1. INTRODUCCIÓN: INVESTIGACIÓN CUANTITATIVA Y RAZONAMIENTO ESTADÍSTICO

La investigación cuantitativa estudia fenómenos mediante variables susceptibles de medición, expresa los resultados con números y utiliza procedimientos estadísticos para describir los datos, estimar parámetros poblacionales, contrastar hipótesis y cuantificar asociaciones o efectos. En ciencias de la salud constituye uno de los pilares de la práctica basada en la evidencia, porque permite responder de forma sistemática a cuestiones como si una intervención reduce un determinado evento, si un factor se asocia a mayor riesgo, si dos grupos difieren realmente o si una prueba diagnóstica discrimina adecuadamente entre personas con y sin una determinada condición.

Para Enfermería, la estadística no debe entenderse como una colección de fórmulas aisladas. El razonamiento empieza mucho antes del cálculo. Hay que definir qué se quiere conocer, cuál es la población a la que se pretende aplicar el resultado, qué variables representan el fenómeno, cómo se medirán, qué diseño permite responder a la cuestión planteada y qué fuentes de error podrían alterar el resultado. Solo después se decide qué procedimiento estadístico utilizar. Elegir una prueba porque su nombre resulta familiar, sin atender al tipo de variable, la independencia de las observaciones o la distribución de los datos, es uno de los errores metodológicos más frecuentes.

Conviene distinguir desde el inicio dos grandes ramas. La estadística descriptiva organiza y resume los datos observados: frecuencias, porcentajes, media, mediana, percentiles, desviación típica o rango intercuartílico. La estadística inferencial intenta ir más allá de la muestra y extraer conclusiones acerca de la población, siempre expresando el grado de incertidumbre. Esta segunda rama comprende la estimación mediante intervalos de confianza y los procedimientos de contraste de hipótesis.

La inferencia es necesaria porque, salvo excepciones, no se estudia a toda la población. Si se investiga la eficacia de una intervención educativa en personas con diabetes, se selecciona una muestra y se observa lo que ocurre en ella. El objetivo científico no es únicamente describir a esas personas concretas, sino valorar hasta qué punto el resultado puede generalizarse. Este salto de la muestra a la población nunca es completamente seguro: se realiza con una incertidumbre cuantificable. El error estándar, el intervalo de confianza, el valor p y la potencia estadística son distintas formas de abordar esa incertidumbre.

También es esencial diferenciar asociación estadística de causalidad. Dos variables pueden aparecer relacionadas sin que una cause a la otra. La asociación puede deberse a causalidad real, al azar, a un sesgo o a una variable de confusión. Cuanto mayor sea la capacidad del diseño para controlar esos mecanismos alternativos, mayor será la fuerza de la inferencia causal. Por este motivo, un ensayo clínico aleatorizado suele aportar una base causal más sólida para evaluar una intervención que un estudio transversal o un estudio de casos y controles.

Otro principio fundamental es que significación estadística y relevancia clínica no son sinónimos. Con muestras muy grandes, una diferencia mínima puede alcanzar un valor p pequeño y, sin embargo, carecer de importancia para la persona atendida. Por el contrario, un estudio pequeño puede observar un efecto clínicamente relevante pero estimarlo con tanta imprecisión que el resultado no alcance el umbral estadístico convencional. Por ello deben interpretarse conjuntamente el tamaño del efecto, su intervalo de confianza, la calidad metodológica, los posibles daños, la aplicabilidad y el contexto clínico.

2. VARIABLES Y ESCALAS DE MEDICIÓN

2.1. Concepto de variable

Una variable es una característica que puede adoptar distintos valores entre los sujetos, unidades o momentos estudiados. Edad, número de ingresos, grupo sanguíneo, intensidad del dolor, presión arterial, presencia de una lesión o satisfacción con los cuidados son variables. Una característica que no varía dentro del conjunto estudiado actúa como una constante y no aporta capacidad para explicar diferencias entre individuos.

La clasificación de la variable condiciona la forma de resumirla y los procedimientos analíticos posibles. No se puede calcular una media con el grupo sanguíneo, mientras que sí puede calcularse con la talla. Tampoco es equivalente una escala con categorías ordenadas, como bajo-medio-alto, a una medición cuantitativa en la que las diferencias numéricas poseen significado aritmético.

2.2. Variables cualitativas

Las variables cualitativas o categóricas representan pertenencia a categorías. Pueden ser nominales u ordinales.

• Nominales: las categorías no presentan un orden intrínseco. Son ejemplos el grupo sanguíneo, el área asistencial, la presencia o ausencia de una infección o el tipo de dispositivo vascular. Una variable nominal con dos categorías es dicotómica; con más de dos, politómica.
• Ordinales: las categorías admiten una ordenación, pero la distancia entre categorías no puede suponerse igual. Bajo, moderado y alto riesgo constituyen categorías ordenadas, pero no puede afirmarse que la diferencia entre bajo y moderado sea matemáticamente idéntica a la existente entre moderado y alto.

En las variables nominales se describen frecuencias y proporciones; la medida de tendencia central que puede utilizarse es la moda. En las ordinales son especialmente útiles la mediana, los percentiles y procedimientos basados en rangos. En la práctica clínica es frecuente que determinadas escalas ordinales con muchos niveles se analicen mediante técnicas pensadas para variables cuantitativas, pero esa decisión requiere justificar que el comportamiento de la escala y el objetivo del análisis lo permiten.

2.3. Variables cuantitativas

Las variables cuantitativas representan magnitudes numéricas. Se dividen en discretas y continuas.

Una variable discreta adopta un conjunto contable de valores separados. El ejemplo clásico es el número de ingresos hospitalarios de una persona durante un año: puede haber cero, uno, dos o tres ingresos, pero no 2,37 ingresos. También son discretos el número de caídas o el número de fármacos prescritos. En oposición suele simplificarse diciendo que toman valores enteros; técnicamente, lo esencial es que el conjunto de valores posibles sea contable y no que todo valor discreto tenga necesariamente que ser un entero.

Una variable continua puede adoptar, conceptualmente, cualquier valor dentro de un intervalo, aunque el instrumento limite la precisión con la que se registra. Peso, talla, temperatura, concentración plasmática o presión arterial se consideran continuas. Que el aparato muestre un número entero no cambia la naturaleza de la variable: una presión registrada como 128 mmHg procede de una magnitud que podría medirse con mayor precisión.

2.4. Escalas nominal, ordinal, de intervalo y de razón

La diferencia entre escala de intervalo y de razón se aprecia con el cero. Cero grados Celsius no significa ausencia de temperatura; por ello no tiene sentido afirmar que 20 °C sea el doble de temperatura que 10 °C. En cambio, cero kilogramos expresa ausencia de peso en la escala considerada y 80 kg sí representan el doble de 40 kg.

