Cómo presentar resultados y tablas estadísticas en una tesis o artículo

Contenido elaborado por el equipo DataMedix.
Revisión metodológica: Lucas Vargas, médico epidemiólogo.

Una tabla estadística no debe ser una copia directa del programa de análisis.

Su función es comunicar los resultados de forma:

• clara;
• ordenada;
• verificable;
• coherente con los objetivos;
• comprensible para el lector.

Una buena presentación permite identificar rápidamente:

• quiénes fueron analizados;
• cómo se distribuyen las variables;
• qué grupos fueron comparados;
• cuál fue la magnitud de los resultados;
• cuánta incertidumbre existe.

Antes de construir las tablas

Organiza los resultados según los objetivos.

Un orden frecuente es:

1. flujo y tamaño de la muestra;
2. características de los participantes;
3. desenlace principal;
4. comparaciones;
5. medidas de asociación;
6. modelos ajustados;
7. análisis secundarios;
8. análisis de sensibilidad.

No deben añadirse tablas solamente porque el programa produjo un resultado.

Tabla 1. Características de la población

Puede incluir:

• edad;
• sexo;
• comorbilidades;
• características clínicas;
• exposiciones;
• variables relevantes al inicio;
• datos faltantes.

Ejemplo

Característica	Total, n = 320
Edad, media ± DE	58,4 ± 13,2
Sexo femenino, n (%)	180 (56,3)
Diabetes, n (%)	94 (29,4)
Estancia, mediana (RIC)	5 (3–8) días

Cada variable debe resumirse según su naturaleza y distribución.

Media y desviación estándar

Suelen utilizarse para variables cuantitativas cuya distribución y objetivo hacen apropiado describir el centro mediante la media.

Ejemplo:

Edad: 52,6 ± 14,1 años.

Debe quedar claro si se presenta:

• media ± desviación estándar;
• media con intervalo de confianza;
• media con error estándar.

No son equivalentes.

Mediana y rango intercuartílico

Son útiles para:

• distribuciones asimétricas;
• valores extremos;
• variables ordinales;
• tiempos y costos.

Ejemplo:

Estancia: 6 días (RIC: 3–10).

No escribas “promedio” cuando presentas una mediana.

Variables categóricas

Deben presentarse como:

n (%)

Ejemplo:

Hipertensión: 126 (39,4 %).

Conviene indicar el denominador cuando:

• existen datos faltantes;
• cambian los participantes entre variables;
• se presentan subgrupos.

Cuántos decimales utilizar

No existe un número universal.

La cantidad debe corresponder a:

• precisión de la medición;
• significado clínico;
• tamaño de la cifra;
• consistencia.

Evita:

• edad media de 58,437 años;
• presión arterial de 126,7284 mmHg;
• OR de 1,527891.

Generalmente, uno o dos decimales son suficientes, aunque depende de la medida.

Cómo presentar valores p

Se recomienda reportar valores exactos, por ejemplo:

p = 0,032

Cuando son muy pequeños:

p < 0,001

Evita:

• p = 0,000;
• p < 0,05 sin valor exacto;
• p = NS;
• p > 0,05 como único resultado.

El valor p debe acompañarse de una estimación y su intervalo cuando sea posible. Las guías SAMPL y las políticas editoriales actuales priorizan la magnitud y la incertidumbre sobre la clasificación dicotómica de significación.

Tabla de comparación entre grupos

Variable	Grupo A, n = 100	Grupo B, n = 110	Diferencia o medida	IC 95 %	p
Edad, media ± DE	54,2 ± 12,1	57,0 ± 11,8	−2,8 años	−6,1 a 0,5	0,09
Complicación, n (%)	12 (12,0)	25 (22,7)	RR 0,53	0,28 a 0,98	0,04
Estancia, mediana (RIC)	4 (3–6)	6 (4–9)	—	—	0,002

La tabla debe indicar en una nota:

• qué prueba se utilizó;
• significado de las abreviaturas;
• categorías de referencia;
• forma de cálculo.

Tabla de regresión

Variable	OR ajustado	IC 95 %	p
Edad, por 10 años	1,22	1,02–1,47	0,03
Sexo masculino	1,08	0,73–1,60	0,70
Diabetes	1,64	1,10–2,45	0,02
Obesidad	1,52	1,08–2,15	0,02

Debe incluirse:

• variable;
• unidad;
• referencia;
• estimación;
• intervalo;
• valor p, cuando corresponda.

Para modelos predictivos, puede ser necesario presentar también:

• intercepto;
• todos los coeficientes;
• desempeño;
• calibración;
• validación.

TRIPOD establece que un modelo predictivo debe presentarse con suficiente detalle para que pueda utilizarse y evaluarse.

Títulos de tablas

El título debe explicar qué contiene la tabla.

Inadecuado

Tabla 2. Resultados.

Adecuado

Tabla 2. Asociación entre características clínicas y complicaciones posoperatorias en 320 pacientes.

La tabla debería poder comprenderse sin leer todo el capítulo.

