MAP-DyS: An Interactive Framework for Mapping Analytic Decision Pathways in Subtyping Research

Este artículo presenta MAP-DyS, una aplicación interactiva de código abierto en Shiny diseñada para mejorar la transparencia y la reproducibilidad en la investigación de subtipos mediante la visualización y comparación de las diversas trayectorias de decisiones metodológicas encontradas en estudios sobre dislexia del desarrollo, con un marco adaptable a otros campos psicológicos y conductuales.

Lo esencial

Imagina que estás intentando clasificar una pila masiva y desordenada de piezas de rompecabezas en cajas distintas. Algunas personas dicen: "Pon todas las piezas azules en la Caja A y las rojas en la Caja B". Otros dicen: "No, pon las piezas brillantes en la Caja A y las mate en la Caja B". Un tercer grupo dice: "Simplemente pongamos las piezas grandes en la Caja A y las pequeñas en la Caja B".

Si observas las cajas finales, parecerán completamente diferentes, aunque todos comenzaron con la misma pila de piezas de rompecabezas. Este es exactamente el problema que enfrentan los investigadores al estudiar la dislexia (una dificultad de aprendizaje en la lectura). Intentan clasificar a las personas con dificultades de lectura en diferentes "subtipos" (como "dislexia fonológica" o "dislexia superficial") para comprenderlas mejor. Pero como cada equipo de investigación utiliza un conjunto diferente de reglas para clasificar las piezas, terminan con cajas distintas, lo que dificulta comparar su trabajo.

Este artículo presenta una nueva herramienta llamada MAP-DyS para ayudar a resolver esta confusión. Aquí tienes un desglose sencillo de lo que hicieron y lo que encontraron:

1. El Problema: El Caos de la "Receta"

Piensa en cada estudio sobre subtipos de dislexia como un chef que intenta hornear un pastel.

• Los Ingredientes: Algunos chefs usan harina y azúcar; otros usan harina de almendras y miel.
• El Horno: Algunos hornean a 350°F; otros a 400°F.
• El Temporizador: Algunos revisan el pastel después de 20 minutos; otros después de 45.

Como todos utilizan una "receta" diferente (teorías diferentes, pruebas diferentes y matemáticas diferentes), terminan con pasteles muy distintos. En el mundo de la investigación sobre dislexia, esto significa que un estudio podría decir que hay dos tipos de dislexia, mientras que otro dice que hay cuatro. El artículo argumenta que debemos dejar de mirar solo el pastel final y empezar a mirar las recetas para entender por qué son tan diferentes.

2. La Solución: El "Mapa de Recetas" (MAP-DyS)

Los autores construyeron un sitio web interactivo (una aplicación Shiny) llamado MAP-DyS. Puedes pensar en esto como un libro de recetas gigante e interactivo o un simulador de vuelo para la investigación.

• Cómo funciona: En lugar de solo leer un estudio, puedes introducir tus propios "filtros". Por ejemplo, podrías pedirle a la aplicación: "Muéstrame solo los estudios que utilizaron la teoría de la 'Ruta Dual' y probaron a niños en inglés".
• Los Visuales: La aplicación dibuja mapas y gráficos coloridos. Te muestra exactamente qué "ingredientes" (teorías, pruebas, métodos matemáticos) se utilizaron en 63 estudios diferentes y cómo esas decisiones llevaron a resultados distintos.
• El Objetivo: No te dice qué receta es la "correcta". En su lugar, hace que las diferencias sean transparentes. Permite a los investigadores ver: "Oh, ese estudio encontró tres subtipos porque utilizaron un truco matemático específico, no porque las personas que estudiaron fueran realmente diferentes".

3. Lo que Encontraron en el "Libro de Recetas"

Al mapear estos 63 estudios (principalmente de 2014 a 2023), los autores descubrieron algunas cosas sorprendentes sobre cómo opera el campo:

• Falta la "Salsa Secreta": Aproximadamente el 76% de los estudios ni siquiera indicaron qué software o programa informático utilizaron para hacer las matemáticas. Es como si un chef dijera: "Horneé este pastel", pero se negara a decirte si usó un horno, un microondas o un fuego. Esto hace muy difícil que otros copien la receta.
• No hay una Receta Estándar: No existe una única forma "oficial" de hacer esto. Algunos estudios utilizan reglas estrictas (como "si tu puntuación es inferior a X, eres Tipo A"), mientras que otros utilizan algoritmos informáticos complejos para encontrar patrones.
• Muestras Pequeñas: La mayoría de los estudios utilizaron grupos de personas muy pequeños (a menudo menos de 100). Es como intentar adivinar el sabor de todo un océano probando una sola cucharada. Esto limita la fiabilidad de los "subtipos".
• Falta de Verificación Cruzada: Más de la mitad de los estudios no verificaron si sus resultados eran estables. No intentaron ver si la misma "receta" funcionaría si utilizaran un grupo de personas ligeramente diferente.
• Las "Cajas" son Simples: A pesar de las matemáticas complejas, la mayoría de los estudios terminaron encontrando solo 2 a 4 subtipos. Esto sugiere que la forma en que los investigadores configuran sus "reglas de clasificación" podría estar limitando la cantidad de cajas que encuentran, en lugar de que las personas caigan naturalmente en solo unos pocos grupos.

