39.4 Preprints, crisis de replicación y reformas

1. Orígenes y evolución de los preprints

El concepto de preprint —manuscrito científico puesto a disposición pública antes de una revisión por pares formal— surge a mediados del siglo XX como una estrategia de intercambio rápido de resultados. En 1961, la editorial Nature organizó un foro titulado “Proposed New England Physics Information Exchange” donde se discutió la posibilidad de circular borradores previos a la publicación oficial. Sin embargo, fue la creación de la plataforma arXiv en 1991 (por iniciativa de Paul Ginsparg) la que marcó un punto de inflexión. arXiv comenzó con la difusión de artículos de física teórica, matemáticas y ciencias de la computación, inicialmente alojados en el Laboratorio Nacional Brookhaven (EE.UU.).

A partir de la década de 2000 el modelo de preprints se extendió gradualmente a otras disciplinas. En 2013 nació bioRxiv para biociencias, seguido por PeerJ Preprints (2013) y medRxiv en 2019 para estudios médicos. Simultáneamente, en ciencias sociales creció el uso de SSRN (Social Science Research Network), fundado en 1994, y de plataformas universitarias de libre acceso.

Las ventajas atribuidas a los preprints incluyen:

• Difusión inmediata de resultados.
• Observación temprana de comentarios de la comunidad científica.
• Facilitación de la colaboración y citas rápidas.
• Transparencia en el proceso de investigación.

En 2020, con la llegada de la pandemia por COVID-19, el uso de preprints se disparó: en marzo de ese año bioRxiv y medRxiv publicaron más de 4.000 manuscritos relacionados con SARS-CoV-2, acelerando el acceso a vacunas y tratamientos. No obstante, esto también evidenció riesgos de difusión de hallazgos no verificados.

2. La crisis de replicación

2.1 Contexto histórico

La “crisis de replicación” se refiere al creciente reconocimiento de que muchos estudios científicos, especialmente en psicología y biomedicina, no pueden ser reproducidos o replicados bajo condiciones similares. El punto de inflexión se produjo en 2005 con el influyente artículo de John Ioannidis: “Why Most Published Research Findings Are False” (PLoS Medicine, 2005), donde argumentaba, mediante razonamientos estadísticos y ejemplos históricos, que los sesgos de publicación, el uso indebido de pruebas estadísticas y la presión por resultados novedosos incrementan la probabilidad de que los hallazgos publicados sean falsos.

2.2 Casos emblemáticos

• Proyecto Reproducibility en Psicología (2015): liderado por el Open Science Collaboration. Se intentaron replicar 100 estudios de revistas de alto impacto y sólo un 39% obtuvo resultados estadísticamente significativos consistentes con el original.
• Reproducibility Project: Cancer Biology (2018): en colaboración con eLife y Nature, se seleccionaron 29 experimentos de 53 artículos de biología del cáncer. A pesar de la relevancia médica, sólo 6 experimentos completaron replicaciones confirmatorias.
• Informes internos de la industria farmacéutica: en 2011 Bayer comunicó no poder reproducir el 75% de los hallazgos académicos oncólogicos relevantes, y en 2012 Amgen informó que sólo un 11% de 53 estudios se replicaron en sus laboratorios.

2.3 Causas y factores contribuyentes

• Dependencia excesiva de valores p (p-hacking) y tamaños muestrales pequeños.
• Fraude científico y manipulación de datos.
• Sesgo de publicación: favorecimiento de resultados positivos («file drawer problem»).
• Falta de acceso a datos brutos y protocolos experimentales.
• Incentivos académicos mal diseñados (publicar mucho vs. publicar bien).

3. Reformas y respuestas institucionales

3.1 Movimiento Open Science y principios FAIR (2010–presente)

El movimiento de Ciencia Abierta (Open Science) promueve la transparencia, accesibilidad y colaboración a lo largo del ciclo de investigación. En 2013 se publicó la iniciativa FAIR, estableciendo que los datos deben ser Findable, Accessible, Interoperable y Reusable. Varias agencias financiadoras (NIH, Horizon 2020, Wellcome Trust) integraron mandatos de acceso abierto a datos y métodos a partir de 2016.

3.2 Pre-registración y Registered Reports

La pre-registración consiste en describir hipotesis, diseño y análisis planificado antes de recolectar datos. Surgió como práctica habitual en psicología y ciencias sociales alrededor de 2012, impulsada por la Center for Open Science (fundada en 2013). De esta práctica derivaron los Registered Reports, un formato editorial en el que la revista revisa el protocolo antes de la recolección de datos, garantizando publicación independientemente de los resultados. El primer journal en adoptar este modelo fue Cortex en 2013, seguido por Nature Human Behaviour (2016) y más de 200 revistas hoy en día.

3.3 Herramientas y plataformas colaborativas

1. Open Science Framework (OSF) (2012): plataforma para registro de proyectos, intercambio de datos y protocolos.
2. GitHub y GitLab: hospedaje de código y control de versiones, cada vez más utilizados para reproducibilidad en análisis computacionales.
3. Repositorios de datos como Zenodo (2013), Figshare (2011) y redes temáticas (Dryad, Mendeley Data).

3.4 Iniciativas de acreditación y evaluación

En 2012 se promulgó la Declaración de San Francisco sobre la Evaluación de la Investigación (DORA), que insta a valorar la calidad y transparencia antes que indicadores simplistas (factor de impacto). En 2018 la coalición Plan S (iniciativa cOAlition S) exigió que toda publicación resultado de proyectos financiados por organismos europeos fuese inmediatamente de acceso abierto a partir de 2021.

3.5 Casos de éxito y métricas de mejora

Entre 2015 y 2022 se observa un aumento del 250% en el número de artículos pre-registrados en psicología y neurociencia. Una revisión de 2021 (Science Advances) indica que los Registered Reports reducen la tasa de resultados positivos excesivos del 82% al 44% en estudios de psicología. Además, el porcentaje de artículos con datos abiertos en revistas de biomedicina subió del 10% en 2015 al 45% en 2020.

4. Perspectivas futuras

Las reformas actuales apuntan a consolidar una cultura de ciencia más abierta y reproducible. Entre los desafíos pendientes destacan:

• Ampliar la cobertura de preprints a disciplinas con resistencias éticas o comerciales (química, investigación clínica avanzada).
• Mejorar la capacitación en estadística reproducible y ética de datos para investigadores.
• Fortalecer políticas de datos abiertos y protocolos estandarizados en consorcios internacionales.
• Evaluar nuevos modelos de revisión por pares abiertos e inclusivos (open peer review).

En suma, el binomio preprints – crisis de replicación ha impulsado una profunda transformación en las prácticas científicas. La adopción de plataformas, protocolos y mandatos orientados a la transparencia y calidad promete aumentar la confiabilidad de la literatura. No obstante, la consolidación de estas reformas exige acción coordinada de investigadores, editores, financiadores y entidades reguladoras.

Preprints

• Los preprints: historia, política y futuro
  por Laura Martínez y Carlos León.
  Más info
• Preprint Servers: A Global Overview
  por Sarah Earle.
  Más info

Crisis de replicación

• The Reproducibility Crisis in Science
  por Brian A. Nosek y Timothy M. Errington.
  Más info
• La crisis de replicabilidad en la investigación biomédica
  por John P. A. Ioannidis.
  Más info

Reformas de la historia universal de la ciencia

• La estructura de las revoluciones científicas
  por Thomas S. Kuhn.
  Más info
• Objectivity
  por Lorraine Daston y Peter Galison.
  Más info
• Historia y filosofía de la ciencia: enfoques actuales
  editado por Mary Jo Nye.
  Más info