◇ OpenCyber Academy
Máster · Capítulo 7 · Español

Capítulo 7 — Redacción de la tesis y limitaciones

Aprendizaje gratuito y abierto para quienes desean proteger a las personas y la tecnología. No se necesita una cuenta para estudiar ni consultar las respuestas.

Capítulo 7 — Redacción de la tesis y limitaciones

Mapa de la lección

Lección 07 publicada. Mapa, ejemplo, EX039.

flowchart TD
  N0["Resultados de aprendizaje y conexión"]
  N1["7.1 Estructura: una función por capítulo"]
  N2["7.2 El argumento y el registro de resultados y afirm"]
  N3["7.3 Comunicar los resultados con honestidad"]
  N4["7.4 Procedencia de las cifras"]
  N5["7.5 Las guías de comunicación como listas de comprob"]
  N6["7.6 Limitaciones con dirección"]
  N7["7.7 Figuras y tablas accesibles"]
  N0 --> N1 --> N2 --> N3 --> N4 --> N5 --> N6 --> N7
  N7 --> EX["Ejemplo resuelto"]
  EX --> Q["Ejercicio EX039"]

Dibujo lógico

flowchart LR
  N0["Resultados de aprendizaje y conexión"]
  N1["7.1 Estructura: una función por capítulo"]
  N2["7.2 El argumento y el registro de resultados y afirm"]
  N3["7.3 Comunicar los resultados con honestidad"]
  N4["7.4 Procedencia de las cifras"]
  N5["7.5 Las guías de comunicación como listas de comprob"]
  N6["7.6 Limitaciones con dirección"]
  N7["7.7 Figuras y tablas accesibles"]
  N0 --> N1 --> N2 --> N3 --> N4 --> N5 --> N6 --> N7 --> Q["EX039"]
[Resultados de aprendizaje y conexión]
    |
    v
[7.1 Estructura: una función por capítulo]
    |
    v
[7.2 El argumento y el registro de resultados y afirm]
    |
    v
[7.3 Comunicar los resultados con honestidad]
    |
    v
[7.4 Procedencia de las cifras]
    |
    v
[7.5 Las guías de comunicación como listas de comprob]
    |
    v
[7.6 Limitaciones con dirección]
    |
    v
[7.7 Figuras y tablas accesibles]
    |
    v
[Ejemplo resuelto] --> [Ejercicio EX039]

Resultados de aprendizaje y conexión

Al final de este capítulo, el estudiante será capaz de:

  1. Estructurar una tesis de maestría empírica de modo que cada capítulo tenga una sola función y el argumento avance de forma visible desde la pregunta hasta la conclusión.
  2. Mantener un registro de resultados y afirmaciones que vincule cada afirmación del resumen, la discusión y la conclusión con un resultado concreto y sus límites.
  3. Comunicar las estimaciones con su incertidumbre, evitar el lenguaje dicotómico de la «significación» y calibrar los verbos causales según el diseño.
  4. Hacer que cada cifra del texto pueda rastrearse hasta la salida del análisis y comprobarla con un script.
  5. Usar como listas de comprobación las guías de comunicación para datos observacionales, datos recogidos de forma rutinaria y datos cualitativos.
  6. Redactar limitaciones que enuncien la dirección y el tamaño probable de cada sesgo y qué lo resolvería.
  7. Producir figuras y tablas accesibles, y una declaración de disponibilidad de datos y código que respete la sensibilidad de la información.

Este capítulo convierte los capítulos 1–6 en un documento que un examinador puede evaluar. El capítulo 8 prepara esa evaluación.

7.1 Estructura: una función por capítulo

Una tesis de maestría empírica típica tiene las partes siguientes. Los presupuestos de palabras varían según la institución; las proporciones de abajo son un punto de partida común para una tesis de 20 000 palabras.

Parte Su única función Proporción aproximada
Resumen Enunciar la pregunta, el diseño, los resultados principales con su incertidumbre y la limitación principal 300 palabras
1 Introducción Plantear el problema, la decisión a la que afecta y las preguntas 10 %
2 Revisión de la literatura Mostrar lo que se sabe y la laguna, concepto por concepto (la matriz del capítulo 1) 20 %
3 Métodos Permitir que un lector reproduzca el estudio: diseño, datos, ética, análisis, desviaciones 20 %
4 Resultados Comunicar lo encontrado para cada pregunta, sin interpretar más allá de los datos 20 %
5 Discusión Responder a las preguntas, relacionarlas con la literatura, explicar los mecanismos, enunciar las implicaciones 20 %
6 Limitaciones y conclusión Acotar las afirmaciones; decir qué se sigue y qué no 10 %
Apéndices Libro de códigos, plan de preanálisis y registro de desviaciones, informes de auditoría, guía de entrevista, materiales de consentimiento, listas de comprobación de comunicación —

Escriba primero los métodos (ya están en el plan de preanálisis), después los resultados, luego la discusión, y la introducción y el resumen al final, cuando sepa lo que la tesis muestra realmente. Muchas tesis débiles lo son porque la introducción se escribió primero y prometió un hallazgo que los resultados no dieron.