2.5. Variable independiente, dependiente y covariables

Desde el punto de vista del papel que desempeñan en una investigación, la variable independiente suele representar la exposición, intervención o predictor cuyo efecto se estudia, mientras que la variable dependiente representa el desenlace o resultado. Si se compara una intervención educativa frente al cuidado habitual para reducir HbA1c, el grupo de intervención es la variable explicativa principal y el nivel de HbA1c posterior puede actuar como variable de resultado.

Otras variables pueden funcionar como covariables, modificadores del efecto o factores de confusión. Edad, comorbilidad, gravedad basal o adherencia pueden asociarse tanto a la exposición como al desenlace y deben considerarse en el diseño o el análisis.

3. DISTRIBUCIONES DE FRECUENCIAS Y ESTADÍSTICA DESCRIPTIVA

3.1. Distribución de frecuencias

Una distribución de frecuencias organiza los valores de una variable e indica cuántas observaciones aparecen en cada valor o categoría. La frecuencia absoluta es el número de casos; la frecuencia relativa es la proporción respecto del total y suele expresarse como porcentaje. Cuando existe un orden, también pueden calcularse frecuencias acumuladas.

Si 25 de 100 personas presentan determinado evento, la frecuencia absoluta es 25 y la frecuencia relativa es 0,25 o 25 %. La proporción es adimensional y debe distinguirse de una tasa, que incorpora explícitamente una dimensión temporal en el denominador.

3.2. Medidas de tendencia central

Las medidas de tendencia central resumen el centro de la distribución.

• Media aritmética: suma de todos los valores dividida entre el número de observaciones. Utiliza toda la información cuantitativa, pero es sensible a valores extremos y a distribuciones muy asimétricas.
• Mediana: valor que, tras ordenar los datos, deja aproximadamente la mitad de las observaciones a cada lado. Equivale al percentil 50. Es robusta frente a valores extremos.
• Moda: valor o categoría con mayor frecuencia. Puede existir más de una moda y es aplicable incluso a variables nominales.

Supongamos los valores 5, 6, 6, 7 y 40. La media es 12,8, valor que no representa bien a la mayor parte de los sujetos porque el 40 arrastra el promedio hacia arriba. La mediana es 6 y describe mejor el centro de una distribución tan asimétrica. Esta propiedad explica por qué los tiempos de estancia hospitalaria, los costes o determinadas variables bioquímicas suelen resumirse mediante mediana y rango intercuartílico cuando presentan colas largas.

3.3. Medidas de dispersión

Dos muestras pueden tener la misma media y comportarse de forma muy diferente. Para describir cuánto se separan las observaciones entre sí se utilizan medidas de dispersión.

• Rango o recorrido: valor máximo menos valor mínimo. Es sencillo, pero depende únicamente de dos observaciones y es muy sensible a extremos.
• Rango intercuartílico: diferencia entre tercer y primer cuartil, Q3 − Q1. Describe el 50 % central de la distribución y es robusto frente a extremos.
• Varianza: promedio de las desviaciones cuadráticas respecto de la media, con el ajuste correspondiente según se trate de población o estimación muestral. Se expresa en unidades al cuadrado.
• Desviación típica o estándar: raíz cuadrada de la varianza. Recupera las unidades originales de la variable y expresa cuánto se dispersan habitualmente los valores alrededor de la media.
• Coeficiente de variación: relación entre desviación típica y media, habitualmente expresada en porcentaje. Permite comparar dispersión relativa de variables de distinta escala cuando su uso es matemáticamente apropiado.

La desviación típica describe variabilidad individual en una muestra; el error estándar, que se estudiará después, describe la incertidumbre de un estimador. Confundirlos conduce a una presentación engañosa de los datos. El error estándar suele disminuir al aumentar el tamaño de la muestra, aunque la dispersión natural de las observaciones no haya cambiado.

3.4. Medidas de posición

Los percentiles dividen una distribución ordenada en cien partes. El percentil 25 deja aproximadamente un 25 % de observaciones por debajo; el percentil 50 es la mediana y el percentil 75 corresponde al tercer cuartil. Los cuartiles Q1, Q2 y Q3 delimitan cuatro zonas, mientras que los deciles la dividen en diez.

La posición relativa es muy útil cuando una medición se interpreta respecto de una población de referencia. Sin embargo, afirmar que una persona está en el percentil 80 no significa que tenga un 80 % de la cantidad máxima posible, sino que su valor se sitúa por encima de aproximadamente el 80 % de la distribución de referencia.

3.5. Forma de la distribución

Una distribución puede ser simétrica o asimétrica. En una distribución con asimetría positiva la cola se prolonga hacia valores altos y suele cumplirse que la media queda desplazada hacia la derecha respecto de la mediana. En una asimetría negativa ocurre lo contrario. La presencia de asimetría condiciona la forma de describir los datos y puede influir en la elección del análisis.

4. PROBABILIDAD Y DISTRIBUCIÓN NORMAL

4.1. Concepto de probabilidad

La probabilidad cuantifica la incertidumbre asociada a un suceso y adopta valores entre 0 y 1. Un valor próximo a 0 indica que el suceso es poco probable y uno próximo a 1 que es muy probable. Si se expresa en porcentaje, 0,20 equivale al 20 %.

Para un suceso A, la probabilidad de su complementario es 1 − P(A). Si dos sucesos son mutuamente excluyentes, la probabilidad de que ocurra A o B es la suma de sus probabilidades. Cuando pueden ocurrir simultáneamente debe restarse la probabilidad de la intersección para no contarla dos veces.

4.2. Probabilidad condicionada e independencia

La probabilidad condicionada P(A|B) expresa la probabilidad de A sabiendo que B ha ocurrido. Es una idea central para entender pruebas diagnósticas. La probabilidad de padecer una enfermedad después de obtener un resultado positivo no es la sensibilidad de la prueba; es una probabilidad posterior condicionada por el resultado y se relaciona con el valor predictivo positivo.

Dos sucesos son independientes cuando conocer que uno ha ocurrido no modifica la probabilidad del otro. Matemáticamente, en ese caso P(A∩B)=P(A)×P(B). En investigación clínica, la independencia de observaciones es además un supuesto importante de numerosas técnicas estadísticas.

4.3. Distribución normal

La distribución normal o gaussiana es una distribución continua, simétrica y con forma de campana. Está definida por su media y su desviación típica. En una normal perfecta coinciden media, mediana y moda. Cambiar la media desplaza la campana; cambiar la desviación típica modifica su anchura.

Muchas variables biológicas se aproximan a una normal en determinados grupos, pero no debe suponerse automáticamente. Otras variables, como determinadas estancias, costes o concentraciones, pueden presentar fuerte asimetría. Además, la distribución de la variable en la población no debe confundirse con la distribución muestral de un estimador.

Con mayor precisión, los porcentajes son aproximadamente 68,27 %, 95,45 % y 99,73 %. En oposición suele emplearse la regla redondeada 68-95-99,7.

4.4. Tipificación y puntuación z

Una observación puede transformarse a una puntuación z: z=(x−media)/desviación típica. El resultado expresa cuántas desviaciones típicas separan la observación de la media. Un z=0 indica que coincide con la media; z=+2 significa dos desviaciones por encima y z=−1 una desviación por debajo.

