Auditar Articulo Cientifico

Auditar un artículo científico con regresión lineal

La tesis operativa: un artículo que publica coeficiente, R² y valores p está sobredeterminado. Esas cifras satisfacen identidades exactas entre sí, así que se puede reconstruir su tamaño de muestra, recalcular sus pruebas y demostrar qué falta, sin acceso a los datos originales y sin opinar.

La diferencia entre una ficha mediocre y una buena no es el vocabulario: es que la buena ejecuta el diagnóstico que el artículo omitió y enseña el resultado.

0. La disciplina, antes que el método

Estas cuatro reglas se rompieron al menos una vez cada una y todas costaron una ronda entera.

Nunca trates una cifra redondeada como puntual. Todo hallazgo se propaga por la caja de redondeo. 0.03 no es 0.03, es [0.025, 0.035). Un barrido de la cota algebraica marcó ocho celdas imposibles; al propagar la caja quedó una. Las otras siete habrían sido siete acusaciones falsas.

Verifica cada hallazgo ajeno antes de aplicarlo. Los agentes auditores se contradicen. En la Semana 5, un agente dijo que dos celdas de Spearman cambiaban de veredicto, lo apliqué sin comprobar, otro lo contradijo, y la enumeración de las 40,320 permutaciones le dio la razón al primero: mi «corrección» había metido una afirmación falsa que sobrevivió una ronda. Recalcula. Y separa «acepto la conclusión» de «acepto el razonamiento», porque a veces solo lo primero es cierto.

Escribe el archivo antes de comprobarlo. Un script de correcciones con un assert después de los replace y antes del write falló en el assert: el log imprimió «ok» línea por línea y no se escribió nada. Cualquier script de edición acumula fallos en una lista y escribe siempre; la comprobación va al final y sobre el resultado en disco.

No deduzcas la precisión de impresión desde repr(). El artículo imprime 0.90 y float devuelve 0.9: la caja sale diez veces más ancha y el barrido se vuelve permisivo en silencio. Pasa los decimales explícitos, leídos de la tabla.

Y audita el instrumental como auditas el artículo. Estas herramientas se escribieron para esta metodología y aun así, al probarlas una por una, la función que agrupa los rótulos de un eje devolvía el mismo centroide para todos: un grupos.append(cur) seguido de cur.clear() mete la misma lista en todos los grupos y luego la vacía. No lanzaba ningún error; solo habría calibrado mal cada eje, en silencio, para siempre. Ejecuta probar.py antes de confiar en cualquier cifra que salga de aquí.

1. Elegir el artículo

Debe ser arbitrado, aplicado, con respuesta y predictores distinguibles, con método y resultados suficientes, y con DOI o enlace estable. Y una condición que no está escrita pero decide el resultado: que publique suficientes cifras para reconstruirlo. Un artículo que solo dice «la regresión fue significativa» no se puede auditar; uno que publica seis tablas de coeficientes se audita entero.

Descarta antes de invertir: si el modelo lineal es una mención de paso, o si el texto completo no es accesible, cambia de artículo. La consulta puede sesgarse a propósito hacia trabajos auditables:

"multiple linear regression" AND <tema> ("Durbin-Watson" OR "variance inflation factor") residuals

Meter términos de diagnóstico favorece artículos donde el modelo lineal es el objeto, no el adorno.

2. Conseguir el texto como XML, no como PDF

El PDF sirve para leer; el XML JATS sirve para auditar, porque trae las tablas como celdas. Sin esto no hay auditoría celda por celda.

python3 "$SKILL_DIR/references/jats.py" PMC11728780 art.xml

Si el artículo no está en Europe PMC no hay atajo: transcribir a mano y verificar la transcripción con un segundo pase independiente.

⚠️ El menos tipográfico. Los artículos imprimen U+2212, no el guion ASCII. float() lo rechaza en silencio y un barrido de contradicciones de signo devuelve cero hallazgos sin avisar de nada. jats.num() ya lo normaliza; si escribes tu propio parser, normalízalo tú, junto con los espacios duros.

⚠️ La coma. En un artículo en inglés separa millares y hay que quitarla; en uno en español puede ser el separador decimal, y quitarla convierte 0,05 en 5, cien veces mayor y sin ningún aviso. jats.num() solo la quita cuando el número tiene forma de millares, y devuelve None en cualquier otro caso para que el problema se vea. Con decimales por coma, pásale coma='decimal' a propósito.

