 (trial or trials)) or embase or medline or psyclit or (psycinfo not (psycinfo adj1 database)) or pubmed or scopus or (sociological adj1 abstracts) or (web adj2 science)).ab.

Filtro para EMBASE (Elsevier) actualizado a 21 de septiembre de 2023 (4):

‘systematic review’/de OR ‘systematic review (topic)’/de OR ((‘comprehensive’:ti,ab,kw OR ‘integrated’:ti,ab,kw OR ‘integrative’:ti,ab,kw OR ‘mapping’:ti,ab,kw OR ‘methodology’:ti,ab,kw OR ‘narrative’:ti,ab,kw OR ‘scoping’:ti,ab,kw OR ‘systematic’:ti,ab,kw) AND (‘search’:ti,ab,kw OR ‘searched’:ti,ab,kw OR ‘searches’:ti,ab,kw OR ‘studies’:ti,ab,kw) AND (‘cinahl’:ti,ab,kw OR ‘cochrane’:ti,ab,kw OR ‘embase’:ti,ab,kw OR ‘psycinfo’:ti,ab,kw OR ‘pubmed’:ti,ab,kw OR ‘medline’:ti,ab,kw OR ‘scopus’:ti,ab,kw OR ‘web of science’:ti,ab,kw OR ‘bibliographic review’:ti,ab,kw OR ‘bibliographic reviews’:ti,ab,kw OR ‘literature review’:ti,ab,kw OR ‘literature reviews’:ti,ab,kw OR ‘literature search’:ti,ab,kw OR ‘literature searches’:ti,ab,kw OR ‘narrative review’:ti,ab,kw OR ‘narrative reviews’:ti,ab,kw OR ‘qualitative review’:ti,ab,kw OR ‘qualitative reviews’:ti,ab,kw OR ‘quantitative review’:ti,ab,kw OR ‘quantitative reviews’:ti,ab,kw)) OR ‘comprehensive review’:ti,ab,kw OR ‘comprehensive reviews’:ti,ab,kw OR ‘comprehensive search’:ti,ab,kw OR ‘comprehensive searches’:ti,ab,kw OR ‘critical review’:ti,ab,kw OR ‘critical reviews’:ti,ab,kw OR ((‘electronic database’:ti,ab,kw OR ‘electronic databases’:ti,ab,kw OR databases NEAR/3 searched) AND (eligibility:ti,ab,kw OR excluded:ti,ab,kw OR exclusion:ti,ab,kw OR included:ti,ab,kw OR inclusion:ti,ab,kw)) OR ‘evidence assessment’:ti,ab,kw OR ‘evidence review’:ti,ab,kw OR ‘exploratory review’:ti,ab,kw OR ‘framework synthesis’:ti,ab,kw OR ‘Integrated review’:ti,ab,kw OR ‘integrated reviews’:ti,ab,kw OR ‘integrative review’:ti,ab,kw OR ‘integrative reviews’:ti,ab,kw OR ‘mapping review’:ti,ab,kw OR ‘meta-review’:ti,ab,kw OR ‘meta-synthesis’:ti,ab,kw OR ‘methodology review’:ti,ab,kw OR ‘mixed methods review’:ti,ab,kw OR ‘mixed methods synthesis’:ti,ab,kw OR (overview NEAR/4 reviews) OR ‘PRISMA’:ab OR (‘preferred’:ti,ab,kw and reporting:ti,ab,kw) OR ‘prognostic review’:ti,ab,kw OR ‘psychometric review’:ti,ab,kw OR ‘rapid evidence assessment’:ti,ab,kw OR ‘rapid literature review’:ti,ab,kw OR ‘rapid literature search’:ti,ab,kw OR ‘rapid realist’:ti,ab,kw OR ‘rapid review’:ti,ab,kw OR ‘rapid reviews’:ti,ab,kw OR ‘realist review’:ti,ab,kw OR ‘review of reviews’:ti,ab,kw OR ‘scoping review’:ti,ab,kw OR ‘scoping reviews’:ti,ab,kw OR ‘scoping study’:ti,ab,kw OR ‘state of the art review’:ti,ab,kw OR ‘systematic evidence map’:ti,ab,kw OR ‘systematic evidence mapping’:ti,ab,kw OR ‘systematic literature’:ti,ab,kw OR ‘systematic Medline’:ti,ab,kw OR ‘systematic PubMed’:ti,ab,kw OR ‘systematic review’:ti,ab,kw OR ‘systematic reviews’:ti,ab,kw OR ‘systematic search’:ti,ab,kw OR ‘systematic searches’:ti,ab,kw OR ‘systematical literature review’:ti,ab,kw OR ‘systematical review’:ti,ab,kw OR ‘systematical reviews’:ti,ab,kw OR ‘systematically identified’:ti,ab,kw OR ‘systematically review’:ti,ab,kw OR ‘systematically reviewed’:ti,ab,kw OR ‘umbrella review’:ti,ab,kw OR ‘umbrella reviews’:ti,ab,kw OR ‘13616137’:is OR ‘Cochrane Database of Systematic Reviews’/jt