La tipificación permite comparar posiciones relativas de variables expresadas en unidades diferentes y facilita cálculos probabilísticos cuando el modelo normal es adecuado.

4.5. Teorema central del límite

Una idea decisiva para la inferencia es que, bajo condiciones amplias, la distribución muestral de la media se aproxima a una normal a medida que aumenta el tamaño de la muestra, incluso si la variable original no es perfectamente normal. Esto ayuda a explicar la robustez de muchas técnicas paramétricas con muestras suficientemente grandes. No significa que los datos originales se vuelvan normales, sino que la distribución de las medias obtenidas en hipotéticas muestras repetidas tiende a comportarse de ese modo.

5. POBLACIÓN, MUESTRA Y TÉCNICAS DE MUESTREO

5.1. Población diana, población accesible y muestra

La población diana es el conjunto al que se pretende aplicar la conclusión. La población accesible es aquella a la que el equipo investigador puede realmente acceder, y la muestra es el subconjunto finalmente incluido. Esta distinción es fundamental para la validez externa: estudiar a pacientes de un único centro muy especializado puede proporcionar una muestra bien analizada, pero sus resultados quizá no representen a toda la población asistida en Atención Primaria.

La unidad de análisis es el elemento sobre el que se realiza la inferencia: persona, ingreso, centro, unidad, familia o población. Si se aleatorizan centros pero se analizan pacientes como si todos fueran independientes, se ignora la correlación dentro de cada centro y pueden obtenerse errores estándar inadecuadamente pequeños.

5.2. Muestreo probabilístico

En el muestreo probabilístico cada unidad posee una probabilidad conocida de ser seleccionada. Facilita la estimación del error muestral y reduce la dependencia de decisiones subjetivas del investigador.

• Aleatorio simple: todos los individuos del marco muestral tienen la misma probabilidad de selección. Requiere una lista adecuada de la población.
• Sistemático: tras un arranque aleatorio se selecciona cada k-ésimo elemento. Es operativo, pero puede producir problemas si la lista presenta periodicidad relacionada con la variable estudiada.
• Estratificado: la población se divide en estratos relevantes y se realiza selección aleatoria dentro de cada uno. Permite asegurar representación de grupos que podrían quedar insuficientemente incluidos en una muestra aleatoria simple.
• Por conglomerados: se seleccionan grupos naturales, como centros de salud, hospitales o zonas, y posteriormente se estudian todas o una muestra de las unidades de esos conglomerados. Reduce costes logísticos, aunque las observaciones de un mismo conglomerado tienden a parecerse y esa correlación debe considerarse.

5.3. Muestreo no probabilístico

En el muestreo no probabilístico la probabilidad de inclusión no es conocida para todos los miembros de la población. Es muy utilizado por razones de viabilidad, pero limita la inferencia poblacional.

• Conveniencia: se incluyen los sujetos más accesibles.
• Consecutivo: se incluyen, durante un periodo, todos los sujetos que cumplen criterios y son atendidos en el ámbito seleccionado. Suele ser preferible al simple muestreo de conveniencia.
• Por cuotas: se fijan proporciones de determinadas características y se recluta hasta cubrirlas, sin selección probabilística dentro de cada cuota.
• Intencional: el investigador selecciona casos con características especialmente informativas.
• Bola de nieve: los participantes facilitan el acceso a otros miembros de una población difícil de localizar; es más habitual en determinados estudios sociales y cualitativos.

5.4. Error aleatorio y sesgo de selección

El error muestral aleatorio aparece porque una muestra no reproduce exactamente a su población. Su magnitud puede disminuir aumentando el tamaño muestral. El sesgo de selección, por el contrario, es un error sistemático: determinados tipos de sujetos tienen mayor o menor probabilidad de entrar o permanecer en el estudio de una forma relacionada con la exposición o el desenlace. Aumentar el tamaño de una muestra sesgada no elimina ese problema; únicamente estima con más precisión un resultado sistemáticamente desviado.

5.5. Tamaño muestral

El tamaño de la muestra no debe decidirse por una cifra fija. Depende del objetivo, el tipo de desenlace y diseño, la magnitud mínima del efecto relevante, la variabilidad esperada, el nivel de significación, la potencia deseada, la precisión requerida y las pérdidas previsibles.

Cuando el objetivo es comparar dos tratamientos, cuanto menor sea la diferencia que se desea detectar, mayor muestra será necesaria. Una mayor variabilidad también requiere más observaciones. Aumentar la potencia exige generalmente incrementar la muestra. En estudios de estimación, exigir un intervalo de confianza más estrecho también obliga a obtener más información.

6. INFERENCIA ESTADÍSTICA, ESTIMACIÓN E INTERVALOS DE CONFIANZA

6.1. Parámetro y estadístico

Un parámetro describe una característica de la población: su media real, su proporción real o un riesgo relativo poblacional. Normalmente es desconocido. Un estadístico se calcula en la muestra y se utiliza para estimar el parámetro. La media muestral estima la media poblacional; una proporción muestral estima una proporción poblacional.

Si repitiésemos el muestreo muchas veces, cada muestra proporcionaría un valor ligeramente distinto. La distribución de esos valores constituye la distribución muestral del estimador.

6.2. Error estándar

El error estándar cuantifica cuánto variarían los valores de un estimador entre hipotéticas muestras repetidas. Para la media, bajo el esquema simple, disminuye aproximadamente en proporción a la raíz cuadrada del tamaño muestral. Por eso, para reducir a la mitad el error estándar no basta con duplicar la muestra: aproximadamente habría que cuadruplicarla.

6.3. Estimación puntual y por intervalo

La estimación puntual ofrece un único valor: por ejemplo, una diferencia media de −4 mmHg. La estimación por intervalo añade un rango compatible con los datos y el método de estimación, como −7 a −1 mmHg. Este segundo resultado es mucho más informativo porque expresa la precisión.

6.4. Intervalo de confianza

El intervalo de confianza del 95 % se interpreta en el marco frecuentista a través del procedimiento de muestreo: si se repitiese el proceso muchas veces y cada vez se construyera un intervalo del mismo modo, aproximadamente el 95 % de esos intervalos contendría el verdadero parámetro poblacional. Una vez calculado un intervalo concreto, no debe interpretarse como si existiera una probabilidad posterior del 95 % de que un parámetro fijo estuviese dentro de él; esa lectura correspondería a otro marco inferencial.

Para la práctica de oposición, hay tres ideas esenciales:

• Intervalo estrecho: estimación más precisa.
• Intervalo ancho: mayor incertidumbre, frecuentemente por menor muestra, mayor variabilidad o pocos eventos.
• A mayor nivel de confianza: manteniendo lo demás constante, el intervalo se ensancha. Un IC del 99 % es más amplio que uno del 95 %.

