Murat Sakal
Alineador Bloom de resultados
Clasifica tus resultados de aprendizaje según los niveles de la taxonomía de Bloom, corrige verbos no medibles (como «saber» y «comprender») y recomienda un método de evaluación adecuado para cada resultado. Realiza la clasificación según la verdadera demanda cognitiva del resultado, no según el significado superficial del verbo. Para quién es: docentes que diseñan planes de estudio o cursos y comisiones de desarrollo de programas.
Banco GIFT + control Bloom
Genera un banco completo de preguntas en formato GIFT a partir de tus temas y resultados de aprendizaje, con preguntas de opción múltiple, verdadero/falso, emparejamiento, respuesta corta y rellenar espacios. Etiqueta el nivel de la taxonomía de Bloom de cada pregunta y, si la mayoría se concentra en niveles inferiores (Recordar/Comprender), lo informa claramente y propone preguntas adicionales para evaluar habilidades de pensamiento de orden superior. Adecuado para responsables de evaluación y coordinadores de departamento que desean revisar la calidad de sus bancos de preguntas.
Redactor de planes semanales
Genera un plan de clase semanal estructurado a partir del tema y la duración que proporciones. Incluye objetivos de aprendizaje medibles, redactados con verbos de la taxonomía de Bloom, una secuencia de la clase con cronograma y una sugerencia de elemento de evaluación. Siempre relaciona los objetivos de aprendizaje con las actividades. Adecuado para: docentes universitarios y formadores que preparan cursos o programas de formación.
Creador de bancos GIFT
Genera bancos de preguntas de opción múltiple en formato GIFT a partir del tema y el contenido que proporciones, listos para cargar directamente en la pantalla «Banco de preguntas > Importar» de Moodle. Marca la respuesta correcta, crea distractores razonables relacionados con el tema y evita errores de sintaxis GIFT.\n\nAdecuado para: docentes que imparten clases en Moodle y coordinadores educativos que preparan bancos de preguntas para exámenes.
Informe estadístico + revisión
Genera una sección de Resultados completa a partir de tus resultados de estadística descriptiva e inferencial (incluidas las pruebas de supuestos). Si detecta que no se cumple la normalidad o la homogeneidad de varianzas, recomienda la prueba alternativa no paramétrica en lugar de ocultarlo. También identifica por adelantado al menos 4 objeciones que los revisores de revistas suelen plantear (por ejemplo, «no se informan las pruebas de supuestos», «no se indica el tamaño del efecto», «no se ha aplicado ninguna corrección por comparaciones múltiples») y ofrece una frase de defensa para cada una. Para quién: investigadores que trabajan con métodos cuantitativos y quieren rigor en la presentación estadística antes de enviar su manuscrito a una revista.
Redactor de pruebas grupales
Genera un texto de Resultados listo para incluir en un manuscrito y conforme a APA 7 a partir de los resultados de tus pruebas t, ANOVA o chi-cuadrado. Utiliza el formato correcto para informar resultados estadísticos (t(df)=..., p=..., d=...) e interpreta el tamaño del efecto según los criterios de Cohen. Te recuerda indicar un método de corrección por comparaciones múltiples cuando se comparan tres o más grupos. Para quién: investigadores y estudiantes de posgrado que realizan estudios experimentales o comparativos.
Redactor de estadística
Convierte los resultados de estadística descriptiva del usuario (media±DE o mediana(RIC), n(%)) en un párrafo académico de «Características de los participantes», listo para incluir en un manuscrito, además de una tabla con formato de Tabla 1. Selecciona el estadístico descriptivo correcto (media±DE frente a mediana(RIC)) según el estado de normalidad y nunca los mezcla. Para quién es: estudiantes de posgrado y académicos que realizan investigaciones cuantitativas y quieren redactar la sección «Participantes» del manuscrito de forma rápida y correcta.
Informe estadístico + réplica
Genera una sección de Resultados completa a partir de sus resultados estadísticos descriptivos e inferenciales (incluidas las pruebas de supuestos). Si detecta incumplimientos de normalidad o de homogeneidad de varianzas, recomienda una prueba alternativa no paramétrica, sin ocultarlos. Además, identifica de antemano al menos 4 objeciones que los revisores de revistas suelen plantear (p. ej., «no se han informado las pruebas de supuestos», «no se ha indicado el tamaño del efecto» o «no se ha aplicado una corrección por comparaciones múltiples») y ofrece una frase de respuesta para cada una. Adecuado para investigadores que trabajan con métodos de investigación cuantitativos y buscan reforzar la solidez de sus informes estadísticos antes de enviar un artículo a una revista.