CINAHL (Ebsco) actualizada a 1 de agosto de 2023 (5):
(MH «meta analysis» OR MH «systematic review» OR MH «Technology, Medical/EV» OR PT «systematic review» OR PT «meta analysis» OR (((TI systematic* OR AB systematic*) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*))) OR ((TI methodologic* OR AB methodologic*) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*)))) OR (((TI quantitative OR AB quantitative) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*) OR (TI synthes* OR AB synthes*))) OR ((TI research OR AB research) N3 ((TI integrati* OR AB integrati*) OR (TI overview* OR AB overview*)))) OR (((TI integrative OR AB integrative) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*))) OR ((TI collaborative OR AB collaborative) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*))) OR ((TI pool* OR AB pool*) N3 (TI analy* OR AB analy*))) OR ((TI «data synthes*» OR AB «data synthes*») OR (TI «data extraction*» OR AB «data extraction*») OR (TI «data abstraction*» OR AB «data abstraction*»)) OR ((TI handsearch* OR AB handsearch*) OR (TI «hand search*» OR AB «hand search*»)) OR ((TI «mantel haenszel» OR AB «mantel haenszel») OR (TI peto OR AB peto) OR (TI «der simonian» OR AB «der simonian») OR (TI dersimonian OR AB dersimonian) OR (TI «fixed effect*» OR AB «fixed effect*») OR (TI «latin square*» OR AB «latin square*»)) OR ((TI «met analy*» OR AB «met analy*») OR (TI metanaly* OR AB metanaly*) OR (TI «technology assessment*» OR AB «technology assessment*») OR (TI HTA OR AB HTA) OR (TI HTAs OR AB HTAs) OR (TI «technology overview*» OR AB «technology overview*») OR (TI «technology appraisal*» OR AB «technology appraisal*»)) OR ((TI «meta regression*» OR AB «meta regression*») OR (TI metaregression* OR AB metaregression*)) OR (TI meta-analy* OR TI metaanaly* OR TI «systematic review*» OR TI «biomedical technology assessment*» OR TI «bio-medical technology assessment*» OR AB meta-analy* OR AB metaanaly* OR AB «systematic review*» OR AB «biomedical technology assessment*» OR AB «bio-medical technology assessment*» OR MW meta-analy* OR MW metaanaly* OR MW «systematic review*» OR MW «biomedical technology assessment*» OR MW «bio-medical technology assessment*») OR ((TI medline OR AB medline OR MW medline) OR (TI cochrane OR AB cochrane OR MW cochrane) OR (TI pubmed OR AB pubmed OR MW pubmed) OR (TI medlars OR AB medlars OR MW medlars) OR (TI embase OR AB embase OR MW embase) OR (TI cinahl OR AB cinahl OR MW cinahl)) OR (SO Cochrane OR SO health technology assessment OR SO evidence report) OR ((TI comparative OR AB comparative) N3 ((TI efficacy OR AB efficacy) OR (TI effectiveness OR AB effectiveness))) OR ((TI «outcomes research» OR AB «outcomes research») OR (TI «relative effectiveness» OR AB «relative effectiveness»)) OR (((TI indirect OR AB indirect) OR (TI «indirect treatment» OR AB «indirect treatment») OR (TI mixed-treatment OR AB mixed-treatment) OR (TI bayesian OR AB bayesian)) N3 (TI comparison* OR AB comparison*)) OR ((TI multi* OR AB multi*) N3 (TI treatment OR AB treatment) N3 (TI comparison* OR AB comparison*)) OR ((TI mixed OR AB mixed) N3 (TI treatment OR AB treatment) N3 ((TI meta-analy* OR AB meta-analy*) OR (TI metaanaly* OR AB metaanaly*))) OR (TI «umbrella review*» OR AB «umbrella review*») OR ((TI multi* OR AB multi*) N2 (TI paramet* OR AB paramet*) N2 (TI evidence OR AB evidence) N2 (TI synthesis OR AB synthesis)) OR ((TI multiparamet* OR AB multiparamet*) N2 (TI evidence OR AB evidence) N2 (TI synthesis OR AB synthesis)) OR ((TI multi-paramet* OR AB multi-paramet*) N2 (TI evidence OR AB evidence) N2 (TI synthesis OR AB synthesis))

SCOPUS actualizada a 20 de diciembre de 2021 (6):

TITLE-ABS-KEY((systematic* W/3 (review* OR overview* )) OR (methodologic* W/3 (review* OR overview* ))) OR TITLE-ABS-KEY((quantitative W/3 (review* OR overview* OR synthes* )) OR (research W/3 (integrati* OR overview* ))) OR TITLE-ABS-KEY((integrative W/3 (review* OR overview* )) OR (collaborative W/3 (review* OR overview* )) OR (pool* W/3 analy* )) OR TITLE-ABS-KEY(«data synthes*» OR «data extraction*» OR «data abstraction*» ) OR TITLE-ABS-KEY(handsearch* OR «hand search*» ) OR TITLE-ABS-KEY(«mantel haenszel» OR peto OR «der simonian» OR dersimonian OR «fixed effect*» OR «latin square*» ) OR TITLE-ABS-KEY(«met analy*» OR metanaly* OR «technology assessment*» OR HTA OR HTAs OR «technology overview*» OR «technology appraisal*» ) OR TITLE-ABS-KEY(«meta regression*» OR metaregression* ) OR TITLE-ABS-KEY(meta-analy* OR metaanaly* OR «systematic review*» OR «biomedical technology assessment*» OR «bio-medical technology assessment*» ) OR TITLE-ABS-KEY(medline OR cochrane OR pubmed OR medlars OR embase OR cinahl ) OR SRCTITLE(cochrane OR (health W/2 «technology assessment» ) OR «evidence report» ) OR TITLE-ABS-KEY(comparative W/3 (efficacy OR effectiveness )) OR TITLE-ABS-KEY(«outcomes research» OR «relative effectiveness» ) OR TITLE-ABS-KEY((indirect OR «indirect treatment» OR mixed-treatment OR bayesian ) W/3 comparison* ) OR TITLE-ABS-KEY(multi* W/3 treatment W/3 comparison* ) OR TITLE-ABS-KEY(mixed W/3 treatment W/3 (meta-analy* OR metaanaly* )) OR TITLE-ABS-KEY(«umbrella review*») OR TITLE-ABS-KEY(multi* W/2 paramet* W/2 evidence W/2 synthesis ) OR TITLE-ABS-KEY(multiparamet* W/2 evidence W/2 synthesis ) OR TITLE-ABS-KEY(multi-paramet* W/2 evidence W/2 synthesis )

