Abstract
La inferencia estadística es fundamental para producir conocimiento científico, interpretar evidencia y orientar decisiones bajo incertidumbre. Sin embargo, su validez depende del diseño, los supuestos, la transparencia analítica y la adecuada interpretación de los resultad. El objetivo del estudio es sintetizar cualitativamente los alcances y las limitaciones epistemológicas atribuidos a la inferencia estadística en la literatura científica reciente Se realizó una revisión sistemática cualitativa orientada por PRISMA 2020. Se consultaron las bases de datos de PubMed y Europe PMC para identificar publicaciones aparecidas entre 2021 y 2025. Se incluyeron 13 estudios, analizados mediante una síntesis temática, comparativa e interpretativa. Los resultados se organizaron en cinco ejes: reinterpretación del valor p y los intervalos como medidas de compatibilidad; coexistencia de los enfoques frecuentista y bayesiano; reproducibilidad y calidad del reporte estadístico; cuantificación de la incertidumbre en inteligencia artificial; y relación entre inferencia causal y aprendizaje automático. La literatura revisada cuestiona las decisiones dicotómicas basadas exclusivamente en la significación estadística y destaca la necesidad de considerar tamaños del efecto, supuestos, contexto y relevancia práctica. También señala que la validez inferencial está condicionada por prácticas institucionales, transparencia y calidad del diseño. Se concluye que la inferencia estadística continúa siendo esencial para el razonamiento científico, pero no proporciona certezas definitivas. Su uso riguroso requiere explicitar supuestos, calibrar la incertidumbre, garantizar transparencia analítica y diferenciar claramente asociación, predicción y causalidad.