Notas al pie

Utilízalas para aclarar:

• abreviaturas;
• unidades;
• pruebas;
• referencias;
• datos faltantes;
• ajustes;
• transformaciones;
• definiciones.

Ejemplo:

DE: desviación estándar; RIC: rango intercuartílico; OR: odds ratio. Modelo ajustado por edad, sexo, diabetes y obesidad.

Evita duplicar tabla y texto

El texto no debe repetir cada celda.

Repetición innecesaria

La edad fue de 54,2 en el grupo A y de 57,0 en el grupo B. La diabetes fue de 20 % y 31 %. La hipertensión fue…

Mejor

El grupo B presentó una mayor frecuencia de diabetes y una estancia hospitalaria más prolongada. Las demás características se muestran en la Tabla 1.

En el texto deben destacarse:

• resultados principales;
• magnitudes;
• patrones;
• hallazgos inesperados;
• incertidumbre.

Figuras

Pueden ser más adecuadas para:

• supervivencia;
• tendencias temporales;
• distribuciones;
• correlaciones;
• efectos por subgrupos;
• intervalos de confianza.

No dupliques la misma información en tabla y figura salvo que exista una justificación.

Datos faltantes

Debe informarse:

• cuántos datos faltan;
• en qué variables;
• qué denominador se utilizó;
• cómo fueron tratados.

Ejemplo:

Los porcentajes se calcularon sobre los participantes con información disponible. La variable IMC presentó 12 datos faltantes.

Errores frecuentes

• Copiar la salida de SPSS, R o Stata.
• Utilizar demasiados decimales.
• No incluir unidades.
• Mezclar media y mediana sin indicarlo.
• Escribir p = 0,000.
• Reportar solamente valores p.
• No indicar el grupo de referencia.
• Omitir los denominadores.
• Presentar porcentajes que no suman correctamente.
• No explicar abreviaturas.
• Duplicar datos en texto, tabla y figura.
• Ocultar resultados no significativos.
• No separar análisis crudos y ajustados.

Checklist final

• ¿La tabla responde a un objetivo?
• ¿El título es específico?
• ¿Las unidades están visibles?
• ¿Las abreviaturas están explicadas?
• ¿Las variables están correctamente resumidas?
• ¿Los porcentajes tienen denominador?
• ¿Los datos faltantes están reportados?
• ¿Las estimaciones incluyen intervalos?
• ¿Los valores p son exactos?
• ¿La referencia del modelo está clara?
• ¿La tabla puede entenderse sola?
• ¿El texto evita repetir cada cifra?

Conclusión

Una tabla estadística debe ayudar a interpretar, no solamente almacenar números.

La presentación adecuada integra:

• estadísticos descriptivos;
• magnitud;
• incertidumbre;
• denominadores;
• unidades;
• notas;
• lenguaje coherente.

¿Necesitas organizar los resultados de tu tesis?

En DataMedix convertimos las salidas estadísticas en tablas claras, resultados narrativos y conclusiones compatibles con tus objetivos.

Referencias

1. Lang TA, Altman DG. Basic statistical reporting for articles published in biomedical journals: the “Statistical Analyses and Methods in the Published Literature” or the SAMPL Guidelines. Int J Nurs Stud. 2015 Jan;52(1):5-9. doi: 10.1016/j.ijnurstu.2014.09.006. Epub 2014 Sep 28. PMID: 25441757.
2. Harrington D, D’Agostino RB Sr, Gatsonis C, Hogan JW, Hunter DJ, Normand ST, Drazen JM, Hamel MB. New Guidelines for Statistical Reporting in the Journal. N Engl J Med. 2019 Jul 18;381(3):285-286. doi: 10.1056/NEJMe1906559. PMID: 31314974.
3. Fernando Alfonso, Filippo Crea, International Committee of Medical Journal Editors recommendations: an update, European Heart Journal, Volume 47, Issue 29, 1 August 2026, Pages 3886–3888, https://doi.org/10.1093/eurheartj/ehag290
4. Collins GS, Moons KGM, Dhiman P, Riley RD, Beam AL, Van Calster B, Ghassemi M, Liu X, Reitsma JB, van Smeden M, Boulesteix AL, Camaradou JC, Celi LA, Denaxas S, Denniston AK, Glocker B, Golub RM, Harvey H, Heinze G, Hoffman MM, Kengne AP, Lam E, Lee N, Loder EW, Maier-Hein L, Mateen BA, McCradden MD, Oakden-Rayner L, Ordish J, Parnell R, Rose S, Singh K, Wynants L, Logullo P. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024 Apr 16;385:e078378. doi: 10.1136/bmj-2023-078378. Erratum in: BMJ. 2024 Apr 18;385:q902. doi: 10.1136/bmj.q902. PMID: 38626948; PMCID: PMC11019967.
5. von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. BMJ. 2007 Oct 20;335(7624):806-8. doi: 10.1136/bmj.39335.541782.AD. PMID: 17947786; PMCID: PMC2034723.