6.5. El valor nulo

Para una diferencia, el valor de ausencia de efecto es 0. Si un IC del 95 % para una diferencia de medias va de −8 a −2, no incluye 0 y es incompatible con ausencia de diferencia al nivel bilateral equivalente del 5 %, bajo los supuestos del análisis. Si va de −8 a +3, incluye 0.

Para razones como RR u OR, el valor nulo es 1. Un RR de 1 implica igual riesgo entre grupos. Un IC95 % de 1,30 a 2,10 excluye 1; un IC95 % de 0,80 a 1,40 lo incluye.

6.6. Precisión frente a validez

Un intervalo de confianza expresa principalmente incertidumbre aleatoria. No incorpora automáticamente todos los posibles sesgos. Un resultado puede tener un intervalo muy estrecho y ser sistemáticamente erróneo debido a una mala selección de pacientes o una medición defectuosa. Por ello, nunca debe utilizarse la precisión estadística como sustituto de la calidad metodológica.

7. CONTRASTE DE HIPÓTESIS, SIGNIFICACIÓN Y POTENCIA ESTADÍSTICA

7.1. Hipótesis nula y alternativa

El contraste de hipótesis formula una hipótesis nula H0 y una hipótesis alternativa H1. En una comparación de dos tratamientos, H0 suele expresar ausencia de diferencia en el parámetro estudiado, mientras que H1 expresa la existencia de una diferencia.

El análisis no «demuestra» H0. La conclusión habitual es rechazar H0 o no rechazar H0 con el criterio prefijado. No rechazar H0 puede deberse a que realmente no existe una diferencia importante, pero también a falta de tamaño muestral, gran variabilidad, medición imprecisa o un efecto menor del previsto.

7.2. Nivel de significación alfa

El nivel de significación α se fija antes de analizar los datos y representa la probabilidad tolerada de cometer un error tipo I bajo el procedimiento de contraste. Es frecuente utilizar α=0,05, aunque no es una ley natural ni un límite que determine por sí solo la importancia clínica.

7.3. Valor p

El valor p es, asumiendo que H0 y el modelo estadístico son válidos, la probabilidad de obtener un resultado al menos tan extremo como el observado según el estadístico utilizado. Si p es menor que α se rechaza H0 con ese criterio.

Un p=0,03 no significa que exista un 3 % de probabilidad de que H0 sea verdadera, ni que haya un 97 % de probabilidad de que H1 sea verdadera. Tampoco cuantifica la magnitud del beneficio, el daño, la calidad del estudio o su importancia clínica.

7.4. Error tipo I y error tipo II

El error tipo I es un falso positivo estadístico: concluir que existe una diferencia cuando el supuesto nulo era verdadero. El error tipo II es un falso negativo: no detectar una diferencia que realmente existe.

7.5. Potencia estadística

La potencia es 1−β: probabilidad de detectar un efecto de la magnitud especificada cuando realmente existe. Aumenta, en términos generales, con el tamaño de muestra, con un efecto mayor, con menor variabilidad y con diseños o mediciones más eficientes.

Un estudio con potencia insuficiente puede producir un resultado impreciso y no concluyente. Por ese motivo el cálculo del tamaño muestral debe realizarse antes del estudio en función del objetivo principal y de una diferencia clínicamente relevante.

7.6. Contrastes bilaterales y unilaterales

Un contraste bilateral busca diferencias en ambos sentidos: el tratamiento A puede ser superior o inferior a B. Un contraste unilateral examina una dirección concreta y solo debe utilizarse cuando existe una justificación previa sólida. Elegir unilateral después de observar los datos aumenta el riesgo de conclusiones engañosas.

7.7. Multiplicidad

Cuantos más contrastes independientes se realizan con α=0,05, mayor es la probabilidad global de encontrar al menos un resultado pequeño por azar. Por ello, un estudio debe diferenciar desenlaces principales y secundarios y, cuando procede, utilizar procedimientos de control de la multiplicidad. Este principio explica por qué no es metodológicamente sólido explorar decenas de variables hasta encontrar alguna asociación con p<0,05 y presentarla como si hubiera sido la hipótesis original.

8. PRINCIPALES PRUEBAS PARAMÉTRICAS Y NO PARAMÉTRICAS

8.1. Cómo elegir una prueba

La elección depende fundamentalmente de cuatro cuestiones: tipo de variable resultado, número de grupos o mediciones, independencia o emparejamiento y supuestos del modelo. Antes de aplicar una prueba también debe comprobarse si la cuestión es realmente de comparación, asociación, predicción o tiempo hasta evento.

8.2. Pruebas paramétricas

Los métodos paramétricos modelizan parámetros como medias y varianzas bajo determinados supuestos. No debe resumirse su definición como «pruebas que exigen que toda la muestra sea perfectamente normal». La normalidad relevante suele corresponder a la distribución del resultado dentro de grupos o, de forma más precisa en modelos, a la estructura de los residuos. Algunas pruebas son bastante robustas frente a desviaciones moderadas, especialmente con muestras adecuadas y grupos equilibrados.

8.3. t de Student para grupos independientes

La t de Student para muestras independientes compara la media de una variable cuantitativa entre dos grupos diferentes. Ejemplo: comparar HbA1c media entre un grupo que recibe una intervención educativa y otro que recibe cuidados habituales.

Entre sus supuestos se encuentran independencia de observaciones, variable cuantitativa y una distribución compatible con el modelo. La versión clásica asume igualdad de varianzas. Cuando las varianzas no pueden considerarse iguales, la t de Welch proporciona una alternativa paramétrica que ajusta los grados de libertad y es frecuentemente preferible a forzar la igualdad.

8.4. t para datos emparejados

La t pareada se utiliza cuando cada sujeto aporta dos mediciones relacionadas, como presión arterial antes y después de una intervención. El análisis se realiza sobre las diferencias dentro de cada individuo. No debe utilizarse la prueba para grupos independientes porque eso ignoraría la correlación entre ambas mediciones.

8.5. ANOVA

El análisis de la varianza, ANOVA, permite comparar medias de tres o más grupos. Su hipótesis nula global plantea igualdad de medias. Un resultado global significativo indica que no todas las medias pueden considerarse iguales, pero no identifica por sí solo qué grupos difieren. Para ello se necesitan comparaciones posteriores con procedimientos apropiados de control del error por multiplicidad.

Cuando las observaciones proceden de los mismos sujetos en varios momentos puede utilizarse un ANOVA de medidas repetidas, sujeto a supuestos específicos. En análisis más complejos pueden emplearse modelos lineales mixtos.

8.6. U de Mann-Whitney, Wilcoxon, Kruskal-Wallis y Friedman

La U de Mann-Whitney es una prueba basada en rangos para dos grupos independientes. Se utiliza con variables ordinales o cuantitativas cuando el análisis paramétrico no es apropiado. No debe describirse de forma automática como una «prueba de medianas»: en general contrasta diferencias en la distribución o tendencia de rangos; su interpretación estrictamente como diferencia de localización requiere condiciones adicionales sobre la forma de las distribuciones.