4. Por Qué Esto Importa

El artículo argumenta que no debemos limitarnos a discutir cuál es la "caja" correcta. En su lugar, necesitamos entender que la caja es creada por las reglas que elegimos para clasificar.

Utilizando MAP-DyS, los investigadores pueden:

• Ver exactamente cómo sus elecciones (como qué prueba utilizar) cambian el resultado.
• Dejar de tratar los "subtipos" como hechos fijos e inmutables y empezar a verlos como el resultado de decisiones específicas.
• Diseñar mejores estudios que sean más transparentes y más fáciles de repetir.

En Resumen

El artículo es un llamado a dejar de adivinar y empezar a mapear. Dice: "Hemos estado intentando clasificar a personas con dificultades de lectura durante años, pero hemos estado utilizando diferentes máquinas de clasificación. Construyamos una herramienta (MAP-DyS) que nos muestre exactamente cómo funciona cada máquina, para que finalmente podamos entender por qué obtenemos resultados diferentes y cómo hacer que nuestra investigación sea más clara para todos".

La herramienta se centra actualmente en la dislexia, pero los autores dicen que la misma idea de "máquina de clasificación" podría utilizarse en cualquier campo donde los investigadores intenten agrupar a las personas en subtipos, como el autismo o el TDAH.

Resumen técnico

Resumen Técnico: MAP-DyS – Un Marco Interactivo para Mapear Trayectorias de Decisión Analítica en la Investigación de Subtipificación

Declaración del Problema

Los enfoques de subtipificación se utilizan ampliamente en la investigación psicológica y cognitiva para clasificar a los individuos en subgrupos basados en características conductuales o cognitivas compartidas, particularmente para abordar la heterogeneidad en condiciones del desarrollo como la dislexia del desarrollo. Sin embargo, estos análisis implican una compleja tubería multietapa que comprende numerosas decisiones metodológicas, incluyendo la selección de modelos teóricos, estrategias de preprocesamiento de datos, índices de rendimiento y técnicas estadísticas.

El problema central identificado es que la variabilidad en estas decisiones analíticas conduce a una identificación inconsistente de subgrupos y complica las comparaciones entre estudios. Aunque el campo reconoce los "grados de libertad del investigador", el espacio de decisiones específico en la investigación de subtipificación rara vez se define o mapea sistemáticamente. Sin un mapa sistemático de estas decisiones, es difícil diseñar análisis multiverso informados, interpretar la variabilidad entre estudios o determinar si los resultados de la subtipificación son robustos o meros artefactos de elecciones analíticas específicas.

Metodología

Construcción del Corpus y Revisión Sistemática

Para abordar esta brecha, los autores realizaron una búsqueda sistemática de literatura siguiendo las directrices PRISMA (sin preregistro) en cuatro bases de datos: Embase (incluyendo MEDLINE/PubMed), APA PsycInfo, ERIC y OSF Preprints.

• Estrategia de Búsqueda: La cadena de búsqueda combinó términos para dislexia/dificultades de lectura con términos para subtipificación/subagrupación.
• Criterios de Elegibilidad: Se incluyeron estudios que reportaran resultados empíricos originales identificando perfiles cognitivos/conductuales o subtipos de lectores con dificultades de lectura. Se excluyeron estudios que dependieran exclusivamente de medidas neurales (por ejemplo, fMRI) o datos genéticos sin medidas conductuales, o que no incluyeran individuos con dislexia del desarrollo.
• Cribado: Dos evaluadores examinaron títulos y resúmenes. La fiabilidad interevaluador (κ de Cohen) se calculó en un subconjunto aleatorio del 20%. El κ inicial fue 0.592; las discrepancias se resolvieron mediante discusión, y el evaluador principal revisó nuevamente la lista completa para finalizar el conjunto de datos.
• Corpus Final: El conjunto de datos resultante comprende 63 estudios (de 52 ítems) publicados entre 2014 y 2023.

Marco de Codificación

Los autores extrajeron 168 variables categorizadas en cinco dominios:

1. Información de Publicación: (por ejemplo, disponibilidad de código/datos).
2. Características de la Muestra: (por ejemplo, tamaño de la muestra, idioma, comorbilidad).
3. Medidas: (por ejemplo, constructos, nombres de pruebas, tipos de variables, indicadores de rendimiento).
4. Métodos: (por ejemplo, software, modelos teóricos, modelos estadísticos, valores de corte, estandarización de datos, tratamiento de valores atípicos/datos faltantes).
5. Resultados: (por ejemplo, nombres de subtipos, prevalencia, estado de validación, robustez).

El Marco MAP-DyS

Los autores desarrollaron MAP-DyS ("Mapeo de Subtipos de Dislexia"), una aplicación interactiva de código abierto basada en Shiny diseñada para visualizar estas trayectorias de decisión. El marco opera a nivel de artículos publicados, tratando el conjunto de datos como un "multiverso" de elecciones analíticas.

