Doctor(a):
Para estar al día en su
especialidad ...

Usted no necesita leer más.
Necesita saber qué merece su tiempo.

CATELMIRA le entrega cada día un podcast de audio para sus trayectos con la información relevante para su especialidad, además de un informativo por mail para profundización posterior, con links a las fuentes originales.

¿Cómo trabaja CATELMIRA?

Proceso editorial

Las fuentes de CATELMIRA
no provienen de una búsqueda abierta en Internet,
sino de fuentes catalogadas en índices aceptados por la Comunidad Médica..

Fuentes

PubMed · Cochrane Library · NEJM · The Lancet · JAMA · BMJ · sociedades científicas nacionales e internacionales · organismos reguladores sanitarios (ISP, FDA, EMA) · autoridades normativas y jurídicas · tribunales y organismos jurisdiccionales · registros de ensayos clínicos · organismos de ética profesional.

Las fuentes efectivamente usadas cada día dependen de las novedades detectadas en cada especialidad - jurisdicción.
01

Actualización y evaluación semanal del universo de fuentes

Semanalmente, para cada especialidad, se exploran las fuentes contenidas en los índices, certificando existencia de enlaces y copyrights.

02

Detección diaria de novedades por cada especialidad habilitada

Se extrae qué ocurrió realmente: hallazgos, población, intervención, resultados, límites, incertidumbres y fronteras de lo que la evidencia permite afirmar.

03

Calificación independiente de la relevancia, certeza de la evidencia, y transparencia y conflictos de interés

En base a la consecuencia clínica, aplicabilidad, urgencia; revisión por pares, evaluabilidad metodológica, limitaciones, afirmaciones que pueden o no sostenerse responsablemente; y financiación, patrocinio, conflictos e intereses comerciales.

04

Ranker determinístico

Convierte las evaluaciones anteriores en una puntuación y clase editorial reproducible.

05

Auditoría adversarial

Cuestiona los resultados del proceso en base a una combinación de análisis LLM, variables enums y valores booleanos.

06

Composición y producción de la edición diaria

Ordena las noticias seleccionadas por especialidad, coloca primero lo más importante, decide qué entrará en los primeros 5 min. de audio, y jerarquiza el contenido posterior.

CATELMIRA no es un chatbot

RIESGOS DE UN CHATBOT

Un chatbot responde una consulta en el contexto que usted le entregue. CATELMIRA realiza trabajo editorial previo para entregarle un resultado verificado y auditado. Un buen prompt no basta para detectar las alucinaciones del chatbot.

Más de 18%,
hasta 55%, de respuestas inventadas por alucinaciones de la IA generativa se han detectado en estudios científicos.
Referencias reales verificadas

Cada referencia de CATELMIRA existe y fue verificada contra la fuente real antes de publicarse. Un chatbot puede fabricar citas plausibles que no corresponden a publicaciones reales.

Proactivo, no reactivo

CATELMIRA califica, audita la metadata y produce un resultado calificado sin que usted pregunte. Un chatbot depende de la calidad de su prompt y de las "barreras" que impidan los efectos de las inferencias que hace la IA.

Independiente de sus premisas

CATELMIRA trabaja desde fuentes pre-calificadas en índices de prestigio, usando extensos prompts estructurados y probados. Un chatbot puede aceptar y desarrollar una premisa errónea que usted haya incluido, incluso no literalmente, en su prompt.

Pruebe una edición real de CATELMIRA

Seleccione su país y una especialidad. Escuche el comienzo de la edición y/o lea el reporte con los links a las fuentes.

Esperando datos reales ...

Comience el día informado(a)
15 días gratis
Después $19.900/mes c/IVA
Cancele cuando quiera, le avisaremos antes del vencimiento.
Valorice más de 4 horas mensuales por $19.900
  • Audio podcast para sus trayectos
  • Llegue a su atención clínica ya informado(a)
  • Una edición diaria para su especialidad
  • Primer bloque de 5 min. con lo esencial
  • Seguido de hasta 15 min. de noticias relevantes
  • Informativo diario por mail con las mismas noticias, con links a las fuentes originales
Pago seguro vía Paddle
paddle logo
Evidencia científica sobre sesgos

Seis sesgos y presiones estructurales que pueden distorsionar la literatura médica

CATELMIRA detecta las distorsiones, si las hay y la noticia es relevante, la incluye en la edición, pero le advierte del sesgo.

01
Patrocinio de la industria farmacéutica

Los estudios patrocinados por la industria tienden a informar con mayor frecuencia resultados de eficacia y conclusiones favorables al producto del patrocinador. Una revisión Cochrane que reunió 75 trabajos encontró esta asociación y concluyó que no se explicaba por diferencias estándar de riesgo de sesgo metodológico.

Fuente: Lundh A, Lexchin J, Mintzes B, Schroll JB, Bero L. Cochrane Database of Systematic Reviews. 2017;2:MR000033. doi:10.1002/14651858.MR000033.pub3. Ver en Cochrane →

02
Pagos de la industria a revisores científicos

Un estudio de 2024 encontró que 58,9% de 1.962 médicos que actuaban como revisores de cuatro grandes revistas habían recibido algún pago de fabricantes de fármacos o dispositivos entre 2020 y 2022. Esto documenta una exposición frecuente a conflictos de interés potenciales; por sí solo, el estudio no demuestra que un pago haya sesgado una revisión concreta.

