La gacela científica

Hoy es uno de esos días en los que me ha dado por pensar en lo que estamos haciendo con la ciencia. Siempre hablo desde el punto de vista académico, que es el mundillo en el que me estoy moviendo. En las universidades españolas hay buena cantera científica, independientemente de lo que piensen Wert, la prensa española y el ranking de Shangai (respecto a este algún día daré opinión, de momento podéis ver también el SCIMAGO INSTITUTIONS RANKING, algo más amable con las instituciones españolas). Como decía, creo que tenemos buena cantera, pero por desgracia la falta de fondos puede ser la que ahogue los suspiros de España. Pero no son los fondos los que me traen aquí esta noche...
Una de las consecuencias de la elevada competitividad entre científicos noveles para optar a un puesto, a veces mal remunerado y con posibilidad de convertirse en un callejón sin salida es la presión por publicar. Ya dije anteriormente que se pretende tener el mayor número posible de JCRs y a veces publicaciones sin más. Por lo tanto, se pretende publicar casi cualquier cosa. Ya Philip Campbell, director de Nature, anda preocupado el hombre por haber detectado mucha presión por publicar entre jóvenes investigadores. La presión por publicar daña a la calidad científica (Dr. Fanelli dixit y la Comunidad Europea es consciente de ello). La gente joven y no tan joven, en aras de mejorar su curriculum, obtener proyectos y algo de reconocimiento académico intenta publicar sin parar.
A veces se lanzan trabajos incompletos, duplicidades (he visto papers donde solo cambia el título) y experimentos fallidos. En cuanto a trabajos mal enfocados, mal acabados y con poco rigor, la revisión por pares es la última frontera. Por eso es importante que los revisores sean honestos y vigilantes de que la calidad científica no sea ultrajada.
¿Y si tu trabajo no es bueno, puedes publicarlo? Por desgracia sí, existe en el mercado libre de la World Wide Web una serie de, como las llama Jeffrey Breall, un bibliotecario de Colorado, predatoy journals, que se lo tragan todo. Una de ellas UNAIS (de Unpublished Articles in Science), como denuncia en su blog Nicolás Robinson (Universidad de Granada), acepta publicar artículos inacabados y rechazados en otras revistas. Señores, esto si que es publicar mierda. Me río yo de los artículos "superfluos" que diría el profesor Ginés Mora.
Veo al joven estudiante de doctorado como una tierna gacela y al editor agazapado en la sabana esperando hincar el diente a su presa. Por favor, si eres joven o incauto, lee la guía de detección de Mr Breall, que enlazo dos veces para facilitar que la encuentres.
Ya veréis el descojone cuando empiecen a llegar trabajos de estos a las comisiones de contratación (si alguna vez las vuelve a haber).

Adorando al indice de impacto

Indice de impacto, que recuerdos me traes. Siempre te he tenido presente en mis acreditaciones. Si, un puñetero indice que sirve para ver si las revistas son citadas o no, pero que ha entrado de lleno en nuestras vidas, pues se usa como medida de la calidad científica de nuestras publicaciones. Cuando vayas a una plaza en una universidad cualquiera, te medirán por el número de trabajos del Q1 de la lista de revistas indexadas del área, igual hace la ANECA (aunque es el T1), y el CNEAI para los sexenios.

El publicar en revistas de alto indice de impacto puede obsesionar, porque luego te miden con ello, tal y como he indicado. Se acuña el término Impactolatría, que creo no necesita definición. Recomiendo la lectura del artículo La Impactolatría en la Ciencia de Juan Diego Patino, o las intervenciones de Bernardo Herradón en su blog Los Avances de la Química y su Impacto en la Sociedad. En ambos aparecen ejemplos de perversión de esta fórmula para medir la calidad de una revista, y por ende, la de un curriculum investigador. La obsesión puede ser mortal, si no, que le pregunten a Jordi Jordana Vidal, que ha escrito el libro Indice de Impacto, cuya trama se desarrolla alrededor de este indicador de calidad curricular. La portada os la dejo abajo.

