PADECI /Karina Leyva y Manuel Arias
En las ciencias de la salud, los lenguajes de programación han cobrado gran relevancia en los últimos años. Gracias a ellos, es posible crear distintos modelos que hacen posible obtener proyecciones de diferentes panoramas bajo varios supuestos, lo cual facilita que las autoridades tomen decisiones de política pública con base en evidencia científica.
Hace algunas semanas escribimos en este espacio acerca de la importancia que ha ganado el lenguaje de programación R, convirtiéndose éste en un aliado de distintas disciplinas científicas que necesitan analizar un gran volumen de datos. Para quienes se dedican a la creación de modelos matemáticos, un lenguaje como “R” facilita la transparencia, la reproducibilidad y la posibilidad de compartir los códigos que conforman el modelo con otros colegas. Gracias a la posibilidad de transparentar los procesos de la creación de modelos, es posible que en el campo de las ciencias de la salud y otras áreas, se pueda conformar una comunidad científica basada en el intercambio de ideas, la retroalimentación y la ayuda mutua.
Sin embargo, los procesos para hacer transparentes los códigos traen consigo una serie de desafíos que quienes se dedican a la creación y aplicación de modelos deben tomar en cuenta. Estos retos se derivan de que la transparencia en la ciencia no suele ser una prioridad sino una actividad considerada secundaria; otro de los desafíos considerables es que muchos de los modeladores no están formalmente capacitados en programación y pueden carecer de buenas prácticas de codificación, lo que agrava aún más el problema de la transparencia de los modelos. Esto implica que los códigos que se comparten no suelen estar correctamente documentados.
Respecto a estos desafíos, el Dr. Fernando Alarid-Escudero, en conjunto con otros colegas que forman parte del grupo DARTH (Decision Analysis in R for Technologies in Health), han escrito el artículo “¡Una necesidad de cambio! Un marco de codificación para mejorar la transparencia en el modelaje de decisiones” en el que proponen un marco de alto nivel para la adopción de decisiones basadas en modelos y el análisis de la eficacia en función de los costos (ACE) utilizando el lenguaje R. El marco propuesto consiste en una estructura conceptual y modular que cuenta con recomendaciones de codificación para la aplicación de la decisión basada en modelos realizados en R. Creemos que este artículo es de interés para quienes se dedican al modelaje de datos y quieren comenzar a conformar comunidades colaborativas por medio de procesos de transparencia.
El ejercicio de transparencia de códigos no tiene por qué ser una práctica exclusiva de grandes grupos de investigación, es un buen ejercicio para el intercambio de ideas con colegas que puedan ayudarnos a solucionar los problemas que surjan o, simplemente, alimentar nuevas ideas. Transparentar el conocimiento no es exclusivamente compartir los códigos de los modelos o análisis que realizamos, es también compartir la experiencia que se ha ido adquiriendo con la práctica e incentivar a más personas a intentarlo.
Si apenas estás comenzando a familiarizarte con el uso de R, queremos compartirte algunos consejos resultado de nuestra experiencia en el camino de aprender R, y que también pueden ser de utilidad para las comunidades colaborativas que quieran transparentar sus procesos:
*No te desesperes: la curva de aprendizaje en R es lenta y compleja al principio.
*Aprende a desarrollar la lógica de programación: no importa que al principio nada te salga bien, mientras más practiques, más sencillo será, así que no copies y pegues los códigos de otros, intenta encontrar la lógica en ellos para tomar lo que te sea de utilidad.
*Documenta lo que vas haciendo: crea tus propios “acordeones”, señala en tu código o en un bloc de notas lo que vas realizando, cuando ganes práctica no será tan necesario.
*Si no sabes hacer algo, no te desesperes: seguramente alguien ya tuvo el mismo problema y existirá en internet algún tutorial gratuito que pueda ayudarte.
*Existen distintas plataformas de almacenamiento como Github que te ayudan a organizar de mejor manera tus proyectos, aprovecha este tipo de herramientas.
*No tengas miedo a preguntar: R tiene una gran comunidad de personas que lo utilizan, puedes utilizar las listas de correos o preguntar en twitter, seguramente alguien conoce a otro “alguien” que puede orientarte.
Para quienes están interesados en el modelaje de datos utilizando R o quieren acercarse a aprender a utilizar este lenguaje, en PADeCI te recomendamos el curso “Ready for R”, facilitado por el Dr. Ted Laderas de la Universidad de Oregon, el cual es totalmente gratuito, sólo es necesario registrarse.
Esperemos que estos tips sean de utilidad o, al menos, de inspiración para acercarse al fascinante mundo de R.