BIBLIOGRAFÍA

Sutton A, Clowes M, Preston L, Booth A. Meeting the review family: exploring review types and associated information retrieval requirements. Health Info Libr J. 2019 Sep;36(3):202-222. doi: 10.1111/hir.12276.
VonVille H. YOPL. 2023 [citado 4 de enero de 2024]. PubMed Research Methodology Search Filters and limits. Disponible en: https://www.yopl.info/post/pubmed-research-methodology-search-filters-and-a-couple-of-nifty-limits
VonVille H. YOPL. 2023 [citado 4 de enero de 2024]. Ovid Medline Research Methodology Search Filters. Disponible en: https://www.yopl.info/post/ovid-medline-research-methodology-search-filters-and-a-couple-of-nifty-limits
VonVille H. YOPL. 2023 [citado 4 de enero de 2024]. Embase (Elsevier) Research Methodology Search Filters and Limits. Disponible en: https://www.yopl.info/post/embase-elsevier-research-methodology-search-filters-and-limits
CINAHL. In: CADTH Search Filters Database. Ottawa: CADTH; 2024 [citado 4 de enero de 2024]. Disponible en: https://searchfilters.cadth.ca/link/98.
Scopus. In: CADTH Search Filters Database. Ottawa: CADTH; 2024 [citado 4 de enero de 2024]. Disponible en: https://searchfilters.cadth.ca/link/105. Accessed 2024-01-04.

¿Cuántos registros hay en PubMed?

Las etiquetas de campo (field tags) buscan en un campo específico en PubMed. Su uso en las búsquedas pueden ahorrarnos bastante tiempo, pero hay que tener en cuenta que las etiquetsa de campo de búsqueda debe ir entre corchetes y que si las usamos se desactiva el mapeo automático de términos (ATM) de PubMed, limitando la búsqueda término especificado.

De las 51 etiquetas de campo que existen, el campo subset es un método de restricción de la recuperación por tema, estado de la cita y categoría de la revista. Para utilizarlo, debemos emplear la etiqueta de campo [sb].

Uno de sus usos es para filtrar por el «estado de citación» («citation status«), que indican la fase de procesamiento interno de un artículo en la base de datos PubMed.

En el siguiente juego te reto a comprobar si sabrías usar el filtro de «estado de citación» para conocer y recuperar el número total de referencias incluidas en PubMed o el número de registros indexados con términos MeSH.

https://view.genial.ly/65815cad91ca2d0014028a4b

En el siguiente enlace encontrarás más información: https://pubmed.ncbi.nlm.nih.gov/help/#citation-status-subsets

Diagrama de flujo PRISMA 2020

Las directrices PRISMA 2020 y PRISMA-S ayudan a los equipos de revisión sistemática a informar sus revisiones de forma clara, transparente y con suficiente detalle para permitir la reproducibilidad. PRISMA 2020, una versión actualizada de la declaración PRISMA (que son los Elementos de informes preferidos para revisiones sistemáticas y metaanálisis), se complementa con PRISMA-S, una extensión de PRISMA que se centra en informar los componentes de búsqueda de revisiones sistemáticas.

Se han realizado varios cambios significativos en PRISMA 2020 y PRISMA-S, entre la que destaca la recomendación de informar estrategias de búsqueda para todas las bases de datos, registros y sitios web en los que se realizaron búsquedas.

Uno de los aspectos que han supuesto mayor cambio en las nuevas directrices de ambos documentos han sido en el diagrama de flujo. En esta imagen, revisamos el diagrama de flujo PRISMA 2020 y el seguimiento de registros a través del proceso de revisión sistemática.

En este diagrama de flujo, los registros se rastrean a través de dos columnas diferentes: La Columna 1 donde se incluye la información relativa a la identificación de estudios mediante bases de datos y registros y la Columna 2 de Registros adicionales identificados a través de otras fuentes.

Para ir visualizando el contenido, pulse en el icono de contenido interactivo. Si vuelve a pulsar, el contenido desaparece.

Más información y aclaraciones en: Rethlefsen ML, Page MJ. PRISMA 2020 and PRISMA-S: common questions on tracking records and the flow diagram. J Med Libr Assoc. 2022 Apr 1;110(2):253-257. doi: 10.5195/jmla.2022.1449. PMID: 35440907; PMCID: PMC9014944.

PRISMA-Search (PRISMA-S): Preferred Reporting Items for Systematic reviews and Meta-Analyses literature search extension

Las búsquedas de literatura son la base de las revisiones sistemáticas y los tipos de revisiones relacionadas. Sin embargo, el componente de búsqueda de literatura de las revisiones sistemáticas y los tipos de revisiones relacionados a menudo se informa de manera deficiente.

En la entrada anterior PRISMA 2020: informe de la búsqueda de evidencia (ítem 6 y 7) se describieron losítems que hacen referencia al informe de la búsqueda de evidencia.

En esta nueva entrada, hablaremos de PRISMA-S (Preferred Reporting Items for Systematic reviews and Meta-Analyses literature search extension), creado par ayudar a los bibliotecarios y especialistas en información.

