Rechazo editorial directo en revistas biomédicas: cómo diagnosticar el problema, reparar tu manuscrito y usar la IA con responsabilidad

Un rechazo editorial directo ocurre cuando un editor declina un manuscrito antes de enviarlo a revisión por pares externa. Es habitual, sobre todo en revistas biomédicas selectivas. Un editorial de Parasites & Vectors reportó una tasa de rechazo previo a la revisión del 39 % para esa revista y citó una tasa del 78 % para JAMA Internal Medicine en 2017. Estas cifras no aplican a todas las revistas, pero muestran que el cribado editorial puede ser una barrera más inmediata que la revisión por pares. (Dantas-Torres, 2022)

Los autores a menudo interpretan un rechazo editorial directo como prueba de que su estudio es científicamente débil. Esa conclusión no siempre está justificada. Durante el cribado inicial, un editor suele considerar un conjunto más estrecho de preguntas:

• ¿El manuscrito encaja con el alcance de la revista?
• ¿La contribución es pertinente para los lectores de la revista?
• ¿El resultado principal queda claro a partir del título y el resumen?
• ¿Ya son visibles problemas metodológicos graves?
• ¿El manuscrito sigue los requisitos de reporte y de envío de la revista?
• ¿Son fiables las referencias, las declaraciones, las figuras y los archivos suplementarios?
• ¿El artículo parece listo para que los revisores lo evalúen?

Un estudio puede contener datos válidos y aun así fallar una de estas comprobaciones. La respuesta correcta no es enviar el mismo archivo de inmediato a otra revista. Primero determina si el problema concierne a la revista seleccionada, al manuscrito, al estudio de fondo o al paquete de envío. Cada problema requiere una corrección distinta.

¿Qué significa un rechazo editorial directo?

Un rechazo editorial directo también puede llamarse rechazo editorial, rechazo previo a la revisión, rechazo de cribado inicial o rechazo sin revisión externa.

La decisión suele tomarla un editor en jefe, un editor encargado, un editor de sección o un equipo editorial. Según la revista, el editor puede examinar solo el título, el resumen, la carta de presentación y los archivos de envío, o puede hacer una revisión rápida del manuscrito completo.

Las razones habituales reportadas por editores biomédicos incluyen:

• Un desajuste con el alcance de la revista
• Pertinencia limitada para la audiencia de la revista
• Novedad o prioridad insuficientes
• Diseño de estudio inapropiado o incompleto
• Información metodológica faltante
• Reporte débil de los datos
• Aprobación ética o registro de ensayo faltantes
• Figuras o tablas mal preparadas
• Lenguaje que impide una evaluación precisa
• Plagio, similitud excesiva de texto o publicación redundante
• Incumplimiento de las instrucciones de envío de la revista

El Pakistan Journal of Medical Sciences, por ejemplo, lista el desajuste de alcance, las referencias antiguas, la aprobación ética faltante, los ensayos clínicos no registrados, el lenguaje débil y el incumplimiento de las instrucciones para autores entre las razones por las que los manuscritos pueden declinarse durante el cribado inicial. (Jawaid and Jawaid, 2019)

Un rechazo editorial directo no prueba que el análisis sea incorrecto ni que el estudio no tenga valor. Muestra que el manuscrito no aportó suficiente evidencia de pertinencia, claridad, credibilidad metodológica o cumplimiento para justificar la revisión externa.

Diagnostica el rechazo antes de revisar el manuscrito

Empieza por la carta de decisión. Ignora el lenguaje estándar como:

Gracias por considerar nuestra revista. Recibimos más manuscritos de los que podemos publicar.

Esa oración no identifica el problema. Busca la parte que se refiere de forma específica a tu envío.

No asumas que “fuera de nuestro alcance” significa que el artículo debería enviarse a otra parte sin revisión. El título y el resumen pueden haber representado mal el estudio, o la siguiente revista puede exigir un énfasis distinto, una estructura de artículo distinta, una lista de reporte distinta y una carta de presentación distinta.

1. Determina qué tipo de problema tienes

Antes de editar oraciones sueltas, clasifica el fallo.

Un problema de selección de revista

El manuscrito no coincide con el alcance, la audiencia, la selectividad o los tipos de estudio aceptados de la revista.

Los ejemplos incluyen:

• Un estudio de prevalencia de un solo centro enviado a una revista que prioriza investigación clínica multicéntrica
• Un reporte de caso enviado a una revista que rara vez publica reportes de caso
• Un modelo diagnóstico técnicamente válido enviado a una revista médica general sin evidencia de utilidad clínica
• Una encuesta de salud pública de foco local enviada a una revista internacional que exige aplicabilidad más amplia
• Una revisión narrativa enviada a una revista que acepta solo revisiones sistemáticas

Mejorar la gramática no resolverá un problema de selección de revista. La corrección primaria es elegir una revista que publique el tipo de evidencia que produjiste.

Un problema de manuscrito

El estudio puede ser adecuado, pero el manuscrito no lo explica con claridad.

Las señales típicas incluyen:

• El título identifica la enfermedad pero no la contribución.
• El resumen describe el procedimiento pero no reporta el resultado principal.
• La introducción presenta un problema clínico amplio pero ninguna laguna de conocimiento concreta.
• La contribución se describe con palabras sin respaldo como “novedoso”, “robusto” o “eficaz”.
• La sección de resultados no reporta tamaños del efecto ni incertidumbre.
• La discusión exagera las implicaciones clínicas.
• La terminología cambia entre el resumen, los métodos y los resultados.
• Las figuras son difíciles de interpretar.
• Las conclusiones no coinciden con el desenlace primario.

Estos problemas requieren revisión del manuscrito más que un experimento nuevo.

Un problema de estudio

El diseño, los datos, el análisis o la evidencia no pueden respaldar la conclusión principal.