Redactor de pruebas grupales
Genera un texto de Resultados, compatible con APA 7 y listo para incluir en un artículo, a partir de los resultados de pruebas t, ANOVA o chi-cuadrado. Utiliza el formato correcto de presentación estadística (t(df)=..., p=..., d=...) e interpreta el tamaño del efecto según los criterios de Cohen. Si se comparan tres o más grupos, recuerda que debe indicarse la corrección por comparaciones múltiples. Adecuado para investigadores y estudiantes de posgrado que realizan estudios experimentales o comparativos.
Redactor de estadística descriptiva
Convierte los resultados de estadística descriptiva del usuario (media±DE o mediana(RIC), n(%)) en un párrafo académico de «Características de los participantes» y una tabla con formato de Tabla 1, listos para incorporarse directamente a un artículo. Selecciona la estadística descriptiva adecuada según la normalidad (media±DE frente a mediana(RIC)) y nunca las mezcla. Adecuado para: estudiantes de posgrado y académicos que realizan investigaciones cuantitativas y quieren redactar rápida y correctamente la sección «Participantes» de su artículo.
Entropía-TOPSIS-ML + Revisor
Genera un informe completo de Métodos y Resultados a partir de los resultados de ponderación por entropía, clasificación TOPSIS y del clasificador de ML (XGBoost, Random Forest, Regresión Logística, etc.). Interpreta correctamente el AUC según los criterios de Hosmer y Lemeshow y, si la diferencia de rendimiento entre entrenamiento y prueba es grande, indica explícitamente el riesgo de sobreajuste. También identifica de forma anticipada al menos 4 objeciones que los revisores de revistas suelen plantear (por ejemplo, «cómo se gestionó el desequilibrio de clases» o «no se utilizó un conjunto de validación externa») y sugiere una frase de respuesta para cada una. Adecuado para investigadores que trabajan en informática sanitaria, predicción de riesgos clínicos o metodología híbrida MCDM-ML y buscan reforzar la solidez metodológica antes de enviar un artículo a una revista.
Redactor de análisis TOPSIS
Genera un texto completo de Métodos + Resultados, listo para integrar en un manuscrito, a partir de los resultados de tu análisis TOPSIS (matriz de decisión normalizada, distancias a las soluciones ideales positiva y negativa, y coeficientes de proximidad). Incluye una tabla de clasificación e interpreta en qué criterios destacaron o quedaron rezagadas las alternativas mejor y peor clasificadas. Adecuado para investigadores que trabajan en problemas de clasificación multicriterio, como la selección de proveedores, la comparación de productos o servicios, o el apoyo a la toma de decisiones clínicas.
Redactor de ponderación AHP
Convierte los resultados de la matriz de comparación por pares AHP (Proceso Analítico Jerárquico), como las ponderaciones de los criterios y el índice de consistencia, en una sección académica de «Ponderación de criterios» lista para insertar directamente en un manuscrito. Si el índice de consistencia (CR) supera 0,10, lo indica claramente en lugar de ocultarlo. Adecuado para investigadores que utilizan métodos MCDM, como TOPSIS/VIKOR, y determinan las ponderaciones de los criterios con AHP, así como para estudiantes de posgrado.
Entropía-TOPSIS-ML + Réplica
Genera un informe completo de Métodos + Resultados a partir de los resultados de la ponderación por entropía, la clasificación TOPSIS y clasificadores de ML (XGBoost, Random Forest, Regresión logística, etc.). Interpreta correctamente el AUC (según los criterios de Hosmer & Lemeshow) y señala claramente el riesgo de sobreajuste (overfitting) cuando existe una gran diferencia entre el rendimiento de entrenamiento y el de prueba. Además, identifica de antemano al menos 4 objeciones frecuentes de los revisores de revistas (por ejemplo, «cómo se abordó el desequilibrio de clases» o «no se utilizó un conjunto de validación externa») y ofrece una frase de defensa para cada una. Adecuado para investigadores que trabajan en informática sanitaria, predicción de riesgos clínicos o metodologías híbridas de toma de decisiones multicriterio (TDCM)-ML, y para quienes buscan reforzar la solidez metodológica antes de enviar un artículo a una revista.
