1. INVESTIGACIÓN BIOMÉDICA: LA PREGUNTA ANTES QUE EL MÉTODO

Investigar no es aplicar una técnica estadística a una base de datos. La investigación biomédica es un proceso ordenado que parte de una pregunta relevante, la transforma en una hipótesis o un objetivo verificable, elige un diseño capaz de responderlo con el menor error posible, recoge datos con procedimientos definidos previamente, analiza esos datos conforme a un plan y comunica los resultados con suficiente transparencia para que otros puedan juzgarlos y, cuando proceda, reproducirlos. La calidad de un estudio se decide mucho antes de abrir el programa estadístico: se decide al formular la pregunta, definir la población, seleccionar comparadores, medir exposiciones y resultados, prevenir pérdidas, anticipar factores de confusión y especificar qué análisis se hará.

Para el examen conviene pensar siempre en una secuencia: pregunta → diseño → población → exposición/intervención → comparador → resultado → tiempo → análisis. Si falla uno de esos eslabones, la inferencia se debilita. Una asociación estadísticamente precisa puede ser falsa por sesgo; una estimación no sesgada puede ser poco precisa por azar; y un ensayo impecable puede responder una pregunta que luego no es aplicable a los pacientes reales por unos criterios de inclusión demasiado restrictivos.

La formulación PICO es especialmente útil para preguntas de intervención: Población o problema, Intervención, Comparador y Outcome o desenlace. En preguntas etiológicas u observacionales puede ser más natural PECO: población, exposición, comparador y desenlace. A esto suele añadirse el tiempo de seguimiento y, en algunos esquemas, el diseño. No es un ritual formal: obliga a concretar exactamente qué se compara y qué desenlace importa. «Evaluar un nuevo tratamiento» es una intención; «estimar la diferencia de mortalidad a 30 días entre A y B en pacientes X» ya es una pregunta investigable.

Un segundo principio es distinguir descripción, asociación, predicción y causalidad. Un estudio puede describir la prevalencia de una enfermedad, estimar si una exposición se asocia a un desenlace, construir un algoritmo para predecir qué paciente tendrá un evento o estimar qué habría ocurrido si se hubiera intervenido de otra manera. Son objetivos distintos y requieren diseños, análisis y criterios de validación diferentes. Un modelo predictivo excelente no demuestra que modificar sus predictores modifique el desenlace; del mismo modo, una asociación causal puede ser clínicamente pequeña y poco útil para predecir individuos.

2. CÓMO SE CLASIFICAN LOS ESTUDIOS

Hay varias clasificaciones simultáneas. La primera separa los estudios observacionales, en los que el investigador no asigna la exposición, de los experimentales, en los que existe una intervención asignada según el protocolo. Dentro de los observacionales distinguimos estudios descriptivos y analíticos; dentro de los analíticos, los diseños clásicos son transversal, casos y controles y cohortes. Entre los experimentales, el ensayo clínico aleatorizado es el paradigma para estimar efectos causales de intervenciones cuando es factible y ético.

«Prospectivo» no significa automáticamente «cohorte» y «retrospectivo» no significa «casos y controles». Una cohorte puede ser retrospectiva si, al inicio del proyecto, tanto la exposición como parte o todo el seguimiento ya están registrados. Un estudio de casos y controles puede recoger de forma prospectiva información adicional tras seleccionar casos y controles. La etiqueta temporal describe cuándo están disponibles los datos respecto al inicio del estudio; el nombre del diseño depende de cómo se seleccionan los participantes y qué relación temporal se analiza.

Tampoco debe confundirse longitudinal con prospectivo. Longitudinal significa que se consideran observaciones a lo largo del tiempo. Una cohorte histórica reconstruida con registros es longitudinal y retrospectiva. Un estudio transversal puede usar una base de datos recopilada durante años y seguir siendo transversal si exposición y desenlace se analizan como una fotografía sin reconstruir adecuadamente la secuencia temporal.

3. DISEÑOS DESCRIPTIVOS Y TRANSVERSALES

3.1. Informes y series de casos

El informe de un caso y la serie de casos describen pacientes con una característica de interés. Son útiles para generar hipótesis, alertar de acontecimientos inesperados, reconocer presentaciones poco frecuentes o formular nuevas preguntas. Su principal limitación causal es la ausencia de un grupo comparador adecuado. Que una exposición preceda a un evento en varios pacientes no permite saber qué habría ocurrido sin esa exposición, ni descartar regresión a la media, historia natural, cointervenciones o selección de los casos más llamativos.

3.2. Estudios ecológicos

En los estudios ecológicos la unidad de análisis es un grupo o población, no el individuo. Se pueden comparar tasas entre territorios, periodos o sistemas sanitarios y son eficientes cuando solo existen datos agregados. Su riesgo emblemático es la falacia ecológica: una relación observada entre grupos no tiene por qué existir entre individuos. Que las áreas con mayor exposición promedio tengan mayor incidencia no demuestra que las personas expuestas sean las que enferman, porque la distribución individual y los confusores pueden ser diferentes.

3.3. Estudios transversales

El estudio transversal mide exposición y desenlace en un corte temporal o en un periodo corto sin seguimiento individual suficiente para establecer incidencia. Es especialmente útil para estimar prevalencia, carga de enfermedad, necesidades asistenciales y asociaciones exploratorias. Su principal dificultad etiológica es la ambigüedad temporal: si exposición y desenlace se miden simultáneamente, puede no saberse qué ocurrió antes. Además puede aparecer sesgo de supervivencia: los casos de larga duración tienen mayor probabilidad de estar presentes en la fotografía que los casos breves o rápidamente letales.

Un transversal analítico puede comparar prevalencias entre grupos y emplear modelos multivariables, pero el ajuste estadístico no resuelve una temporalidad que el diseño no registra. En investigación de servicios y salud pública, los transversales repetidos en muestras comparables permiten vigilar tendencias poblacionales, aunque no equivalen a seguir a los mismos individuos.

4. ESTUDIOS DE CASOS Y CONTROLES

En el estudio de casos y controles se seleccionan participantes por el desenlace: casos que presentan la enfermedad o evento y controles que representan la población de la que proceden los casos pero no presentan ese desenlace en el momento relevante. Después se compara la frecuencia de exposición previa. Es especialmente eficiente para enfermedades raras, desenlaces con larga latencia o situaciones en las que una cohorte requeriría un número enorme de participantes.

