Bias di pubblicazione, che cos'è?
In statistica il bias è inteso come quell’errore sistematico che può verificarsi negli studi e nelle prove. Quando si verifica, alcune risposte vengono selezionate o preferite rispetto ad altre. È interessante notare che questo “refuso” è presente in gran parte delle ricerche, in misura maggiore o minore. Ma, allora, quando si parla di bias di pubblicazione?
È importante conoscere i bias di pubblicazione per cercare di evitarli, minimizzarli o correggerli. Tali errori possono verificarsi in qualsiasi fase del processo di ricerca. Partendo dalla pianificazione, fino allo svolgimento, passando per l’analisi, fino alla presentazione dei risultati e la successiva pubblicazione. Tenete presente che un semplice bias può far vacillare la credibilità e l’applicabilità di un’intera ricerca.
Il bias di pubblicazione è definito come la tendenza a pubblicare ricerche con risultati positivi (un farmaco che funziona) tralasciando quelle con risultati negativi (lo stesso farmaco non è efficace). Si tratta di un vero e proprio errore sistematico di pubblicazione o, per meglio dire, una “distorsione”. E questo, evidentemente, può produrre interessanti benefici a chi ha condotto la ricerca.
Verso la metà del secolo scorso, Theodor D. Sterling definì il concetto base del bias di pubblicazione. L’autore americano notò che gli studi che presentavano risultati statisticamente significativi avevano maggiori probabilità di essere pubblicati. Ciò, però, ostacolava in parte la ricerca, dal momento che innumerevoli metodi, anche se validi, venivano scartati in base al risultato negativo ottenuto.
Prove di bias di pubblicazione
Uno dei primi autori che ha parlato di bias di pubblicazione è stato Sterling, che ha esaminato tutti gli articoli pubblicati su quattro riviste durante un anno (dal 1955 al 1956). Incredibilmente, ha rilevato che il 97% degli articoli pubblicati erano relativi a studi scientifici con esito positivo.
In base ai risultati, è emerso che gli studi pubblicati (positivi) rispetto a quelli non pubblicati (negativi) avevano un rapporto di 128 a 1. Un dato davvero significativo, non trovate?
Fattori che influenzano il bias di pubblicazione
Secondo l’autrice María Carmen Rosa Garrido, attualmente esistono diversi fattori che influenzano il bias di pubblicazione. Vediamone i principali:
- La decisione degli autori di non pubblicare i risultati del loro studio, poiché questi non sono statisticamente significativi.
- Il rifiuto degli editori delle riviste di pubblicare uno studio con risultati negativi. Ciò si verifica anche quando la qualità metodologica è sufficiente per dare affidabilità ai risultati.
- L’esclusione di questi studi nelle ricerche bibliografiche di determinati ricercatori.
Eliminare o prevenire i bias di pubblicazione
Con l’obiettivo di prevenire ed eliminare i bias di pubblicazione, alcuni autori propongono:
- L’eliminazione dei test di verifica d’ipotesi.
- Una revisione paritaria a priori e il divieto di pubblicazione per studi realizzati su un campione inadeguato.
- Sviluppo di un atteggiamento più positivo verso risultati non significativi.
- Miglioramento della revisione paritaria e dei processi di pubblicazione.
Valutazione del pregiudizio
Numerose procedure statistiche sono state sviluppate per valutare se un campione di studi identificati è influenzato da un bias o per valutarne il suo impatto.
La maggior parte si basa sul presupposto che, per una determinata area sostanziale, gli studi con piccoli campioni dovrebbero produrre una gamma relativamente ampia di dimensioni dell’effetto. Al contrario, gli studi con campioni di grandi dimensioni dovrebbero produrre un effetto vicino alla dimensione dell’effetto della popolazione.
I direttori delle riviste scientifiche
A quanto pare, nella letteratura medica il pregiudizio verso la pubblicazione di risultati negativi (o strani) è da attribuire ai direttori delle riviste specializzate.
Questo sospetto ha delle solide basi. Nel 1980, il British Medical Journal ha dichiarato che il suo articolo ideale sarebbe quello in grado di descrivere “risultati che influenzano la pratica clinica (…) e risultati che migliorano la prognosi o semplificano il trattamento di malattie comuni”. Quindi, hanno alluso al bias di pubblicazione, riconoscendo in maniera ufficiale la sua esistenza. Ovviamente, senza volerlo.
La misura più efficace per prevenire il bias di pubblicazione è la registrazione di tutti gli studi clinici. Pertanto, questo è l’obiettivo verso il quale il mondo della ricerca deve andare avanti.
È importante sottolineare il ruolo del bias nelle pubblicazioni di carattere medico. Quando si utilizzano evidenze tendenziose, le decisioni prese nello stabilire i risultati di alcune ricerche potrebbero non essere delle più ottimali. Ciò potrebbe favorire la scelta di interventi, medicine o terapie inappropriate per il paziente, così come per la comunità scientifica in generale.
Tutte le fonti citate sono state esaminate a fondo dal nostro team per garantirne la qualità, l'affidabilità, l'attualità e la validità. La bibliografia di questo articolo è stata considerata affidabile e di precisione accademica o scientifica.
- ASALE, R. (2018). sesgo, ga. Retrieved from https://dle.rae.es/?id=XipMgHq
-
Bonita, R., Beaglehole, R., & Kjellström, T. (2008). Epidemiologia básica. OPS.
-
Manterola, C., & Otzen, T. (2015). Los sesgos en investigación clínica. International Journal of Morphology, 33(3), 1156-1164.
-
Gómez-Restrepo, C. (2008). Acerca del sesgo de publicación en literatura sobre antidepresivos. Revista Colombiana de Psiquiatría, 37(1), 8-10.
-
Garrido, R., & ª Carmen, M. (2016). Sesgo de publicación:¿ existe también en estudios de metanálisis?. Index de Enfermería, 25(1-2), 7-8.
-
Vevea, J. L., & Woods, C. M. (2005). Publication bias in research synthesis: sensitivity analysis using a priori weight functions. Psychological methods, 10(4), 428.
-
Dickersin, K. (1994). Sobre la existencia y los factores de riesgo del sesgo de publicación.
- “The editor regrets . ..” [Editorial]. Br Med J 1980;280:508.
-
Sterling, T. D. (1959). Publication decisions and their possible effects on inferences drawn from tests of significance—or vice versa. Journal of the American statistical association, 54(285), 30-34.