7.2 El argumento y el registro de resultados y afirmaciones

Los examinadores siguen el hilo desde las preguntas del capítulo 1 hasta las respuestas de la conclusión. Hágalo visible: cada pregunta de investigación se responde explícitamente en la discusión, con la misma formulación, y la conclusión repite esas respuestas en su forma acotada. Un registro de resultados y afirmaciones es una tabla que se mantiene durante la redacción y se adjunta como apéndice o se usa en privado antes de la entrega. Cada fila es una afirmación que aparece en cualquier lugar de la tesis:

ID Afirmación (tal como está escrita) Dónde aparece Resultado que la respalda Alcance y condiciones Estado
C1 «Las llegadas en ambulancia al SU vecino más cercano aumentaron alrededor de una cuarta parte durante el desvío». Resumen, 5.1, 6 Tabla 4.2: +24,4 % (de 6,7 % a 44,9 %); rango placebo 1/16 Un evento sintético; en relación con Wexmoor; se suponen tendencias paralelas Respaldada
C2 «El aumento disminuyó con la distancia». Resumen, 5.2 Estimaciones puntuales 24,4 %, 5,8 %, 0,8 % Los intervalos de Brookfield y Calloway se solapan Respaldada solo para el más cercano frente a los demás
C3 «Brookfield no se vio afectado». Borrador 5.2 Tabla 4.2: +5,8 % (de −6,7 % a 19,9 %) — No respaldada: no concluyente, reescribir
C4 «El desvío aumentó los tiempos de espera en seis minutos». Borrador del resumen Tabla 4.3: +5,9 (de 2,6 a 9,2), no controlado Confundido por la estación Exagerada: reescribir como compatible con un aumento cuyo tamaño está confundido
C5 «La carga siguió la geografía viaria». 5.3 Tema T1 (I02, I04, I07, I09) y el gradiente Relatos de entrevistas; una región Respaldada como mecanismo

El registro detecta el fallo más común: una afirmación que creció al pasar de los resultados al resumen.

7.3 Comunicar los resultados con honestidad

7.3.1 Estimaciones e intervalos, no veredictos

Comunique la estimación, su intervalo y lo que el intervalo descarta. «Las llegadas a Alder Point aumentaron un 24,4 % (intervalo del 95 %: del 6,7 % al 44,9 %)» aporta información; «un aumento estadísticamente significativo (p < 0,05)» aporta menos y se presta a malas lecturas. La declaración de la American Statistical Association sobre los valores p (Wasserstein and Lazar, 2016) expone principios como que los valores p no miden la probabilidad de que una hipótesis sea verdadera, que las conclusiones científicas no deben depender solo de que un valor p supere un umbral y que un valor p no mide el tamaño ni la importancia de un efecto. Para un resultado no concluyente, comunique lo que excluye el intervalo: el intervalo de Calloway excluye aumentos superiores a alrededor del 12 %; el de Brookfield no excluye ni el cero ni un aumento del 20 %.

7.3.2 Verbos calibrados

Respaldo del diseño Formulación adecuada Evitar
Recuento descriptivo «se registró», «se observó» «mostró que X causa»
Asociación «se asoció con», «coincidió con» «llevó a», «causó»
Diseño controlado con supuestos enunciados «aumentó en relación con la región de comparación», «se estima que aumentó, suponiendo que…» «prueba», «demuestra de forma concluyente»
Evidencia cuantitativa y cualitativa convergente «es compatible con», «sugiere que el mecanismo fue…» «establece»

El lenguaje causal no está prohibido; una STI controlada es un diseño causal. Debe ir acompañado de sus supuestos en el mismo párrafo.

7.3.3 Multiplicidad

El Estudio de Desbordamiento tenía un resultado primario (llegadas), tres centros y un resultado secundario. Indique en los métodos qué estimaciones son primarias, comuníquelas todas y no seleccione la más llamativa para el resumen. Cuando se examinan muchos resultados, algunos parecerán notables por azar; el resultado primario preespecificado es la defensa.

