La integración de evidencia diversa para decisiones tiene una historia metodológica amplia. La propuesta toma como base avances en síntesis heterogénea, evidence-informed public health, evidence-to-decision, evaluación de tecnologías, integración de evidence streams, evidence ecosystems y sistemas de apoyo a decisiones.
Cada línea ha desarrollado capacidades diferentes para responder partes del problema. En conjunto ayudan a estudiar qué componentes ya están resueltos, dónde existen solapamientos y qué aspectos permanecen fragmentados entre comunidades metodológicas.
La síntesis de evidencia constituye una familia metodológica propia. Dentro de ella, trabajos recientes distinguen tipos de síntesis —como revisiones sistemáticas, síntesis cualitativas, mixed-methods reviews, overviews y big-picture reviews— y modos transversales, como rapid y living. Esta línea aporta métodos para integrar evidencia según la pregunta y la función de cada fuente.
[Mays, 2005; Harden, 2018; Stern, 2020; Nussbaumer-Streit, 2025]NCCMT y SUPPORT estructuran el paso desde una necesidad de política hacia búsqueda, valoración, uso y contextualización de evidencia. Esta línea hace explícita la necesidad de combinar investigación con datos locales, contexto, recursos y conocimiento de actores.
[Oxman, 2009; Lewin, 2009; Yost, 2014; Martin, 2017]GRADE Evidence-to-Decision, WHO-INTEGRATE y EVIDEM organizan criterios y evidencia para juicios transparentes sobre beneficios, daños, recursos, equidad, aceptabilidad, factibilidad y otros componentes de la decisión.
[Goetghebeur, 2008; Tony, 2011; Moberg, 2018; Rehfuess, 2019]Navigation Guide y OHAT muestran que fuentes metodológicamente distintas pueden buscarse, valorarse e integrarse de forma explícita cuando cada stream conserva su lógica de inferencia y sus criterios de confianza.
[Woodruff, 2014; Rooney, 2014; Chartres, 2025]La literatura sobre evidence ecosystems desplaza la mirada desde productos aislados hacia infraestructuras conectadas entre investigación primaria, síntesis, guías, HTA y políticas. La Comisión Global de Evidencia y SHOW ME desarrollan esta lógica alrededor de múltiples formas de evidencia y sistemas locales de apoyo.
[Ravaud, 2020; Schünemann, 2022; Global Evidence Commission, 2022; Lavis, 2024]Los Learning Cycles acercan evidencia publicada y local a ventanas reales de decisión, mientras que trabajos recientes exploran cómo agentes de inteligencia artificial podrían apoyar tareas del proceso evidence-to-decision con trazabilidad y responsabilidad humana.
[Price, 2026; Hartung, 2026]Sus ocho formas de evidencia y su relación con las etapas de una decisión ayudan a organizar necesidades de información. SHOW ME agrega la visión de sistemas locales capaces de entregar las formas pertinentes cuando se necesitan, con advertencias sobre actualidad, calidad y aplicabilidad local.
La propuesta se ubica entre la necesidad de decisión y los procesos de deliberación, recomendación o política. Si demuestra utilidad, su resultado podría ser un paquete de evidencia trazable y contextualizado que alimente GRADE EtD, WHO-INTEGRATE, HTA, MCDA, policy briefs u otros procesos.
Estudiar cómo traducir una decisión compleja en preguntas operativas y en un plan explícito de evidencia, preservando la función que cada fuente debería cumplir.
Explorar cómo encontrar evidencia en bases bibliográficas, repositorios, datos administrativos, documentos técnicos, evaluaciones, modelamiento y otras fuentes con estrategias apropiadas para cada forma.
Evaluar cómo aplicar criterios compatibles con el enfoque metodológico pertinente a cada fuente y representar conjuntamente riesgo de sesgo, certeza, calidad, supuestos, actualidad y aplicabilidad.
Estudiar cómo conectar conocimiento global con datos, recursos, población, factibilidad, equidad e implementación del contexto donde se tomará la decisión.
Explorar cómo relacionar hallazgos sin forzarlos a un único estimador, haciendo visibles convergencias, discrepancias, dependencias y brechas entre fuentes.
Evaluar cómo preparar un paquete de evidencia comprensible para deliberar y decidir, conservando fuentes, juicios, incertidumbres y componentes reutilizables para futuras actualizaciones.
Mixed-methods reviews integran diseños; Navigation Guide y OHAT integran evidence streams; SUPPORT y NCCMT conectan investigación y contexto; EVIDEM, GRADE y WHO-INTEGRATE estructuran deliberación; los evidence ecosystems conectan organizaciones y productos. Evidence Navigation busca estudiar si esas capacidades pueden articularse dentro de un proceso común orientado a una decisión concreta.
La investigación propuesta se centraría en procedimientos, desempeño y límites: qué etapas podrían estandarizarse, cómo medir completitud y omisiones, cómo representar incertidumbre entre fuentes heterogéneas, cuánto tiempo y recursos requeriría el proceso y qué tareas podría apoyar la inteligencia artificial.
Enlaces a las fuentes utilizadas para construir este marco teórico. La lista se ampliará y depurará a medida que avance la revisión metodológica.