Los ejemplos incluyen:

• Un estudio diagnóstico no tiene un estándar de referencia apropiado.
• Un modelo de predicción se evalúa solo sobre los datos usados para desarrollarlo.
• Un diseño de casos y controles se presenta como si estimara la prevalencia poblacional.
• Una asociación retrospectiva se describe como un efecto causal.
• Un ensayo clínico no se registró de forma prospectiva.
• El desenlace primario se cambió sin explicación.
• La muestra es demasiado pequeña para los análisis de subgrupos propuestos.
• Se ignoran los datos faltantes sin justificación.
• Un modelo diagnóstico reporta solo exactitud a pesar de un desequilibrio sustancial de clases.
• Un tratamiento se describe como clínicamente beneficioso con base solo en un biomarcador de laboratorio.
• Un modelo desarrollado en un hospital se describe como generalizable sin validación externa.

Una carta de presentación nueva no puede corregir estos problemas. El estudio puede requerir análisis adicional, más recolección de datos, validación externa, afirmaciones reducidas o una pregunta de investigación distinta.

Un problema de paquete de envío

El manuscrito puede ser adecuado, pero el envío subido viola un requisito.

Los ejemplos incluyen:

• Aprobación ética faltante
• Declaración de consentimiento informado faltante
• Número de registro de ensayo clínico faltante
• Categoría de artículo incorrecta
• Lista de reporte faltante
• Declaración de disponibilidad de datos faltante
• Declaraciones de autoría incompletas
• Figuras subidas en el formato equivocado
• Información identificadora dejada en un manuscrito cegado
• Referencias que no siguen el estilo requerido
• Métodos suplementarios faltantes
• Falta de declaración de manuscritos o preprints relacionados
• Declaración de uso de IA faltante cuando se requiere

Estos fallos suelen ser prevenibles.

2. Comprueba si la revista es una coincidencia genuina

Leer los objetivos y el alcance de la revista es necesario, pero no basta. Los enunciados de alcance suelen ser amplios. Las publicaciones recientes muestran qué temas, diseños de estudio y niveles de contribución seleccionan de hecho los editores.

Abre los dos números más recientes de la revista y examina al menos 15 artículos de investigación. Registra:

• Especialidad médica
• Pregunta clínica o biológica
• Diseño del estudio
• Población
• Tamaño de muestra
• Desenlace primario
• Tipo de contribución
• Alcance geográfico
• Categoría de artículo
• Nivel de significación clínica o científica

Luego compara esas características con tu manuscrito.

Una puntuación práctica de encaje con la revista

Asigna 0, 1 o 2 puntos en cada categoría.

Una puntuación baja no significa que el estudio carezca de valor científico. Significa que es improbable que la revista reconozca ese valor.

Ejemplo biomédico

Supón que completaste un estudio transversal de adherencia a la medicación entre 180 pacientes que asisten a una clínica ambulatoria de diabetes.

El estudio puede ser útil para la mejora local del servicio. Sin embargo, puede ser una coincidencia débil para una revista médica general que publica sobre todo ensayos multicéntricos, cohortes representativas a nivel nacional y estudios que cambian la práctica clínica.

Una revista de educación en diabetes, práctica farmacéutica, salud pública regional o calidad de la atención puede ser una mejor coincidencia.

No fabriques una pertinencia más amplia afirmando que una clínica representa a todos los pacientes con diabetes. Selecciona una revista cuyos lectores necesiten la evidencia que de hecho recolectaste.

3. Haz visibles la laguna de investigación y la contribución

Los editores no pueden inferir la contribución a partir del tiempo invertido en recolectar datos. Evalúan la afirmación científica presentada en el manuscrito.

Antes de revisar la introducción, responde cuatro preguntas:

1. ¿Qué se sabe ya?
2. ¿Qué sigue sin estar claro?
3. ¿Qué examinó o cambió este estudio?
4. ¿Por qué importa la respuesta?

Un enunciado útil de contribución sigue esta estructura:

Los estudios previos han mostrado [conocimiento establecido], pero [incertidumbre o limitación concreta] sigue sin resolverse. Por tanto [acción precisa del estudio] en [población o entorno]. Encontramos [resultado principal], lo cual indica [significado científico o clínico acotado].

Ejemplo débil

La sepsis es un problema importante de salud global. Se han desarrollado varios modelos de aprendizaje automático para predecir la sepsis. Este estudio propone un modelo novedoso y robusto de inteligencia artificial para la predicción temprana de la sepsis.

Problemas:

• “Importante” no añade información concreta.
• “Varios modelos” no identifica la limitación del trabajo previo.
• “Novedoso” se afirma más que se demuestra.
• “Robusto” no está definido.
• Faltan la población y el entorno de validación.
• El propósito clínico no es claro.

Ejemplo biomédico más sólido

Los modelos existentes de predicción de sepsis han reportado alta discriminación durante la validación interna, pero su desempeño a menudo disminuye cuando se evalúan en hospitales que no estuvieron representados durante el desarrollo del modelo. Validamos de forma externa un modelo de historia clínica electrónica en pacientes adultos de cuidados intensivos de tres hospitales independientes. La discriminación disminuyó de un área bajo la curva ROC de 0,86 en la cohorte de desarrollo a entre 0,71 y 0,75 en las cohortes externas, lo cual indica una transportabilidad limitada sin recalibración local.

Esta versión enuncia:

• Qué establecieron los estudios previos
• Qué seguía sin estar claro
• Qué hizo el estudio
• Qué se encontró
• Qué significa el resultado

No afirma que el modelo mejore los desenlaces de los pacientes porque el estudio no puso a prueba la implementación clínica.

4. Empareja la fuerza de la afirmación con la evidencia

Muchos manuscritos biomédicos se rechazan porque la conclusión es más fuerte de lo que el diseño permite.

Conclusión débil

El biomarcador se puede usar para mejorar el diagnóstico temprano del cáncer.

Conclusión más precisa

El biomarcador distinguió a pacientes con cáncer confirmado de los controles en esta muestra retrospectiva de casos y controles. Se requiere una evaluación prospectiva en una población clínicamente representativa antes de que se pueda establecer su utilidad diagnóstica.