La medida de asociación característica es la odds ratio (OR). En un diseño clásico no puede calcularse directamente el riesgo acumulado de enfermar porque el investigador fija artificialmente cuántos casos y controles incluye. La OR estima la razón de odds de exposición entre casos y controles y, bajo determinados esquemas de muestreo, puede estimar apropiadamente una razón de tasas o de riesgos; la conocida aproximación de la OR al riesgo relativo cuando el desenlace es raro debe entenderse con sus condiciones y no como identidad matemática universal.

La selección de controles es el punto crítico. Un control no es simplemente «una persona sana»: debe ser alguien que, si hubiera desarrollado el desenlace, habría podido ser seleccionado como caso. Elegir controles hospitalarios por comodidad puede introducir sesgo si las enfermedades que motivan su ingreso están relacionadas con la exposición estudiada. El emparejamiento por variables como edad o sexo puede mejorar comparabilidad, pero si se empareja por una variable relacionada con la exposición sin necesidad puede producir sobreemparejamiento y dificultar estudiar su efecto.

El sesgo de recuerdo es especialmente frecuente cuando casos y controles informan retrospectivamente de exposiciones pasadas. Quien ha sufrido una enfermedad grave puede buscar y recordar con mayor intensidad posibles causas que quien no la ha sufrido. Para reducirlo se prefieren registros objetivos, entrevistadores cegados a la hipótesis cuando sea posible, cuestionarios idénticos y periodos de referencia bien definidos.

5. ESTUDIOS DE COHORTES

La cohorte parte de sujetos clasificados según una exposición o característica y observa la aparición de uno o varios desenlaces durante el tiempo. Permite estimar incidencia y calcular medidas como riesgo relativo, razón de tasas o hazard ratio según la estructura del seguimiento. Una gran ventaja es la temporalidad: la exposición se sitúa antes del desenlace de interés. Además, una misma cohorte puede estudiar múltiples desenlaces de una exposición.

Las cohortes pueden ser prospectivas, retrospectivas o ambispectivas. En una cohorte prospectiva la exposición se mide y el seguimiento se produce hacia el futuro desde el inicio del proyecto. En una cohorte retrospectiva se reconstruyen exposición y seguimiento a partir de información ya registrada, siempre que sea posible identificar una población fuente, definir un tiempo cero coherente y observar quién desarrolla el desenlace. La calidad no depende únicamente de que los datos sean antiguos o nuevos, sino de que los registros midan adecuadamente exposición, covariables, desenlaces y pérdidas.

5.1. Cohorte fija y cohorte abierta

Una cohorte fija o cerrada define a sus miembros al comienzo y no admite nuevas incorporaciones. Una cohorte abierta o dinámica permite entradas y salidas durante el periodo de observación. En esta última resulta natural expresar la ocurrencia mediante persona-tiempo, porque cada sujeto contribuye una cantidad distinta de tiempo en riesgo.

Los problemas clásicos son las pérdidas de seguimiento y los cambios en la medición de la exposición. Si las pérdidas dependen simultáneamente de la exposición y del riesgo de desenlace, el análisis de quienes permanecen puede quedar sesgado. En exposiciones variables a lo largo del tiempo, clasificarlas solo al inicio puede producir error de clasificación. Por eso las cohortes modernas pueden incorporar covariables dependientes del tiempo y análisis de sensibilidad.

Una cohorte grande no es automáticamente mejor. Millones de registros con codificación incompleta pueden producir estimaciones muy precisas de un efecto sesgado. La precisión estadística reduce el error aleatorio, pero no corrige una selección inadecuada, una definición deficiente del tiempo cero ni un confusor no medido.

6. ESTUDIOS EXPERIMENTALES Y ENSAYOS CLÍNICOS

En un estudio experimental el investigador asigna una intervención. El ensayo clínico controlado aleatorizado es el diseño de referencia para comparar intervenciones porque la aleatorización, si está correctamente generada, oculta y ejecutada, tiende a equilibrar tanto factores pronósticos conocidos como desconocidos entre grupos. Su fuerza no procede simplemente de tener dos ramas, sino de que la asignación no dependa del clínico, del paciente ni del pronóstico.

6.1. Aleatorización y ocultación de la secuencia

Generar una secuencia aleatoria y ocultarla son procesos diferentes. La generación decide el orden de asignación; la ocultación impide que quien recluta pueda conocer la próxima asignación y manipular consciente o inconscientemente la inclusión. Una tabla verdaderamente aleatoria con sobres transparentes o una lista accesible puede sufrir sesgo de selección. La asignación centralizada o sistemas electrónicos seguros son ejemplos de mecanismos robustos.

6.2. Enmascaramiento

El enmascaramiento o cegamiento busca evitar que conocer la intervención modifique cuidados, conducta, medición o interpretación. Puede afectar a participantes, profesionales, evaluadores de desenlaces y analistas. No siempre es factible, especialmente en intervenciones quirúrgicas u organizativas, pero debe cegarse al menos aquello que razonablemente pueda cegarse. El cegamiento no sustituye a la aleatorización: controla mecanismos de sesgo diferentes.

6.3. Diseños paralelos, cruzados, factoriales y por conglomerados

En el ensayo paralelo cada participante recibe una de las intervenciones. En el cruzado cada sujeto puede recibir secuencialmente más de una intervención, lo que exige estabilidad clínica, ausencia de efectos irreversibles y manejo del posible efecto residual. El diseño factorial permite evaluar simultáneamente dos o más intervenciones y, si es relevante, su interacción. La aleatorización por conglomerados asigna centros, consultas, unidades o comunidades; obliga a considerar la correlación intraclúster en el cálculo muestral y el análisis.

6.4. Ensayos explicativos y pragmáticos

Los ensayos explicativos priorizan demostrar eficacia en condiciones controladas; los pragmáticos estiman efectividad en condiciones cercanas a la práctica. No son categorías absolutamente separadas sino un continuo. Criterios de inclusión amplios, comparadores habituales, flexibilidad de adherencia y desenlaces relevantes para pacientes aproximan el estudio a la práctica real.

6.5. Fases del desarrollo clínico y ensayo pivotal

En medicamentos, de forma simplificada, la fase I se centra en seguridad, tolerabilidad y farmacología; la fase II explora actividad, dosis y señales de eficacia; la fase III confirma beneficio-riesgo en poblaciones mayores y comparaciones relevantes; y la fase IV comprende investigación posterior a la autorización, que puede ser experimental u observacional según la asignación y el objetivo. La fase por sí sola no define todos los rasgos metodológicos.