Redactor de informes TOPSIS
Genera un texto completo de Método + Resultados, listo para un artículo, a partir de sus resultados del análisis TOPSIS (matriz de decisión normalizada, distancias a las soluciones ideales positiva y negativa, y coeficientes de proximidad). Presenta una tabla de clasificación e interpreta en qué criterios destacan la mejor y la peor alternativa. Ideal para investigadores que trabajan con problemas de clasificación multicriterio, como la selección de proveedores, la comparación de productos o servicios y el apoyo a decisiones clínicas.
Redactor de pesos AHP
Convierte los resultados de la matriz de comparación por pares de AHP (Proceso Analítico Jerárquico) —pesos de los criterios y razón de consistencia— en una sección académica de «Ponderación de criterios» lista para añadir directamente a un artículo. Si la razón de consistencia (CR) supera 0,10, lo indica claramente y sin ocultarlo. Adecuado para investigadores y estudiantes de posgrado que trabajan con métodos multicriterio de toma de decisiones (MCDM), como TOPSIS o VIKOR, y determinan los pesos de los criterios mediante AHP.
Informe PLS-SEM y objeciones
Genera un informe completo del modelo de medición y del modelo estructural a partir de los resultados de tu análisis PLS-SEM (cargas externas, CR/AVE, validez discriminante HTMT, coeficientes de trayectoria, R²/f²/Q² y SRMR). Aplica correctamente el umbral de HTMT y la interpretación de R² (criterios de Cohen/Chin), y evita el lenguaje causal. También identifica de antemano al menos 4 objeciones que los revisores de revistas plantean con frecuencia (por ejemplo, «por qué usar PLS en lugar de CB-SEM» o «no se informa ningún control del CMB») y sugiere una frase de defensa para cada una. Adecuado para investigadores de ciencias empresariales y sociales que utilizan PLS-SEM para el modelado de ecuaciones estructurales y buscan rigor metodológico antes de enviar un artículo a una revista.
Informe validez-fiabilidad
Genera un texto completo, listo para un manuscrito, para las secciones de Métodos y Resultados a partir de los resultados de tu análisis EFA o CFA (KMO, prueba de Bartlett, cargas factoriales, índices de ajuste, alfa de Cronbach/CR/AVE). Clasifica correctamente los umbrales de los índices de ajuste (CFI/TLI≥.90, RMSEA≤.08, etc.) e informa de problemas de validez, como AVE<0.50, sin ocultarlos. Ideal para académicos y estudiantes de posgrado que realizan estudios de desarrollo o adaptación de escalas.
Redactor del alfa de Cronbach
Convierte las estadísticas de fiabilidad que introduzcas (alfa de Cronbach, número de ítems y subescalas) en un párrafo académico de "Análisis de fiabilidad" listo para insertar directamente en tu manuscrito. Proporciona una tabla de aceptabilidad por subescala y, si detecta un alfa bajo (<.60), lo indica abiertamente en lugar de ocultarlo. Adecuado para estudiantes de posgrado e investigadores que utilizan escalas y quieren redactar la sección de método de forma rápida y correcta.
Informe y réplicas PLS-SEM
Genera un informe completo del Modelo de medición + Modelo estructural a partir de los resultados de su análisis PLS-SEM (cargas externas, CR/AVE, validez discriminante HTMT, coeficientes de trayectoria, R²/f²/Q² y SRMR). Aplica correctamente el umbral de HTMT y la interpretación de R² (según los criterios de Cohen/Chin), y evita el lenguaje causal. Además, identifica de forma anticipada al menos 4 objeciones frecuentes de los revisores de revistas (por ejemplo, «por qué se eligió PLS en lugar de CB-SEM» o «no se realizó un control del CMB») y ofrece una frase de defensa para cada una. Adecuado para: investigadores de empresas y ciencias sociales que realizan modelización de ecuaciones estructurales con PLS-SEM y buscan reforzar la solidez metodológica antes de enviar un artículo a una revista.
Validez y fiabilidad
Genera un texto completo, listo para incluir en un artículo, a partir de los resultados de análisis EFA o CFA (KMO, prueba de Bartlett, cargas factoriales, índices de ajuste, alfa de Cronbach/CR/AVE). Clasifica correctamente los valores umbral de los índices de ajuste (CFI/TLI≥.90, RMSEA≤.08, etc.) e informa de los problemas de validez, como AVE<0.50, sin ocultarlos. Adecuado para: académicos y estudiantes de posgrado que realizan estudios de desarrollo o adaptación de escalas.