Portada del libro Indice de Impacto de Jordi Jordana Vidal

Yo tengo mi opinión. El índice de impacto no mide la calidad de nada, puede haber trabajos malos en revistas buenas, en cuanto los revisores de las revistas, aunque pares, pueden aceptarlos por desconocimiento, dejadez o saturación. La necesidad de revisores hace a los editores aceptar a casi cualquiera que, por amor al arte, quiera juzgar el trabajo de otros. Es muy útil para que el revisor se ponga las pilas y esté al día, siempre y cuando lo haga bien. Además, puede haber trabajos muy buenos en revistas de bajo índice, pues este depende también de la especialidad o área de conocimiento en que se enmarque, o de que cuando te rechazan algo (las veces que es por desconocimiento o intereses cruzados, partamos del supuesto de que el trabajo es bueno) prefieres ir a lo seguro, a una revista más modesta.

Si el IF no debería medir la calidad de la revista, en mi opinión, mucho menos debería uno ser juzgado por el número de Q1 en el JCR. 

Cuando eres becario, te obsesionas con el IF, pues compites con otros que están pendientes de ese IF. Cuando entras en juego, consigues una plaza de contratado, te obsesionas, porque te has de acreditar para figuras más estables. Cuando te acreditas y llegas a funcionario te puedes reír del IF... por lo menos hasta que te toque pedir sexenios...

Es decir, como el ateo de boquillas no blasfema por si acaso... No creo en el indice de impacto como indicio de calidad pero por si acaso han de juzgarme, procuraré seguir publicando en el Q1 del JCR

El efecto matriz

El efecto matriz en Química Analítica se define, de acuerdo con la IUPAC, como el efecto de todos los componentes de la muestra distintos al analito en la medida de una cantidad (de analito). A la hora de aplicar un método analítico, el efecto matriz se traduce en una diferencia de sensibilidad del mismo cuando se prepara un calibrado en un disolvente frente a uno preparado en el mismo entorno de la muestra. La sensibilidad debe entenderse como la variación de la señal analítica frente a la concentración de la especie a determinar, id est la pendiente de la curva de calibrado. Por lo tanto, la diferencia entre las pendientes de calibrado en un disolvente determinado (calibrado externo) y en la matriz de la muestra (ya sea simulada o mediante el método de adición patrón), indica la presencia de efecto matriz, como se apuntaba en un post anterior. Cabe destacar que el efecto matriz es un efecto indeterminado de las especies que rodean a la muestra que afectan a la sensibilidad, cuando el efecto de una especie es determinado (y aditivo) se habla de interferencia. 

En este post vamos a repasar el procedimiento para detectar la presencia de efecto matriz a partir de la comparación entre calibrado externo y calibrado de adición patrón. Por lo tanto el primer paso es preparar una serie de patrones en el disolvente mayoritario de la muestra (agua o el que sea) y un calibrado en la propia muestra añadiendo cantidades conocidas de analito. Como sabemos, procuramos trabajar en un rango de concentraciones en el que la relación señal-concentración sea lineal. Se obtienen las ecuaciones de ambas rectas de calibrado y comparamos las pendientes de las mismas. Si existe efecto matriz, habrá una diferencia significativa entre las pendientes, lo que implica que deberemos trabajar en una matriz simulada o mediante adición patrón.

Centrémonos ahora en llevar a cabo esta comparación de forma estadísticamente correcta. Para ello es preciso conocer el valor de la pendiente de calibrado externo (bCE) y de adición patrón (bAP) además de sus respectivas varianzas (el cuadrado de sus desviaciones estándar). A partir de ahí se calcula la relación entre las pendientes, R (Ecuación 1) y la varianza combinada correspondiente a esa relación (Ecuación 2). Con eso se calcula un valor de t de Student (Ecuación 3).