7.4 Procedencia de las cifras

Cada cifra del texto debe proceder de la salida del análisis, no de la memoria ni de un borrador anterior. Tres prácticas ayudan: generar las tablas de resultados directamente desde los scripts; conservar un archivo de resultados legible por máquina de la ejecución final; y comprobar el texto frente a él antes de la entrega. El laboratorio 7, más abajo, automatiza una primera pasada. El redondeo merece su propia regla. La estimación principal del Estudio de Desbordamiento es 24,4 % en la tabla 4.2 y 24 % en el resumen reescrito; ambas son correctas solo si la tesis indica que el resumen redondea a porcentajes enteros. Mantenga la misma precisión para la misma magnitud en todos los capítulos y registre las unidades junto a cada valor en el archivo de resultados, para que un porcentaje no pueda confundirse con un recuento de minutos. Cuando una cifra cambie en una ejecución tardía, busque el valor antiguo en todo el texto, incluidos los pies de figura, el resumen y los apéndices, antes de volver a entregar el borrador.

7.5 Las guías de comunicación como listas de comprobación

Las guías de comunicación enumeran lo que un lector necesita para evaluar un estudio; usarlas como lista de comprobación durante la redacción evita omisiones. Las pertinentes para este campo:

Adjunte como apéndices las listas de comprobación cumplimentadas, con referencias a páginas o secciones.

7.6 Limitaciones con dirección

Una lista de debilidades («muestra pequeña; una región; posible confusión») no dice a un examinador nada que no hubiera podido adivinar. Una limitación con dirección enuncia el problema, su efecto probable sobre la estimación principal (dirección y tamaño aproximado), qué hizo el estudio al respecto y qué lo resolvería.

Limitación Efecto probable sobre la estimación principal Qué se hizo Qué lo resolvería
Se suponen tendencias paralelas entre Tamsin Valley y Wexmoor Cualquier dirección; si la estación de Wexmoor fue más suave, los efectos están exagerados Se inspeccionó el cociente previo al evento; se usó cada SU de Wexmoor por separado (capítulo 8) Más regiones de comparación; control sintético con más donantes
Un evento, una región Ningún sesgo por sí mismo; limita la transferencia, sobre todo a regiones sin un sistema dominante Se describió la estructura de la región Análisis agrupado de varios eventos con métodos para momentos escalonados
Las llegadas en ambulancia miden traslados, no necesidad Infravalora la carga si la gravedad aumentó más que los recuentos Entrevistas sobre la gravedad (T3) Recuentos ponderados por gravedad a partir de las categorías de triaje
El modelo del tiempo de espera no tiene comparación Exagera el efecto del desvío sobre el tiempo de espera (incluye la estación) Se comunicó como confundido Una serie de comparación para los tiempos de espera
Resolución diaria Infravalora la tensión máxima, que se concentró de noche (T3) Se señaló en la discusión Datos horarios
Brookfield con potencia insuficiente Sesga la interpretación hacia «sin efecto» si se lee mal Se comunicó como no concluyente, con su intervalo Agrupar vecinos; más eventos
Entrevistas posteriores al evento La retrospectiva puede hacer que el mecanismo parezca más coherente de lo que fue Preguntas ancladas a registros fechados Registros contemporáneos; entrevistas poco después de los eventos
Revisión de los borradores por los socios Posible presión hacia una formulación más suave Acuerdo sin veto; cambios registrados Replicación independiente

7.7 Figuras y tablas accesibles

Siga para su propio trabajo lo que espera el estándar del libro: cada figura tiene un pie que enuncia su mensaje y un texto alternativo que transmite su contenido a un lector que no puede verla; el color nunca es el único portador de significado; las tablas tienen encabezados descriptivos y, cuando son complejas, un resumen de una frase en lenguaje llano. El texto alternativo de una figura de estudio de eventos podría decir: «Cociente logarítmico diario de las llegadas de Alder Point respecto de las de Wexmoor, días −180 a +89, con la tendencia ajustada. El cociente es plano antes del día 0, sube durante los días 0–20 unos 0,2 en escala logarítmica y vuelve cerca de la tendencia después del día 34». Escriba las cifras en el texto con la misma precisión que en las tablas.