La extensión de PRISMA Search cubre múltiples aspectos del proceso de búsqueda de revisiones sistemáticas, ampliando PRISMA en las cuestiones relacionadas con el informe de la búsqueda de literatura para revisiones sistemáticas y metanálisis. Esta extensión incluye una lista de verificación PRISMA-S, así como su explicación y elaboración y están disponibles en: http://www.prisma-statement.org/Extensions/Searching

La lista de verificación final incluye dieciséis elementos de informes. Esta información debe de ir en la sección de métodos y cualquier material suplementario o anexo del manuscrito.

Elemento 1. Búsqueda en bases de datos: Nombre cada base de datos individual, indicando la plataforma para cada una.

Es importante que los autores indiquen no solo la base de datos, sino también la plataforma a través de la cual se buscó en la base de datos. Ejemplo:

“Se realizaron búsquedas en las siguientes bases de datos electrónicas: MEDLINE (Ovid), CINAHLPlus (EBSCO), PsycINFO (Ovid), CENTRAL (Wiley) y EMBASE (Elsevier)».

Elemento 2. Búsqueda en múltiples bases de datos: Si se buscaron bases de datos simultáneamente en una sola plataforma, indique el nombre de la plataforma, enumerando todas las bases de datos buscadas.

Ejemplo:

«Las estrategias de MEDLINE y Embase se ejecutaron simultáneamente como una búsqueda de múltiples archivos en Ovid y los duplicados se eliminaron de los resultados utilizando la herramienta de deduplicación de Ovid».

Elemento 3. Registros de estudios: Enumere los registros de estudios buscados.

Los registros de estudios (como ClinicalTrials.gov) son una fuente clave de información para revisiones sistemáticas y metanálisis en las ciencias de la salud y cada vez más en otras disciplinas y permiten a los investigadores localizar ensayos clínicos en curso y estudios que pueden no haber sido publicados.

Para describir los registros de estudios buscados, hay que indicar el nombre de cada registro de estudios buscado e incluir una cita o enlace al registro de estudios.

Tema 4. Recursos en línea y navegación: Describa cualquier fuente en línea o impresa buscada o navegada intencionalmente (p. ej., tablas de contenido, actas impresas de conferencias, sitios web) y cómo se hizo.

El objetivo de la búsqueda complementaria, más allá de las bases de datos bibliográficas, y la de eliminar el mayor sesgo posible del proceso de revisión de la literatura. Es importante señalar que este tipo de búsqueda implica una estrategia compleja, que recurre a una gran cantidad de recursos impresos y en línea como motores de búsqueda generales de Internet y la búsqueda en el contenido de sitios web específicos es un componente clave de muchas revisiones sistemáticas y actas de congresos.

Elemento 6. Contactos: Indique si se buscaron estudios o datos adicionales contactando a los autores, expertos, fabricantes u otros.

Elemento 7. Otros métodos: Describa cualquier fuente de información adicional o método de búsqueda utilizado.

En le siguiente ejemplo vemos la inclusión de estos últimos elementos:

Arias-Rivera S, Raurell-Torredà M, Fernández-Castillo RJ, Campos-Asensio C, Thuissard-Vasallo IJ, Andreu-Vázquez C, Rodríguez-Delgado ME. Blood glucose monitoring in critically ill adult patients: type of sample and method of analysis. Systematic review and meta-analysis. Enferm Intensiva (Engl Ed). 2023 Jul 18:S2529-9840(23)00034-4. doi: 10.1016/j.enfie.2023.02.002. Epub ahead of print. PMID: 37474427. https://www.sciencedirect.com/science/article/abs/pii/S2529984023000344

Los ítems 8 a 13 son los que vemos en la siguiente figura:

Hay que señalar que se deben incluir las estrategias de búsqueda de cada base de datos y fuente de información, copiadas y pegadas exactamente como se ejecuta y siendo la ubicación preferida en los materiales complementarios. Las estrategias de búsqueda utilizadas para llevar a cabo esta recopilación de datos son esenciales para la transparencia y reproducibilidad de cualquier revisión sistemática. Sin poder evaluar la calidad de las estrategias de búsqueda utilizadas, los lectores no pueden evaluar la calidad de la revisión sistemática.

En la siguiente imagen vemos un ejemplo de informe del elemento 12 y 13:

Elemento 14. Revisión por pares: Describa cualquier proceso de revisión por pares de búsqueda.

Aquí vemos el extracto del mismo ejemplo:

Elemento 15. Registros totales: Documente el número total de registros identificados en cada base de datos y otras fuentes de información.

Debemos indicar el número total de referencias recuperadas de todas las fuentes, incluidas las actualizaciones, en la sección de resultados. Además, debemos informar del número total de referencias de cada base de datos y fuente de información en los materiales complementarios. También, el informe el número total de referencias de cada base de datos es recomendable incluirlo en el diagrama de flujo PRISMA.

Artículo 16. Deduplicación: Describa los procesos y cualquier software utilizado para deduplicar registros de múltiples búsquedas en bases de datos y otras fuentes de información.

Debido al solapamiento de las bases de datos, siempre habrá registros duplicados que deberemos eliminar. Los autores deben describir y citar cualquier software o técnica utilizada para ello. El método de eliminación de duplicados utilizado debe indicarse en la sección de métodos. El número total de referencias después de la eliminar los duplicados debe informarse en el diagrama de flujo PRISMA.