Lógicamente, se trata de comparar la relación entre ambas pendientes con la unidad. Si dicha relación no difiere de 1, no habrá efecto matriz significativo. Este valor de t calculado se debe comparar con un valor tabulado para los grados de libertad de la varianza combinada. Para conocer estos se debería obtener el número de grados de libertad efectivos de esta combinación. Será preciso emplear la fórmula de Welch-Satterthwaite donde para una varianza combinada (Ecuación 4) se obtienen los grados de libertad efectivos aplicando la Ecuación 5. 

En nuestro caso se obtiene la Ecuación 6:

Donde n se refiere al número de puntos del calibrado externo (CE) o de adición patrón (AP).

Este cálculo es un tanto engorroso, pero una vez realizada una hoja de cálculo de Excel y convenientemente validada, es muy sencillo hacer este tipo de comparaciones. 

No obstante, muchos autores recomiendan la comparación del t calculado con un factor de cobertura k=2 para un 95% de nivel de confianza. Véase González y Herrador (2007). Para que entendamos esta elección, el valor tabulado del estadístico de Student para un número infinito de grados de libertad es de 1.96 para p=0.05 (95% de nivel de confianza). De ahí que se tome un valor de k=2. Esta aproximación puede resultar incluso más restrictiva que el uso del t tabulado para los grados de libertad efectivos.

Arguiñano y yo contra los recortes en educación

Sobran comentarios

Cada día me cae mejor este hombre.

El cochino y el campo

Recuerdo yo que de pequeño nunca faltaba carne de cerdo en casa, pues mi padre los criaba todo el año. Llegado el frío, con ayuda de la familia, se hacía la fiesta de la matanza, obteniendo embutidos que pasaban meses ahumándose cerca de la chimenea.

Mi padre criaba a sus cerdos en la sahúrda, con grano, remolacha, cáscaras de sandía o lo que hubiera. Pero llegado el verano, con la visita de mis primos, nos levantaba temprano. Mi madre  nos hacía un bocadillo y los llevábamos a lo que quedaba de los sembrados, para que comiesen en el campo. Y es que lo dice mi padre: "el cochino que sale al campo sabe a campo".

Hoy día, cuando voy al supermercado y compro carne de cerdo, me pregunto, ¿habrá visto el campo?

Hace un par de meses propusimos un procedimiento para responder a esta pregunta, mediante el análisis de la fracción triglicérida de la grasa subcutánea del cerdo. El trabajo nace bajo la idea de un grupo de investigación del Instituto de la Grasa con el que colaboramos hace tiempo.

La grasa se corta y separa de la carne y se funde en un horno de microondas. Luego se disuelve en n-hexano y se lleva a un cromatógrafo de gases para la separación y análisis de los triacilgliceroles. Se identifican 17 triacilgliceroles y se usa su concentración para diferenciar el tipo de alimentación del cerdo. Se considera la alimentación en régimen intensivo si el cerdo está siempre estabulado y extensivo si se alimenta en el campo, aunque sea por un periodo de tiempo.

Como hay muchas variables se aplica una serie de herramientas quimiométricas para reducir su número. Primero, con el test de Mann-Whitney  se escogen las variables que muestran mayor diferencia entre los tipos de alimentación, en este caso, quince variables significativas. El análisis en componente principales reduce el número a once variables y se pueden observar ciertas tendencias en el espacio de los tres primeros componentes. 

Mediante análisis discriminante lineal se reduce a cinco variables, si bien se observa algún solapamiento.

Pero como se ha reducido de quince variables iniciales a cinco, ahora es más sencillo y cómodo observar la distribución de las muestras mediante gráficos variable-variable. De ahí concluimos que los compuestos dioleil-linoleil-glicerol (OOL) y oleil-dilinoleil glicerol (OLL) permiten conocer el sistema de alimentación del cerdo. Simplemente, por debajo de  un 3% de OOL y un 0.4% de OLL, se agrupan las muestras de cebo intensivo.

Para más información, el trabajo se publicó en Journal of Agricultural and Food Chemistry, 2012, 60, 1645-1651