La revisión sistemática de literatura es el método más riguroso para sintetizar el conocimiento existente sobre una pregunta concreta. A diferencia de una revisión narrativa, no selecciona fuentes según el criterio del autor: sigue un protocolo explícito, documentado y reproducible, diseñado precisamente para minimizar el sesgo de selección.
Ese rigor tiene un costo elevado en tiempo. Una revisión sistemática puede implicar cribar miles de registros para retener unas pocas decenas. La inteligencia artificial incide justamente sobre las fases más costosas, pero su integración debe hacerse sin comprometer aquello que hace valiosa a una revisión sistemática: la transparencia y la reproducibilidad.
Qué es y qué no es una revisión sistemática
Una revisión sistemática responde a una pregunta delimitada reuniendo toda la evidencia disponible que cumpla criterios definidos de antemano. Sus rasgos distintivos son:
- Un protocolo previo que fija la pregunta, los criterios y la estrategia antes de empezar.
- Criterios explícitos de inclusión y exclusión.
- Una búsqueda exhaustiva en múltiples fuentes.
- Cribado por pares, con resolución documentada de desacuerdos.
- Evaluación de la calidad de los estudios incluidos.
- Documentación completa que permita a otro investigador reproducir el proceso.
Lo que no es: una recopilación de los trabajos que conoces, ni una síntesis de lo que resultó fácil de encontrar. Si el proceso no puede reproducirse, no es sistemático, por muchas fuentes que incluya.
Las fases del proceso
Aunque existen variantes según la disciplina, la secuencia general es estable: formular la pregunta, elaborar el protocolo, definir criterios, diseñar la estrategia de búsqueda, ejecutar la búsqueda, eliminar duplicados, cribar por título y resumen, cribar a texto completo, evaluar la calidad, extraer los datos, sintetizar y reportar.
Veamos dónde puede intervenir la IA en cada una y con qué precauciones.
Fase 1: Formular la pregunta
Una revisión sistemática exige una pregunta precisa. Los marcos estructurados ayudan a construirla identificando población, intervención o fenómeno de interés, comparación cuando corresponda, y resultados esperados.
La IA es útil para ensayar formulaciones: pídele que reformule tu pregunta en distintos niveles de especificidad y que señale qué elementos quedan ambiguos. Un buen prompt aquí: "Reformula esta pregunta de investigación aplicando un marco estructurado. Identifica qué componentes están definidos con precisión y cuáles quedan ambiguos o admiten interpretaciones distintas."
Fase 2: Estrategia de búsqueda
Aquí la asistencia es especialmente valiosa. Construir una ecuación de búsqueda eficaz exige combinar términos, sinónimos, variantes idiomáticas y descriptores controlados con operadores booleanos.
- Solicita listas de sinónimos y términos relacionados para cada concepto clave.
- Pide ayuda para estructurar la ecuación con operadores y truncamientos.
- Solicita adaptaciones de la ecuación a la sintaxis de distintas bases de datos.
Precaución importante: la ecuación resultante debe probarse y ajustarse empíricamente. Una estrategia que devuelve muy pocos resultados probablemente sea demasiado restrictiva; una que devuelve decenas de miles, demasiado laxa. Y la ecuación final debe reportarse íntegramente en el documento.
Fase 3: Búsqueda y descubrimiento complementario
La búsqueda principal debe realizarse en bases de datos académicas mediante ecuaciones documentadas. Este punto es innegociable: solo así el proceso es reproducible.
Ahora bien, los motores de búsqueda semántica resultan muy útiles como complemento, porque recuperan trabajos conceptualmente afines que la terminología de tu ecuación podría no capturar. Del mismo modo, las herramientas que mapean redes de citación ayudan a identificar trabajos conectados con los que ya tienes.
La regla práctica: usa estos recursos para enriquecer y detectar posibles omisiones, no para sustituir la búsqueda sistemática documentada. Y reporta ambos procedimientos.
Fase 4: Cribado
Es la fase que más tiempo consume y donde la asistencia automática promete mayores ganancias. Los sistemas pueden priorizar los registros según su afinidad con tus criterios, de modo que los estudios relevantes aparezcan antes y el cribado avance con mayor eficiencia.