La prueba de rangos con signo de Wilcoxon es una alternativa para dos mediciones relacionadas. Trabaja con magnitudes y signos de las diferencias y, para una interpretación simple de desplazamiento de localización, requiere considerar la simetría de esas diferencias.

Kruskal-Wallis extiende el razonamiento basado en rangos a tres o más grupos independientes. Friedman se utiliza para tres o más mediciones relacionadas u ordenamientos repetidos.

8.7. Chi-cuadrado y prueba exacta de Fisher

La chi-cuadrado de independencia analiza la asociación entre variables categóricas en una tabla de contingencia. Compara frecuencias observadas con las que se esperarían si las variables fueran independientes.

Cuando las frecuencias esperadas son muy pequeñas, la aproximación de chi-cuadrado puede ser inadecuada. En tablas 2×2 con datos escasos puede utilizarse la prueba exacta de Fisher. Es preferible entender este principio que memorizar una única regla rígida basada en el número 5, ya que los criterios dependen de la estructura de la tabla y del procedimiento utilizado.

8.8. McNemar

Cuando las dos variables categóricas dicotómicas proceden de observaciones emparejadas, como el mismo sujeto antes y después, la prueba habitual no es la chi-cuadrado de independencia, sino McNemar. Este detalle muestra que no basta con saber que ambas variables son cualitativas: también hay que identificar si los datos son independientes o relacionados.

8.9. Correlación de Pearson y Spearman

El coeficiente de Pearson cuantifica la fuerza de una relación lineal entre dos variables cuantitativas. Toma valores entre −1 y +1. El signo indica dirección y el valor absoluto la intensidad de la relación lineal. Un r próximo a 0 no descarta una relación no lineal.

La correlación de Spearman se basa en rangos y evalúa asociación monotónica. Es útil para variables ordinales o cuando la relación no cumple adecuadamente los requisitos de Pearson.

8.10. Regresión

La regresión lineal modeliza un resultado cuantitativo. La regresión logística se utiliza habitualmente para desenlaces binarios y produce coeficientes que pueden expresarse como odds ratios ajustadas. El modelo de Cox se utiliza en análisis de tiempo hasta evento y estima razones de riesgos instantáneos bajo el supuesto de riesgos proporcionales. Estos modelos permiten ajustar simultáneamente por varias covariables, aunque el ajuste estadístico no elimina por arte de magia todos los problemas de confusión o sesgo.

9. MEDIDAS DE ASOCIACIÓN E IMPACTO: RR, OR, NNT Y NND

9.1. Tabla 2×2

En estudios donde puede estimarse riesgo, el riesgo en expuestos es a/(a+b) y el riesgo en no expuestos c/(c+d). A partir de ellos se construyen medidas relativas y absolutas.

9.2. Riesgo relativo

El riesgo relativo, RR, es el cociente entre el riesgo de evento en expuestos y el riesgo en no expuestos:

RR = [a/(a+b)] / [c/(c+d)].

• RR=1: igualdad de riesgos.
• RR>1: mayor riesgo en expuestos.
• RR<1: menor riesgo en expuestos; la exposición puede comportarse como factor protector en el contexto estudiado.

Un RR=2 significa que el riesgo del evento es dos veces el del grupo de referencia. No significa que el riesgo absoluto aumente en 200 puntos porcentuales. Si el riesgo basal es 1 %, duplicarlo produce 2 %; si es 30 %, produciría 60 %. Por eso las medidas relativas deben acompañarse de medidas absolutas.

9.3. Odds ratio

La odds de un evento es p/(1−p), y no es exactamente lo mismo que el riesgo p. La odds ratio, OR, en una tabla 2×2 puede calcularse como (a×d)/(b×c).

Es la medida de asociación característica del estudio de casos y controles, porque en ese diseño el número de casos y controles lo fija el muestreo y no puede obtenerse directamente el riesgo de enfermar en la población a partir de las proporciones de la muestra.

Cuando el desenlace es poco frecuente, la OR se aproxima numéricamente al RR. Cuando el evento es frecuente, la OR puede alejarse considerablemente del RR y dar una impresión de efecto más intenso si se interpreta erróneamente como riesgo relativo.

9.4. Diferencia de riesgos

La diferencia de riesgos expresa el cambio absoluto entre grupos. En un contexto terapéutico beneficioso suele hablarse de reducción absoluta del riesgo, RAR: riesgo en el grupo control menos riesgo en el grupo tratado.

Si el evento ocurre en el 20 % del control y en el 10 % del tratamiento:

• RAR = 0,20 − 0,10 = 0,10, es decir, 10 puntos porcentuales.
• RR = 0,10 / 0,20 = 0,50.
• Reducción relativa del riesgo = 1 − 0,50 = 0,50, es decir, 50 %.

Comunicar únicamente que se consigue «una reducción del 50 %» puede resultar impresionante, pero el beneficio real depende del riesgo basal. Las medidas absolutas permiten valorar mejor el impacto clínico.

9.5. Número necesario a tratar

El NNT es el número de personas que deben recibir una intervención, durante un periodo especificado, para evitar un evento adicional respecto del comparador. Se obtiene como:

NNT = 1 / RAR, utilizando la RAR como proporción.

En el ejemplo anterior, NNT=1/0,10=10: habría que tratar a 10 personas durante el periodo estudiado para evitar un evento adicional.

El NNT siempre debe interpretarse indicando qué desenlace, qué comparador y qué horizonte temporal. Un NNT de 10 a seis meses no equivale a un NNT de 10 a diez años.

Cuando el resultado no es un número entero, en la comunicación clínica suele redondearse de modo conservador al entero superior para un beneficio.

9.6. Número necesario para dañar

El NND, también denominado número necesario para causar un daño, aplica el mismo razonamiento a eventos adversos. Si una intervención aumenta un evento adverso del 2 % al 4 %, el incremento absoluto de riesgo es 0,02 y el NND sería aproximadamente 50. En general, para un daño se desea un NND alto y para un beneficio un NNT bajo, aunque siempre deben considerarse gravedad, duración y preferencias.

9.7. Intervalos de confianza de RR y OR

RR y OR deben presentarse con intervalos de confianza. El valor nulo es 1. Una estimación puntual aparentemente importante puede ser muy imprecisa. Por ejemplo, OR=2,0 con IC95 % 0,7-5,8 no permite descartar con precisión asociaciones en distintas direcciones respecto del valor nulo.

10. ESTUDIOS SOBRE PRUEBAS DIAGNÓSTICAS

10.1. Estructura básica

Un estudio de exactitud diagnóstica compara una prueba índice con un patrón de referencia que determina, con la mejor aproximación disponible, si la condición está presente. El resultado genera cuatro posibilidades.

10.2. Sensibilidad

La sensibilidad es la proporción de personas con la condición que obtienen un resultado positivo:

Sensibilidad = VP / (VP + FN).