PRISMA 2020: informe de la búsqueda de evidencia (ítem 6 y 7)

PRISMA es un conjunto mínimo de ítems basados en la evidencia que hay que incluir al informar (escribir) una revisión sistemática y metanálisis. Se centra principalmente en el informe de revisiones que evalúan los efectos de las intervenciones, pero también se puede utilizar para revisiones sistemáticas con objetivos distintos a la evaluación de intervenciones, por ej. evaluar la etiología, la prevalencia, el diagnóstico o el pronóstico.

PRISMA tiene como objetivo ayudar a los autores a mejorar la redacción de la publicación de las revisiones sistemáticas y metanálisis. Se encuentra disponible en: http://prisma-statement.org/

En la siguiente tabla resumo los diferentes recursos PRISMA y dónde encontrarlos.

Los ítems 6 y 7 hacen referencia al informe de la búsqueda de evidencia.

Con respecto a la versión de 2019, PRISMA 2020 incluye la siguiente novedad: «Modification of the ‘Search’ item to recommend authors present full search strategies for all databases, registers and websites searched, not just at least one database (see item #7)». Veamos en detalle cada uno de los ítems.

Ítem 6. Especifique todas las bases de datos, registros, sitios web, organizaciones, listas de referencias y otras fuentes buscadas o consultadas para identificar estudios. Especifique la fecha en la que se buscó o consultó cada fuente por última vez

Los autores deben proporcionar una descripción detallada de las fuentes de información, como bases de datos bibliográficas, registros y listas de referencias en las que se buscaron o consultaron, incluidas las fechas en que se buscó por última vez cada fuente, para permitir a los lectores evaluar la integridad y vigencia de la información sistemática, revisar y facilitar la actualización. Los autores deben informar detalladamente “qué, cuándo y cómo” de las fuentes buscadas; el “qué” y el “cuándo” se tratan en el punto 6, y el “cómo” se trata en el punto 7.

Ítem 7. Presentar las estrategias de búsqueda completas para todas las bases de datos, registros y sitios web, incluidos los filtros y límites utilizados.

La comunicación de los detalles completos de todas las estrategias de búsqueda (como la estrategia de búsqueda completa, línea por línea, tal y como se ejecuta en cada base de datos) debería aumentar la transparencia de la revisión sistemática, mejorar la reaplicabilidad y permitir que una revisión se actualice más fácilmente. La presentación de solo una estrategia de búsqueda de entre varias dificulta la capacidad de los lectores para evaluar el grado de exhaustividad de las búsquedas y no les ofrece la oportunidad de detectar errores. Además, poner a disposición una sola estrategia de búsqueda limita la reproducción o actualización de las búsquedas en las demás bases de datos, ya que habría que reconstruir las estrategias de búsqueda mediante la adaptación de la(s) puesta(s) a disposición.

Además de informar sobre las estrategias de búsqueda, una descripción del proceso de desarrollo de la estrategia de búsqueda puede ayudar a los lectores a juzgar hasta qué punto es probable que la estrategia haya identificado todos los estudios pertinentes para los criterios de inclusión de la revisión. La descripción del proceso de desarrollo de la estrategia de búsqueda puede incluir detalles de los enfoques utilizados para identificar palabras clave, sinónimos o términos de indexación temática utilizados en las estrategias de búsqueda, o cualquier proceso utilizado para validar o revisar por pares las estrategias de búsqueda. La evidencia empírica sugiere que la revisión por pares de las estrategias de búsqueda se asocia con mejoras en las estrategias de búsqueda, lo que lleva a la recuperación de registros relevantes adicionales.

Diagrama de flujo PRISMA 2020

El diagrama de flujo también ha sufrido modificaciones que completan la información aportada.

Para cumplimentar este, hay que tener claro los siguientes conceptos:

Documento hace referencia a un documento (papel o electrónico) que proporciona información sobre un estudio en particular. Podría ser un artículo de revista, una preimpresión, resumen de conferencia, el registro de estudio, informe de estudio clínico, tesis, manuscrito inédito, informe gubernamental o cualquier otro documento que proporcione información relevante.

Registro es el título o resumen (o ambos) de un documento indexado en una base de datos o sitio web (por ejemplo, un título o resumen para un artículo indexado en MEDLINE). Los registros que hacen referencia al mismo documento (por ejemplo, el mismo artículo de la revista) son «duplicados»; sin embargo, los registros que se refieren a documentos que son similares (por ejemplo, un resumen similar presentado a dos congresos diferentes) deben considerarse únicos.

Estudio es una investigación, como un ensayo clínico, que incluye un grupo definido de participantes y una o más intervenciones y resultados. Un «estudio» puede tener varios documentos. Por ejemplo, los documentos podrían incluir el protocolo, el plan de análisis estadístico, las características de referencia, los resultados del desenlace primario, los resultados de los daños, los resultados de los desenlaces secundarios y los resultados de los análisis mediadores y moderadores adicionales.

Por último, recordar que en la extensión PRISMA-Search se puede encontrar más orientación y ejemplos de estrategias de búsqueda.

30 de junio de 2023: Sesión en el Servicio de Hematología del Hospital Universitario de Getafe

Hoy iré al Servicio de Hematología del Hospital de Getafe a impartir una sesión en la que trataré de aclarar dudas y dar consejos para realizar búsquedas eficientes y de los recursos que tenemos disponibles a través del Portal de la Biblioteca Virtual (https://m-hug.c17.net/).

Los profesionales sanitarios muchas veces sienten que no realizan las búsquedas de modo eficiente, que pierden tiempo o información relevante.

