REPRODUCIBILIDAD CIENTÍFICA EN LA ERA DIGITAL: PROPUESTA METODOLÓGICA PARA AUDITORÍA DE DATOS Y ANÁLISIS REPLICABLES

Resumen

La reproducibilidad científica es un elemento fundamental del método científico que propicia la verificación independiente de los resultados. Sin embargo, la creciente complejidad de los datos, el análisis y el software en la era digital han convertido la denominada "crisis de reproducibilidad", en una preocupante realidad. De hecho, los estudios demuestran que una alta cuota de los resultados científicos publicados, en particular en biomedicina y ciencia de datos, resulta difícil de reproducir, lo que erosiona la confianza pública. La falta de documentación explícita del software, la falta de disponibilidad de los datos primarios y la ambigüedad en la redacción del código de análisis son factores que, en la actualidad, son todos determinantes en el problema. En esta situación, la necesidad de un marco común y universal para la auditoría de trabajos de investigación se hace acuciante, surgiendo así la ciencia abierta como una opción posible. En este artículo se presenta un marco común y auditable para mejorar la reproducibilidad a partir de la unión de prácticas de reporte y principios para la auditoría de los datos y contenedores de software (Docker o Singularity, por ejemplo). El enfoque se apoya en una revisión sistemática de la literatura desde el año 2002 al 2021 para evidenciar un proceso que garantice la integridad de los datos y la trazabilidad del análisis. Para terminar, se concluye que un marco basado en datos limpios y entornos virtualizados mejora bastante la reproducibilidad, favoreciendo la confianza y la cooperación entre científicos.

Abstract

Scientific reproducibility is a fundamental element of the scientific method that promotes independent verification of results. However, the growing complexity of data, analysis, and software in the digital age has made the so-called “reproducibility crisis” a worrying reality. In fact, studies show that a high proportion of published scientific results, particularly in biomedicine and data science, are difficult to reproduce, which erodes public confidence. The lack of explicit software documentation, the unavailability of primary data, and ambiguity in the wording of the analysis code are all factors that currently contribute to the problem. In this situation, the need for a common and universal framework for auditing research work becomes pressing, with open science emerging as a possible option. This article presents a common and auditable framework for improving reproducibility by combining reporting practices and principles for auditing data and software containers (Docker or Singularity, for example). The approach is based on a systematic review of the literature from 2002 to 2021 to demonstrate a process that guarantees data integrity and analysis traceability. Finally, it is concluded that a framework based on clean data and virtualized environments greatly improves reproducibility, promoting trust and cooperation among scientists.