Errores en Excel antes de analizar datos médicos

Contenido elaborado por el equipo DataMedix.
Revisión metodológica: Lucas Vargas, médico especialista en Epidemiología.

Excel puede ser una herramienta útil para construir y revisar bases de datos pequeñas o medianas en proyectos académicos. Sin embargo, una hoja que parece organizada visualmente puede contener problemas capaces de generar errores durante el análisis estadístico.

Muchos de estos errores pasan inadvertidos hasta que se intenta importar la información a R, Python, SPSS, Stata u otro programa.

Estos son algunos de los más frecuentes.

Error 1. Utilizar varias formas para representar la misma categoría

Ejemplo:

sexo
Masculino
M
masculino
Hombre
Masc

Para Excel son textos diferentes.

Antes del análisis deben convertirse en categorías consistentes.

Por ejemplo:

• F = femenino;
• M = masculino.

La codificación elegida debe quedar documentada.

Error 2. Guardar números como texto

Una columna puede parecer numérica y contener valores como:

• 80
• 75 kg
• No disponible
• 90

La presencia de texto puede impedir cálculos o provocar que el programa importe toda la columna como texto.

La solución es mantener:

peso = 75

y documentar:

unidad = kg.

Error 3. Escribir las unidades dentro de las celdas

No:

120 mmHg

Sí:

120

y definir la variable como:

pas_mmhg.

Error 4. Utilizar cero para indicar que falta información

Esto puede modificar los resultados.

Si una persona no tiene registrada una glucemia, colocar:

0 mg/dL

introduce un valor clínicamente diferente de “no medido”.

Los valores faltantes requieren una estrategia explícita.

Error 5. Mezclar diferentes códigos de ausencia

Una misma base puede contener:

• ND;
• N/A;
• sin dato;
• vacío;
• 999;
• no aplica.

Esto dificulta distinguir:

• información realmente desconocida;
• datos no medidos;
• variables que no aplicaban;
• pérdidas durante seguimiento.

Debe establecerse un sistema consistente y documentado.

Error 6. Utilizar colores para guardar información

Si una celda roja significa complicación y una verde significa ausencia de complicación, esa información puede perderse al exportar o analizar la base.

Crea una variable:

complicacion

con categorías claramente definidas.

Error 7. Combinar celdas

Las celdas combinadas son útiles en informes, pero no en bases destinadas a análisis.

Pueden generar:

• encabezados incompletos;
• desplazamiento de columnas;
• errores durante importación.

La base debe conservar una estructura rectangular.

Error 8. Tener más de una tabla en la misma hoja

Una hoja con:

• tabla de pacientes;
• resumen de resultados;
• notas;
• frecuencias;
• gráficos;

es difícil de procesar automáticamente.

La base de datos debería contener únicamente los datos.

Las tablas de resultados y gráficos pueden estar en hojas independientes.

Error 9. Insertar filas de títulos entre pacientes

No utilices:

GRUPO CONTROL

como una fila dentro de la base.

Crea una columna:

grupo

y asigna a cada participante su categoría.

Error 10. Cambiar manualmente los datos originales

Corregir directamente la única copia disponible elimina la posibilidad de saber:

• qué valor existía originalmente;
• quién lo modificó;
• por qué se corrigió.

Conserva una copia inalterada de los datos originales y trabaja sobre una versión.

Error 11. Utilizar fórmulas sin convertir o documentar el resultado

Las fórmulas pueden cambiar cuando:

• se ordenan filas;
• se insertan registros;
• se copian hojas;
• se modifican referencias.

Las variables derivadas deben tener una definición clara.

Por ejemplo:

IMC = peso en kg / talla en metros².

No basta con que exista una fórmula cuyo origen nadie recuerda.

Error 12. Copiar y pegar datos sin verificar

Copiar columnas desde historias clínicas, reportes o sistemas externos puede introducir:

• espacios invisibles;
• formatos diferentes;
• caracteres especiales;
• decimales inconsistentes;
• fechas interpretadas incorrectamente.

Después de importar información se deben realizar controles.

Error 13. Formatos de fecha inconsistentes

Ejemplo:

• 07/08/26
• 8/7/2026
• agosto 7
• 2026-08-07

Dependiendo de la configuración regional, algunas fechas pueden interpretarse de manera diferente.

Utiliza un formato uniforme y verifica valores imposibles.

Error 14. No diferenciar decimales

En configuraciones distintas puede utilizarse:

• coma decimal;
• punto decimal.

Esto puede provocar que:

4,5

sea leído de forma diferente al importar la base.

Antes del análisis comprueba que las variables numéricas sean realmente numéricas.

Error 15. Tener pacientes duplicados

Una misma persona puede aparecer más de una vez por:

• error de digitación;
• diferentes números de historia;
• reingresos;
• unión de varias bases.

Un duplicado accidental puede modificar:

• frecuencias;
• medias;
• asociaciones;
• tamaño de muestra.

Sin embargo, no toda repetición es un error: en estudios longitudinales un paciente puede tener varias observaciones. La estructura debe definirse según el diseño.

Error 16. Crear categorías después de mirar los resultados

Por ejemplo, convertir edad en:

• menores de 50;
• mayores o iguales a 50;

únicamente porque esa división produjo un valor p menor.

Las categorizaciones deberían tener una justificación clínica o metodológica y, cuando sea posible, definirse antes de analizar los resultados.

Error 17. Eliminar valores extremos automáticamente

Un valor muy alto o bajo puede ser:

• error de digitación;
• error de unidad;
• resultado real;
• paciente clínicamente diferente.

No debe eliminarse únicamente porque “se ve raro”.

Primero debe investigarse su origen.

¿Cómo revisar una base antes de analizarla?

Como mínimo:

1. comprobar dimensiones;
2. buscar duplicados;
3. revisar tipos de variables;
4. evaluar rangos;
5. revisar categorías;
6. identificar datos faltantes;
7. comprobar fechas;
8. identificar valores imposibles;
9. revisar variables derivadas;
10. comparar la base con el diccionario.

¿Excel sirve para una tesis médica?

Puede servir para captura y organización de determinados proyectos académicos, especialmente cuando la estructura es relativamente sencilla.

Sin embargo, para investigaciones clínicas reguladas, estudios multicéntricos o proyectos que requieren auditoría, control de accesos y trazabilidad, suelen utilizarse sistemas especializados de captura electrónica de datos.

Excel no debería considerarse automáticamente equivalente a un sistema validado de gestión de datos clínicos.

Conclusión

El problema de Excel no suele ser únicamente Excel.

El principal riesgo aparece cuando la hoja se utiliza sin reglas previamente definidas.

Una base consistente, documentada y revisada puede ahorrar horas de correcciones y evitar que errores de digitación o codificación terminen afectando el análisis.

¿Quieres revisar tu base evitando errores en Excel antes de analizar datos médicos?

En DataMedix podemos identificar errores de estructura, codificación, consistencia, duplicados, valores faltantes y variables antes de iniciar el análisis estadístico.

Referencias

1. Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2-10.
2. Wickham, H. (2014). Tidy data. Journal of statistical software, 59, 1-23.
3. US Food and Drug Administration. (2018). Data integrity and compliance with drug CGMP: Questions and answers. Guidance for Industry.
4. Tierney, N., & Cook, D. (2023). Expanding Tidy Data Principles to Facilitate Missing Data Exploration, Visualization and Assessment of Imputations. Journal of Statistical Software, 105(7), 1–31. https://doi.org/10.18637/jss.v105.i07