Redactor de alfa de Cronbach
Convierte las estadísticas de fiabilidad introducidas por el usuario (alfa de Cronbach, número de ítems y subdimensiones) en un párrafo académico de «Análisis de fiabilidad» listo para incorporarse directamente a un artículo. Ofrece una tabla de aceptabilidad por subdimensión y, si detecta un alfa bajo (<.60), lo señala claramente sin ocultarlo. Adecuado para: estudiantes de posgrado e investigadores que utilizan escalas y desean redactar de forma rápida y precisa la sección de metodología de su tesis o artículo.
Redactor de informes CONSORT
A partir de los datos de tu ensayo controlado aleatorizado (ECA) —método de aleatorización, estado del cegamiento, análisis de potencia, cifras del flujo CONSORT (evaluados/aleatorizados/asignados/analizados) y enfoque del análisis ITT/PP—, genera un borrador completo de Resumen + Métodos + Resultados conforme a los 25 elementos de CONSORT 2010. Nunca confunde ITT y PP; comprueba la coherencia de las cifras del diagrama de flujo (aleatorizados ≥ asignados ≥ con seguimiento ≥ analizados). También identifica previamente al menos 4 objeciones que los revisores de revistas plantean con frecuencia (por ejemplo, «¿por qué no se informó de un análisis ITT?», «¿se comprobó el éxito del cegamiento?» o «¿se cambiaron los desenlaces?») y sugiere una frase de respuesta para cada una. Está diseñado para investigadores clínicos de medicina, enfermería y farmacia que realizan ECA y buscan solidez metodológica antes de enviar el artículo a una revista. Lo que no hace: no realiza análisis estadísticos ni genera datos; solo convierte los resultados que ya tienes en un informe conforme a CONSORT.
Redactor de métodos STROBE
Según el diseño de tu estudio transversal, de cohorte o de casos y controles, cuando introduces el método de selección de participantes, las variables, la justificación del tamaño de la muestra y los métodos estadísticos, produce un borrador completo de Métodos y Resultados con una referencia implícita a los 22 elementos de la lista de comprobación STROBE (Strengthening the Reporting of Observational Studies in Epidemiology). También proporciona al final una tabla de correspondencias que muestra qué párrafo corresponde a cada elemento de STROBE, lista para responder a la solicitud de una revista de «completar la lista de comprobación STROBE». Evita el lenguaje causal (usa «está asociado con» en lugar de «causa» en estudios observacionales) y analiza explícitamente las fuentes de sesgo y confusión. Adecuado para profesionales académicos de la epidemiología, la salud pública y la investigación clínica.
Asistente de datos faltantes
Al introducir el tamaño de la muestra, la proporción o el patrón de datos faltantes (MCAR/MAR/MNAR), el método utilizado para tratar los datos faltantes (eliminación por lista, imputación múltiple, etc.) y el método de detección de valores atípicos (puntuación Z, IQR, Mahalanobis), genera un párrafo académico que puedes insertar directamente en la sección «Preprocesamiento de datos» de tu manuscrito. Si existe una contradicción metodológica entre el método elegido y el patrón de datos faltantes (por ejemplo, usar la eliminación por lista con un patrón MNAR), lo indica explícitamente. Adecuado para estudiantes de posgrado e investigadores que realizan análisis de datos de encuestas o clínicos y quieren redactar la sección de preprocesamiento de datos de forma rápida y correcta.
Control de datos de escalas
Esta habilidad audita sistemáticamente los datos brutos de una encuesta recopilados como parte de un estudio de desarrollo de escalas, teniendo en cuenta los datos ausentes, las observaciones atípicas, las respuestas descuidadas (straightlining, longstring, random responding), las distribuciones anómalas por ítem y las condiciones previas de fiabilidad y factorizabilidad. No produce los resultados finales de EFA/CFA; ofrece una decisión fundamentada en evidencia de «go/no-go» sobre si los datos están preparados para las siguientes fases del análisis, así como una propuesta de división estratificada de la muestra (EFA/CFA split). Todos los cálculos se realizan mediante la ejecución de código real (Python: pandas, scipy, factor_analyzer, pingouin); no se generan cifras hipotéticas.