6.6. Estudios observacionales con medicamentos

No todo estudio de un medicamento después de su autorización es un ensayo fase IV. Si el investigador no asigna el tratamiento y observa su uso en las condiciones reales de práctica clínica, puede tratarse de un estudio observacional con medicamentos. En España los regula específicamente el Real Decreto 957/2020, de 3 de noviembre, mientras que los ensayos clínicos con medicamentos se encuadran en el Reglamento (UE) 536/2014 y, en el ámbito nacional, en el Real Decreto 1090/2015, de 4 de diciembre.

7. VALIDEZ, CAUSALIDAD Y GENERALIZACIÓN

La validez interna expresa hasta qué punto la estimación obtenida en los participantes refleja correctamente el efecto o asociación que se pretendía estimar, sin distorsión relevante por sesgo, confusión o errores graves. La validez externa o transportabilidad se refiere a la posibilidad de aplicar los resultados a otras poblaciones, contextos o momentos. Primero debe existir validez interna: generalizar con precisión un resultado sesgado no aporta conocimiento fiable.

La causalidad no se obtiene de una lista mecánica de criterios, sino de un razonamiento que integra temporalidad, magnitud y patrón de asociación, plausibilidad, consistencia, gradiente cuando existe, evidencia experimental y, sobre todo, la capacidad del diseño y análisis para aproximar el contrafactual: qué habría ocurrido a los mismos sujetos, en el mismo momento, si hubieran recibido otra exposición. Como ese contrafactual no puede observarse simultáneamente, los diseños intentan construir un grupo comparador que lo represente.

En un ensayo aleatorizado bien conducido, la asignación crea grupos comparables al inicio en expectativa. En observacionales la comparabilidad debe justificarse: restricción, diseño de nuevos usuarios, comparadores activos, emparejamiento, ajuste por confusores, puntuación de propensión u otros métodos. Ninguna técnica garantiza eliminar confusión no medida. El lenguaje causal debe corresponder a la fuerza del diseño.

La generalización exige comparar la población estudiada con la población diana: edad, comorbilidad, gravedad, entorno asistencial, adherencia, tecnología disponible y patrones de tratamiento. Un efecto relativo puede transportarse mejor que un efecto absoluto si el riesgo basal cambia, pero incluso los efectos relativos pueden variar por modificadores de efecto.

8. ERRORES SISTEMÁTICOS O SESGOS

El sesgo es una desviación sistemática respecto al valor que se pretende estimar. A diferencia del error aleatorio, no se corrige simplemente aumentando el tamaño muestral. Puede aparecer en el diseño, la selección, la medición, el seguimiento, el análisis o la publicación. Para el examen es útil agruparlo en sesgos de selección, de información/medición y otros sesgos derivados de decisiones temporales o analíticas.

8.1. Sesgo de selección

Aparece cuando la relación entre exposición y desenlace en los incluidos difiere de la existente en la población que se pretendía representar debido al mecanismo de inclusión, exclusión o permanencia. Ejemplos clásicos son controles hospitalarios inadecuados en casos y controles, pérdidas diferenciales en cohortes, voluntariado asociado a factores pronósticos y selección condicionada por una variable influida por exposición y desenlace.

El sesgo de no respuesta surge si quienes no participan difieren sistemáticamente de quienes sí lo hacen en variables relacionadas con el objeto de estudio. El sesgo del trabajador sano puede hacer que poblaciones laborales parezcan más saludables que la población general porque estar empleado requiere cierta capacidad funcional. El sesgo de supervivencia aparece si solo pueden ser incluidos quienes sobreviven hasta el momento de selección.

8.2. Sesgo de información

Se produce cuando exposición, desenlace o covariables se miden de forma incorrecta. La clasificación errónea puede ser diferencial si el error depende del otro eje del estudio, o no diferencial si no depende de él. La idea escolar de que la clasificación no diferencial «siempre sesga hacia el nulo» es demasiado simplista: puede cumplirse en escenarios binarios simples, pero no es una regla universal para variables multiclase, modelos complejos o errores correlacionados.

Ejemplos: sesgo de recuerdo, sesgo del entrevistador, diferente intensidad diagnóstica entre grupos, instrumentos no calibrados, cambio de códigos en una base administrativa y extracción desigual de información de historias clínicas. En algoritmos de IA aparece una variante potente: las etiquetas usadas como «verdad» pueden incorporar decisiones humanas previas, acceso desigual a pruebas o proxies defectuosos.

8.3. Sesgo de detección y de realización

En ensayos, conocer la intervención puede hacer que los profesionales busquen más intensamente un desenlace en un grupo, lo que favorece sesgo de detección. También puede modificar cointervenciones, adherencia o cuidados adicionales, generando sesgo de realización. El enmascaramiento, cuando es posible, reduce estos mecanismos.

8.4. Sesgo por pérdidas

Las pérdidas no son problemáticas solo por su porcentaje. Importa por qué se producen y si su probabilidad se relaciona con tratamiento, pronóstico o desenlace. Un 5% de pérdidas selectivas puede ser más dañino que un 20% aproximadamente aleatorio. Deben describirse por grupo, explicar motivos y explorar análisis de sensibilidad ante distintos supuestos sobre los datos faltantes.

8.5. Sesgo de tiempo inmortal y definición de tiempo cero

En estudios con bases clínicas es crucial alinear elegibilidad, asignación/exposición y comienzo del seguimiento. Si para ser clasificado como expuesto un paciente debe sobrevivir un tiempo durante el cual todavía no puede tener asignado el desenlace al grupo expuesto, ese periodo «inmortal» favorece artificialmente la exposición. Diseños de nuevo usuario, exposiciones dependientes del tiempo o emulación de ensayo diana ayudan a prevenirlo.

8.6. Sesgo de publicación y reporte selectivo

La literatura disponible puede sobrerrepresentar resultados positivos, llamativos o estadísticamente significativos. Dentro de un mismo estudio también puede seleccionarse qué desenlaces o análisis se publican. El registro previo, el protocolo accesible, el plan de análisis y la publicación de resultados independientemente de su dirección son medidas de transparencia que reducen estas distorsiones.