La precisión no debilita un artículo. Muestra que los autores entienden lo que su evidencia puede y no puede respaldar.

5. Pon a prueba el título y el resumen

Los editores a menudo forman su juicio inicial a partir del título, el resumen y la carta de presentación. Estas secciones deben reportar la contribución y el resultado, no solo el tema.

La prueba del resultado en una oración

Dale el título y el resumen a un colega que no condujo el estudio. Pregunta:

¿Qué encontró este estudio?

Una respuesta débil suena así:

Los autores estudiaron la vitamina D y las infecciones respiratorias.

Eso identifica solo el tema.

Una respuesta útil suena así:

En una cohorte prospectiva de adultos mayores, una concentración basal más baja de vitamina D se asoció con más infecciones respiratorias, pero la asociación se debilitó después del ajuste por fragilidad y enfermedad crónica.

Eso identifica el hallazgo y una salvedad importante.

Cuando el lector solo puede describir lo que estudiaste, revisa el resumen.

Usa una estructura de resumen de cinco partes

Un resumen biomédico claro debería contener por lo general:

1. Problema clínico o científico: ¿Qué problema concreto motivó el estudio?
2. Laguna de conocimiento: ¿Qué no se sabía?
3. Métodos: ¿Qué diseño, población, exposición, intervención o prueba se usó?
4. Resultados: ¿Qué se encontró?
5. Interpretación: ¿Qué respalda el resultado?

Los resultados deberían incluir evidencia cuantitativa cuando corresponda:

• Número de participantes
• Tamaño del efecto
• Intervalo de confianza
• Sensibilidad y especificidad
• Diferencia absoluta de riesgo
• Hazard ratio o razón de riesgos
• Medida de calibración
• Diferencia respecto al grupo de comparación
• Tasa de eventos adversos
• Tasa de datos faltantes
• Desempeño de la validación externa

Oración de resultado débil

La intervención mejoró de forma significativa la recuperación de los pacientes.

Oración de resultado más sólida

La mediana del tiempo hasta el alta hospitalaria fue de 5,2 días en el grupo de intervención y de 6,1 días en el grupo de control, una diferencia ajustada de −0,8 días (intervalo de confianza del 95 %, −1,3 a −0,2).

La oración más sólida le dice al editor:

• Qué desenlace cambió
• Cuánto cambió
• En qué dirección
• Cuán incierta es la estimación

No uses “significativo” como sustituto de reportar el resultado.

6. Inspecciona problemas metodológicos que un editor puede ver con rapidez

Un editor puede no reproducir tu análisis durante el cribado, pero varios problemas son visibles a partir del resumen o de una revisión rápida de los métodos.

Antes del envío, confirma que el manuscrito responde a las siguientes preguntas.

Pregunta de investigación y diseño

• ¿La pregunta primaria de investigación es explícita?
• ¿El diseño seleccionado responde a esa pregunta?
• ¿Está definido el desenlace primario?
• ¿El análisis primario se preespecificó?
• ¿El estudio es exploratorio, confirmatorio, diagnóstico, pronóstico o causal?
• ¿El lenguaje refleja ese propósito?

Población y muestreo

• ¿Se describe la población fuente?
• ¿Están justificados los criterios de inclusión y exclusión?
• ¿Se reporta el período de reclutamiento?
• ¿La muestra es clínicamente representativa?
• ¿Se aporta el cálculo o la justificación del tamaño de muestra?
• ¿Se reporta el flujo de participantes?

Ensayos clínicos

• ¿El ensayo se registró antes de que se enrolara el primer participante?
• ¿Se reporta el número de registro?
• ¿Coinciden los desenlaces registrados y los publicados?
• ¿Se describen los procedimientos de asignación, cegamiento y aleatorización?
• ¿Se reportan los daños?

El International Committee of Medical Journal Editors recomienda el registro de los ensayos clínicos en un registro público en el momento o antes de que el primer participante dé su consentimiento para el enrolamiento. La aprobación ética no sustituye el registro prospectivo del ensayo. (guía del ICMJE sobre registro de ensayos clínicos)

Estudios diagnósticos y de predicción

• ¿El estándar de referencia es apropiado?
• ¿Los evaluadores de la prueba índice estaban cegados al estándar de referencia?
• ¿El entorno clínico es representativo del uso previsto?
• ¿Se reportan tanto la discriminación como la calibración?
• ¿Se realizó validación externa?
• ¿Los valores faltantes se manejaron de forma apropiada?
• ¿El umbral de decisión está justificado?
• ¿Se comparó el desempeño con la práctica clínica actual?

Para modelos clínicos de predicción, la declaración TRIPOD+AI aporta una guía de reporte actualizada para métodos de regresión y de aprendizaje automático.

Análisis estadístico

• ¿Se reportan los tamaños del efecto con incertidumbre?
• ¿Se incluyen intervalos de confianza?
• ¿Se abordan los supuestos de las pruebas estadísticas?
• ¿Las pruebas múltiples se manejan de forma apropiada?
• ¿Los análisis de subgrupos están preespecificados?
• ¿Los datos faltantes se reportan y se gestionan?
• ¿Se explican los análisis de sensibilidad?
• ¿Las tablas contienen los valores requeridos para verificar las afirmaciones?

No escondas una limitación importante detrás de un lenguaje general. Enúnciala y reduce la afirmación en consecuencia.

7. Usa la guía de reporte biomédico correcta

Una guía de reporte no repara un diseño de estudio débil después de la recolección de datos. Ayuda a los autores a reportar lo que se hizo con claridad y de forma completa.

La Red EQUATOR mantiene una colección consultable de guías de reporte de investigación en salud. Los ejemplos habituales incluyen:

• CONSORT: Ensayos controlados aleatorizados
• STROBE: Estudios observacionales
• PRISMA: Revisiones sistemáticas y metaanálisis
• STARD: Estudios de exactitud diagnóstica
• TRIPOD+AI: Modelos clínicos de predicción que usan regresión o aprendizaje automático
• CARE: Reportes de caso
• COREQ: Estudios cualitativos de entrevista y grupos focales
• ARRIVE: Investigación animal
• SPIRIT: Protocolos de ensayos clínicos
• PRISMA-P: Protocolos de revisión sistemática

La Red EQUATOR organiza estos recursos por tipo de estudio y especialidad.