7.8 Disponibilidad de datos y código bajo sensibilidad

Los estudios de infraestructura a menudo no pueden publicar sus datos. Diga qué está disponible, en qué nivel y por qué el resto no lo está:

El código y los datos de prueba sintéticos están disponibles en el repositorio del proyecto [enlace] bajo CC0. Los agregados diarios de los SU los aportaron los hospitales participantes en virtud de acuerdos de datos que no permiten su redistribución; los investigadores pueden solicitar acceso a los custodios, cuyas vías de contacto figuran en el apéndice C. Las transcripciones de las entrevistas no están disponibles porque se prometió confidencialidad a los participantes y algunos podrían identificarse por su función. Las cifras de capacidad por instalación se omiten por su potencial para facilitar la selección de objetivos; los resúmenes regionales se comunican en el capítulo 4.

Una declaración así cumple el espíritu de los principios FAIR respecto de lo que puede compartirse y es honesta sobre lo que no.

7.9 Ejemplo resuelto: reescribir el resumen (sintético)

El primer resumen del candidato terminaba así: «Este estudio prueba que los ataques de ransomware aumentan significativamente la saturación de los servicios de urgencias en toda la región, lo que demuestra la necesidad urgente de invertir en ciberresiliencia». El registro de resultados y afirmaciones señaló cuatro problemas: «prueba» (el diseño respalda una estimación bajo supuestos); «ransomware» (la exposición fue el desvío); «en toda la región» (solo el SU más cercano mostró un aumento claro); «necesidad urgente de invertir» (el estudio no evaluó ninguna inversión). Conclusión reescrita del resumen:

Durante un desvío de ambulancias de 21 días inducido por ransomware en una región sintética, las llegadas en ambulancia al servicio de urgencias vecino más cercano aumentaron un 24 % estimado (intervalo del 95 %: del 7 % al 45 %) en relación con una región de comparación no afectada; las estimaciones en los servicios más distantes fueron pequeñas y no concluyentes. Las entrevistas indicaron que las ambulancias desviadas siguieron la geografía viaria y que los vecinos supieron del desvío de manera informal. Los planes regionales de desvío pueden necesitar mecanismos explícitos de reparto de la carga y de notificación; no se comprobó si estos reducen la tensión.

7.10 Actividad práctica: procedencia de las cifras

El laboratorio contiene los resultados del laboratorio 6 y un párrafo de borrador escrito en parte de memoria. Extrae cada cifra del texto, comprueba si coincide con un resultado registrado (admitiendo el redondeo) y señala las formulaciones que exageran. Guárdelo como lab7_provenance.py: la respuesta resuelta de EX039 lee el borrador de ese archivo.

# Lab 7 - every number in the results text must trace to the analysis output (offline)
# RESULTS mirrors the Lab 6 output; DRAFT is a synthetic dissertation paragraph written from memory.
import re

RESULTS = {                      # value, as a percentage or a count, from the analysis log
    "AP_effect": 24.4, "AP_lo": 6.7, "AP_hi": 44.9,
    "BF_effect": 5.8, "BF_lo": -6.7, "BF_hi": 19.9,
    "CG_effect": 0.8, "CG_lo": -9.3, "CG_hi": 12.1,
    "AP_naive": 33.0, "placebo_n": 15, "event_days": 21,
}
DRAFT = """During the 21-day diversion, ambulance arrivals at Alder Point rose by 24.4%
(95% interval 6.7% to 44.9%) relative to the Wexmoor comparison hospitals, larger than any of
the 16 placebo windows. Brookfield rose by 5.8% (-6.7% to 19.9%) and Calloway by 0.8%.
A simple before-and-after comparison would have suggested a 33% rise. The attack caused
a significant increase in arrivals at Brookfield, and waiting times rose by 6 minutes."""
CAUSAL = ("caused", "proves", "significant increase", "due to the attack")

values = set(RESULTS.values())
def traced(x):
    return any(abs(x - v) <= 0.05 or (float(x).is_integer() and abs(x - round(v)) == 0) for v in values)

problems = []
for m in re.finditer(r"-?\d+(?:\.\d+)?", DRAFT):
    x = float(m.group())
    if x == 95:                  # the interval level, declared in the methods
        continue
    if not traced(x):
        problems.append(f"untraced number {m.group()!r}")
for phrase in CAUSAL:
    if phrase in DRAFT.lower():
        problems.append(f"check wording: {phrase!r}")
print("\n".join(problems) if problems else "all numbers traced")

Salida esperada:

untraced number '16'
check wording: 'caused'
check wording: 'significant increase'

La comprobación encontró tres problemas: «16 placebo windows» (hubo 15; 16 es el denominador del rango), y «caused» y «significant increase» aplicados a Brookfield, cuyo resultado no es concluyente. Pasó por alto dos: «waiting times rose by 6 minutes» solo se aceptó porque 6 coincide con el porcentaje redondeado de Brookfield (5,8 %), una coincidencia falsa entre unidades, y el resultado del tiempo de espera ni siquiera está en RESULTS; y la estimación de Calloway se da sin su intervalo. Un script es una primera pasada: detecta a bajo costo los errores de transcripción, pero solo un lector con el registro de resultados y afirmaciones detecta una afirmación errónea en el fondo. EX039 le pide mejorar la comprobación.