Redactor de metaanálisis
Produce un texto completo de Métodos + Resultados + Limitaciones conforme a PRISMA 2020 y al Cochrane Handbook a partir de las estadísticas de tu metaanálisis (tamaño del efecto combinado, I², Q, tau² e indicadores de sesgo de publicación). Nunca interpreta incorrectamente el valor de I² (incluido el enfoque de «porcentaje de varianza») y evita el lenguaje causal exagerado, usando expresiones prudentes como «los hallazgos son compatibles con...» en lugar de «la evidencia demuestra que». Al final, también ofrece al menos 3 preguntas que podría plantear un revisor, junto con frases para responderlas. Adecuado para: investigadores que redactan un artículo de metaanálisis y quieren reforzar la sección de métodos antes de enviarlo a una revista. Lo que no hace: no realiza cálculos estadísticos a partir de datos sin procesar (debes contar ya con los resultados de R/RevMan/CMA); solo convierte e interpreta tus resultados en texto académico.
Redactor bibliométrico
Convierte los datos sin procesar que obtienes de VOSviewer o de los resultados de Biblioshiny (Bibliometrix/R) —frecuencias de palabras clave, clústeres de redes de citas, tendencias anuales de publicación y distribución por país, institución o revista— en texto académico interpretado y listo para publicación. Usa un tono académico que explica hacia dónde se dirige la literatura, en lugar de repetir cifras sin procesar, y evita afirmaciones causales especulativas. Ideal para investigadores que redactan una tesis o un artículo y necesitan una sección de análisis bibliométrico, pero tienen dificultades para traducir los datos sin procesar a un lenguaje académico. Uso: pega directamente tu lista de clústeres o palabras clave de VOSviewer, o la tabla resumen de Biblioshiny; la skill asigna nombres temáticos e interpreta los clústeres de palabras clave, además de evaluar la red de citas y el patrón de colaboración entre países.
Redactor del diagrama PRISMA
Genera el texto de un diagrama de flujo conforme a PRISMA 2020 y un párrafo para el protocolo, dirigido a investigadores que realizan revisiones sistemáticas. Introduce los recuentos del cribado en tus bases de datos (identificación → cribado → elegibilidad → incluidos), comprueba la coherencia de las cifras y produce un texto que responde de forma defendible a la pregunta del revisor: «¿por qué vuestro diagrama de flujo pierde tantos registros?». También convierte tus criterios de inclusión y exclusión en una tabla con formato PICO/PECO. Adecuado para estudiantes de posgrado, investigadores académicos y revisiones preliminares de editores de revistas de artículos de revisión sistemática o metanálisis. Si detecta una incoherencia numérica (por ejemplo, que los incluidos sean más que los evaluados para elegibilidad), la indica explícitamente en lugar de corregirla en silencio.
Redactor CONSORT 2010
Genera un borrador completo de Resumen + Métodos + Resultados, conforme a los 25 elementos de CONSORT 2010, a partir de los datos de su ensayo controlado aleatorizado (ECA): método de aleatorización, estado del enmascaramiento, análisis de potencia, cifras del diagrama de flujo CONSORT (screened/randomized/allocated/analyzed) y enfoque de análisis ITT/PP. Nunca confunde la distinción entre ITT y PP y comprueba la coherencia de las cifras del diagrama de flujo (randomized ≥ allocated ≥ followed-up ≥ analyzed). Además, identifica de forma anticipada al menos 4 objeciones que los revisores de revistas suelen plantear (como «por qué no se informó del análisis ITT», «¿se evaluó el éxito del enmascaramiento?» o «¿hubo cambio de desenlaces?») y propone una frase de respuesta para cada una. Está diseñado para investigadores clínicos y profesionales académicos que realizan ECA en medicina, enfermería o farmacia y buscan solidez metodológica antes de enviar el manuscrito a una revista.
Auditoría previa de escalas
"Se activa cuando es necesario evaluar la calidad psicométrica de datos brutos de desarrollo de escalas (Excel/CSV) recopilados por una empresa profesional de encuestas, antes de pasar a EFA/CFA o a los análisis finales de fiabilidad. Evalúa exhaustivamente los datos faltantes, los valores atípicos, las respuestas descuidadas, el sesgo de respuesta, la calidad de los ítems y la suficiencia de la muestra, y genera una decisión Go/No-Go; no modifica los datos, solo proporciona un informe de diagnóstico y auditoría."