Completa la lista de verificación pertinente antes del envío. Para cada ítem de la lista:

1. Identifica dónde aparece la información en el manuscrito.
2. Añade la información faltante cuando esté disponible.
3. Indica cuándo un ítem no aplica.
4. No afirmes cumplimiento cuando falta la información requerida.
5. Sube la lista completada cuando se solicite.

8. Corre una comprobación literal de cumplimiento del envío

Abre las instrucciones para autores de la revista y crea una lista de cada requisito que contenga palabras como:

• “Must”
• “Required”
• “Mandatory”
• “Should include”
• “Authors are expected to”

Comprueba los archivos reales que se subirán, no tu memoria del manuscrito.

Requisitos del manuscrito

• Tipo de artículo correcto
• Límite de palabras
• Resumen estructurado
• Encabezados de resumen requeridos
• Palabras clave requeridas
• Estilo de referencias correcto
• Número máximo de figuras y tablas
• Numeración de líneas
• Versión cegada o no cegada
• Información requerida de la página de título

Ética y reporte de la investigación

• Aprobación de un comité de ética o de un comité institucional de revisión
• Número de aprobación
• Consentimiento informado
• Consentimiento para la publicación de información identificable
• Registro del ensayo
• Declaración de disponibilidad de datos
• Declaración de disponibilidad de código
• Disponibilidad del protocolo
• Declaración de financiamiento

El ICMJE recomienda una revisión ética independiente para la investigación que involucra participantes humanos y exige consentimiento escrito para la publicación cuando la información identificable del paciente es esencial para el reporte. (protección de los participantes en investigación del ICMJE)

Declaraciones de autoría y de publicación

• Contribuciones de los autores
• Conflictos de interés
• Fuentes de financiamiento
• Agradecimientos
• Presentación previa
• Manuscritos relacionados
• Declaración de preprint
• Declaración de uso de IA cuando se requiere

Archivos de envío

• Carta de presentación
• Página de título
• Manuscrito principal
• Figuras
• Métodos suplementarios
• Lista de reporte
• Resumen gráfico
• Destacados
• Revisores sugeridos
• Carta de decisión previa, cuando se requiere

Una declaración ética o un número de registro de ensayo faltantes no son un asunto menor de formato. Pueden impedir que el manuscrito avance.

9. Cómo el uso de IA puede contribuir al rechazo editorial directo

Usar IA no hace automáticamente inaceptable un manuscrito biomédico. La IA puede apoyar la edición lingüística, la organización y la comprobación de errores. Sin embargo, los problemas introducidos por la IA, el fallo de verificar su salida o la violación de la política de una revista pueden contribuir al rechazo.

Las recomendaciones actuales del ICMJE enuncian que los autores siguen siendo responsables de todo el material enviado, deberían revisar la salida generada por IA en busca de inexactitudes, no deberían listar un sistema de IA como autor y deberían declarar cómo se usaron las tecnologías asistidas por IA. (guía del ICMJE sobre el uso de IA por los autores)

Los problemas relacionados con la IA incluyen:

• Referencias fabricadas
• Metadatos de referencia incorrectos
• Artículos reales unidos a afirmaciones sin respaldo
• Evidencia clínica inventada
• Resultados numéricos cambiados
• Lenguaje causal alterado
• Condiciones metodológicas faltantes
• Afirmaciones de novedad genéricas o exageradas
• Terminología inconsistente
• Uso generativo no declarado
• Subir información confidencial de pacientes o del manuscrito
• Imágenes científicas generadas o alteradas por IA que violan la política de la revista
• Texto que los autores no pueden explicar ni defender

El riesgo no es que una oración tenga un “estilo de IA” particular. El riesgo es que el manuscrito enviado contenga material poco fiable, no verificado, inapropiado o no declarado.

La IA puede fabricar referencias

Nunca confíes en una referencia porque contiene autores verosímiles, un título de revista, un año y una cadena con forma de DOI.

Un estudio publicado en Scientific Reports examinó 636 referencias generadas por versiones anteriores de ChatGPT. En esa evaluación, el 55 % de las referencias de GPT-3.5 y el 18 % de las de GPT-4 estaban fabricadas. Entre las referencias que correspondían a publicaciones reales, también eran habituales los errores sustanciales de metadatos. Estos porcentajes describen los modelos y las condiciones de prueba usados en 2023, no todo sistema de IA actual, pero demuestran por qué es necesaria la verificación independiente de las referencias. (Walters and Wilder, 2023)

La política actual de revistas de Elsevier advierte de forma explícita que las referencias generadas por IA pueden ser incorrectas o fabricadas, y enuncia que incluir referencias fabricadas puede conducir al rechazo. (políticas de IA generativa de Elsevier para revistas)

Trata cada referencia sugerida por IA como una pista de búsqueda no verificada, no como una fuente lista para citarse.

Un artículo real puede no respaldar la oración conectada

Encontrar el artículo no completa la verificación.

La IA puede identificar una publicación real pero unirla a un enunciado que el artículo no respalda. Puede:

• Confundir una asociación con un efecto causal
• Aplicar un resultado de un estudio animal a humanos
• Generalizar un estudio en adultos a niños
• Atribuir un desenlace secundario al análisis primario
• Eliminar un intervalo de confianza importante
• Citar un protocolo de estudio como si contuviera resultados
• Citar una revisión sistemática por un valor numérico reportado solo en uno de los estudios incluidos
• Describir un desenlace subrogado como un beneficio clínico

Ejemplo biomédico

Supón que el manuscrito enuncia:

La metformina reduce la mortalidad cardiovascular en pacientes con prediabetes.