7.11 Errores comunes y límites

El límite de una buena redacción es que no puede rescatar un diseño débil; su función es hacer visibles las fortalezas y las debilidades del diseño para que los lectores puedan juzgar correctamente las afirmaciones.

Ejercicios — capítulo 7

EX039 — Mejorar la comprobación de procedencia. Objetivo: usar y ampliar el laboratorio 7. Entradas: el código del laboratorio. Restricciones: sin conexión. Pasos: (1) ejecute el laboratorio y registre la salida; (2) cambie la comprobación para que cada cifra se compare solo con resultados de la misma unidad (porcentaje o minutos), usando la palabra que sigue a la cifra; (3) añada a RESULTS el resultado del tiempo de espera (5,9 minutos, intervalo de 2,6 a 9,2) con su unidad; (4) añada una comprobación de que cada estimación por centro va seguida de un intervalo; (5) reescriba el borrador para que la comprobación se supere y el texto sea exacto. Evidencia esperada: código, salida y párrafo corregido. Rúbrica: 3 = la comparación por unidades detecta la coincidencia falsa entre minutos y porcentaje, se señala el intervalo ausente de Calloway, el párrafo corregido tiene cifras exactas, verbos calibrados y Brookfield descrito como no concluyente; 2 = falta una comprobación; 1 = solo se corrige el texto; 0 = nada.

EX040 — Limitaciones con dirección. Objetivo: redactar limitaciones que informen. Entradas: un estudio sintético que estima el efecto de una interrupción de un procesador de pagos sobre las dispensaciones de recetas en farmacias con datos semanales de una cadena. Restricciones: al menos cinco limitaciones con el formato del §7.6. Pasos: para cada una, enuncie la dirección probable y el tamaño aproximado del sesgo, qué se hizo y qué lo resolvería; ordénelas según su amenaza para la conclusión principal. Evidencia esperada: tabla y orden. Rúbrica: 3 = direcciones razonadas (por ejemplo, la resolución semanal diluye hacia cero un efecto de tres días; los clientes de una cadena pueden pasarse a la competencia, lo que exageraría la caída de las dispensaciones totales), orden justificado; 2 = falta una dirección; 1 = lista sin dirección; 0 = nada.

EX041 — Resumen estructurado. Objetivo: comprimir sin exagerar. Entradas: la salida del laboratorio 6 y el §6.6.4. Restricciones: 300 palabras; antecedentes, objetivo, diseño, contexto, resultados medidos, resultados con intervalos, conclusiones, limitación principal; se indica el carácter sintético. Pasos: (1) redacte; (2) compruebe cada afirmación frente al registro de resultados y afirmaciones; (3) pida a un compañero que identifique la limitación principal solo a partir del resumen. Evidencia esperada: resumen y extracto del registro. Rúbrica: 3 = cifras exactas con intervalos, la exposición se nombra correctamente como desvío, los centros distantes se describen como no concluyentes, la limitación es explícita y se indica el carácter sintético; 2 = una exageración; 1 = sin intervalos; 0 = nada.

EX042 — Correspondencia con una lista de comprobación de comunicación. Objetivo: usar las guías como listas de comprobación. Entradas: la declaración RECORD y los métodos del Estudio de Desbordamiento tal como se describen en los capítulos 3, 5 y 6. Restricciones: establecer la correspondencia de al menos ocho ítems. Pasos: (1) enumere ocho ítems de RECORD o STROBE pertinentes para el estudio; (2) indique la sección que aborda cada uno; (3) identifique cualquier ítem que el estudio aún no aborde y redacte el texto que falta. Evidencia esperada: tabla de correspondencias y texto redactado. Rúbrica: 3 = ítems bien elegidos (fuentes de datos, validación de códigos, enlace de registros, limpieza de datos, acceso a la población), secciones exactas, una laguna real encontrada (por ejemplo, cómo se validaron las definiciones de llegada en ambulancia de los custodios) y abordada; 2 = correspondencia superficial; 1 = lista copiada sin correspondencias; 0 = nada.

