Bibliometria

Bibliometría: trampas que producen un número erróneo

Esta skill no enseña bibliometría. Enseña los errores específicos más comunes, todos con la misma firma: un número que parece correcto y está equivocado. Ninguno aparece en la lectura; todos aparecen en la medición.

La regla que organiza el resto:

Nunca afirme ausencia sin haber medido la presencia. Cero es una afirmación fuerte, significa "busqué en el lugar correcto, de la manera correcta, y no hay". Casi siempre significa otra cosa.

---

1. El cero tiene seis causas. Sólo una es ausencia.

Y se dividen en dos grupos que no se verifican de la misma manera.

Cuatro se eliminan mediante consulta

Cada una tiene una prueba concreta. Cuestan una llamada y el resultado es objetivo.

causa	prueba	ejemplo
base de datos incorrecta	repetir en una base de datos de cobertura diferente (OpenAlex, Crossref, DOAJ)	"masonería": 0 en PubMed, 1.529 en OpenAlex
campo incorrecto	repetir el término en otro campo indexado: [Author], [Journal], topics.id	"amilton iatecola"[tw] = 0; "iatecola amilton"[Author] = 11
consulta fallida	leer el manejo de errores: ¿hay una ruta que devuelve 0 en un except?	429 de OpenAlex convirtiéndose en cero
aritmética	comprobar si los factores de la intersección son todos > 0	intersección 0 porque una frente ya era 0

Nombre de autor: el PubMed indexa APELLIDO NOMBRE; las personas escriben NOMBRE APELLIDO. Pruebe los dos órdenes antes de concluir que el autor no publicó.

Dos no se eliminan, se declaran

No existe una prueba universal para ellas, y fingir que la hay es peor que admitirlo.

• idioma incorrecto, probarlo requeriría buscar en todos los idiomas. Lo que se declara: en qué idioma se ejecutó la búsqueda, y si el vocabulario controlado de la base de datos es de otro. (El MeSH está en inglés; un término en portugués cae a texto libre y pierde los sinónimos indexados.)
• estrategia incompleta, probar la exhaustividad requeriría conocer la estrategia completa, que es precisamente lo desconocido. Lo que se declara: qué estrategia se utilizó, por extenso, para que otro pueda refutarla.

La consecuencia es sobre la fuerza de la frase permitida

Con las cuatro primeras eliminadas y las dos últimas declaradas, se puede escribir:

"No hay registro en esta base de datos, con esta estrategia, en este recorte."

Nunca:

"No existe literatura sobre esto."

La primera es sostenible y refutable, alguien puede cambiar la estrategia y mostrar lo contrario, que es como debe ser. La segunda es indefendible, porque afirma sobre todo lo que no se ha consultado.

Nota sobre el OpenAlex

Él cobra por solicitud (US$ 0,001) con un presupuesto diario que se reinicia a la medianoche UTC. Agotado, devuelve 429 con Insufficient budget (...) Resets at midnight UTC y un Retry-After de horas. Entonces, 429 allí tiene dos causas que requieren respuestas opuestas: demasiado rápido (esperar resuelve) y cuota del día (no resuelve). Lea el cuerpo antes de reaccionar; una sesión intensa agota la cuota.

2. El emparejamiento superficial acierta la mayoría y se equivoca lo suficiente

Todo emparejamiento por cadena necesita contención completa, nunca de palabra compartida. Casos reales:

• MeSH devolvió Hypoglycemia, Neonatal, Simulating Foetopathia Diabetica para "retinopatía diabética", descriptor legítimo, enfermedad equivocada, emparejó por "diabética".
• Wikipedia devolvió Escala de Equilíbrio de Berg como traducción de "teleconsulta", porque ese artículo menciona teleconsulta. La frente se convirtió en "teleconsulta" OR "Berg Balance Scale": 2.456 registros de una escala de equilibrio en una búsqueda sobre consulta a distancia.
• Un artículo entró en una búsqueda de voz por tener SHIMMER en el título, acrónimo de índice de historial médico, no el parámetro acústico.

Regla: búsqueda por relevancia ≠ identidad de concepto. El primer resultado de una búsqueda difusa no es traducción, ni sinónimo, ni la misma entidad.

3. Fusión de variantes: el error es fusionar, no dejar separado

Sugerir fusión por similitud produjo, en una prueba, once propuestas, casi todas erróneas:

• Type 1 diabetes → Type 2 diabetes (enfermedades diferentes; el número era la diferencia completa, y el filtro descartaba tokens de ≤2 caracteres)
• Diabetes mellitus → Type 2 Diabetes Mellitus (género convirtiéndose en especie)
• University of Baltimore → University of Maryland, Baltimore (dos casas)

Reglas: el dígito nunca es un token corto; contenido vale para autor e institución, jamás para concepto (donde la subcadena es jerarquía); exija igualdad de palabras distintivas, no subconjunto. Equivocarse por defecto cuesta un clic; equivocarse por exceso pone en el mapa una fusión falsa con apariencia de acierto. La decisión final es siempre humana.