Un sistema de IA puede sugerir un artículo real sobre metformina y desenlaces metabólicos. Ese artículo puede reportar la concentración de glucosa, la progresión a diabetes o factores de riesgo cardiovascular, pero no la mortalidad cardiovascular.

La referencia existe, pero no respalda la oración.

Para cada cita, pregunta:

1. ¿La fuente examina la misma población?
2. ¿Examina la misma exposición, intervención, prueba o enfermedad?
3. ¿Reporta el desenlace enunciado en el manuscrito?
4. ¿Respalda la dirección y la fuerza de la afirmación?
5. ¿La evidencia es directa?
6. ¿Una fuente primaria sería más apropiada?

Abre el artículo y localiza el resultado, la tabla, la figura o el pasaje de discusión exactos que respaldan la oración.

10. Un flujo de trabajo fiable de referencias asistido por IA

No copies referencias formateadas por IA de forma directa al manuscrito.

Usa el siguiente procedimiento para cada referencia sugerida por IA.

Paso 1: Localiza el artículo de forma independiente

Busca el título exacto, el autor o el DOI usando:

• El sitio web del editor
• PubMed
• Crossref
• Una base de datos institucional de confianza

Paso 2: Abre la versión de registro del editor

Usa la página final del artículo mantenida por el editor siempre que esté disponible.

Confirma:

• Título completo
• Nombres de los autores
• Título de la revista
• Año de publicación
• Volumen y número
• Rango de páginas o número de artículo
• DOI
• Estado de corrección o retractación

Un DOI debería resolver a una página de aterrizaje registrada. Crossref explica que la resolución del DOI se puede comprobar abriendo el enlace del DOI y confirmando que llega al registro correcto del artículo. (guía de Crossref para verificar un DOI)

Paso 3: Lee el contenido pertinente de la fuente

No cites un artículo basándote solo en:

• Su título
• Un resumen de IA
• Un fragmento de resultado de búsqueda
• El resumen de un estudio complejo
• La descripción que hace de él otro artículo

Lee lo bastante de la fuente para entender los métodos, la población, el resultado y las limitaciones.

Paso 4: Verifica la conexión entre la afirmación y la cita

Crea una tabla temporal de auditoría:

Este proceso identifica la deriva de citación, en la que una fuente se une de forma gradual a una afirmación más amplia de la que originalmente respaldaba.

Paso 5: Importa la referencia desde un registro fiable

Prefiere metadatos de citación de:

1. La versión de registro del editor
2. PubMed u otro índice biomédico autoritativo
3. Crossref
4. Una importación verificada del gestor de referencias

No reproduzcas a mano una referencia generada por IA cuando esté disponible un registro autoritativo.

Paso 6: Realiza una auditoría final de referencias

Confirma que:

• Cada referencia existe.
• Cada DOI resuelve al artículo correcto.
• Cada artículo citado respalda el enunciado conectado.
• Cada cita en el texto aparece en la lista de referencias.
• Cada ítem de la lista de referencias se cita en el manuscrito.
• Ningún artículo retractado se usa sin una razón explícita.
• Se han considerado las correcciones y las versiones actualizadas.
• Se usan estudios primarios cuando se discute un resultado original concreto.

11. Cómo los investigadores que no tienen el inglés como lengua nativa pueden usar la IA con seguridad

La edición en inglés puede ser una barrera real para los investigadores cuya primera lengua no es el inglés. La solución no es evitar la IA por completo, ni dejar que la IA genere el razonamiento científico.

La guía del ICMJE reconoce que las herramientas de IA pueden ser útiles cuando los autores escriben fuera de su lengua primaria, pero los autores deben verificar aun así la exactitud y la validez del texto final. (guía del ICMJE para editores)

Usa la IA como editora de tu razonamiento, no como su fuente.

Paso 1: Escribe tú mismo la versión científica

Prepara la primera versión usando:

• Tu pregunta de investigación
• El protocolo del estudio
• Los métodos verificados
• Los resultados
• Las tablas y las figuras
• La literatura que has leído
• Tu interpretación
• Tus limitaciones

El primer borrador no necesita un inglés perfecto. Debe contener el significado científico correcto.

Paso 2: Pide a la IA que realice una tarea estrecha

Evita instrucciones abiertas como:

Reescribe esto para que suene profesional y académico.

Esa instrucción permite que el sistema cambie el argumento, la certeza, la terminología y la evidencia.

Usa una instrucción controlada:

Edita este párrafo solo por gramática, estructura de las oraciones y claridad. Conserva el significado científico, la terminología técnica, los valores numéricos, las citas y el grado de certeza. No añadas evidencia, afirmaciones, explicaciones ni referencias. Marca cualquier oración cuyo significado no sea claro en lugar de adivinar.

Para una sección de resultados, usa:

Corrige solo la gramática y la legibilidad. No cambies números, unidades, valores estadísticos, nombres de grupos, tamaños de muestra ni la dirección de ningún resultado.

Para una sección de discusión, usa:

Mejora la claridad conservando la distinción entre asociación y causación. No refuerces las afirmaciones ni elimines las limitaciones.

Paso 3: Compara las versiones original y editada

Revisa los cambios oración por oración.

Comprueba:

• Significado clínico
• Terminología técnica
• Números de participantes
• Unidades
• Tamaños del efecto
• Intervalos de confianza
• Significación estadística
• Lenguaje causal
• Negaciones
• Limitaciones
• Citas

Una oración gramaticalmente más fluida no es una mejora cuando cambia el significado científico.

Paso 4: Sustituye el lenguaje vago por evidencia

El texto académico asistido por IA a menudo contiene enunciados pulidos pero vacíos.

Vago

Los hallazgos aportan perspectivas valiosas sobre el manejo de la enfermedad cardiovascular.

Específico

La asociación fue más fuerte entre los participantes menores de 60 años, pero el intervalo de confianza incluyó ausencia de efecto en los participantes mayores.

Vago

El método diagnóstico propuesto demostró un desempeño robusto.