3. Reconstruir el tamaño de muestra

Casi ningún artículo de este tipo declara n, y sin n no hay auditoría: ninguna cola se puede calcular. Se recupera por varias vías y se confirma cuando coinciden:

1. Del diseño descrito en métodos (ventanas de agregación, estratos).
2. De la F publicada: reconstruir_n(R2, F, k) despeja n propagando las cajas de R² y F. Un solo F suele bastar para dejar un único entero posible.
3. De las colas de cuatro decimales, si el texto cita alguna. Es la vía más fuerte: comprueba que todas son compatibles con el n candidato y con ningún otro. Que trece cifras encajen con n=8 y cero con 7 o 9 es un argumento mucho más contundente que una coincidencia suelta.

4. Los barridos algebraicos

Aquí aparecen los hallazgos que nadie puede discutir. Todos en references/barridos.py, todos con propagación de caja.

La identidad R² = r² tiene un uso extra: si se cumple en todas las celdas de una tabla, esa tabla no es regresión múltiple aunque el resumen la llame así.

5. Colas exactas, y la trampa de Spearman

references/estadistica_pura.py da t, F y Pearson por beta incompleta, sin scipy. Con n pequeño hay que usar las colas exactas y no aproximaciones.

Spearman no comparte el crítico de Pearson. Su nula es discreta: spearman_exacto(n) enumera las n! permutaciones y devuelve la retícula de valores alcanzables, sus colas y el crítico real. Con n=8 el crítico es 0.7381 con cola 0.0458, no 0.05, y el valor inmediato inferior de la retícula, 0.7143, ya deja 0.0576: entre uno y otro no hay nada.

Dos precauciones que decidieron el resultado la última vez:

• El redondeo va hacia abajo, no hacia arriba. Un ρ impreso como 0.72 vale menos de 0.725, así que el mayor alcanzable compatible es 0.7143, que no rechaza. Razonar al revés («salta al siguiente valor posible») invierte el veredicto. Este error concreto llegó a estar impreso en el entregable.
• Cuenta cuántos ρ caen fuera de la retícula. Si muchos no son alcanzables sin empates, hay empates en los datos, la nula sin empates no los gobierna y ninguna celda queda resuelta. Esa cifra —37 de 104 en la Semana 5— es más informativa que los veredictos individuales, y además desmonta cualquier intento de atribuir la aproximación a un programa concreto.

6. La discrepancia Pearson–Spearman es la señal diagnóstica

Muchos artículos publican los dos coeficientes y creen que con eso «comprobaron» algo. No: reportar dos estadísticos no es comprobar un supuesto. Contrastarlos sí lo habría sido. Una brecha entre Pearson y Spearman apunta a no linealidad o a una observación influyente, que es exactamente lo que la dimensión de forma funcional pide.

pearson_vs_spearman cuenta las celdas donde los dos caen en lados opuestos del alfa declarado y las de signos opuestos. En la Semana 5 fueron 21 de 104 y 6 respectivamente, sin un solo comentario del artículo. Ese es el argumento que derrota la defensa de «parcial»: el diagnóstico estaba impreso en sus propias tablas y nadie lo miró.

7. Multiplicidad

Cuenta pruebas distintas, no celdas: en regresión simple p(b), p(modelo) y p(Pearson) son la misma prueba impresa tres veces, y contarlas por separado infla el denominador. multiplicidad(n_pruebas, n_significativas) da las esperadas bajo nulo global y el umbral de Bonferroni.

Y no te pases de frenada. Si el exceso de significativas es enorme, la señal supera al ruido y lo criticable no es la ausencia de corrección: es que el artículo lea decenas de resultados significativos sin discutir en ningún momento cuántos esperaba por azar. Bonferroni además es excesivamente conservador cuando las pruebas comparten las mismas observaciones.

8. Digitalizar la figura: donde suele estar el mejor hallazgo

Si el artículo publica un diagrama de dispersión, casi seguro contiene el diagnóstico de influencia que nunca hizo. references/digitalizar.py cubre el proceso. Las reglas están en su docstring; la más importante:

Digitaliza lo menos posible. Si el texto publica las abscisas, úsalas y lee del gráfico solo las ordenadas. En la Semana 5 eso redujo la digitalización a ocho ordenadas más una abscisa, y el ajuste resultante dio pendiente 0.4188 y R² 0.9126 frente a los 0.4185 y 0.912 impresos en la propia figura: la lectura se valida sola.

