Dato
El sesgo de publicación oculta los estudios que no encontraron nada
Si solo se publican resultados emocionantes, el registro de investigación visible puede hacer que un efecto parezca más limpio y fuerte de lo que realmente es.
El sesgo de publicación es el sesgo de muestreo de la ciencia misma: los estudios positivos, sorprendentes o con significación estadística son más fáciles de ver que los resultados nulos.
Por el equipo editorial de Math Says Yes
Revisado por humanos según nuestros estándares de fuentes y corrección.
Cómo revisamos el contenido
LA TRAMPA
Tratar la literatura publicada como el conjunto completo de evidencia, aunque los estudios aburridos o nulos puedan faltar a la vista.
El problema de la evidencia faltante
Un estudio con un hallazgo positivo llamativo es más fácil de redactar, más fácil de colocar en una revista y más fácil de notar para los periodistas o lectores. Un estudio que no encuentra un efecto claro puede quedarse en un cajón de archivos, permanecer como un resumen de conferencia o nunca enviarse. La investigación no entra en el registro público de manera uniforme: la literatura publicada se convierte en una seleccionada, no en un mapa completo de lo que los investigadores intentaron.
Lo que muestran los números
publicado
en el cajón de archivos
Ilustrativo: se publican 3 resultados llamativos mientras que 7 silenciosos permanecen ocultos, por lo que los lectores ven una muestra sesgada.
Cómo exagera los efectos
Imagina diez pequeños estudios que prueban el mismo efecto débil. Por pura casualidad, algunos parecerán impresionantes y otros aburridos. Si se publican los impresionantes y desaparecen los aburridos, la evidencia visible exagerará el efecto. Ninguno de los estudios publicados necesita ser falso para que esto falle. Los estudios faltantes también aportan información, y el silencio puede sesgar el .
Por qué falla la intuición
Los lectores consideran de forma natural que los resultados de búsqueda y las páginas de revistas científicas representan lo que la ciencia conoce. Pero una búsqueda solo puede encontrar lo que se ha hecho visible. Un montón de artículos positivos parece una confirmación repetida, incluso cuando en parte puede reflejar un filtrado repetido. Esta es la misma lección sobre el muestreo que el : los casos que puedes inspeccionar no son automáticamente representativos de los casos que existieron.
Cómo usarlo
Busca estudios prerregistrados, revisiones sistemáticas, registros de ensayos y metaanálisis que busquen trabajos no publicados. Desconfía cuando un campo tenga muchos estudios pequeños y positivos, pocos resultados nulos y fuertes incentivos para publicar afirmaciones emocionantes. Pregúntate no solo qué evidencia es visible, sino qué evidencia habría sido visible si el resultado hubiera sido el opuesto.
Ejemplo práctico
Imagina que 20 laboratorios pequeños prueban un efecto débil. La pura casualidad puede hacer que algunos estudios parezcan impresionantes y muchos no queden claros. Si solo se envían, aceptan o comparten los estudios impresionantes, un lector verá más tarde un montón ordenado de resultados positivos. Los estudios faltantes no son neutrales; habrían arrastrado el visible de vuelta hacia un efecto menor o menos seguro.
Cuándo se aplica
El de publicación es más preocupante cuando los estudios son pequeños, los resultados son flexibles, los incentivos recompensan la novedad y los resultados nulos son difíciles de publicar. Es menos dañino cuando los protocolos se registran antes de la recolección de datos, los resultados se informan independientemente de su significación y las revisiones buscan en registros de ensayos o trabajos no publicados. La pregunta no es solo si los estudios publicados son honestos, sino si el conjunto visible está lo suficientemente completo como para confiar en él.
En qué se equivoca la gente
La gente trata el registro publicado como si fuera el registro completo de los experimentos. No lo es. Es el subconjunto visible que sobrevivió a los incentivos, las opciones de envío, las decisiones editoriales y la atención. Si los resultados nulos faltantes son comunes, la literatura visible puede parecer más coherente y más impresionante de lo que la evidencia total es en realidad.
Nota sobre la fuente
El artículo del cajón de sastre de Rosenthal es la fuente principal detrás de la metáfora de la página: los resultados nulos no vistos pueden cambiar la fuerza aparente de la evidencia. La fuente de referencia define el de publicación de forma más amplia, mientras que la fuente confiable ancla la idea específica de que los estudios faltantes pueden distorsionar sistemáticamente el registro publicado.
Preguntas frecuentes
¿Es el sesgo de publicación lo mismo que el fraude?
No. El sesgo de publicación puede ocurrir incluso cuando cada estudio publicado se informa con honestidad. El sesgo proviene de qué estudios se vuelven visibles y cuáles permanecen ocultos.
¿Cómo se puede reducir el sesgo de publicación?
El prerregistro, los registros de ensayos, los informes registrados y las búsquedas sistemáticas de estudios no publicados ayudan porque facilitan el recuento de los resultados nulos.
Comprobación rápida
¿Cómo puede el sesgo de publicación hacer que un efecto parezca más fuerte de lo que es?
A
Los estudios publicados siempre utilizan muestras más grandes.
B
Los resultados llamativos se publican; los resultados nulos permanecen invisibles.
C
Los resultados nulos suelen ser errores estadísticos.
Fuentes
Publication bias
Explicador secundario
Wikipedia · Accedido 2026-06-16
The file drawer problem and tolerance for null results
Fuente primaria
Psychological Bulletin · Accedido 2026-06-20
¿Conoces a alguien a quien le pueda gustar esto?
Leer siguiente
Por qué tus amigos parecen más populares
Agrupa cada aparición de nombre de cada lista de amigos y las personas bien conectadas aparecen con más frecuencia. El promedio resultante nunca está por debajo del promedio de una persona aleatoria uniforme, y es mayor cuando los recuentos de amigos varían.
Conceptos
Sesgo de publicación
El sesgo de publicación ocurre cuando los estudios con resultados emocionantes o estadísticamente significativos tienen más probabilidades de ser publicados, compartidos o notados que los estudios con resultados nulos. La literatura visible puede entonces exagerar cuán fuerte es realmente un efecto.
Sesgo de muestreo
Un resultado distorsionado causado por observar datos que no representan a la población que te importa. Más datos no solucionan el problema si todavía faltan los mismos tipos de casos. Antes de confiar en una conclusión, pregunta quién tuvo la oportunidad de aparecer en la muestra y quién quedó fuera.