Una sensibilidad alta implica pocos falsos negativos. Cuando la consecuencia de pasar por alto una enfermedad es grave, suele ser importante utilizar una estrategia muy sensible en la fase de cribado. Un resultado negativo de una prueba muy sensible puede ayudar a descartar una enfermedad, pero esta regla mnemotécnica nunca sustituye la consideración del contexto, la probabilidad previa y los cocientes de verosimilitud.

10.3. Especificidad

La especificidad es la proporción de personas sin la condición que obtienen un resultado negativo:

Especificidad = VN / (VN + FP).

Una especificidad alta implica pocos falsos positivos. Cuando un falso positivo conlleva una intervención invasiva o un daño relevante, interesa una prueba confirmatoria con gran especificidad.

10.4. Valores predictivos

El valor predictivo positivo, VPP, es la proporción de resultados positivos que corresponden a personas realmente enfermas:

VPP = VP / (VP + FP).

El valor predictivo negativo, VPN, es la proporción de resultados negativos que corresponden a personas realmente sin la condición:

VPN = VN / (VN + FN).

10.5. Efecto de la prevalencia

Los valores predictivos dependen intensamente de la prevalencia o probabilidad previa en la población donde se aplica la prueba. Al aumentar la prevalencia, el VPP tiende a aumentar y el VPN a disminuir; con baja prevalencia suele ocurrir lo contrario.

Esto explica por qué una misma prueba puede tener un valor predictivo positivo elevado en una consulta de alto riesgo y mucho menor en un cribado poblacional de baja prevalencia. Por ello, los valores predictivos de una publicación no deben trasladarse mecánicamente a cualquier contexto.

10.6. Cocientes de verosimilitud

Los cocientes de verosimilitud combinan sensibilidad y especificidad:

• LR+ = sensibilidad / (1 − especificidad). Indica cuánto más probable es un resultado positivo en una persona con la condición que en una sin ella.
• LR− = (1 − sensibilidad) / especificidad. Indica cuánto más probable es un resultado negativo en una persona con la condición que en una sin ella.

Un LR+ alto aumenta notablemente la probabilidad posterior ante un resultado positivo; un LR− pequeño la reduce ante un resultado negativo. Se combinan conceptualmente con la probabilidad previa mediante el razonamiento bayesiano.

10.7. Curva ROC y área bajo la curva

Cuando una prueba produce un valor continuo, cambiar el punto de corte modifica sensibilidad y especificidad. Una curva ROC representa sensibilidad frente a 1−especificidad para distintos umbrales. El área bajo la curva, AUC, resume capacidad de discriminación: 0,5 indica un rendimiento equivalente al azar en ese sentido y valores próximos a 1 representan mayor discriminación.

La AUC no informa de todo. Una prueba puede discriminar adecuadamente y estar mal calibrada, tener un punto de corte poco útil o producir consecuencias clínicas no aceptables. La elección del umbral depende del balance entre falsos positivos y falsos negativos.

10.8. Sesgos en estudios diagnósticos

La evaluación debe incluir un espectro adecuado de pacientes. Si solo se comparan enfermos muy graves con controles completamente sanos, puede sobreestimarse el rendimiento respecto de la práctica real. También debe evitarse el sesgo de verificación, que aparece cuando el patrón de referencia se aplica preferentemente según el resultado de la prueba índice. Siempre que sea viable, quien interpreta una prueba debería desconocer el resultado de la otra.

11. ESTUDIOS DESCRIPTIVOS Y TRANSVERSALES

11.1. Describir antes de explicar

Los estudios descriptivos caracterizan la frecuencia y distribución de fenómenos según persona, lugar y tiempo. Pueden generar hipótesis, identificar necesidades asistenciales y cuantificar la magnitud de problemas, aunque por sí solos suelen tener menor capacidad para establecer relaciones causales.

11.2. Informe y serie de casos

Un informe de caso describe un paciente o situación singular. Una serie de casos reúne varios sujetos con características comunes. Son útiles para reconocer fenómenos nuevos, eventos adversos inesperados o presentaciones inusuales y pueden generar hipótesis. Sin un grupo comparador, sin embargo, no permiten estimar adecuadamente el efecto causal de una exposición.

11.3. Estudios ecológicos

En los estudios ecológicos la unidad de análisis son grupos o poblaciones, no individuos. Puede compararse, por ejemplo, el consumo medio de determinado producto entre regiones con una tasa poblacional de un evento. Son útiles para hipótesis poblacionales y análisis de políticas, pero existe riesgo de falacia ecológica: una asociación observada entre grupos no tiene por qué reproducirse entre individuos.

11.4. Estudio transversal

El estudio transversal mide exposición y resultado en un momento o periodo limitado. Proporciona una «fotografía» de la situación y es especialmente útil para estimar prevalencia.

Por ejemplo, si se selecciona una muestra de profesionales y en una fecha determinada se mide simultáneamente presencia de dolor lumbar y exposición a determinados factores laborales, puede estudiarse la asociación entre ambas variables. Sin embargo, es difícil saber si la exposición precedió al desenlace o si el desenlace modificó la exposición.

11.5. Ventajas

• Relativamente rápidos y eficientes.
• Pueden estudiar múltiples variables simultáneamente.
• Útiles para estimar prevalencia y planificar recursos.
• Permiten generar hipótesis analíticas.

11.6. Limitaciones

• La temporalidad exposición-desenlace puede ser ambigua.
• No son el diseño habitual para estimar incidencia, porque no siguen sujetos inicialmente libres del evento a través del tiempo.
• Pueden sufrir sesgo de supervivencia: los casos de muy corta duración o mortalidad rápida tienen menor probabilidad de ser captados.
• Una asociación transversal no distingue con facilidad causa de consecuencia.

11.7. Prevalencia

La prevalencia es la proporción de una población que presenta un estado en un momento o periodo. Está influida por la incidencia y por la duración de la enfermedad. Un proceso crónico de larga duración puede presentar alta prevalencia aunque su incidencia anual no sea especialmente elevada, mientras que un proceso muy letal o de corta duración puede tener prevalencia menor.

Por ello, prevalencia y riesgo de desarrollar un evento son conceptos diferentes. La primera describe existencia de casos; el riesgo se refiere a la probabilidad de que aparezcan casos nuevos durante un periodo en personas inicialmente susceptibles.

12. ESTUDIOS DE COHORTES Y DE CASOS Y CONTROLES

12.1. Estudios de cohortes

En un estudio de cohortes los sujetos se clasifican según su exposición o característica y se compara la aparición del desenlace. El investigador observa la exposición; no la asigna como en un ensayo clínico.

La cohorte puede ser prospectiva, cuando exposición se mide al inicio y los desenlaces ocurren durante seguimiento futuro, o retrospectiva/histórica, cuando exposición y seguimiento ya han ocurrido y se reconstruyen mediante registros fiables. Lo que define el diseño no es que el investigador mire literalmente hacia el futuro, sino que la lógica analítica parte de la exposición y reconstruye o sigue la aparición del desenlace.