Específico

La sensibilidad fue del 84 % en la cohorte de desarrollo, pero disminuyó al 67 % en la cohorte hospitalaria externa.

Vago

Se necesita más investigación.

Específico

Se necesita un estudio prospectivo para determinar si el uso de la puntuación cambia las decisiones de tratamiento o los desenlaces de los pacientes.

Palabras como “importante”, “robusto”, “eficaz”, “prometedor” y “significativo” no deberían sustituir un resultado.

Paso 5: Pide a un lector humano que examine las secciones de alto riesgo

Prioriza la revisión humana de:

• Título
• Resumen
• Laguna de investigación
• Contribución principal
• Resultados
• Limitaciones
• Conclusión
• Carta de presentación
• Declaración de uso de IA

El manuscrito final debería contener un lenguaje que todos los autores entiendan y puedan defender.

12. No escribas para el software de detección de IA

No añadas de forma intencional errores gramaticales, sinónimos inusuales u oraciones torpes para que un manuscrito parezca escrito por un humano. No uses herramientas “humanizadoras” diseñadas para evadir la detección.

Estas prácticas pueden:

• Reducir la claridad
• Cambiar el significado científico
• Introducir errores factuales
• Crear terminología inconsistente
• Ocultar más que declarar el uso de IA
• Producir texto que los autores no pueden defender

Un estudio de 2023 puso a prueba siete detectores públicos de IA sobre 91 ensayos escritos por hablantes no nativos de inglés y reportó una tasa promedio de falsos positivos del 61,3 %. El estudio concernía a ensayos de estudiantes y a detectores concretos disponibles en ese momento, no a manuscritos biomédicos ni a todo sistema de detección actual. Aun así muestra que una puntuación de detector no debería tratarse como evidencia concluyente de autoría. (Liang et al., 2023)

Protégete mediante un proceso de escritura transparente y trazable:

• Conserva el esquema original.
• Preserva los borradores tempranos.
• Usa cambios rastreados.
• Guarda el código de análisis.
• Retén las notas de investigación de laboratorio o clínicas.
• Mantén una biblioteca de referencias verificada.
• Registra qué herramienta de IA se usó.
• Guarda los prompts y las salidas pertinentes cuando corresponda.
• Documenta cómo se revisó la salida.
• Declara el uso de IA según la política de la revista.

El objetivo no es hacer que el manuscrito parezca menos pulido. El objetivo es asegurar que el razonamiento, la evidencia y la responsabilidad final sigan siendo humanos.

13. Entiende la política de IA de la revista

Las políticas de IA difieren entre editoriales y pueden cambiar. Comprueba la política exacta de la revista antes de cada envío.

ICMJE

Las recomendaciones actuales del ICMJE enuncian que los autores deberían declarar si se usaron tecnologías asistidas por IA, describir cómo se usaron, revisar el contenido generado en busca de exactitud y sesgo, y seguir siendo responsables de la originalidad y la atribución apropiada. Las herramientas de IA no deberían listarse como autoras. (recomendaciones de IA del ICMJE)

Elsevier

Elsevier permite el uso de apoyo de IA generativa durante la preparación del manuscrito, pero exige verificación y supervisión humanas. Su política de revistas exige la declaración del uso de IA generativa, mientras que las comprobaciones básicas de ortografía, gramática y puntuación no requieren declaración. También advierte que las referencias fabricadas pueden conducir al rechazo. (política de IA de revistas de Elsevier)

Springer Nature y Nature Portfolio

Springer Nature enuncia que los autores siguen siendo responsables de la exactitud, la originalidad y la integridad. La corrección de estilo asistida por IA de texto escrito por humanos por lo general no requiere declaración cuando se limita a la legibilidad, la gramática, la ortografía, la puntuación, el tono, la redacción y el formato. La creación de contenido generativo debe documentarse según la política aplicable de la revista. (guía de IA de Springer Nature)

No asumas que una política usada por una editorial aplica a otra.

14. Protege los datos biomédicos y el material confidencial

Antes de subir cualquier contenido del manuscrito a un sistema de IA, examina los términos de privacidad, retención y uso de datos de la herramienta.

No subas:

• Nombres de pacientes
• Números de historia clínica
• Narrativas clínicas identificables
• Datos de imagen sin redactar
• Imágenes faciales
• Información genómica ligada a individuos
• Conjuntos de datos clínicos restringidos
• Información confidencial de ensayos
• Datos inéditos de colaboradores sin permiso
• Informes de revisión por pares
• Manuscritos que estás revisando
• Material con derechos de autor que no tienes permiso de procesar

El ICMJE enuncia que los manuscritos bajo consideración editorial son comunicaciones privilegiadas y advierte que subir manuscritos confidenciales a sistemas de IA puede violar la confidencialidad.

Para tu propio manuscrito, elimina la información identificable antes de usar una herramienta externa y confirma que tu institución, la aprobación ética, el acuerdo de uso de datos y la política de la revista permiten el procesamiento previsto.

15. No uses la IA para alterar evidencia biomédica

Las herramientas de IA no deben usarse para inventar o modificar resultados de investigación.

Los usos de alto riesgo incluyen:

• Crear observaciones sintéticas de pacientes y presentarlas como datos recolectados
• Cambiar valores en una tabla de resultados
• Generar desenlaces experimentales faltantes
• Alterar imágenes de microscopía
• Añadir o eliminar bandas de western blots
• Cambiar rasgos en imágenes radiológicas o patológicas
• Modificar fotografías de pacientes
• Generar una figura que no deriva de los datos reportados
• Crear un registro falso de ensayo clínico
• Inventar información de aprobación ética

Elsevier identifica la fabricación o alteración de datos, referencias, imágenes científicas, imágenes de microscopía, western blots e imágenes de pacientes como uso inapropiado de IA.

Cuando la IA o el aprendizaje automático forma parte del método de investigación, descríbelo de forma reproducible en la sección de métodos. Incluye la herramienta o el modelo, la versión, la tarea, las entradas, el proceso de validación y la supervisión humana cuando sea pertinente.