9. CONFUSIÓN E INTERACCIÓN: NO SON LO MISMO

Una variable de confusión distorsiona la asociación entre exposición y desenlace porque se relaciona con ambos y no es un paso intermedio causal que debamos ajustar sin más. El ejemplo conceptual clásico es observar una asociación entre una exposición y un desenlace que, al estratificar por edad, disminuye sustancialmente porque la edad estaba distribuida de forma diferente y además modifica el riesgo del desenlace.

La confusión no es un «error de medición» y no se resuelve con una muestra mayor. Es un problema de comparabilidad entre grupos. Puede producir una asociación inexistente, ocultar una real, invertirla o modificar su magnitud. La elección de confusores debe apoyarse en conocimiento causal y diseño, no únicamente en que una variable tenga p<0,05 en un análisis univariante.

Un mediador se sitúa en la vía causal entre exposición y desenlace. Ajustarlo cambia la pregunta: deja de estimarse el efecto total y se aproxima otro tipo de efecto. Un colisionador es una variable causada por dos variables; condicionar por ella puede crear una asociación espuria entre sus causas. Por eso «ajustar por todo lo disponible» no es una estrategia segura. Los diagramas causales dirigidos (DAG) ayudan a razonar qué variables conviene medir y ajustar.

9.1. Interacción o modificación de efecto

La interacción significa que el efecto de una exposición difiere según el nivel de otra variable. A diferencia de la confusión, puede ser un hallazgo de interés que deba comunicarse, no un error a eliminar. Además depende de la escala: puede existir interacción en escala absoluta y no en escala relativa. En clínica suele ser importante cuando identifica subgrupos con diferente beneficio o daño, pero los análisis de subgrupos deben prespecificarse y tener potencia suficiente para evitar interpretaciones espurias.

10. CÓMO MINIMIZAR SESGO Y CONFUSIÓN

Las mejores estrategias actúan en el diseño, porque un dato mal seleccionado o mal medido rara vez puede rescatarse después. El análisis estadístico complementa, no sustituye, un diseño correcto.

10.1. Aleatorización

Es la herramienta más potente frente a confusión basal cuando es posible. La asignación aleatoria no garantiza que cada covariable esté exactamente equilibrada en una muestra concreta, pero hace que las diferencias sean atribuibles al azar y permite inferencia válida bajo el diseño. La estratificación o bloques pueden asegurar balance de factores pronósticos clave o tamaños de grupo similares.

10.2. Restricción y emparejamiento

La restricción limita el estudio a un nivel de un potencial confusor. Simplifica comparabilidad, pero reduce generalización y elimina la posibilidad de estudiar el efecto de esa variable dentro del rango restringido. El emparejamiento selecciona comparadores con valores similares de confusores; exige un análisis coherente con la forma de emparejamiento y no evita confusión por variables no consideradas.

10.3. Ajuste multivariable

Los modelos de regresión estiman el efecto de una variable condicionando por otras incluidas. Su validez depende de medir adecuadamente los confusores, especificar relaciones funcionales razonables y disponer de suficiente información. Convertir variables continuas en categorías arbitrarias pierde información y puede dejar confusión residual. Tampoco debe seleccionarse covariables exclusivamente con métodos automáticos guiados por p-valores.

10.4. Puntuación de propensión

La propensity score es la probabilidad de recibir la exposición o tratamiento observada dadas ciertas covariables basales. Puede usarse para emparejar, estratificar, ponderar o ajustar. Su objetivo es mejorar balance de confusores medidos; no corrige confusión no medida. Tras aplicar el método debe comprobarse el balance, no concluir que funciona solo porque el modelo de propensión tenga buen ajuste predictivo.

10.5. Estandarización, ponderación y métodos causales

La estandarización y la ponderación por probabilidad inversa pueden construir pseudopoblaciones en las que la distribución de confusores sea más comparable. Los modelos estructurales marginales son útiles con confusión dependiente del tiempo afectada por exposiciones previas. Estos métodos requieren supuestos de consistencia, positividad, intercambio y especificación adecuada; una técnica sofisticada no elimina la necesidad de explicar esos supuestos.

10.6. Análisis de sensibilidad

Un buen estudio pregunta cuánto tendrían que cambiar los supuestos para alterar la conclusión. Se pueden explorar definiciones alternativas de exposición o desenlace, diferentes ventanas temporales, métodos para datos faltantes, exclusión de periodos de latencia, confusores negativos o cuantificación del impacto potencial de confusión no medida. En investigación con datos masivos, la sensibilidad es esencial porque pequeñas decisiones de fenotipado pueden afectar a millones de registros.

11. EL PROTOCOLO DE INVESTIGACIÓN

El protocolo es el documento que transforma una idea en un estudio reproducible. Debe escribirse antes de conocer los resultados que pretende explicar. Su función científica es fijar la pregunta, métodos y análisis; su función operativa es coordinar a quienes ejecutarán el estudio; su función ética permite valorar riesgo, beneficio y uso de datos; y su función de transparencia permite distinguir decisiones prespecificadas de análisis exploratorios posteriores.

11.1. Estructura esencial

El objetivo primario debe corresponder con el desenlace primario y con el cálculo muestral. Cambiar el desenlace principal después de ver los datos aumenta el riesgo de reporte selectivo. Los objetivos secundarios pueden ser varios, pero conviene limitar análisis confirmatorios, prespecificar jerarquías y diferenciar claramente hipótesis confirmatorias de exploratorias.

11.2. Protocolo de un estudio observacional con medicamentos

El anexo I del Real Decreto 957/2020 concreta contenidos del protocolo: justificación y contexto, hipótesis y objetivos, diseño, entorno, población, variables y fuentes de datos, entre otros. En estudios prospectivos exige explicar cómo se garantiza que la realización del estudio no modifica los hábitos de prescripción o dispensación, porque si el protocolo determina la asignación terapéutica dejaría de ser verdaderamente observacional.

11.3. SPIRIT 2025 y protocolos de ensayos

Para ensayos aleatorizados, SPIRIT 2025 proporciona una guía actualizada para informar protocolos de forma completa. No reemplaza la normativa ni el juicio metodológico, pero ayuda a no omitir elementos que después impiden evaluar o reproducir el estudio. La pareja conceptual es clara: SPIRIT orienta el protocolo; CONSORT 2025 orienta el informe de resultados del ensayo.