Y para explicarles cómo deben plantearse las estrategias, partiremos de un supuesto práctico que es la búsqueda de estudios sobre eficacia y toxicidad de las terapias CAR-T en el tratamiento del mieloma múltiple refractario con recaídas múltiples.

La terapia con CAR-T son una opción para los pacientes con mieloma múltiple (MM) en recaída o refractario tras al menos cuatro líneas de terapia sistémica, y uno de nuestros tratamientos preferidos para el MM penta-refractario. Recientemente, se han publicado varios estudios en los que el tratamiento con idecabtagene vicleucal (KarMMa-3) y ciltacabtagene autoleucel (CARTITUDE-4) mejoraron sustancialmente la supervivencia libre de progresión en comparación con la quimioterapia estándar, aunque con un aumento de la toxicidad, incluidas las muertes relacionadas con el tratamiento.

Con este escenario iremos buscando en diferentes fuentes, empezando por UpToDate.

Búsqueda en UpToDate

Estrategia de búsqueda: Multiple Myeloma refractory

Resultado: Monografía: Multiple myeloma: Treatment of third or later relapse

Continuaremos con una búsqueda básica en PubMed:

Búsqueda sencilla
Estrategia de búsqueda: Multiple myeloma refractory Chimeric antigen receptor T cells
Resultado: 262 referencias

Para luego pasar a enseñar las opciones de búsqueda avanzada. Para ello buscaremos todos los términos posibles para cada concepto, según vemos en la figura:

Y construiremos nuestra búsqueda combinando los términos de lenguaje natural con los descriptores de materia de MEDLINE, los MeSH.

Resultado: 662 referencias

Límites (Filters: Clinical Trial, Meta-Analysis, Randomized Controlled Trial, Systematic Review ): 86 referencias

Y no nos olvidaremos de buscar en EMBASE, dado que es la base de datos de elección para la búsqueda de estudios de intervenciones farmacológicas.

(‘multiple myeloma’/exp OR ‘kahler disease’ OR ‘morbus kahler’ OR ‘multiple myeloma’ OR ‘myeloma multiplex’ OR ‘myeloma, multiple’ OR ‘myelomatosis’ OR ‘plasma cell myeloma’) AND (‘chimeric antigen receptor t-cell’/exp OR ‘car t-cell’ OR ‘car t-lymphocyte’ OR ‘car engineered t-cell’ OR ‘car engineered t-lymphocyte’ OR ‘car modified t-cell’ OR ‘car modified t-lymphocyte’ OR ‘chimeric antigen receptor t-cell’ OR ‘chimeric antigen receptor t-lymphocyte’ OR ‘chimeric antigen receptor immunotherapy’/exp OR ‘car cancer immunotherapy’ OR ‘car immunotherapy’ OR ‘car therapy’ OR ‘chimeric antigen receptor cancer immunotherapy’ OR ‘chimeric antigen receptor engineered cancer immunotherapy’ OR ‘chimeric antigen receptor immunotherapy’ OR ‘chimeric antigen receptor therapy’ OR ‘ciltacabtagene autoleucel’/exp OR ‘carvykti’ OR ‘cilta-cel’ OR ‘ciltacabtagene autoleucel’ OR ‘jnj 4528’ OR ‘jnj 68284528’ OR ‘jnj4528’ OR ‘jnj68284528’ OR ‘lcar-b38m’ OR ‘lcar-b38m car-t’ OR ‘idecabtagene vicleucel’/exp OR ‘abecma’ OR ‘bb 2121’ OR ‘bb2121’ OR ‘ide-cel’ OR ‘idecabtagene vicleucel’) AND (‘refractory tumor’/exp OR ‘refractory neoplasm’ OR ‘refractory tumor’ OR ‘refractory tumour’ OR ‘relapsed refractory multiple myeloma’/exp OR ‘cancer recurrence’/exp OR ‘cancer recidive’ OR ‘cancer recurrence’ OR ‘cancer regeneration’ OR ‘cancer relapse’ OR ‘cancer reoccurrence’ OR ‘recurrent cancer’ OR ‘recurrent carcinoma’) AND ([cochrane review]/lim OR [systematic review]/lim OR [meta analysis]/lim OR [randomized controlled trial]/lim OR ‘controlled clinical trial’/de)

Resultados: 835 referencias
Límites EBM: 66 referencias (51 únicas en EMBASE)

Y para finalizar, les he dejado mis recomendaciones:

https://view.genial.ly/649dd69fdc406e00113900dd

Antes de comenzar una revisión sistemática hay buscar y evaluar revisiones relacionadas

Uno de los primeros pasos en la planificación de nuestra revisión sistemática es la de buscar revisiones sistemáticas existentes de nuestra área de interés. Es decir, hay que buscar la existencia o no de revisiones sobre el tema publicadas y, si las hay, analizarlas para decidir si tiene cabida hacer la revisión o no.

El motivo para ello es el de evitar las revisiones redundantes. Estas se pueden definir como revisiones que ya se han realizado sobre el mismo tema, con las mismas o similares preguntas y métodos de investigación, y que han llegado a conclusiones similares o idénticas. Estas revisiones se realizan a menudo de forma innecesaria, lo que provoca varios perjuicios e ineficiencias (1).

La multiplicación de revisiones sistemáticas redundantes plantea cuestiones científicas, éticas y económicas a investigadores y editores.

Presentación «Antes de comenzar una revisión sistemática hay que buscar y evaluar revisiones relacionadas: Planificación de nuestra revisión para evitar revisiones redundantes».