EX043 — Declaración de disponibilidad. Objetivo: ser abierto dentro de las limitaciones. Entradas: los niveles de sensibilidad del capítulo 3 y una petición de una revista de que «todos los datos se pongan a disposición del público». Restricciones: un párrafo más una respuesta de dos frases al editor. Pasos: (1) enumere qué puede publicarse y en qué nivel; (2) redacte la declaración; (3) redacte la respuesta explicando qué se omite y por qué, y ofreciendo una alternativa (por ejemplo, acceso a través de los custodios o datos sintéticos con la misma estructura). Evidencia esperada: declaración y respuesta. Rúbrica: 3 = se publica todo lo publicable, lo omitido se justifica por los acuerdos, el consentimiento o el riesgo de selección de objetivos, la vía de acceso alternativa es concreta; 2 = vaguedad sobre las vías; 1 = promete publicar datos restringidos; 0 = nada.

EX044 — Figura accesible. Objetivo: comunicar un resultado a todos los lectores. Entradas: las estimaciones del laboratorio 6 para los tres centros. Restricciones: una descripción de la figura (no hace falta dibujarla), pie, texto alternativo y resumen en lenguaje llano; ninguna codificación solo por color. Pasos: (1) elija un tipo de figura (por ejemplo, estimaciones con barras de intervalo frente a la distancia); (2) redacte el pie enunciando el mensaje; (3) redacte el texto alternativo con todos los valores; (4) redacte un resumen de una frase en lenguaje llano. Evidencia esperada: los cuatro textos. Rúbrica: 3 = el tipo de figura se ajusta a la comparación, el pie enuncia el mensaje y las estimaciones distantes no concluyentes, el texto alternativo es completo y el resumen es exacto para un no especialista; 2 = un texto incompleto; 1 = el pie describe en lugar de informar; 0 = nada.

Síntesis del capítulo

Dé a cada parte de la tesis una sola función y escríbala en el orden que mantiene honestas las promesas: métodos, resultados, discusión y, después, introducción y resumen. Mantenga un registro de resultados y afirmaciones para que las afirmaciones no puedan crecer camino del resumen. Comunique las estimaciones con sus intervalos y lo que excluyen; evite los veredictos de significación; calibre los verbos causales según el diseño y enuncie los supuestos junto a ellos. Haga que cada cifra sea rastreable y compruébela con un script, sabiendo que los scripts detectan errores de transcripción pero no afirmaciones erróneas. Use STROBE, RECORD, SRQR y COREQ como listas de comprobación. Redacte las limitaciones con dirección y resolución. Haga accesibles las figuras y declare con honestidad la disponibilidad de los datos dentro de las limitaciones de los acuerdos, el consentimiento y la sensibilidad de la infraestructura.

Siga estudiando — capítulo 07 de 08

← Capítulo 06 · Índice de capítulos del curso · Capítulo 08 →

Continúe con la siguiente lección escrita.

Respuestas desarrolladas

EX039 — Mejorar la comprobación de procedencia. (1) Salida del laboratorio 7 como en el §7.10. (2–4) Una versión de la comprobación que tiene en cuenta las unidades:

# EX039 worked answer: unit-aware provenance check (extends Lab 7)
import re
RESULTS = {  # name: (value, unit)
    "AP_effect": (24.4, "%"), "AP_lo": (6.7, "%"), "AP_hi": (44.9, "%"),
    "BF_effect": (5.8, "%"), "BF_lo": (-6.7, "%"), "BF_hi": (19.9, "%"),
    "CG_effect": (0.8, "%"), "CG_lo": (-9.3, "%"), "CG_hi": (12.1, "%"),
    "AP_naive": (33.0, "%"), "placebo_n": (15, "count"), "event_days": (21, "day"),
    "wait": (5.9, "min"), "wait_lo": (2.6, "min"), "wait_hi": (9.2, "min"),
}
UNITS = {"%": "%", "minutes": "min", "minute": "min", "day": "day", "days": "day",
         "placebo": "count", "windows": "count"}
CAUSAL = ("caused", "proves", "significant increase", "due to the attack")
NUM = r"-?\d+(?:\.\d+)?"