11.4. Enmiendas y desviaciones

Un protocolo es un documento vivo, pero sus cambios deben quedar versionados, fechados y justificados. No es lo mismo una enmienda, que modifica formalmente el protocolo, que una desviación, que es una ejecución diferente de lo previsto. Ocultar cambios posteriores al conocimiento de resultados como si fueran prespecificados compromete la credibilidad científica.

12. COMUNICACIÓN DE RESULTADOS: LA PUBLICACIÓN CIENTÍFICA

El producto final de la investigación no es el valor p ni la tabla de resultados: es una comunicación suficientemente clara para que lectores, revisores y decisores puedan comprender qué se hizo, evaluar el riesgo de sesgo, interpretar la magnitud e incertidumbre de los efectos y distinguir hallazgos prespecificados de exploraciones posteriores. La estructura clásica del artículo original es IMRyD: Introducción, Métodos, Resultados y Discusión.

12.1. Introducción

Debe explicar el contexto de conocimiento, identificar la incertidumbre relevante y terminar con el objetivo o hipótesis. No es una revisión exhaustiva ni un lugar para anticipar la discusión. La pregunta del estudio debe surgir de forma lógica de la brecha señalada.

12.2. Métodos

Es la sección que permite juzgar la validez. Debe describir diseño, entorno, participantes, criterios, exposición/intervención, comparadores, desenlaces, mediciones, tamaño muestral, análisis, control de sesgos y aspectos éticos/regulatorios. En investigación reproducible también debe aclarar software, algoritmos relevantes, versiones, transformaciones y criterios de exclusión. En estudios con IA, esta sección necesita detallar origen de datos, partición entre entrenamiento/validación/prueba, manejo de repetición de sujetos, métricas, calibración y validación externa.

12.3. Resultados

Debe presentar qué ocurrió sin convertir cada cifra en una interpretación causal. Conviene empezar por el flujo de participantes y características basales, después el resultado primario y finalmente secundarios, subgrupos y análisis adicionales. Las estimaciones deben acompañarse de medidas de incertidumbre, no limitarse a significación. En ensayos, el diagrama de flujo CONSORT permite visualizar asignación, seguimiento y análisis.

12.4. Discusión

Interpreta los resultados en relación con la pregunta, la evidencia previa, posibles mecanismos, fortalezas y limitaciones. Debe considerar dirección y magnitud de los sesgos plausibles, no limitarse a una frase genérica de «se necesitan más estudios». También debe separar la relevancia clínica de la significación estadística y evitar generalizaciones que superen la población realmente estudiada.

12.5. Guías de reporte

Las guías de reporte no sustituyen al diseño ni convierten un estudio deficiente en uno bueno; ayudan a que el lector pueda saber qué se hizo. El EQUATOR Network reúne múltiples guías. Las principales que debe reconocer un facultativo son: CONSORT 2025 para ensayos aleatorizados, STROBE para estudios observacionales, PRISMA 2020 para revisiones sistemáticas y metaanálisis, STARD para estudios de exactitud diagnóstica, TRIPOD y sus extensiones para modelos predictivos, y RECORD para estudios observacionales que usan datos de salud recogidos rutinariamente.

En 2025 se actualizaron conjuntamente SPIRIT y CONSORT. Para examen, el concepto más rentable es la pareja: SPIRIT = qué debe contener el protocolo de un ensayo; CONSORT = qué debe contener su publicación.

12.6. Factor de impacto y métricas bibliométricas

El Journal Impact Factor es una métrica de revista calculada en Journal Citation Reports (JCR). No mide por sí sola la calidad metodológica de un artículo individual, no debe usarse como sinónimo de importancia clínica y puede variar mucho entre disciplinas. Existen otras métricas, como CiteScore o indicadores a nivel de artículo, pero ninguna reemplaza la lectura crítica.

13. TRANSPARENCIA, REPRODUCIBILIDAD E INTEGRIDAD CIENTÍFICA

La reproducibilidad no significa que todo estudio deba poder repetirse exactamente con los mismos pacientes, sino que métodos, datos disponibles, transformaciones y análisis estén documentados con suficiente precisión para auditar el camino entre datos y conclusiones. En análisis computacionales, el control de versiones de código y dependencias es parte del método científico.

13.1. Registro y prespecificación

Los ensayos clínicos deben registrarse en registros públicos conforme a los requisitos regulatorios y editoriales aplicables. La prespecificación de hipótesis, desenlaces y análisis reduce el riesgo de HARKing —formular la hipótesis después de conocer los resultados— y de escoger selectivamente el análisis que produce la conclusión deseada. En estudios observacionales complejos y de datos masivos, registrar protocolos o planes analíticos también es una buena práctica aunque la obligatoriedad dependa del tipo de estudio.

13.2. Autoría y contribuciones

La autoría implica responsabilidad intelectual y capacidad de responder por el trabajo. Las recomendaciones ICMJE, actualizadas en enero de 2026, siguen siendo una referencia central para autoría, conflictos de interés, publicación y uso de inteligencia artificial en el proceso editorial. Las contribuciones pueden detallarse mediante taxonomías como CRediT, pero listar tareas no exime de los criterios de responsabilidad exigibles a los autores.

13.3. Uso de IA generativa en la publicación

Las herramientas de IA pueden apoyar redacción, traducción, código o síntesis, pero no pueden asumir responsabilidad sobre exactitud, fuentes, originalidad y conflictos. El autor humano debe verificar el contenido y declarar el uso cuando las políticas editoriales lo requieran. Una herramienta de IA no reúne los requisitos de autoría porque no puede responder por la integridad del trabajo ni gestionar conflictos de interés. La confidencialidad también importa: no deben introducirse manuscritos, datos personales o información reservada en servicios externos sin garantías apropiadas.

13.4. Fabricación, falsificación, plagio y prácticas cuestionables

Fabricar datos es inventarlos; falsificarlos es manipular materiales, procesos o datos de forma que la investigación quede representada de manera inexacta; plagiar es apropiarse de ideas o textos sin atribución. También existen prácticas menos espectaculares pero dañinas: p-hacking, ocultación de resultados, autoría honoraria, fragmentación injustificada de publicaciones, duplicación y modificación retrospectiva de desenlaces sin transparencia.