Perjuicios de las revisiones sistemáticas redundantes

1. Desperdicio de recursos: La realización de revisiones redundantes supone una pérdida de tiempo, esfuerzo y recursos que podrían haberse utilizado para cuestiones de investigación nuevas y más relevantes.

2. Inconsistencias y contradicciones: Las revisiones redundantes pueden llegar a conclusiones diferentes debido a variaciones en la metodología o en la interpretación de los resultados, lo que puede causar confusión e incoherencias en la literatura.

3. Sesgo de publicación: Múltiples revisiones sobre el mismo tema pueden aumentar la probabilidad de informes selectivos y sesgo de publicación, ya que los investigadores pueden publicar solo las revisiones con resultados favorables.

4. Confundir a los profesionales sanitarios: Múltiples revisiones con resultados contradictorios pueden llevar a confusión a los profesionales sanitarios, lo que se traduce en decisiones de tratamiento subóptimas para los pacientes.

¿Cuándo está justificada una revisión sistemática redundante?

Solo en los casos de que: 1) el alcance de las revisiones existentes no sea la misma; 2) no exista una revisión anterior; 3) exista, pero esté obsoleta (podríamos decidir actualizarla desde la fecha de la revisión anterior); o 4) exista, pero sea de mala calidad, tendría justificación hacer una nueva revisión. En ese caso, el otro equipo puede decidir abordar ese tema de nuevo con métodos adecuados. Tales casos deben justificarse adecuadamente en la nueva revisión, apoyando esta decisión con pruebas de que la revisión anterior era inadecuada. Por ejemplo, el nuevo equipo podría proporcionar un análisis transparente de la calidad metodológica de la primera revisión utilizando la herramienta AMSTAR 2 (2), con los detalles de este análisis reportados en un archivo suplementario.

Si el equipo de la revisión es consciente de la existencia de una revisión sistemática finalizada con métodos adecuados, la única decisión apropiada para seguir adelante con el mismo tema sería llevar a cabo una actualización de dicha revisión sistemática. Aun así, algunas actualizaciones pueden no considerarse justificadas. Por ejemplo, si una gran revisión existente se actualiza con un nuevo estudio que probablemente no repercuta en los resultados, es razonable cuestionar el propósito de dicha actualización. Cochrane considera una revisión como «estable» si la última búsqueda no identificó ningún estudio potencialmente relevante que pudiera cambiar las conclusiones» (Babić A, Poklepovic Pericic T, Pieper D, Puljak L. How to decide whether a systematic review is stable and not in need of updating: Analysis of Cochrane reviews. Res Synth Methods. 2020 Nov;11(6):884-890. doi: 10.1002/jrsm.1451. PMID: 32890455.).

¿Dónde buscamos revisiones sistemáticas?

Por un lado, deberíamos buscar la existencia de procolos de revisiones sistemáticas en curso. Para ello deberíamos buscar en las plataformas donde es común su registro (ver entrada «Dónde registrar el protocolo de una Revisión Sistemática«; 3-4). Estas fuentes incluyen a PROSPERO, OSF, pasando por búsqueda en bases de datos tradicionales como MEDLINE.

Puede darse el caso de que encontremos «revisiones zombies» (5). Estos son aquellas cuyos registros de protocolo son abandonadas, por ejemplo, en PROSPERO. Para evitarlo, PROSPERO está desarrollando nueva versión que mejorará la funcionalidad de enviar recordatorios a los autores, solicitándoles que actualicen su estado de revisión y añadan detalles de publicación. También la organización Campbell contacta a los autores anualmente para preguntar si los equipos están procediendo con títulos y protocolos registrados (https://twitter.com/vawelch/status/1643576924998909953?s=20).

Además de buscar protocolos, hemos de localizar revisiones sistemáticas ya publicadas. Para ello buscaremos en bases de datos, así como en la Cochrane Library y Epistemonikos (ver entrada «Planificación de una revisión sistemática: Pasos para determinar la viabilidad«).

Bibliografía

Puljak, L., Lund, H. Definition, harms, and prevention of redundant systematic reviews. Syst Rev. 2023;12(63). Disponible en: https://doi.org/10.1186/s13643-023-02191-8.
Shea BJ, Reeves BC, Wells G, Thuku M, Hamel C, Moran J, Moher D, Tugwell P, Welch V, Kristjansson E, Henry DA. AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both. BMJ. 2017 Sep 21;358:j4008. doi: 10.1136/bmj.j4008. PMID: 28935701; PMCID: PMC5833365.
Campos Asensio C. Necesidad de protocolo en las revisiones de síntesis de evidencia y dónde registrarlo. Biblioboletín. 2022; Junio (13):9. Disponible en: https://repositoriosaludmadrid.es//handle/20.500.12530/54668
Pieper, D., Rombey, T. Where to prospectively register a systematic review. Syst Rev. 2022;11(8). Disponoible en: https://doi.org/10.1186/s13643-021-01877-1
Andrade R, Pereira R, Weir A, Ardern CL, Espregueira-Mendes J. Zombie reviews taking over the PROSPERO systematic review registry. It’s time to fight back! Br J Sports Med. 2019 Aug;53(15):919-921. doi: 10.1136/bjsports-2017-098252. PMID: 29021246.

Cobertura y solapamiento de las bases de datos utilizadas en las revisiones sistemáticas de ciencias de la salud

Cobertura y solapamiento de las bases de dato sutilizadas en las #RevisionesSistemáticas de ciencias de la salud #SysRev

Las revisiones sistemáticas son una herramienta valiosa para identificar y evaluar la evidencia existente sobre un tema en particular. Sin embargo, la realización de una revisión sistemática puede ser un proceso largo y laborioso que requiere una gran cantidad de tiempo y esfuerzo. Una de las tareas más importantes en este proceso es el de la búsqueda de evidencia.

