Diccionario de variables: qué es y cómo hacerlo

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

Una columna llamada complicacion_1 puede resultar completamente clara mientras se construye una base.

Seis meses después puede surgir una pregunta:

¿Qué significaba exactamente “1”? ¿Incluía todas las complicaciones o únicamente las graves?

El diccionario de variables existe para evitar este problema.

¿Qué es un diccionario de variables?

Es un documento que describe de forma estructurada las variables de una investigación.

Permite conocer:

• qué representa cada variable;
• cómo fue definida;
• qué tipo de variable es;
• qué unidad utiliza;
• cómo fue codificada;
• de dónde proviene;
• qué valores son válidos;
• cómo se identifican los datos faltantes.

En contextos más complejos, esta información forma parte de los metadatos del conjunto de datos. CDISC, por ejemplo, utiliza estándares específicos para describir datasets, variables, terminología controlada y origen de los datos.

¿Para qué sirve?

Un diccionario permite que:

• el equipo utilice las mismas definiciones;
• el digitador conozca los valores permitidos;
• el analista interprete correctamente las columnas;
• puedan detectarse inconsistencias;
• las variables derivadas sean reproducibles;
• una base pueda comprenderse incluso tiempo después de haber sido creada.

¿Cuándo debe construirse?

Idealmente antes de recolectar los datos.

El orden recomendable es:

pregunta → objetivos → variables → operacionalización → instrumento de recolección → diccionario → base.

Crear el diccionario únicamente cuando el analista lo solicita significa que muchas decisiones ya se tomaron sin documentación.

Columnas básicas de un diccionario

Puede contener:

Campo	Ejemplo
Nombre de variable	edad
Descripción	Edad del participante al ingreso
Tipo	Cuantitativa discreta
Unidad	años
Fuente	Historia clínica
Valores permitidos	18–100
Datos faltantes	vacío
Observaciones	calculada desde fecha de nacimiento

Para variables categóricas:

Variable	Descripción	Codificación
hta	diagnóstico previo de hipertensión	0 = no; 1 = sí
gravedad	clasificación clínica	1 = leve; 2 = moderada; 3 = grave

Nombre de la variable

Debe coincidir exactamente con el encabezado de la base.

Si el diccionario dice:

hipertension

pero la base utiliza:

hta_final2

se pierde parte de su utilidad.

Etiqueta o descripción

Debe explicar el significado clínico.

Por ejemplo:

mortalidad_30d

Descripción:

Fallecimiento por cualquier causa durante los primeros 30 días posteriores al ingreso.

Esto es mucho más preciso que escribir simplemente:

Mortalidad.

Tipo de variable

Puede especificarse desde dos perspectivas.

Tipo conceptual

• cualitativa nominal;
• cualitativa ordinal;
• cuantitativa discreta;
• cuantitativa continua.

Tipo informático

• texto;
• entero;
• decimal;
• fecha;
• booleano.

Ambos pueden ser útiles.

Unidad de medida

Debe quedar explícita.

Por ejemplo:

• peso: kg;
• talla: cm;
• creatinina: mg/dL;
• tiempo: días.

Una diferencia de unidad puede producir errores importantes.

Valores permitidos

Definir rangos ayuda a detectar errores.

Ejemplo:

Saturación de oxígeno: 0–100 %.

Un valor de:

850

probablemente indica un problema de digitación o escala.

Esto no significa eliminar automáticamente el dato, sino revisarlo.

Codificación

Todas las variables categóricas necesitan una definición clara.

Ejemplo:

uci

• 0 = no;
• 1 = sí.

La codificación debe permanecer estable durante el estudio.

Fuente de información

Especifica de dónde proviene el dato:

• entrevista;
• historia clínica;
• reporte de laboratorio;
• sistema institucional;
• dispositivo;
• cuestionario validado.

Esto facilita evaluar posteriormente problemas de calidad.

Momento de medición

En estudios longitudinales puede ser necesario especificar:

• ingreso;
• 24 horas;
• alta;
• 30 días;
• 6 meses.

Dos variables con el mismo nombre clínico pueden significar cosas distintas dependiendo del momento.

Definición operacional

Algunas variables necesitan una regla precisa.

Por ejemplo:

Hipertensión arterial: diagnóstico registrado previamente en la historia clínica o uso activo de tratamiento antihipertensivo según criterio establecido en el protocolo.

La definición debe corresponder con el protocolo.

Variables derivadas

Debe indicarse cómo fueron calculadas.

Ejemplo:

estancia_dias = fecha_alta − fecha_ingreso

Esto permite reproducir el análisis.

¿Dónde hacer el diccionario de variables?

Para una tesis puede construirse en otra hoja del mismo archivo Excel.

Por ejemplo:

• Hoja 1: datos;
• Hoja 2: diccionario;
• Hoja 3: control_calidad.

También puede manejarse en documentos o sistemas especializados.

Ejemplo completo

variable	descripción	tipo	valores/código	unidad	fuente
id	identificador	texto	único	—	estudio
edad	edad al ingreso	cuantitativa	18–100	años	historia
sexo	sexo registrado	nominal	0=F; 1=M	—	historia
hta	hipertensión previa	binaria	0=no; 1=sí	—	historia
creatinina	creatinina inicial	continua	≥0	mg/dL	laboratorio
mortalidad30	mortalidad 30 días	binaria	0=no; 1=sí	—	seguimiento

Errores frecuentes

Un diccionario pierde utilidad cuando:

• no coincide con la base;
• no incluye códigos;
• contiene definiciones ambiguas;
• se actualiza la base pero no el diccionario;
• mezcla diferentes versiones;
• no documenta variables calculadas;
• omite unidades;
• utiliza abreviaturas desconocidas.

Conclusión

El diccionario de variables es uno de los documentos más sencillos de una investigación y, al mismo tiempo, uno de los más útiles.

Permite transformar una colección de columnas en un conjunto de datos comprensible y reproducible.

Si otra persona recibe únicamente la base y el diccionario, debería poder comprender qué significa cada variable sin depender exclusivamente de explicaciones verbales.

¿Tu base tiene variables que no están completamente documentadas?

En DataMedix podemos ayudarte a organizar el diccionario, revisar la operacionalización y comprobar que las definiciones sean coherentes con el protocolo y el análisis previsto.

Referencias

1. CDISC. Define-XML.
2. CDISC. Controlled Terminology.
3. Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2-10.