14. INVESTIGACIÓN CON BIG DATA, RWD Y RWE

Big Data no significa simplemente «muchos pacientes». En salud describe ecosistemas en los que el volumen, velocidad, variedad y complejidad de los datos exigen arquitecturas, estándares y métodos específicos para almacenarlos, gobernarlos, integrarlos y analizarlos. A las clásicas V de volumen, velocidad y variedad suelen añadirse veracidad y valor. Para investigación, la veracidad es decisiva: una base gigantesca no tiene utilidad científica si no conocemos qué representan realmente sus variables.

14.1. Fuentes de datos masivos en salud

Pueden combinarse historias clínicas electrónicas, datos de atención primaria y hospitalaria, laboratorio, farmacia, imagen médica, anatomía patológica digital, registros de enfermedades, mortalidad, dispositivos, wearables, reclamaciones, datos administrativos, genómica y otras ómicas, determinantes ambientales y sociales, y resultados informados por pacientes. Cada fuente nace con una finalidad distinta; reutilizarla exige entender su proceso de generación.

Un dato de rutina no es una medición neutral. Por ejemplo, que una prueba no conste puede significar que no se pidió, se hizo en otro sistema, se registró con otro código o el resultado no se integró. Esa ausencia puede depender de la gravedad o del acceso a servicios. Por eso, en Real-World Data (RWD), el proceso asistencial es parte del mecanismo de medición.

14.2. RWD y RWE

Real-World Data son datos relacionados con la salud del paciente o la prestación asistencial recogidos de fuentes de práctica real; Real-World Evidence es la evidencia clínica derivada del análisis adecuado de esos datos. RWD no equivale automáticamente a RWE: se necesita una pregunta, diseño, protocolo, fenotipos validados, control de sesgos y análisis. La evidencia puede apoyar epidemiología, seguridad, efectividad comparada, utilización de medicamentos, regulación y planificación.

14.3. Interoperabilidad semántica y modelos comunes

Para analizar datos de múltiples centros no basta con mover archivos. Deben armonizarse significados, unidades, fechas, códigos y relaciones. Los modelos comunes de datos permiten transformar fuentes heterogéneas a una estructura compartida. OMOP Common Data Model es especialmente relevante en investigación observacional a gran escala y se utiliza en redes europeas como DARWIN EU. La estandarización no elimina errores del origen, pero facilita ejecutar análisis comunes y auditar transformaciones.

14.4. DARWIN EU

La Data Analysis and Real World Interrogation Network (DARWIN EU) fue establecida por la Agencia Europea de Medicamentos y la red regulatoria europea para generar evidencia de vida real a partir de bases sanitarias. En 2026 la EMA informa de una red en torno a 40 socios de datos y unos 250 millones de pacientes, con más de un centenar de estudios entregados desde 2022. Su arquitectura distribuida permite que los socios estandaricen datos —habitualmente a OMOP— y ejecuten análisis coordinados sin necesidad de centralizar todos los datos brutos en un único repositorio.

La utilidad regulatoria incluye estudiar utilización de medicamentos, seguridad, efectividad, epidemiología de enfermedades, viabilidad de estudios y respuesta a emergencias. El punto de examen no es memorizar una cifra que cambiará, sino entender el modelo: RWD estandarizados + red federada + protocolos comunes → RWE para decisiones regulatorias.

14.5. Espacio Europeo de Datos de Salud (EEDS/EHDS)

El Reglamento (UE) 2025/327 crea el Espacio Europeo de Datos de Salud. Entró en vigor en marzo de 2025, pero su aplicación es escalonada: la aplicación general comienza el 26 de marzo de 2027 y el capítulo de uso secundario se despliega principalmente desde 26 de marzo de 2029, con otras categorías posteriores. El EEDS establece un marco para uso primario y secundario, infraestructuras y gobernanza. Para investigación, su importancia es facilitar acceso controlado a categorías amplias de datos electrónicos de salud dentro de entornos seguros y con permisos definidos.

El reglamento contempla para uso secundario datos de historias clínicas, determinantes de salud, administrativos, genómicos, ómicos, dispositivos, registros, ensayos terminados, cohortes y biobancos, entre otros, con reglas y calendarios específicos. Este marco conecta directamente con investigación a gran escala, pero no debe confundirse su entrada en vigor con su fecha de aplicación.

14.6. Andalucía: Plataforma de Medicina Computacional

En el SSPA, la Plataforma de Medicina Computacional de Andalucía, vinculada a la Fundación Progreso y Salud, está orientada a innovación en Big Data biomédico integrando datos genómicos, clínicos e imagen médica. Sus líneas incluyen aplicaciones biomédicas, sistemas inteligentes y ciencia de datos, bioinformática traslacional y Big Data. Su finalidad declarada es favorecer diagnóstico, pronóstico, decisiones terapéuticas y medicina personalizada sostenible y equitativa.

La plataforma es un ejemplo de que Big Data sanitario no es únicamente infraestructura informática: necesita equipos mixtos de clínicos, epidemiólogos, estadísticos, bioinformáticos, ingenieros, especialistas en seguridad y gobernanza de datos.

14.7. Sesgos propios de los datos masivos

Los datos masivos amplifican problemas clásicos. Existe sesgo de cobertura si determinados grupos tienen menor representación; sesgo de medición si los códigos reflejan prácticas asistenciales; dataset shift si la población o el sistema cambian; duplicación si un mismo paciente aparece en múltiples fuentes; fuga de información si datos posteriores al desenlace entran en predictores; y confusión si las decisiones terapéuticas dependen del pronóstico.

Por eso deben documentarse procedencia, calidad, completitud, consistencia temporal, transformación, linkage, deduplicación, fenotipos y reglas de censura. El tamaño no sustituye a la epidemiología.

15. INTELIGENCIA ARTIFICIAL APLICADA A LA ATENCIÓN SANITARIA

La Inteligencia Artificial (IA) engloba sistemas capaces de realizar tareas que requieren inferencia, clasificación, generación o toma de decisiones a partir de datos. En investigación sanitaria conviene distinguir machine learning, donde los modelos aprenden patrones a partir de ejemplos; deep learning, que emplea redes neuronales profundas especialmente útiles en imagen, señales y lenguaje; y IA generativa, capaz de producir texto, imagen, audio u otros contenidos. Los grandes modelos multimodales pueden combinar varios tipos de entrada y salida.

