Reproductibilidad

Qué es la reproductibilidad

Se llama reproductibilidad a la propiedad de un resultado científico de mantenerse cuando otro investigador, en otro lugar y con sus propios medios, intenta obtenerlo de nuevo siguiendo la misma descripción metodológica. No mide si un hallazgo es correcto en términos absolutos, sino si es estable: si depende de las circunstancias particulares de quien lo obtuvo la primera vez o si, por el contrario, resiste el cambio de manos.

La palabra se construye sobre reproducir (del latín reproducere) mediante el sufijo de capacidad -ble y el sufijo abstracto -idad. El diccionario general de la Real Academia Española solo recoge la variante reproducibilidad, definida como la «capacidad de reproducirse o ser reproducido». La forma reproductibilidad, con te, no es incorrecta: la propia Academia la incluye en su diccionario científico, Enclave de ciencia, referida en concreto al ámbito de las medidas, y es también la que popularizaron las traducciones españolas del ensayo de Walter Benjamin La obra de arte en la época de su reproductibilidad técnica (1935). En la literatura médica y estadística, no obstante, reproducibilidad es, con diferencia, la forma más usada.

Reproductibilidad, repetibilidad y replicabilidad

En metrología, el Vocabulario Internacional de Metrología distingue con precisión la repetibilidad de la reproducibilidad de una medición. La repetibilidad se obtiene cuando el mismo operador repite una medición con el mismo instrumento, en el mismo lugar y en un periodo corto de tiempo. La reproducibilidad exige, en cambio, variar alguna de esas condiciones (otro operador, otro instrumento, otro laboratorio, otro momento) y comprobar si el resultado se mantiene. Un aparato puede ser muy repetible y poco reproducible: dar siempre la misma lectura en manos de la misma persona y, sin embargo, discrepar cuando lo usa otra.

Fuera de la metrología, en el terreno de la investigación biomédica, el matiz relevante es otro: el que separa reproducibilidad de replicabilidad. Esta distinción, formalizada en 2019 por la Academia Nacional de Ciencias de Estados Unidos tras años de uso confuso e intercambiable de ambos términos, reserva reproducibilidad para el caso en que otro equipo llega a los mismos resultados partiendo de los datos y el código originales, y replicabilidad para cuando los alcanza recabando datos nuevos e independientes sobre la misma pregunta. La primera es, en principio, exigible siempre. La segunda es más delicada, porque una falta de replicación no siempre delata un error: a veces señala, sencillamente, que el fenómeno depende de condiciones que aún no se han identificado.

El origen de esta distinción computacional se remonta a los años noventa, cuando el geofísico de Stanford Jon Claerbout empezó a exigir a sus estudiantes que publicaran, junto a cada artículo, el código y los datos necesarios para recrear exactamente sus figuras. No debe confundirse, por cierto, con la replicación del ADN: comparten raíz latina, pero una describe cómo una célula copia su material genético antes de dividirse, mientras que la otra describe si un hallazgo científico se sostiene fuera del laboratorio donde nació.

Por qué importa en la investigación médica

La variabilidad biológica entre personas, sumada a la presión por publicar resultados novedosos y estadísticamente significativos, hace que buena parte de la literatura biomédica no supere una comprobación independiente. En 2005, el epidemiólogo John Ioannidis publicó en la revista PLoS Medicine un artículo célebre, «Why Most Published Research Findings Are False», en el que argumentaba matemáticamente que, en muchos campos de la investigación clínica, es más probable que una afirmación publicada sea falsa que verdadera. Diez años más tarde, un análisis económico calculó que más de la mitad de la investigación preclínica en ciencias de la vida resulta irreproducible, con un coste estimado de 28 000 millones de dólares anuales solo en Estados Unidos.

Mejorar la reproductibilidad no depende de un solo gesto. Ayuda compartir los datos brutos y el código de análisis, describir el método con el detalle suficiente para que otro lo repita sin adivinar nada, calcular de antemano el tamaño de muestra necesario y registrar públicamente la hipótesis antes de conocer los resultados. Ninguna de estas medidas elimina el problema por completo, pero cada una reduce el margen para que un hallazgo llamativo resulte, a la larga, un espejismo estadístico.

Preguntas frecuentes

¿De dónde viene la palabra reproductibilidad?

De reproducir, con los sufijos -ble e -idad. Conviven dos formas, reproducibilidad y reproductibilidad, y la segunda debe buena parte de su difusión en español a la traducción del ensayo de Walter Benjamin sobre el arte y su reproductibilidad técnica.

¿Es lo mismo reproductibilidad que repetibilidad?

No. La repetibilidad se mide cuando todo permanece igual salvo el instante de la medición; la reproducibilidad, cuando cambia algo más: el operador, el instrumento o el laboratorio.

¿Tiene algo que ver con la replicación del ADN?

Comparten la raíz latina reproducere, pero no el significado: la replicación es un proceso celular, mientras que la reproductibilidad es una propiedad de los resultados científicos.

¿Qué tamaño tiene el problema en medicina?

Según una estimación de 2015 publicada en PLoS Biology, más del 50 % de la investigación preclínica no resulta reproducible, con un coste calculado en unos 28 000 millones de dólares al año solo en Estados Unidos.

Referencias

1. Centro Español de Metrología. Vocabulario Internacional de Metrología (VIM), 3.ª edición. cem.es
2. National Academies of Sciences, Engineering, and Medicine. Reproducibility and Replicability in Science. The National Academies Press, 2019. doi.org/10.17226/25303
3. Ioannidis JPA. Why Most Published Research Findings Are False. PLoS Medicine, 2005. journals.plos.org
4. Freedman LP, Cockburn IM, Simcoe TS. The Economics of Reproducibility in Preclinical Research. PLoS Biology, 2015. journals.plos.org
5. Plesser HE. Reproducibility vs. Replicability: A Brief History of a Confused Terminology. Frontiers in Neuroinformatics, 2018. ncbi.nlm.nih.gov/pmc/articles/PMC5778115