Los preprints tienen una etapa única que los envíos a revistas tradicionales no tienen: la iteración de versiones. Después de recibir comentarios de lectores, sugerencias de colaboradores o una revisión inicial, puedes actualizar directamente tu preprint a v2, v3 y sucesivas. Las revistas tradicionales no tienen este paso, así que casi nadie te enseña cómo manejarlo.
El resultado es que muchas actualizaciones v2 son académicamente sólidas en cuanto al contenido, pero tienen problemas de lenguaje y estructura que hacen que los lectores piensen “esta investigación está constantemente aplicando parches, parece inestable”. bioRxiv y medRxiv guardan públicamente todas las versiones históricas, y los lectores pueden hacer clic en “version history” para ver las diferencias en cada actualización. La forma en que se presentan estas diferencias afecta directamente a cómo los lectores juzgan la credibilidad de la investigación.
Estos son los cinco errores más comunes que los autores no nativos cometen al actualizar v2/v3. Cada error incluye ejemplos de corrección que puedes aplicar directamente.
1. Version note escrito como un registro de cambios que no deja claro qué cambió académicamente
bioRxiv y medRxiv requieren que los autores completen una sección “What’s new in this version” o “Summary of changes” al cargar una nueva versión. Este texto, como el resumen de v2, es clave para que los lectores decidan si necesitan releer.
Muchos autores escriben esto como un registro de commit: “Updated Figure 3. Added Supplementary Figure 5. Revised Discussion.” Los lectores no saben qué cambios son de maquetación, cuáles son cambios en las conclusiones.
Ejemplo típico:
Updated figures. Added new analysis. Revised text. Fixed typos. Updated references.
Este texto es semánticamente casi vacío. Si un lector ya leyó v1, no tiene forma de saber si necesita releer v2.
Estrategia de corrección:
Estructura el version note en “cambios a nivel de conclusión / cambios a nivel de datos / cambios a nivel de texto” en tres niveles. Los cambios en conclusiones o hallazgos principales van primero, dejando claro si afectan la interpretación; nuevos datos o análisis van en el segundo nivel; cambios de maquetación, redacción y referencias van al final.
Después de la corrección:
Changes in v2:
- Primary conclusion unchanged. Main figures and effect sizes updated with n = 28 additional patients recruited between Oct 2025 and Jan 2026. HR for the primary outcome shifted from 2.1 to 2.4 (95% CI 1.5–3.8); direction and significance preserved.
- Added a new sensitivity analysis (new Supplementary Figure S5) addressing confounding by prior treatment.
- Revised Discussion to engage with feedback from preprint readers regarding generalizability; no new claims added.
- Minor typographical and reference corrections.
Después de leer esto, los lectores entienden: la conclusión no cambió, los datos se ampliaron y la Discussion abrió el rango de discusión. Pueden decidir directamente si necesitan releer.
2. El resumen y el texto de v1 y v2 no son coherentes
El paso más propenso a errores al actualizar v2 es mantener sincronizados el resumen, el texto principal y las figuras/tablas. Escenario típico: tras comentarios de lectores, ampliaste la muestra, actualizaste los valores de n y el tamaño del efecto en el texto principal, pero el resumen todavía tiene los números antiguos de v1.
Una vez que los lectores verifican cruzadamente y encuentran inconsistencias, dudan de todos los datos. Esto daña más la credibilidad que si v1 hubiera tenido un pequeño error.
Problema típico:
Resumen: We analyzed 186 patients with newly diagnosed type 2 diabetes… Methods: A total of 214 patients were enrolled (93 in the control arm and 121 in the intervention arm)…
El 186 en el resumen es del número de v1, el 214 en Methods es la actualización de v2. Los lectores que ven esta inconsistencia pierden la confianza en toda la investigación.
Estrategia de corrección:
Antes de subir v2, haz una ronda específica de “verificación de consistencia numérica”. Lista los siguientes tipos de números y verifica que sean exactamente iguales en el resumen, Methods, Results, Discussion, leyendas de figuras y leyendas de tablas:
- Tamaño de muestra (total, por grupo)
- Duración del seguimiento
- Tamaño del efecto y estadística del resultado primario
- Tamaño del efecto del resultado secundario
- Porcentajes clave (tasa de respuesta, tasa de eventos, tasa de pérdida, etc.)
Se recomienda agregar un paso de “verificación de bloqueo” al flujo de actualización de versiones: que un colaborador independiente verifique el resumen y las figuras de v2 antes de cargar.
3. El texto se actualizó, pero las leyendas de figuras y tablas siguen usando el lenguaje de v1
Este es el error más oculto en actualizaciones v2. El autor unifica la terminología clave en el texto principal (por ejemplo, v1 usa “responder”, v2 lo cambia a “sustained responder”), pero olvida cambiar también las leyendas de Figure 3 y Table 2.
Las figuras y tablas en bioRxiv y medRxiv se cargan por separado como PDF/PNG. Los autores típicamente enfatizan el PDF del texto principal e ignoran la sincronización de texto en las figuras/tablas. El resultado es que los lectores ven “responder” en Figure 3 pero “sustained responder” en el texto principal, sin estar seguros de si son dos conceptos diferentes.
Escenario típico:
- Texto Methods: “We defined sustained responders as patients with continuous tumor shrinkage for at least 6 months.”