def unit_after(text, end):
    m = re.match(r"\s*-?\s*(%|[A-Za-z]+)", text[end:])
    if m and m.group(1).lower() == "to":              # "2.6 to 9.2 minutes": take the unit after the pair
        m2 = re.match(r"\s*to\s*" + NUM, text[end:])
        return unit_after(text, end + m2.end()) if m2 else None
    return UNITS.get(m.group(1).lower()) if m else None

def check(text):
    problems = []
    for m in re.finditer(NUM, text):
        x, u = float(m.group()), unit_after(text, m.end())
        if x == 95 and text[m.end():m.end() + 10] == "% interval":
            continue                                  # the interval level, declared in the methods
        ok = any(unit == u and (abs(x - v) <= 0.05 or (x.is_integer() and round(v) == x))
                 for v, unit in RESULTS.values())
        if not ok:
            problems.append(f"untraced number {m.group()!r} (unit: {u})")
    for site in ("Alder Point", "Brookfield", "Calloway"):
        i = text.find(site)
        if i >= 0 and not re.search(NUM + r"%?\s+to\s+" + NUM, text[i:i + 140]):
            problems.append(f"no interval near {site}")
    problems += [f"check wording: {p!r}" for p in CAUSAL if p in text.lower()]
    return problems

DRAFT = open("lab7_provenance.py").read().split('DRAFT = """')[1].split('"""')[0]
FIXED = """During the 21-day diversion, ambulance arrivals at Alder Point rose by 24.4% (95% interval 6.7% to 44.9%)
relative to the Wexmoor comparison hospitals, larger than all 15 placebo estimates. Brookfield's change of 5.8%
(-6.7% to 19.9%) and Calloway's of 0.8% (-9.3% to 12.1%) were inconclusive. A simple before-and-after comparison
would have suggested a 33% rise. Median waiting time at Alder Point was 5.9 minutes longer (2.6 to 9.2 minutes),
an estimate without a comparison series that includes seasonal crowding."""
for label, text in (("draft", DRAFT), ("fixed", FIXED)):
    print(label + ":", "; ".join(check(text)) or "all numbers traced")

Salida:

draft: untraced number '16' (unit: count); no interval near Calloway; check wording: 'caused'; check wording: 'significant increase'
fixed: all numbers traced

La comprobación compara ahora cada cifra solo con resultados de la misma unidad, y la primera cifra de un par como «2.6 to 9.2 minutes» hereda la unidad. Hallazgos en el borrador: los «6 minutes» del borrador se rastrean ahora hasta el resultado del tiempo de espera (5,9 minutos, redondeado) en lugar de coincidir falsamente con el 5,8 % de Brookfield; «16 placebo windows» queda sin rastrear (hay 15 ventanas; la 16.ª estimación es la real); Calloway no tiene intervalo; se señalan dos expresiones causales. Los intervalos de Alder Point y Brookfield están presentes en el borrador y no se señalan. (5) El párrafo corregido (en el script como FIXED) usa «rose by» con «relative to the Wexmoor comparison hospitals» en lugar de «caused», califica de no concluyentes a Brookfield y Calloway, da todos los intervalos y enuncia la limitación del tiempo de espera. Un comprobador no puede juzgar por completo la formulación: «were inconclusive» es correcto solo porque una persona leyó los intervalos.

EX040 — Limitaciones con dirección. Ordenadas según su amenaza para la conclusión:

Orden Limitación Dirección y tamaño probables Qué se hizo Qué lo resolvería
1 Resolución semanal para una interrupción de tres días Hacia cero: como mucho tres séptimos de la semana están expuestos, y la recuperación dentro de la semana compensa parte de la caída, lo que podría reducir a la mitad el efecto aparente Se comunicó por semana con esta salvedad Datos diarios
2 Datos de una sola cadena Exagera la caída de las dispensaciones totales, porque los clientes se pasaron a competidores que no se observan Se indicó; se solicitaron datos de los competidores Datos de reclamaciones de todo el mercado
3 Eventos concurrentes (festivos, cambios de aseguradora) Cualquier dirección Comprobaciones del calendario y de los pagadores Una cadena o región de comparación
4 Dispensaciones fechadas por procesamiento y no por dispensación Desplaza la caída hacia más tarde y crea un pico de rebote, lo que exagera ambos Se compararon las fechas de procesamiento y de dispensación Fechas de dispensación
5 Un solo evento Sin sesgo; limita la transferencia Se describió el contexto Más eventos

EX041 — Resumen estructurado. Se evalúa con la rúbrica; las frases clave: Diseño — «serie temporal interrumpida controlada de las llegadas diarias en ambulancia (180 días antes y 90 días desde el inicio del desvío) con una región de comparación no afectada, ventanas placebo y diez entrevistas analizadas temáticamente; datos docentes sintéticos». Resultados — Alder Point +24,4 % (de 6,7 % a 44,9 %; rango 1 de 16 frente a las ventanas placebo); Brookfield +5,8 % (de −6,7 % a 19,9 %) y Calloway +0,8 % (de −9,3 % a 12,1 %), ambos no concluyentes; las entrevistas atribuyeron los destinos a la geografía viaria y describieron una notificación tardía e informal. Conclusiones — «Un desvío de ambulancias de 21 días fue seguido de un aumento sustancial de las llegadas al SU más cercano; no pudieron determinarse los efectos en los SU más distantes». Limitación principal — «un evento y una región de comparación; se suponen tendencias estacionales paralelas». La exposición se nombra como el desvío, no como el ransomware.