Fuente: Nguyen D-D, et al. JAMA. 2024;332(17):1480–1482. doi:10.1001/jama.2024.17681. Ver en JAMA →

03
Sesgo de publicación

Los ensayos con resultados positivos o estadísticamente significativos tienen mayor probabilidad de publicarse que aquellos con resultados negativos o nulos. Una revisión Cochrane encontró que los resultados positivos tenían casi cuatro veces las probabilidades de publicación y tendían además a publicarse antes.

Fuente: Hopewell S, Loudon K, Clarke MJ, Oxman AD, Dickersin K. Cochrane Database of Systematic Reviews. 2009;1:MR000006. doi:10.1002/14651858.MR000006.pub3. Ver en Cochrane →

04
Incentivos hacia resultados novedosos o positivos

El sistema científico recompensa la novedad, la significación y la productividad. Modelos del ecosistema de investigación muestran que la selección y publicación preferente de hallazgos llamativos puede favorecer la persistencia de resultados espurios y dificultar la autocorrección.

Fuente: Grimes DR. Royal Society Open Science. 2024;11(1):231056. doi:10.1098/rsos.231056. Ver estudio →

05
Conflictos de interés no financieros

Las rivalidades académicas, compromisos intelectuales, relaciones personales, intereses políticos, carrera y reputación pueden constituir conflictos de interés aunque no exista pago directo. Una revisión de 206 publicaciones encontró que 96% respaldaba considerar estos intereses no financieros como conflictos de interés y 76% sostenía que requieren gestión.

Fuente: Bauer D, et al. BMC Medical Ethics. 2025;26:61. doi:10.1186/s12910-025-01221-5. Ver en BMC →

06
Concentración e incentivos del mercado editorial

La publicación académica está altamente concentrada y las grandes editoriales han operado con márgenes de beneficio cercanos al 40%. La literatura también describe cómo la presión de “publicar o perecer” y las métricas de impacto condicionan los incentivos del sistema. Estos factores no prueban sesgo en un artículo concreto, pero forman parte del contexto estructural que conviene examinar.

Fuente: Puehringer S, Rath J, Griesebner T. PLOS ONE. 2021;16(6):e0253226. doi:10.1371/journal.pone.0253226. Ver en PLOS ONE →

CATELMIRA no elimina el sesgo. Su diferencia es examinarlo explícitamente, separar la evidencia de las conclusiones editoriales y conservar trazabilidad hacia las fuentes. Cuando una noticia presenta un sesgo detectable pero conserva valor profesional, CATELMIRA lo advierte y la conserva en lugar de descartarla silenciosamente.

v0.0.4

Evidencia y diseño editorial

¿Por qué un chatbot no sustituye a CATELMIRA?

Tres riesgos documentados de la IA generativa y dos diferencias estructurales del servicio editorial.

01
Referencias bibliográficas inventadas o inexactas

Los modelos de IA generativa pueden producir citas plausibles que no corresponden a publicaciones reales. En un estudio de 2023, la proporción de referencias fabricadas fue 55% en un modelo y 18% en otro; entre las referencias reales también se observaron errores sustanciales. Otro estudio en JAMA Network Open encontró un 21% de referencias falsas en uno de los modelos evaluados. Estas cifras dependen del modelo, la tarea y la fecha: no son una tasa universal de los chatbots actuales.

Fuentes: Walters WH, Wilder EI. Scientific Reports. 2023;13:14045. doi:10.1038/s41598-023-41032-5. Ver estudio ›
Chen A, Chen DO. JAMA Network Open. 2023;6(8):e2327647. doi:10.1001/jamanetworkopen.2023.27647. Ver en JAMA →

02
Alucinaciones inducidas por información falsa

Cuando una consulta clínica contiene deliberadamente información fabricada, los modelos pueden aceptarla y desarrollarla en vez de corregirla. Un estudio adversarial de 2025 observó tasas de alucinación de 50% a 82% según el modelo y la estrategia de prompting. Esas cifras describen una prueba diseñada para provocar el error, no la tasa de error de una consulta médica ordinaria.

Fuente: Communications Medicine. 2025;5:330. doi:10.1038/s43856-025-01021-3. Ver estudio →

03
Dificultad para desafiar premisas falsas

En consultas de salud que incorporaban presuposiciones, varios LLM coincidieron con el 23–32% de afirmaciones falsas existentes y con el 49–55% de afirmaciones nuevas fabricadas. El riesgo relevante no es sólo “inventar”: también es aceptar como verdadera una premisa errónea incluida por el usuario.

Fuente: Kaur N, Choudhury M, Pruthi D. Findings of ACL. 2024:14308–14331. doi:10.18653/v1/2024.findings-acl.850. Ver estudio →

04
Respuesta bajo demanda vs. curación editorial previa

Un chatbot de IA generativa produce respuestas a partir de una consulta y de su contexto disponible. CATELMIRA realiza antes un proceso editorial definido de búsqueda, selección, priorización y verificación de fuentes para decidir qué merece llegar al especialista. La diferencia está en el proceso editorial, no en afirmar que todos los chatbots sean incapaces de trabajar de forma proactiva.

05
Personalización conversacional vs. personalización editorial

Los sistemas de IA generativa pueden personalizar respuestas mediante instrucciones, memoria o contexto. La diferencia de CATELMIRA es otra: la composición editorial se define por especialidad y criterios de curaduría, sin depender de que el médico formule el prompt correcto o conozca de antemano el estudio que debería buscar.

CATELMIRA no es un chatbot. Es un servicio de inteligencia editorial: explora fuentes, aplica criterios de curaduría, verifica referencias y entrega una selección preparada para la especialidad.

v0.0.3