En mi entrada anterior «En qué bases de datos debemos buscar para una revisión sistemática: La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas» hablé de la necesidad de que la búsqueda de estudios sea lo más amplia posible para reducir el riesgo de sesgo de publicación e identificar la mayor cantidad de evidencia relevante. También comenté la función del bibliotecario en determinar la combinación de bases de datos necesaria para que las búsquedas de revisiones sistemáticas proporcionen resultados eficientes y de cuáles elegir.

Conjunto principal de bases de datos de ciencias de la salud

Es importante evaluar la cobertura de cada base de datos para determinar si se están buscando en la fuente adecuada. Además, es importante evaluar el solapamiento entre las bases de datos, aunque hay que tener en cuenta que bastantes estudios van a estar presentes en varias fuentes.

Merece la pena examinar la cobertura de las bases de datos, porque esto determina los resultados de la búsqueda y tendrá un impacto directo en la revisión. Las bases de datos pueden tener solapamientos en el contenido, y cada base de datos también cubre algunos títulos exclusivos (únicos).

En cuanto a la cobertura y solapamiento de MEDLINE, CINHAL Complete, Embase.com y PsycINFO. tenemos que tener en cuenta lo siguiente:

PubMed cubre todos los registros de Medline, además de algunos otros materiales (aproximadamente el 15%).
Embase incluye casi todas las revistas de Medline, mientras que más de 2,900 revistas en Embase no están cubiertas por Medline.
Medline tiene una mejor cobertura de revistas estadounidenses, mientras que Embase tiene una mejor cobertura de revistas europeas.Medline tiene alrededor de 1/3 (aprox. 1,800 revistas) solapadas con CINAHL Complete.
PsycINFO tiene alrededor de 1/2 (aprox. 1,200) revistas únicas que NO están cubiertas por Medline, Embase y CINAHL Complete.
La Biblioteca Cochrane incluye 6 bases de datos:
- La Base de Datos Cochrane de Revisiones Sistemáticas (CDSR) está completamente indexada por Medline.
- El Registro Central Cochrane de Ensayos Controlados (CENTRAL) contiene casi 530,000 citas, de las cuales 310,000 (~58%) son de Medline, 50,000 (aprox. 10%) son de Embase, y las 170,000 restantes (aprox. 32%) son de otras fuentes (Manual Cochrane, 2011).
- CENTRAL cubre todos los Ensayos Controlados Aleatorios (ECA) y Ensayos Clínicos Controlados (ECC) indexados en Medline.

Bases de datos multidisciplinares: WoS y SCOPUS

Sin embargo, todavía hay muchas revistas fuera de la «conjunto principal» de bases de datos en enfermería y ciencias de la salud. Es posible que también debas realizar una búsqueda en más bases de datos para asegurarte que tu búsqueda bibliográfica esté completa.

Entre ellas, podemos buscar en la Web of Science y Scopus, que son dos grandes bases de datos de citas multidisciplinares. Por este motivo, es bueno saber hasta qué punto las bases de datos principales se solapan con estas dos.

En cuanto a la cobertura y solapamiento de las bases de datos principales de ciencias de la saludcon WoS y Scopus tenemos que tener en cuenta lo siguiente

Web of Science (SSCI) tiene más de 2400 títulos en el área de ciencias sociales y alrededor del 70% de estos títulos NO están cubiertos por Medline, CINAHL Complete, Embase y PsycINFO. Por lo tanto, si tu tema de investigación está en el campo de las ciencias sociales, es necesario incluir Web of Science SSCI en tu búsqueda.
Web of Science (SSCI) tiene alrededor de 660 títulos en las áreas de psiquiatría y psicología. Alrededor de 50 títulos NO están cubiertos por PsycINFO. Por lo tanto, si tu tema de investigación se refiere a cuestiones de psicología, incluye Web of Science (SSCI) en tu búsqueda.
Scopus cubre (casi) todos los títulos en Medline, PsycINFO y Web of Science. CINAHL Complete tiene aproximadamente 2000 títulos que NO están cubiertos por Scopus. De estos títulos, más de la mitad son revistas, publicaciones comerciales, etc.

En resumen, la selección, cobertura y solapamiento de las principales bases de datos es una tarea crucial en el proceso de búsqueda de estudios para una revisión sistemática. Es importante evaluar la cobertura de cada base de datos, el solapamiento entre ellas y buscar en bases de datos complementarias para garantizar la inclusión de todos los estudios relevantes. Además, se recomienda documentar y justificar la selección de bases de datos para garantizar la transparencia y la replicabilidad de la revisión sistemática.

Filtrar nuestros resultados de búsqueda a estudios en humanos

Aquí os dejo mi presentación de cómo limitar los resultados de nuestra búsqueda a humanos en diferentes bases de datos y plataformas

Cuando buscamos en las bases de datos muchas veces deseamos eliminar aquellos estudios realizados en animales. Para ello tenemos disponible un filtro de búsqueda que hay que adaptar a las diferentes bases de datos y plataformas.

A continuación encontraréis una presentación donde os muestro las estrategias a utilizar en PubMed, MEDLINE (Ovid), Embase (Ovid), Embase (Elsevier) y CINAHL (EBSCO).

5 pasos de la búsqueda bibliográfica

En este vídeo te explicamos los 5 pasos para realizar una búsqueda bibliográfica eficiente

En este vídeo te explicamos los 5 pasos para realizar una búsqueda bibliográfica eficiente.