15.1. Aplicaciones clínicas y organizativas

Las aplicaciones incluyen ayuda al diagnóstico, clasificación de imágenes, predicción de riesgo, detección temprana de deterioro, estimación de reingreso, pronóstico, identificación de candidatos a tratamientos, procesamiento de lenguaje natural de historias clínicas, automatización de documentación, codificación, apoyo a investigación, diseño de moléculas y optimización de flujos. En salud pública pueden contribuir a vigilancia, modelización y asignación de recursos. En atención sanitaria, la utilidad debe medirse contra un comparador clínico real, no contra la ausencia de herramienta.

Una métrica alta en un conjunto retrospectivo no demuestra beneficio asistencial. Antes de desplegar un algoritmo hay que preguntar: ¿mejora decisiones?, ¿reduce errores?, ¿ahorra tiempo sin crear riesgos?, ¿funciona en el hospital y población donde se usará?, ¿mantiene su rendimiento tras cambios de equipos o protocolos?, ¿quién responde cuando falla?

15.2. Desarrollo de un modelo

El ciclo típico incluye definir el uso previsto, construir una cohorte coherente, especificar predictores y desenlace, limpiar y transformar datos, separar entrenamiento y evaluación, entrenar, ajustar hiperparámetros, validar internamente y realizar validación externa. La partición debe hacerse de forma que un mismo paciente o episodio relacionado no aparezca a la vez en entrenamiento y prueba. En datos temporales, una validación con periodos posteriores puede aproximarse mejor al uso real que una partición aleatoria.

15.3. Discriminación y calibración

La discriminación mide la capacidad de ordenar o separar casos y no casos; el área bajo la curva ROC es una métrica frecuente, pero puede ser poco informativa con clases muy desequilibradas. La calibración compara probabilidades predichas con frecuencias observadas. Un modelo puede discriminar bien y estar mal calibrado, lo que es peligroso si se usan umbrales de riesgo para decidir intervenciones.

También deben evaluarse sensibilidad, especificidad, valores predictivos, curvas precisión-recall cuando corresponda y, sobre todo, utilidad clínica mediante análisis de decisión o estudios prospectivos. La elección de métrica debe derivar del coste clínico de falsos positivos y falsos negativos.

15.4. Validación externa y transportabilidad

La validación interna estima rendimiento dentro del proceso de desarrollo; la externa evalúa el modelo en datos realmente independientes, idealmente de otros centros, periodos o poblaciones. La validación temporal detecta cambios; la geográfica evalúa transportabilidad entre instituciones. Si cada hospital ajusta automáticamente el modelo con sus propios datos, ese proceso de actualización también debe validarse y gobernarse.

15.5. Sobreajuste, fuga de información y drift

El sobreajuste ocurre cuando el modelo aprende peculiaridades del conjunto de entrenamiento que no se generalizan. La fuga de información aparece cuando se utiliza directa o indirectamente información que no estaría disponible en el momento real de predicción; puede producir rendimientos espectaculares y ficticios. El data drift es el cambio en la distribución de entradas y el concept drift el cambio en la relación entre predictores y desenlace. Ambos exigen monitorización posterior al despliegue.

15.6. Sesgo algorítmico y equidad

Un algoritmo puede reproducir desigualdades si los datos de entrenamiento representan de forma desigual a subgrupos o si la etiqueta utilizada es un proxy de acceso a recursos en vez de necesidad clínica. Evaluar rendimiento promedio no basta: deben examinarse métricas por subgrupos relevantes, intersecciones y contextos. La equidad no significa necesariamente idéntica tasa de cada error en todos los grupos; las métricas de fairness pueden ser incompatibles entre sí y deben escogerse según el daño que se pretende evitar.

15.7. Explicabilidad y supervisión humana

La explicabilidad puede ayudar a detectar errores y facilitar confianza, pero una explicación plausible no garantiza que el modelo sea causal o correcto. Métodos de atribución local pueden ser inestables. En decisiones de alto impacto, la supervisión humana debe ser efectiva: el profesional necesita información suficiente, capacidad real de cuestionar la salida y un flujo de trabajo que no fomente obediencia automática. El automation bias aparece cuando se acepta la recomendación algorítmica por defecto incluso ante datos discordantes.

15.8. IA generativa y grandes modelos multimodales

La OMS ha señalado usos potenciales de los grandes modelos multimodales en diagnóstico y atención, interacción con pacientes, tareas administrativas, formación e investigación. Al mismo tiempo advierte riesgos de respuestas falsas, inexactas, sesgadas o incompletas. En un entorno sanitario, una respuesta lingüísticamente convincente no equivale a una respuesta clínicamente validada. Deben controlarse alucinaciones, trazabilidad de fuentes, privacidad, seguridad, sesgos y actualización del conocimiento.

15.9. Reglamento Europeo de IA: estado en agosto de 2026

El Reglamento (UE) 2024/1689 establece un marco basado en riesgo. Es relevante para sistemas sanitarios porque determinados sistemas de IA integrados en productos sujetos a legislación armonizada pueden clasificarse como alto riesgo según el artículo 6 y el anexo I, mientras otros usos pueden tener obligaciones distintas. El reglamento se aplica de forma escalonada.

A fecha de actualización de este tema, el texto consolidado de julio de 2026 mantiene la aplicación general desde el 2 de agosto de 2026, pero difiere determinados requisitos del capítulo III: para sistemas de alto riesgo del artículo 6.2/anexo III desde 2 de diciembre de 2027 y para los del artículo 6.1/anexo I desde 2 de agosto de 2028. Esta precisión temporal es importante porque materiales anteriores suelen citar un calendario previo.

Para el opositor, lo esencial es separar tres preguntas: ¿qué hace el algoritmo?, ¿qué riesgo clínico introduce? y ¿qué marco regulatorio corresponde a su uso previsto?. No todo software sanitario es un producto sanitario ni todo sistema de IA sanitario cae en la misma categoría de riesgo.

16. BIG DATA + IA: CÓMO SE DISEÑA UN ESTUDIO FIABLE

La combinación de datos masivos e IA puede descubrir patrones inaccesibles a métodos manuales, pero también puede producir una forma moderna de sobreconfianza: creer que el algoritmo «encuentra la verdad» porque analiza millones de observaciones. Un estudio fiable sigue necesitando una pregunta, población diana, tiempo cero, desenlace clínicamente válido, comparador, control de confusión cuando la pregunta sea causal y evaluación independiente.