12.2. Fortalezas de las cohortes

• Permiten establecer con claridad la secuencia temporal cuando la exposición está bien medida.
• Permiten estimar incidencia o riesgo.
• Permiten calcular RR y diferencias de riesgo.
• Pueden estudiar múltiples desenlaces relacionados con una misma exposición.
• Son especialmente útiles para exposiciones poco frecuentes cuando puede constituirse una cohorte expuesta.

12.3. Limitaciones de las cohortes

• Pueden requerir seguimiento largo y costoso.
• Las pérdidas de seguimiento pueden generar sesgo si se relacionan con exposición y desenlace.
• Son poco eficientes para desenlaces extremadamente infrecuentes si se parte de población general.
• Al ser observacionales, la confusión puede persistir aunque se utilice ajuste estadístico.

12.4. Estudios de casos y controles

En un estudio de casos y controles se seleccionan personas con el desenlace de interés, los casos, y personas procedentes de la misma población fuente que no presentan ese desenlace, los controles. Después se compara la frecuencia o intensidad de exposiciones previas.

La calidad del control es crítica. El grupo control debe representar la distribución de exposición que habría existido entre los casos si estos no hubieran desarrollado el desenlace. Elegir controles simplemente porque resultan accesibles, sin considerar la población fuente, puede producir un importante sesgo de selección.

12.5. Ventajas de casos y controles

• Gran eficiencia para enfermedades o eventos raros.
• Útiles para enfermedades de larga latencia.
• Permiten estudiar múltiples exposiciones potenciales para un mismo desenlace.
• Pueden ser más rápidos y económicos que una cohorte de larga duración.

12.6. Limitaciones

• No permiten calcular directamente incidencia o riesgo a partir de la proporción de casos de la muestra.
• La medida de asociación clásica es la OR.
• Son especialmente sensibles al sesgo de selección de controles.
• Las exposiciones recordadas retrospectivamente pueden sufrir sesgo de memoria.
• La temporalidad puede ser difícil de establecer si la información previa es incompleta.

12.7. Comparación directa

12.8. Asociación no equivale a causalidad

Aunque una cohorte ofrezca mejor información temporal que un transversal, sigue siendo un estudio observacional. Si las personas expuestas difieren de las no expuestas en edad, gravedad, conductas o acceso a la atención, estas características pueden explicar parte de la asociación. El análisis multivariable puede reducir la confusión medida, pero no garantiza eliminar variables no registradas o mal medidas.

13. ESTUDIOS CUASI-EXPERIMENTALES Y ENSAYOS CLÍNICOS

13.1. Qué define un estudio experimental

En investigación experimental el investigador asigna una intervención. Esta característica separa los estudios experimentales de los observacionales. El ensayo clínico aleatorizado añade una asignación aleatoria que busca equilibrar factores pronósticos conocidos y desconocidos entre los grupos.

13.2. Estudios cuasi-experimentales

Los estudios cuasi-experimentales evalúan una intervención pero carecen de alguno de los elementos de un ensayo aleatorizado, especialmente la asignación al azar. Son frecuentes en investigación de servicios sanitarios, educación para la salud, seguridad del paciente o implantación de protocolos, donde aleatorizar puede no ser viable.

Entre los diseños habituales se encuentran:

• Antes-después sin control: se mide el resultado antes y después de implantar una intervención en el mismo entorno.
• Antes-después con grupo comparador no aleatorizado: añade un centro o grupo sin intervención, aunque las diferencias basales pueden generar confusión.
• Series temporales interrumpidas: utilizan múltiples mediciones antes y después de la intervención para estudiar cambios de nivel o tendencia.

Un simple descenso observado después de una intervención no demuestra que esta lo haya provocado. Pueden actuar cambios históricos coincidentes, maduración de la población, estacionalidad, regresión a la media u otras intervenciones simultáneas. Los mejores diseños cuasi-experimentales intentan controlar esas amenazas mediante grupos comparadores o series temporales suficientemente extensas.

13.3. Ensayo clínico aleatorizado

El ensayo clínico aleatorizado, ECA, compara intervenciones asignando a los participantes mediante un mecanismo aleatorio. Su fortaleza reside en que la aleatorización rompe, en expectativa, la relación sistemática entre factores pronósticos y grupo asignado.

13.4. Secuencia aleatoria y ocultación de la asignación

Generar una secuencia aleatoria y ocultar la asignación son conceptos diferentes. La primera determina a qué grupo debe ir cada nuevo participante. La segunda evita que la persona que decide la inclusión conozca anticipadamente la próxima asignación y pueda influir consciente o inconscientemente en quién entra.

Una secuencia aparentemente aleatoria pero previsible puede permitir manipulación de inclusiones y generar sesgo de selección. Por eso la ocultación de la asignación es una medida metodológica esencial.

13.5. Enmascaramiento

El enmascaramiento intenta evitar que el conocimiento de la intervención recibida modifique conductas, cointervenciones, valoración de resultados o análisis. Dependiendo de la intervención puede enmascararse al participante, al profesional, al evaluador o al analista. En cuidados enfermeros no siempre es posible ocultar la intervención a quien la aplica, pero puede mantenerse ciego al evaluador del desenlace.

Más útil que memorizar «simple», «doble» o «triple» sin contexto es especificar quién desconoce qué, porque la terminología ha sido utilizada de forma variable entre publicaciones.

13.6. Grupo control

El comparador puede ser placebo, atención habitual, intervención activa o estrategia alternativa. La elección debe responder a la cuestión clínica y a consideraciones éticas. No siempre es admisible privar a un grupo de una intervención eficaz conocida.

13.7. Análisis por intención de tratar

El principio de intención de tratar mantiene a los participantes en el grupo al que fueron asignados, con independencia de adherencia o cruces, dentro de las estrategias analíticas adecuadas para los datos faltantes y el estimando definido. Su objetivo clásico es preservar los beneficios comparativos de la aleatorización y aproximarse al efecto de una política de asignación.

El análisis por protocolo, que se restringe a quienes siguieron suficientemente el protocolo, responde a otra perspectiva y puede romper el equilibrio generado por la aleatorización. En ensayos de no inferioridad suelen ser relevantes ambas perspectivas, junto con una definición rigurosa del estimando.

13.8. Ensayos de superioridad, equivalencia y no inferioridad

Un ensayo de superioridad intenta demostrar que una intervención produce mejores resultados que el comparador. Un ensayo de no inferioridad intenta demostrar que la nueva intervención no es peor que la referencia en más de un margen clínicamente aceptable previamente definido. La equivalencia exige demostrar que las diferencias se encuentran dentro de márgenes en ambos sentidos.

No encontrar una diferencia estadística en un ensayo de superioridad no permite concluir automáticamente equivalencia. La ausencia de evidencia de diferencia no es evidencia suficiente de igualdad.

13.9. Fases del desarrollo clínico de medicamentos

13.10. Eficacia, efectividad y seguridad

La eficacia expresa el efecto de una intervención en condiciones experimentales definidas; la efectividad, su funcionamiento en condiciones de práctica habitual. La seguridad requiere valorar naturaleza, frecuencia, gravedad y relación de eventos adversos, no limitarse a comprobar si el resultado principal mejora.