16. Escribe una declaración útil de uso de IA

Usa el lenguaje que exige la revista de destino. No copies una declaración de otra editorial sin comprobar su política.

Una declaración debería identificar por lo general:

• Herramienta o servicio
• Propósito
• Secciones o tareas afectadas
• Alcance del uso
• Revisión humana realizada
• Responsabilidad de los autores

Ejemplo para edición lingüística

Durante la preparación del manuscrito, los autores usaron [herramienta y versión] para identificar errores gramaticales y mejorar la claridad de las oraciones en texto escrito por los autores. La herramienta no se usó para generar afirmaciones científicas, resultados, interpretaciones ni referencias. Todos los cambios sugeridos fueron revisados por los autores, quienes asumen la responsabilidad plena del manuscrito final.

Ejemplo para asistencia estructural

Los autores usaron [herramienta y versión] para sugerir una organización alternativa de párrafos seleccionados en la introducción y la discusión. Todo el contenido científico, las afirmaciones, las interpretaciones y las referencias los escribieron o seleccionaron los autores. Los autores verificaron de forma independiente el texto revisado y asumen la responsabilidad plena del contenido final.

Usa estos solo como plantillas. El lenguaje requerido por la revista tiene prioridad.

17. Corre un filtro editorial final antes del envío

Completa las siguientes comprobaciones en orden. Detente cuando una comprobación falle y corrígela antes de continuar.

Comprobación 1: Encaje con la revista

Confirma que la revista publica:

• Tu tema
• Tu diseño de estudio
• Tu tipo de artículo
• Tu nivel de contribución
• Evidencia pertinente para tu audiencia prevista

Comprobación 2: Título y resumen

Un lector debería poder identificar:

• El problema clínico o científico
• La laguna de conocimiento
• El diseño del estudio
• La población
• El resultado principal
• La interpretación respaldada

Comprobación 3: Contribución

Completa esta oración:

Después de leer este estudio, los investigadores o los clínicos sabrán [conocimiento nuevo concreto] que no estaba establecido antes.

Cuando la respuesta depende solo de “novedoso”, “eficaz”, “prometedor” o “robusto”, la contribución sigue sin ser clara.

Comprobación 4: Credibilidad metodológica

Confirma que:

• El diseño responde a la pregunta.
• La muestra está descrita.
• El desenlace primario está definido.
• El análisis coincide con el desenlace.
• Se reportan los tamaños del efecto y la incertidumbre.
• La validación es apropiada.
• Las limitaciones son explícitas.
• Las conclusiones se mantienen dentro de la evidencia.

Comprobación 5: Requisitos de reporte

Confirma que:

• Se usó la guía de reporte correcta.
• La lista de verificación está completa.
• La información ética está presente.
• El registro del ensayo se reporta cuando aplica.
• Las declaraciones de datos y de código cumplen los requisitos de la revista.

Comprobación 6: Referencias

Confirma que:

• Cada fuente existe.
• Los metadatos vinieron de un registro autoritativo.
• Cada fuente respalda la oración conectada.
• Ninguna referencia generada por IA permanece sin verificar.
• Se han identificado los artículos retractados o corregidos.
• Las referencias son lo bastante actuales para el tema.

Comprobación 7: Uso de IA

Confirma que:

• La IA no generó contenido científico no verificado.
• Se comprobaron todos los valores numéricos.
• Se conservó el significado técnico.
• No se subió de forma indebida información confidencial.
• Se leyó la política actual de la revista.
• Se incluyó la declaración requerida.
• Cada autor puede explicar y defender el texto final.

Comprobación 8: Carta de presentación

La carta de presentación debería enunciar:

1. Qué encontró el estudio
2. Por qué el hallazgo importa a los lectores de la revista
3. En qué difiere del trabajo previo más cercano
4. Si el manuscrito es original y no está bajo revisión en otra parte
5. Cualquier información requerida de ética, registro o uso de IA

No uses el prestigio de la revista como argumento de encaje.

Débil

Creemos que nuestro estudio innovador es adecuado para su prestigiosa revista y será de gran interés para su amplia audiencia.

Ejemplo biomédico más sólido

Este estudio prospectivo multicéntrico evalúa si una puntuación preoperatoria de fragilidad predice complicaciones a 30 días después de cirugía colorrectal. La revista publica con regularidad investigación sobre evaluación del riesgo perioperatorio y desenlaces quirúrgicos. A diferencia de los estudios previos de un solo centro, nuestro análisis incluye validación externa en cuatro hospitales y reporta calibración además de discriminación.

18. ¿Qué deberías hacer después de un rechazo editorial directo?

No revises cada sección de forma automática. Revisa según el problema diagnosticado.

Cuando el problema es el encaje con la revista

• Selecciona una revista que publique el tipo de estudio.
• Examina sus artículos recientes.
• Reescribe el título, el resumen, la introducción y la carta de presentación para sus lectores.
• Vuelve a comprobar cada requisito de envío.

Cuando el problema es la prioridad o el interés general

• Determina si la contribución es demasiado estrecha para la revista.
• No exageres la generalizabilidad.
• Apunta a una revista especializada cuando la evidencia se dirige a una audiencia especializada.
• Refuerza el argumento de significación solo cuando lo respalden los resultados.

Cuando el problema es la presentación

• Reescribe el resumen en torno al resultado principal.
• Define la laguna de investigación.
• Elimina el lenguaje evaluativo vacío.
• Estandariza la terminología.
• Mejora las figuras y las tablas.
• Revisa el manuscrito en busca de lenguaje que cambie el significado clínico.

Cuando el problema es el cumplimiento

• Corrige cada declaración y archivo faltantes.
• Confirma si la misma revista permite un envío nuevo.
• No asumas que corregir un enunciado faltante resuelve otras preocupaciones editoriales.