Las precauciones aquí son críticas:
- La decisión de excluir debe ser humana. Priorizar el orden es aceptable; eliminar automáticamente introduce un sesgo no documentado.
- Mantén el cribado independiente por dos revisores cuando el diseño lo exija, y documenta el nivel de acuerdo.
- Reporta el uso de asistencia automatizada en la sección de métodos, incluyendo en qué consistió exactamente.
- Registra el flujo completo de registros: identificados, duplicados eliminados, cribados, excluidos con motivo y finalmente incluidos.
Fase 5: Extracción de datos
Las herramientas de extracción pueden leer los estudios incluidos y organizar sus datos en tablas comparables: diseño, muestra, contexto, instrumentos, resultados principales, limitaciones. El ahorro es considerable y el formato tabular facilita la síntesis posterior.
La verificación es obligatoria. La extracción automática puede confundir cifras, atribuir resultados a la muestra equivocada o simplificar hallazgos matizados. Comprueba en el texto original cada dato que vayas a utilizar, especialmente los cuantitativos.
Fase 6: Evaluación de la calidad
Valorar el riesgo de sesgo de cada estudio requiere juicio experto y conocimiento del campo. La IA puede ayudarte a organizar la información según los criterios de una herramienta de evaluación, pero la valoración debe ser tuya. Un sistema que no comprende las particularidades metodológicas de tu disciplina no puede juzgar si una limitación concreta compromete los resultados.
Las herramientas que analizan el contexto de las citas aportan aquí información complementaria útil, al mostrar si un trabajo ha sido respaldado o cuestionado por publicaciones posteriores.
Fase 7: Síntesis
La síntesis puede ser narrativa o cuantitativa. La IA puede ayudarte a identificar patrones entre estudios, agrupar hallazgos por corrientes y detectar contradicciones. Lo que no puede hacer es decidir qué significa el conjunto de la evidencia para tu pregunta: esa es la aportación intelectual de la revisión.
Un uso especialmente productivo consiste en pedir una lectura crítica de tu propia síntesis: "Identifica en este apartado afirmaciones que exceden lo que la evidencia presentada sostiene, y señala matices de los estudios incluidos que podrían estar quedando ocultos."
Fase 8: Reporte y transparencia
El reporte debe permitir la reproducción íntegra del proceso. Cuando se ha empleado asistencia automatizada, la transparencia exige detallar:
- Qué tipo de herramienta se utilizó y en qué fase.
- Qué función cumplió exactamente (priorización, extracción, organización).
- Cómo se verificaron sus resultados.
- Qué decisiones permanecieron enteramente humanas.
Omitir esta información no solo resta transparencia: impide que otros valoren adecuadamente la solidez de tu revisión.
Riesgos que conviene anticipar
- Referencias inexistentes: nunca incluyas un estudio que no hayas localizado y leído en su publicación original.
- Sesgo de selección oculto: si un sistema descarta registros según criterios que no puedes inspeccionar, tu revisión deja de ser reproducible.
- Falsa exhaustividad: la velocidad puede generar la impresión de haber cubierto todo cuando la estrategia era deficiente.
- Pérdida de familiaridad con la evidencia: quien no ha leído los estudios no puede interpretarlos ni defender la revisión.
Conclusión
La inteligencia artificial no altera la lógica de la revisión sistemática, pero sí modifica su economía: construir estrategias de búsqueda, priorizar el cribado, extraer datos y organizar hallazgos exige hoy una fracción del esfuerzo tradicional. Ese ahorro puede traducirse en revisiones más amplias, más actualizadas y al alcance de equipos más pequeños.
La condición para que ese beneficio sea real es mantener intacto lo que da valor al método: protocolo previo, criterios explícitos, decisiones humanas documentadas, verificación de cada dato y reporte transparente del papel que cumplió cada herramienta. Con esas garantías, la asistencia automatizada fortalece la revisión sistemática en lugar de debilitarla.
¿Estás diseñando una revisión sistemática? Comparte tu pregunta de investigación en los comentarios.
No hay comentarios