La aplicación consta de tres componentes principales:

1. Exploración del Conjunto de Datos: Permite a los usuarios filtrar el conjunto de datos por categorías de variables (publicación, muestra, medidas, métodos, resultados) y generar tablas personalizadas ("Crear tu Tabla").
2. Multiverso de Pasos de Decisión:
   • Datos Descriptivos: Visualizaciones univariadas (distribuciones de frecuencia) y bivariadas (tablas cruzadas) de las características del estudio.
   • Subconjunto del Multiverso: Los usuarios pueden filtrar estudios basados en combinaciones específicas de decisiones analíticas (por ejemplo, un modelo teórico específico + un método estadístico).
   • Mapa de Decisión de Artículo Individual: Visualiza la tubería analítica de un artículo seleccionado, destacando las decisiones que se superponen con otros estudios en la base de datos.
3. Explorador de Resultados de Subtipificación:
   • Modelo Teórico y Subtipos: Un mapa de calor que vincula marcos teóricos con los subtipos identificados.
   • Idioma y Subtipos: Un mapa de calor que vincula los idiomas de los participantes con los subtipos identificados.

Resultados Clave y Demostraciones

Utilizando el marco MAP-DyS, los autores demostraron una variabilidad significativa en la literatura sobre subtipificación de dislexia:

• Metadatos y Características de la Muestra:

  • Los tamaños de muestra son predominantemente pequeños (la mayoría de los estudios $n < 100$), lo que podría restringir la estabilidad de soluciones complejas.
  • La literatura está fuertemente sesgada hacia contextos occidentales (inglés y francés), con una representación limitada de otros idiomas (por ejemplo, chino, árabe, coreano).
  • Las edades de los participantes se agrupan alrededor de la adolescencia temprana (11–15 años), con menos estudios que cubren la primera infancia o la edad adulta.

• Variabilidad en las Decisiones Analíticas:

  • Marcos Teóricos: El Modelo de Doble Ruta/Hipótesis de Doble Déficit fue el más común, pero aproximadamente el 20% de los estudios no especificó un modelo teórico. La Visión Simple de la Lectura fue la segunda más citada.
  • Selección de Constructos: No hay consenso sobre la operacionalización de constructos; las etiquetas para constructos similares (por ejemplo, "identificación de palabras" vs. "reconocimiento de palabras") varían, y las composiciones de las baterías de pruebas difieren ampliamente.
  • Enfoques Estadísticos: La clasificación por media-desviación estándar (utilizando criterios clínicos) fue el método más prevalente (~46%). Los métodos basados en datos (por ejemplo, análisis de conglomerados, Análisis de Perfiles Latentes) se utilizaron con menos frecuencia e inconsistentemente.
  • Validación: Más de la mitad de los estudios no reportaron ninguna validación formal de sus subtipos.
  • Transparencia: Aproximadamente el 76% de los estudios no reportó el software específico o la versión utilizada. Entre aquellos que sí lo hicieron, SPSS dominó; los entornos de código abierto (R/Python) se reportaron raramente.

• Resultados de Subtipificación:

  • La mayoría de los estudios identificaron entre dos y cuatro subtipos.
  • Aunque algunos perfiles (por ejemplo, dislexia fonológica y superficial) parecían consistentes entre idiomas, también surgieron perfiles específicos del idioma (por ejemplo, subtipos de memoria de trabajo en francés, déficits de RAN/morfológicos en chino). Sin embargo, los autores señalan que estas diferencias pueden reflejar elecciones analíticas en lugar de perfiles cognitivos puramente lingüísticos.

Significado y Afirmaciones

El artículo afirma que MAP-DyS desplaza el enfoque de la investigación de subtipificación de "identificar subtipos" a "comprender cómo se construyen los subtipos".

• Transparencia y Reproducibilidad: Al hacer transparente y navegable la variabilidad analítica, la herramienta apoya a los investigadores en la evaluación crítica de las prácticas existentes y en el diseño de estudios más reproducibles. Destaca la falta de estandarización en la comunicación del software y los procedimientos de validación.
• Perspectiva Multiverso: El marco proporciona una base para la investigación consciente del multiverso, permitiendo a los investigadores identificar trayectorias analíticas alternativas y evaluar qué tan comunes son en la literatura.
• Generalizabilidad: Aunque se demuestra en dislexia, los autores declaran que el marco es adaptable a otras áreas de la investigación psicológica y conductual que emplean enfoques de subtipificación o clasificación (por ejemplo, autismo, TDAH).
• Utilidad Práctica: La herramienta está destinada a apoyar la reflexión informada por la evidencia para clínicos y educadores con respecto a las prácticas de diagnóstico e intervención, aunque explícitamente no es una herramienta de diagnóstico.

Los autores concluyen que los resultados de la subtipificación dependen de una serie de decisiones analíticas. Al visualizar estas trayectorias de decisión, MAP-DyS permite una interpretación más cautelosa de hallazgos heterogéneos y apoya los esfuerzos para mejorar la replicabilidad y generalizabilidad de la investigación en ciencias del comportamiento.