Cuando el problema es los métodos o la evidencia

• Pausa antes de enviar de nuevo.
• Reevalúa el diseño, la estadística, la validación y las afirmaciones.
• Conduce análisis adicionales cuando esté justificado.
• Añade datos o experimentos cuando sea factible.
• Reduce la conclusión cuando la evidencia existente respalde una afirmación más estrecha.

¿Cuándo deberías apelar?

Comprueba la política de apelación de la revista antes de escribir.

Una apelación es más defendible cuando:

• El editor cometió un error factual concreto.
• Se malentendió un punto metodológico.
• Se pasó por alto un documento requerido a pesar de estar presente.
• Un conflicto de interés puede haber afectado la decisión.
• La revista no siguió su procedimiento enunciado.

Una apelación suele ser débil cuando argumenta solo que el estudio es importante o que los autores discrepan de un juicio sobre prioridad.

Elsevier, por ejemplo, no considera apelaciones de manuscritos rechazados de plano por su equipo editorial y excluye las discrepancias basadas solo en el interés, la novedad o la idoneidad. Su política de apelaciones aplica a manuscritos revisados por pares y exige evidencia de respaldo. Otras editoriales pueden seguir procedimientos distintos. (política de apelaciones de decisiones editoriales de Elsevier)

Dónde pueden ayudar las herramientas automatizadas de revisión de manuscritos

Un sistema de revisión de manuscritos como Fukurō AI Peer Review puede asistir identificando material que requiere inspección del autor, incluido:

• Declaraciones faltantes
• Terminología inconsistente
• Diferencias entre el resumen y los resultados
• Conclusiones sin respaldo
• Enunciados de contribución poco claros
• Abreviaturas no definidas
• Inconsistencias de referencias
• Secciones que no siguen la estructura esperada
• Lenguaje que puede oscurecer el significado científico

El análisis automatizado no debería tomar la decisión final sobre:

• Si el diseño del estudio es válido
• Si la interpretación es clínicamente correcta
• Si la novedad es suficiente para una revista concreta
• Si una referencia respalda de verdad una afirmación
• Si el manuscrito debería enviarse
• Si la evidencia justifica una recomendación clínica

Usa la salida como una lista de ítems a verificar, no como un reemplazo del juicio científico.

Lista de verificación final

Antes del envío, confirma que puedes responder sí a cada pregunta.

Selección de revista

• ¿La revista publica este tema?
• ¿Publica este diseño de estudio?
• ¿Es correcta la categoría de artículo?
• ¿Es la contribución adecuada para sus lectores?

Argumento científico

• ¿La laguna de investigación es concreta?
• ¿La diferencia respecto al trabajo previo es explícita?
• ¿El título identifica la contribución central?
• ¿El resumen reporta el resultado principal?
• ¿La conclusión coincide con la evidencia?

Métodos y reporte

• ¿El diseño responde a la pregunta de investigación?
• ¿Se describen la población y los procedimientos de muestreo?
• ¿Están definidos el desenlace primario y el análisis?
• ¿Se reportan los tamaños del efecto y la incertidumbre?
• ¿Se usó la guía EQUATOR pertinente?
• ¿Se reportan la aprobación ética y el consentimiento?
• ¿Se registró de forma prospectiva un ensayo clínico cuando se requería?

Referencias

• ¿Existe cada publicación citada?
• ¿Se copió la cita de la versión de registro del editor o de otra base de datos autoritativa?
• ¿Cada fuente respalda la oración conectada?
• ¿Se verificaron de forma independiente todas las referencias sugeridas por IA?
• ¿Se comprobaron las correcciones y las retractaciones?

Uso de IA

• ¿Los autores escribieron y entendieron el razonamiento científico?
• ¿Se revisó cada oración editada por IA?
• ¿Se conservaron los números, las unidades y los resultados estadísticos?
• ¿No se aceptó ninguna afirmación ni referencia sin verificación?
• ¿Se protegió la información confidencial?
• ¿Se declaró el uso de IA según la política de la revista?
• ¿Puede cada autor defender cada parte del manuscrito?

El rechazo editorial directo no siempre se puede prevenir. Los editores siguen emitiendo juicios sobre alcance, prioridad, novedad y audiencia. Sin embargo, muchos rechazos evitables se pueden prevenir separando cuatro preguntas:

1. ¿Seleccionamos la revista correcta?
2. ¿El manuscrito comunica la contribución con claridad?
3. ¿Puede el estudio respaldar sus afirmaciones?
4. ¿El envío satisface cada requisito?

La IA puede ayudar a los autores a mejorar la gramática, la organización y la consistencia, en particular cuando el inglés no es su primera lengua. También puede introducir referencias fabricadas, afirmaciones sin respaldo, significados alterados, violaciones de privacidad y contenido no declarado. El flujo de trabajo más seguro es escribir primero el argumento científico, dar a la IA tareas de edición estrechas, inspeccionar cada cambio, verificar cada referencia a través de su fuente autoritativa, seguir la política de la revista de destino y retener la responsabilidad humana plena del manuscrito.

Referencias y políticas útiles

1. Dantas-Torres F. Top 10 reasons your manuscript may be rejected without review. Parasites & Vectors. 2022;15:418.
2. Jawaid SA, Jawaid M. Common reasons for not accepting manuscripts for further processing after editor’s triage and initial screening. Pakistan Journal of Medical Sciences. 2019;35(1):1-3.
3. ICMJE. Use of artificial intelligence in publishing.
4. ICMJE. Use of AI by authors.
5. ICMJE. Clinical trial registration.
6. ICMJE. Protection of research participants.
7. EQUATOR Network. Reporting guidelines for health research.
8. Collins GS, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models. BMJ. 2024;385:q902.
9. Walters WH, Wilder EI. Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports. 2023;13:14045.
10. Liang W, et al. GPT detectors are biased against non-native English writers. Patterns. 2023;4(7):100779.
11. Elsevier. Generative AI policies for journals.
12. Springer Nature. AI guidance for researchers and publishing communities.
13. Crossref. Verify a DOI registration.
14. Elsevier. Editorial decision appeals policy.