4. Compruebe la suma por dos caminos

El cargador truncaba el identificador en 24 caracteres para generar clave. Los DOIs de la misma editorial comparten prefijo, colisionaban, uno sobrescribía al otro, y la salida decía "54 nuevos" con el corpus en 49. Cinco artículos desaparecieron en silencio.

El error pasa cuando nada se verifica. Siempre: antes + nuevos = después y nuevos + ya_existentes = leídos. Si no cierra, diga que no cierra.

5. Límite del script ≠ tamaño del campo

En un script de búsqueda dirigida con per_page=25 + rows=20. Ninguna de las 13 consultas superó los 45 en el informe, porque 45 era el límite. La cobertura real varía en tres órdenes de magnitud: 0,2% en data literacy teacher education, 83% en DigCompEdu validation.

Esto no invalida la búsqueda dirigida, existe para encontrar obras clave. Pero el número no respalda afirmaciones sobre el tamaño o la cobertura. Si hay un corte, diga cuánto quedó fuera.

6. Alcance declarado, siempre

Las métricas del "corpus completo" y de los "incluidos" no son comparables. Un tema con 53 recopilados y 0 cribados respondió "ningún registro con DOI", verdadero por el conteo, engañoso por el sentido. Diga el alcance en toda salida.

7. Texto completo y suplemento: la ruta depende del tipo de artículo

Al buscar las secuencias de oligos de Benke et al. (2025): el Claude Science intentó el servicio OA del PMC y el FTP, recibió 404 en los tres caminos y se quedó dando vueltas. El suplemento existía; la ruta estaba equivocada. 404 aquí es ruta incorrecta, no ausencia (es el "consulta fallida" de la sección 1).

Orden que funciona:

1. PMCID: elink.fcgi?dbfrom=pubmed&db=pmc&id=<PMID>. Sin PMCID, no hay texto completo abierto en el PMC; vaya al DOI y vea si la editorial ofrece acceso abierto.
2. Texto completo: efetch.fcgi?db=pmc&id=<número del PMCID>&retmode=xml. Funciona para artículo de acceso abierto y para manuscrito de autor del NIH. De allí salen métodos, tablas y números.
3. Lista de los suplementos: en el mismo XML, las etiquetas <supplementary-material> con xlink:href dan el nombre de cada archivo. Antes de descargar, sepa lo que busca.
4. Tipo de artículo: si el XML tiene <article-id pub-id-type="manuscript-id">NIHMS..., es manuscrito de autor, y la ruta del paso 5 no sirve para el suplemento.
5. Suplemento de artículo de acceso abierto de editorial: Europe PMC, https://www.ebi.ac.uk/europepmc/webservices/rest/<PMCID>/supplementaryFiles, devuelve un zip (PMC12904924: zip de 4,5 MB).
6. Suplemento de manuscrito NIHMS: el Europe PMC devuelve respuesta vacía (297 bytes, PMC11700762), el servicio OA del PMC (/utils/oa/oa.fcgi) y el FTP dan 404, y el enlace pmc.ncbi.nlm.nih.gov/articles/instance/<id>/bin/<archivo> abre una página "Preparing to download..." que requiere navegador. Es barrera contra robot: no la sortee. Pare, diga qué archivo se necesita y pida al usuario que lo descargue en el navegador y lo guarde en la carpeta del paquete, con el nombre que usted indique.
7. Antes de pedir al usuario, intente la editorial. El manuscrito NIHMS también tiene versión en la editorial. En Elsevier, el Crossref da el PII (alternative-id), y el suplemento suele estar en el CDN público https://ars.els-cdn.com/content/image/1-s2.0-<PII>-mmc1.pdf (cambie la extensión si da 404). Benke 2025 (PII S0956566324010595) vino por allí en 13/10/2026: 200, PDF de 1,5 MB, sin barrera.

Lo que nunca hacer: reconstruir secuencia, número de catálogo, volumen o temperatura de memoria porque el suplemento no se abrió. Lo que no vino del archivo queda "por definir", con el nombre del archivo que falta.

Antes de dar vueltas en rutas: si dos rutas diferentes dieron 404 para el mismo archivo, pare y compruebe el tipo de artículo (paso 4) en lugar de intentar la tercera.

---

Límites que no se sortean

• Resolución CAPES 275/2023, art. 50 prohíbe el uso de robots o agentes inteligentes para acceder o descargar contenido contratado, y la prohibición alcanza al usuario autorizado. Scopus, Web of Science, Portal CAPES, Google Scholar: arme la cadena, abra la base de datos al lado, reciba la exportación. Nunca automatice la interfaz.
• Nunca escribir en zotero.sqlite. Solo lectura con mode=ro&immutable=1.
• Nunca sobrescribir una decisión de cribado. El metadato se rehace; el juicio humano no.
• Nunca citar un identificador sin verificar en la API. Un DOI fabricado es indistinguible del real mediante la lectura.

Antes de entregar

1. ¿Cada cero se explicó por una de las seis causas?
2. ¿Cada suma cierra por dos caminos?
3. ¿Cada corte dice cuánto quedó fuera?
4. ¿Cada alcance está declarado?
5. ¿Cada fusión de variantes fue decidida por un humano?