16.1. Pregunta predictiva versus pregunta causal

Si el objetivo es predecir se evalúa rendimiento en nuevos individuos: discriminación, calibración, utilidad y transportabilidad. Si el objetivo es estimar el efecto de una intervención, un algoritmo predictivo no basta: hay que emular el contraste causal, controlar confusores y evitar sesgos de selección y tiempo. Un predictor puede ser muy útil sin ser causal; un confusor puede ser indispensable para inferencia causal aunque aporte poco a la predicción.

16.2. Separación de conjuntos y validación

Entrenamiento, ajuste y evaluación deben estar separados. Usar repetidamente el conjunto de prueba para elegir modelos lo convierte de hecho en conjunto de validación y optimiza de forma indirecta hacia él. La prueba final debe reservarse. Si hay datos multicéntricos, una validación leave-one-site-out o externa por centro puede ser más exigente y útil que una partición aleatoria global.

16.3. Evaluación prospectiva

Cuando un sistema va a influir en decisiones, el paso decisivo es evaluar el impacto en el flujo real. Puede requerirse un ensayo aleatorizado individual o por conglomerados, un diseño escalonado, una implementación controlada o estudios cuasiexperimentales según el contexto. Los desenlaces deben incluir no solo rendimiento algorítmico sino tiempos, errores, seguridad, carga profesional, equidad y resultados clínicos relevantes.

16.4. Monitorización posterior

El rendimiento de un algoritmo puede degradarse tras cambios en protocolos diagnósticos, poblaciones, dispositivos, prevalencias o codificación. Deben definirse indicadores de funcionamiento, umbrales de alerta, responsables de revisión, gestión de versiones y criterios de retirada o recalibración. Esta etapa convierte un modelo estático en un sistema clínico gobernado.

16.5. Reproducibilidad computacional

Debe registrarse procedencia de datos, fecha de extracción, versión de terminologías, código, librerías, semillas aleatorias cuando proceda, hiperparámetros, reglas de preprocesado y especificación del hardware si afecta sustancialmente. En modelos generativos también conviene fijar versión del modelo, parámetros de generación y plantillas de prompts cuando formen parte del método.

17. TRAMPAS DE EXAMEN Y MAPA MENTAL FINAL

17.1. Cinco perlas oficiales que sí debes recordar

1. 2025 P9: artículo científico → Introducción, Métodos, Resultados, Discusión.
2. 2025 P12: cohorte que admite incorporaciones → cohorte abierta.
3. 2025 P13: ensayo pivotal → estudio principal para sustentar aprobación regulatoria.
4. Extraordinaria 2022 P14: efectividad/seguridad en práctica habitual sin asignación → estudio observacional con medicamentos, RD 957/2020.
5. 2021 P12: Journal Impact Factor → Journal Citation Reports.

La rentabilidad del tema está en identificar primero el tipo de inferencia. Si te preguntan qué diseño es, mira cómo se selecciona la muestra y quién asigna la exposición. Si te preguntan por sesgo, identifica en qué momento se introduce la distorsión. Si te preguntan por confusión, razona la estructura causal. Si te preguntan publicación, piensa IMRyD y guía de reporte. Y si aparece Big Data o IA, no abandones la epidemiología: pregunta por la población, la calidad de la etiqueta, la separación de conjuntos, la validación y la utilidad real.

18. VIGENCIA Y REFERENCIAS

18.1. Normativa y marcos vigentes usados

• Real Decreto 1090/2015, de 4 de diciembre, ensayos clínicos con medicamentos, CEIm y Registro Español de Estudios Clínicos; texto consolidado consultado en BOE.
• Real Decreto 957/2020, de 3 de noviembre, estudios observacionales con medicamentos de uso humano; especialmente art. 2 y anexo I.
• Reglamento (UE) 2024/1689 de Inteligencia Artificial; texto consolidado a 27 de julio de 2026. Aplicación general desde 2/8/2026, con calendario diferido para bloques de alto riesgo señalado en el tema.
• Reglamento (UE) 2025/327, Espacio Europeo de Datos de Salud. En vigor desde marzo de 2025; aplicación general desde 26/3/2027 y despliegue posterior por fases.

18.2. Estándares y recomendaciones

• ICMJE Recommendations, actualización enero de 2026.
• SPIRIT 2025, guía de reporte de protocolos de ensayos aleatorizados.
• CONSORT 2025, guía de reporte de ensayos aleatorizados.
• STROBE, estudios observacionales; PRISMA 2020, revisiones sistemáticas; STARD, exactitud diagnóstica; TRIPOD, modelos predictivos; RECORD, estudios con datos sanitarios rutinarios.
• OMS, Guidance on large multi-modal models para ética y gobernanza de IA en salud.

18.3. Infraestructuras y proyectos de datos

• DARWIN EU (EMA): red europea de RWD/RWE; cifras consultadas en información EMA actualizada en 2026.
• Plataforma de Medicina Computacional de Andalucía, Fundación Progreso y Salud/Junta de Andalucía: Big Data biomédico, sistemas inteligentes, ciencia de datos y bioinformática traslacional.

18.4. Fuentes web oficiales consultadas

• BOE — Real Decreto 957/2020: https://www.boe.es/buscar/act.php?id=BOE-A-2020-14960
• BOE — Real Decreto 1090/2015: https://www.boe.es/buscar/act.php?id=BOE-A-2015-14082
• EUR-Lex — Reglamento (UE) 2024/1689, texto consolidado.
• EUR-Lex — Reglamento (UE) 2025/327, Espacio Europeo de Datos de Salud.
• EMA — DARWIN EU, Data Analysis and Real World Interrogation Network.
• ICMJE — Recommendations, actualización enero 2026.
• SPIRIT–CONSORT — SPIRIT 2025 y CONSORT 2025.
• WHO — Ethics and governance of artificial intelligence for health: guidance on large multi-modal models.
• Junta de Andalucía / Fundación Progreso y Salud — Plataforma de Medicina Computacional.

Palabras clave: investigación biomédica, epidemiología, diseño de estudios, transversal, casos y controles, cohorte, cohorte abierta, ensayo clínico, ensayo pivotal, estudio observacional con medicamentos, sesgo de selección, sesgo de información, confusión, interacción, aleatorización, emparejamiento, propensity score, protocolo, SPIRIT, IMRyD, CONSORT, STROBE, ICMJE, Journal Citation Reports, Big Data, RWD, RWE, DARWIN EU, EEDS, OMOP, inteligencia artificial, machine learning, deep learning, IA generativa, validación externa, calibración, drift, equidad algorítmica.