EX042 — Correspondencia con una lista de comprobación de comunicación. Ejemplo de correspondencia (RECORD amplía STROBE para los datos recogidos de forma rutinaria): diseño y contexto del estudio (STROBE 4–5) → capítulo 3, §3.1 y el plan de preanálisis; participantes/unidades y fuentes de datos (STROBE 6, 8; RECORD 6.1) → los tres SU vecinos y los extractos de los custodios (capítulo 6, §6.1); variables y sus definiciones (STROBE 7; RECORD 7.1, códigos y algoritmos) → el libro de códigos; acceso a los datos y limpieza (RECORD 12.1–12.2) → auditoría del piloto y correcciones (capítulo 5); enlace de registros (RECORD 12.3) → no aplicable, indicado como tal; sesgo (STROBE 9) → tabla de rivales y controles negativos (capítulo 4); métodos estadísticos (STROBE 12) → §6.2–6.4; limitaciones (STROBE 19) → §7.6; accesibilidad del protocolo y de los datos (RECORD 22.1) → declaración de disponibilidad. Laguna real: cómo se validaron las definiciones de «llegada en ambulancia» de los custodios (por ejemplo, si cuentan los traslados entre centros y si la definición cambió durante el periodo de estudio). Texto redactado: «Cada custodio aportó su definición de llegada en ambulancia; confirmamos que las tres excluyen los traslados entre centros y que ninguna definición cambió entre los días −180 y 89, y comparamos los totales mensuales del extracto con los informes anuales publicados por los custodios».

EX043 — Declaración de disponibilidad. Publicable: el código de análisis y datos sintéticos que reproducen la estructura del análisis (público); el libro de códigos y el plan de preanálisis con el registro de desviaciones (público); las tablas de resultados agregados a nivel regional (público). Omitido: los recuentos diarios de los custodios (restringidos por los acuerdos de datos); las transcripciones (confidenciales según el consentimiento); las capturas de Wexmoor si las condiciones del panel prohíben su redistribución (se comparte en su lugar el método); los umbrales de ayuda mutua de la coalición (sensibles). Declaración: «El código de análisis, un conjunto de datos sintético con la misma estructura, el libro de códigos, el plan de preanálisis y el registro de desviaciones están disponibles en [repositorio y DOI]. Los recuentos diarios se aportaron en virtud de acuerdos con los custodios de datos y pueden solicitárseles en las mismas condiciones; las transcripciones de las entrevistas no pueden compartirse porque los participantes consintieron solo el uso de citas desidentificadas». Respuesta al editor: «Hemos publicado todo lo que permiten nuestros acuerdos y el consentimiento de los participantes, incluido código que reproduce cada resultado a partir de un conjunto de datos sintético. Los datos diarios pertenecen a los custodios, que han aceptado estudiar las solicitudes de investigadores cualificados en las mismas condiciones, y las transcripciones no pueden publicarse sin romper el consentimiento de los participantes».

EX044 — Figura accesible. Tipo de figura: un gráfico de puntos e intervalos con la distancia en el eje horizontal (6, 14, 38 km) y el cambio porcentual en el eje vertical, una línea de referencia en cero, cada centro etiquetado directamente y sin codificación por color. Pie: «Las llegadas en ambulancia aumentaron sustancialmente en el SU vecino más cercano durante el desvío de 21 días; los cambios en los dos SU más distantes no pudieron distinguirse de cero. Puntos: cambio porcentual estimado en relación con una tendencia ajustada por la comparación; barras: intervalos del 95 %. Datos docentes sintéticos». Texto alternativo: «Alder Point, 6 km: +24,4 % (de 6,7 % a 44,9 %). Brookfield, 14 km: +5,8 % (de −6,7 % a 19,9 %). Calloway, 38 km: +0,8 % (de −9,3 % a 12,1 %)». Resumen en lenguaje llano: «Cuando el hospital dejó de recibir ambulancias, el hospital vecino más cercano recibió alrededor de una cuarta parte más de ambulancias de lo esperado; no pudimos saber si los hospitales más alejados se vieron afectados».