- Leyenda Figure 3: “Kaplan-Meier curves of overall survival in responders versus non-responders.”
La terminología coexiste; los lectores necesitan detenerse para verificar, interrumpiendo su ritmo de lectura.
Estrategia de corrección:
Antes de subir v2, alinea la terminología de todas las figuras/tablas (leyendas, etiquetas de ejes, leyendas) con el texto principal. El proceso es:
- Haz una lista de terminología clave que cambió en v2 respecto a v1
- Para cada término, busca la palabra original de v1 en el PDF del texto principal y en todos los PDFs de figuras, verificando que se reemplazó completamente
- Verifica especialmente que las leyendas (legend) y leyendas de figuras (caption) usen terminología consistente con el texto principal
La consistencia de terminología es una señal directa de nivel de lenguaje, especialmente crítica en escenarios de v2 donde los cambios son públicamente visibles.
4. v2 cambió silenciosamente la conclusión principal, pero no lo indica en el version note
Este es el error que más daña la credibilidad. El autor actualiza v2 basándose en nuevos datos o reanálisis, cambiando “compound X reduces tumor volume significantly” (v1) a “compound X marginally reduces tumor volume in a subset of models” (v2), pero en el version note solo escribe “Updated analysis”.
En términos de integridad académica, esto es problemático. Los lectores que leyeron v1 e hicieron retweets o citas necesitan saber si tu conclusión cambió.
Version note no recomendado:
v2: Updated analysis and revised text.
Version note recomendado:
Changes in v2 (conclusion-relevant):
- The primary efficacy claim has been narrowed. In v1 we reported that compound X significantly reduced tumor volume across all three xenograft models. On re-analysis with a pre-registered statistical plan submitted during v1 review, the effect is statistically significant only in the two MSI-H models and not in the MSS model.
- All figures, the abstract, and the discussion have been updated to reflect this narrower claim.
- The original v1 preprint remains publicly accessible via the version history for transparency.
Etiquetar directamente “cambios a nivel de conclusión” no hace que los lectores piensen que la investigación es inestable, al contrario, les muestra que confíen en el rigor del autor. Ocultar cambios de conclusión es lo opuesto: una vez descubierto (los comentarios de preprints frecuentemente tienen lectores haciendo comparaciones), la credibilidad de la investigación sufre graves daños.
5. Múltiples actualizaciones v2, v3 sin mejorar la calidad del lenguaje
El último tipo de problema es estructural: muchos preprints que van de v1 a v3 modifican datos múltiples veces y añaden múltiples análisis, pero la calidad del lenguaje permanece en el nivel del borrador de v1. Cada vez que los lectores abren una nueva versión, ven las mismas oraciones pasivas, los mismos sustantivos compuestos largos, las mismas palabras redundantes.
Este tipo de iteración “cambiar solo datos, no lenguaje” hace que lectores experimentados formen un juicio implícito: el autor de este papel no se preocupa por el lenguaje, probablemente será rechazado de desk por problemas de idioma. Este juicio reduce la motivación de los lectores de abrir v4.
Enfoque recomendado:
Cada actualización de versión debe incluir al menos una ronda de “pulido de lenguaje integral”, no solo parches locales. Específicamente:
- v1 a v2: Enfatiza pulir el Abstract y Discussion. Estas dos secciones son las más propensas a ser capturadas en pantalla cuando los lectores comparten
- v2 a v3: Si ya estás listo para enviar a una revista, mejora todo Introduction, Methods y Results con una ronda de pulido de lenguaje integral, consulta los cinco ajustes de lenguaje que se pasan por alto más frecuentemente al pasar de preprint a envío de revista
- Antes de cada carga, relee los cinco tipos de problemas de lenguaje en resúmenes de preprint y verifica contra tu copia
La mejora de calidad de lenguaje no necesita hacerse de una sola vez. Mientras cada v2, v3 haga que los lectores sientan “este papel está mejorando”, en lugar de “este papel está parcharceándose”, la credibilidad del preprint se acumulará continuamente.
Checklist de verificación antes de subir v2
- Jerarquía de version note: ¿Escribiste los cambios en tres niveles de “conclusión / datos / texto”? ¿Los cambios a nivel de conclusión están claramente etiquetados?
- Consistencia numérica: ¿Los números clave en resumen, Methods, Results, Discussion, leyendas de figuras y leyendas de tablas están todos alineados con los valores más recientes de v2?
- Consistencia de terminología: ¿La terminología clave que introdujiste o modificaste en v2 se reemplazó completamente en toda la redacción de las figuras/tablas?
- Transparencia de cambios de conclusión: ¿La conclusión principal cambió en dirección, significancia o rango de aplicabilidad después de v1? Si es así, ¿el version note lo indica claramente?
- Mejora de lenguaje: ¿Esta v2 incluye al menos un módulo (Abstract, Discussion o Introduction) con pulido de lenguaje integral, no solo cambios de datos?
Si estás preparando una actualización v2/v3 o dudas sobre cómo escribir un version note que mantenga integridad académica sin que los lectores piensen que la investigación es inestable, envía v1 y tu lista de cambios planeados a contact@scholarmemory.com. Proporcionaré una muestra gratuita de revisión de diferencias de versión de lenguaje para ayudarte a determinar qué ajustes a nivel de lenguaje necesita la nueva versión.