El umbral de tinta con que separas los rótulos del fondo mueve la calibración, así que el residuo que devuelve calibrar() es el control de calidad: por encima de dos píxeles has emparejado mal los rótulos o uno se partió en dos grupos.

Después, influencia() y banda(). Una cifra que no sobrevive a mover cada lectura un píxel no se usa. Y al revés: si sobrevive, dilo, porque convierte una estimación en una demostración.

⚠️ No sobredeclares la precisión. Escribir «reproduce con cuatro decimales» cuando coincides en tres es exactamente el defecto que le imputas al artículo.

9. El dictamen

Tres categorías, y la frontera está en la palabra localizable:

• Suficiente: evidencia pertinente para los supuestos principales, con sus decisiones explicadas.
• Parcial: algunas comprobaciones relevantes, pero quedan dimensiones sin evaluar.
• No documentada: reporta ajuste y resultados sin evidencia localizable de evaluación diagnóstica.

Una declaración sin resultado no es evidencia localizable. «A temporal trend analysis was performed» sin indicador, criterio ni resultado no documenta la dimensión de independencia. Dilo así, y con esa precisión: no sostienes que no se hiciera, sostienes que no aparece.

Construye la mejor defensa posible de la categoría vecina y derrótala en el documento. Un dictamen que no se ha enfrentado a su objeción más fuerte no está sustentado. Y cuidado con el argumento fácil: sostener que los p de Spearman «no son libres de distribución» es falso, porque su nula depende solo de los rangos. Lo que no es libre es el cálculo, no la distribución.

Cierra siempre con lo que el artículo sí hace bien y con qué habría bastado para alcanzar la categoría superior. Una auditoría que solo acusa es más débil que una que además mide la distancia al aprobado.

10. El entregable

El formato lo fija la consigna de la actividad, no la costumbre: léela primero. Para el LaTeX, el preámbulo canónico y sus trampas ya pagadas están en references/preambulo.tex, que viene con este skill.

Dos defectos de maquetación que sobrevivieron a varias revisiones humanas y a una auditoría ciega, y que references/maquetacion.py detecta por script:

• Encabezado de longtable huérfano: filete, títulos de columna y ninguna fila, arriba de una página, encima del rótulo de la sección siguiente. Lo provoca un longtable que abre tras un macro de sección con \needspace. No se arregla quitando \nopagebreak ni con \clearpage bloque a bloque: hay que darle al \needspace sitio para rótulo, título, encabezado y primera fila (15 líneas bastaron), y hacerlo selectivo, porque aplicarlo a los bloques de texto desperdicia páginas enteras.
• Retrato pisado por el texto: wrapfigure deja de aplicar la sangría en cuanto termina el párrafo, y si el párrafo tiene menos líneas que las reservadas, el siguiente escribe encima de la foto. Usa dos minipage.

Antes de entregar: compila el ZIP en un directorio vacío, compara el md5 del .tex del paquete contra el del fuente, y comprueba que el texto del PDF reconstruido coincide con el entregado. Un ZIP desfasado produce en Overleaf un documento distinto del que revisaste.

Herramientas

Viven junto a este archivo, no en el directorio de trabajo. Antes del primer comando, fija la ruta absoluta del directorio que contiene este SKILL.md:

SKILL_DIR=<directorio de este SKILL.md>

Instalado como plugin queda bajo plugins/cache/…, no en el proyecto, así que python3 references/… a secas falla.

Todos se prueban contra la auditoría de microorganisms-12-02661 (dengue en México, MDPI 2024) y reproducen sus cifras: n=8, crítico de Spearman 0.7381 con cola 0.0458, 4 identidades rotas, 2 contradicciones de signo, 7 celdas con dos valores p de las que 6 son redondeo, 37 coeficientes fuera de la retícula, 21 discrepancias Pearson–Spearman, h = 0.516 y D de Cook = 1.84.

python3 "$SKILL_DIR/references/probar.py" <fulltext.xml> <raster_figura.png>

Sin argumentos comprueba lo que no necesita los archivos del artículo. Devuelve código 1 si algo falla, así que sirve tal cual en un gancho o en CI.