Un ensayo explicativo muy controlado puede mostrar elevada eficacia y, sin embargo, tener menor aplicabilidad a pacientes complejos excluidos del estudio. Los estudios pragmáticos intentan aproximar diseño y participantes a la práctica real.

14. SESGOS, CONFUSIÓN, VALIDEZ E INTERPRETACIÓN CRÍTICA

14.1. Error aleatorio y error sistemático

El error aleatorio produce variación impredecible y se refleja en la precisión. El error sistemático o sesgo desplaza el resultado en una dirección debido al modo en que se seleccionan sujetos, se recogen datos, se pierden participantes o se evalúan resultados. Aumentar el tamaño muestral reduce incertidumbre aleatoria, pero no elimina un sesgo estructural.

14.2. Sesgo de selección

Existe cuando la relación entre inclusión o permanencia en el estudio y las variables relevantes genera grupos no comparables o una muestra no representativa. Puede aparecer por autoselección, criterios de inclusión diferenciales, selección inadecuada de controles o pérdidas de seguimiento relacionadas con pronóstico.

En una cohorte, si abandonan preferentemente los participantes expuestos que desarrollan síntomas, la asociación puede infraestimarse. En casos y controles, seleccionar controles hospitalarios con enfermedades relacionadas con la exposición puede alterar la distribución de exposición del grupo comparador.

14.3. Sesgo de información

El sesgo de información deriva de errores sistemáticos en la medición de exposición, desenlace o covariables. Puede aparecer por instrumentos mal calibrados, diferente intensidad de búsqueda entre grupos, registros incompletos o conocimiento de la intervención.

La clasificación errónea puede ser diferencial, cuando el error varía según grupo o desenlace, o no diferencial bajo determinadas estructuras. No existe una regla universal de que todo error no diferencial conduzca siempre exactamente hacia el valor nulo; la dirección depende del tipo de variable y mecanismo de error.

14.4. Sesgo de memoria

El sesgo de recuerdo es especialmente relevante en estudios retrospectivos. Una persona que ha desarrollado una enfermedad puede revisar y recordar exposiciones pasadas de forma distinta a una persona sin ella. Utilizar registros objetivos o procedimientos estandarizados puede reducirlo.

14.5. Sesgo de observador y detección

Si el evaluador conoce la intervención y el desenlace incluye un componente subjetivo, puede valorar de forma distinta a los grupos. El enmascaramiento del evaluador, los instrumentos estandarizados y los desenlaces objetivos reducen esa amenaza.

14.6. Confusión

Una variable de confusión distorsiona la asociación entre exposición y desenlace porque está relacionada con ambos y no forma parte de la cadena causal que se pretende estimar. Por ejemplo, al estudiar asociación entre una conducta y un evento cardiovascular, la edad puede generar parte de la asociación si se distribuye de forma desigual.

La confusión puede controlarse mediante:

• Aleatorización en estudios experimentales.
• Restricción de determinados valores.
• Emparejamiento en el diseño.
• Estratificación durante el análisis.
• Modelos multivariables como regresión.

El ajuste estadístico depende de haber medido adecuadamente los factores relevantes. No puede controlar con garantías una variable desconocida o no registrada.

14.7. Modificación del efecto

La modificación del efecto o interacción no es un error que deba eliminarse. Significa que el efecto de una exposición difiere según el nivel de otra variable. Si una intervención funciona de modo distinto en grupos clínicamente definidos, esa heterogeneidad puede ser relevante para personalizar cuidados. Debe diferenciarse conceptualmente de la confusión.

14.8. Validez interna

La validez interna expresa hasta qué punto el resultado representa adecuadamente lo ocurrido en los participantes estudiados, minimizando sesgos, confusión y errores metodológicos. Aleatorización, ocultación de la asignación, seguimiento completo, medición fiable y análisis apropiado fortalecen la validez interna.

14.9. Validez externa

La validez externa o aplicabilidad se refiere a hasta qué punto los resultados pueden trasladarse a otras personas, centros y circunstancias. Un ensayo puede poseer excelente validez interna pero haber excluido a personas mayores, multimórbidas o con polifarmacia, limitando su extrapolación a determinadas poblaciones del SAS.

14.10. Confianza estadística y relevancia clínica

Un resultado debe valorarse considerando magnitud del efecto, precisión, daños, validez y aplicabilidad. Un p pequeño no rescata un diseño sesgado. Un efecto relativo espectacular puede traducirse en un beneficio absoluto mínimo si el riesgo basal es muy bajo.

15. APLICACIÓN ENFERMERA, ESTRATEGIA DE EXAMEN Y MAPA CONCEPTUAL

15.1. Utilidad para la práctica enfermera

La enfermera participa de forma directa en generación, registro e interpretación de información clínica. La investigación cuantitativa permite evaluar intervenciones de educación sanitaria, programas de prevención, adherencia terapéutica, seguridad del paciente, control de síntomas, continuidad de cuidados, uso de dispositivos, calidad de vida y numerosos resultados sensibles a los cuidados.

Comprender la metodología permite distinguir un cambio real de una oscilación aleatoria, valorar si un instrumento de cribado puede utilizarse en la población atendida y leer artículos sin limitar la valoración al resumen o al valor p.

15.2. Ejemplo integrado: programa educativo

15.3. Cómo resolver la elección de prueba en un test

1. Identifica la variable resultado: cuantitativa, ordinal o nominal.
2. Determina cuántos grupos o momentos se comparan.
3. Pregunta si son independientes o relacionados.
4. Si el resultado es cuantitativo, analiza si el procedimiento paramétrico es razonable o si procede una alternativa basada en rangos.
5. Si ambas variables son categóricas, piensa en chi-cuadrado/Fisher; si son dicotómicas emparejadas, McNemar.
6. Si se busca una relación entre dos cuantitativas, piensa en Pearson o Spearman según naturaleza y relación.

15.4. Asociaciones que deben memorizarse

15.5. Fórmulas de pruebas diagnósticas

15.6. Errores frecuentes en oposición

• Interpretar p<0,05 como magnitud del efecto.
• Decir que p es la probabilidad de que H0 sea verdadera.
• Concluir igualdad a partir de p≥0,05.
• Confundir desviación típica con error estándar.
• Confundir una variable ordinal codificada 1-2-3 con cuantitativa.
• Aplicar una t independiente a mediciones antes-después del mismo sujeto.
• Asociar Mann-Whitney exclusivamente con medianas sin considerar qué contrasta realmente.
• Utilizar RR como medida directa en un estudio convencional de casos y controles.
• Confundir sensibilidad con VPP o especificidad con VPN.
• Olvidar que los valores predictivos cambian notablemente con la prevalencia.
• Tratar un estudio antes-después sin aleatorización como si fuera un ECA.
• Creer que aumentar n elimina sesgos.

15.7. Mapa conceptual