Redactor de métodos STROBE
Según el diseño de su estudio —transversal, de cohortes o de casos y controles—, cuando introduce el método de selección de participantes, las variables, la justificación del tamaño de la muestra y sus métodos estadísticos, genera un borrador completo de Métodos y Resultados con referencias implícitas a los 22 puntos de la lista de comprobación STROBE (Strengthening the Reporting of Observational Studies in Epidemiology). Al final, también presenta una tabla de correspondencias que indica qué punto de STROBE aborda cada párrafo; así, tendrá una respuesta preparada para la solicitud de «complete la lista de comprobación STROBE» durante el envío a una revista. Evita el lenguaje causal —dado que se trata de un estudio observacional, utiliza «está relacionado con» en lugar de «causa»— y analiza explícitamente las fuentes de sesgo y confusión. Es adecuado para académicos que trabajan en epidemiología, salud pública e investigación clínica.
Datos perdidos y atípicos
Introduce el tamaño de la muestra, la proporción y el patrón de los datos perdidos (MCAR/MAR/MNAR), el método utilizado para tratar los datos perdidos (eliminación por casos completos, imputación múltiple, etc.) y el método de detección de valores atípicos (puntuación Z, IQR, Mahalanobis) para generar un párrafo académico que puedes añadir directamente a la sección «Preprocesamiento de datos» de tu artículo. Si existe una contradicción metodológica entre el método elegido y el patrón de datos perdidos (por ejemplo, utilizar la eliminación por casos completos con un patrón MNAR), la señalará claramente. Es adecuado para estudiantes de posgrado e investigadores que analizan datos de encuestas o clínicos y quieren redactar la sección de preprocesamiento de datos de forma rápida y precisa.
Informe de metaanálisis
Genera un texto completo de Métodos + Resultados + Limitaciones a partir de tus estadísticas de metaanálisis (tamaño del efecto combinado, I², Q, τ² e indicadores del sesgo de publicación), conforme a PRISMA 2020 y al Manual Cochrane. Nunca interpreta incorrectamente el valor de I² (incluido el porcentaje de varianza explicado) y evita el lenguaje causal exagerado: en lugar de «las pruebas demuestran que», utiliza expresiones prudentes como «los hallazgos son coherentes con». Al final, también presenta al menos 3 posibles preguntas que podría plantear un revisor y frases para responderlas. Es adecuado para investigadores que redactan un artículo de metaanálisis y quieren reforzar la sección de métodos antes de enviarlo a una revista. Lo que no hace: no calcula estadísticas a partir de datos sin procesar (debes haber calculado previamente los resultados en R/RevMan/CMA); solo convierte los resultados en texto académico y los interpreta.
Hallazgos bibliométricos
Convierte los datos numéricos sin procesar obtenidos de VOSviewer o Biblioshiny (Bibliometrix/R) —frecuencias de palabras clave, clústeres de redes de citas, tendencias anuales de publicación y distribución por país, institución o revista— en un texto interpretado y listo para una publicación académica. En lugar de repetir las cifras, emplea un tono académico que explica hacia dónde evoluciona la literatura y evita afirmaciones causales especulativas. Es adecuado para investigadores que redactan una tesis o un artículo y necesitan preparar una sección de análisis bibliométrico, pero tienen dificultades para transformar los datos sin procesar en lenguaje académico. Uso: pega directamente la lista de clústeres o palabras clave obtenida de VOSviewer, o la tabla resumen de Biblioshiny; la skill nombra e interpreta temáticamente los clústeres de palabras clave y evalúa la red de citas y los patrones de colaboración entre países.
Redactor de flujo PRISMA 2020
Genera el texto del diagrama de flujo y el párrafo del protocolo conforme a la lista de comprobación PRISMA 2020 para investigadores que realizan revisiones sistemáticas. Al introducir las cifras de las búsquedas en bases de datos (identification → screening → eligibility → included), comprueba su coherencia y produce un texto defendible ante la pregunta del revisor: «¿Por qué su diagrama de flujo muestra tantas pérdidas?». Además, convierte tus criterios de inclusión y exclusión en una tabla con formato PICO/PECO. Esta herramienta es adecuada para estudiantes de posgrado y académicos que redactan revisiones sistemáticas o metanálisis, así como para la revisión preliminar de editores de revistas. Si detecta una incoherencia numérica (por ejemplo, included > eligibility), la señala claramente y no la corrige de forma silenciosa.