Base de datos en Excel para tesis médica: estructura

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

Excel suele ser una de las herramientas más accesibles para residentes, estudiantes e investigadores que necesitan construir la base de datos de una tesis.

Puede funcionar adecuadamente para determinados proyectos académicos si la base se diseña correctamente desde el principio.

El error frecuente es construirla como si fuera una tabla para presentar resultados.

Una base de análisis y una tabla para mostrar resultados no son lo mismo.

Estructura recomendada del archivo

Para una tesis sencilla puedes utilizar al menos tres hojas.

Hoja 1: DATOS

Contiene los registros de los participantes.

Hoja 2: DICCIONARIO

Explica qué significa cada variable.

Hoja 3: CONTROL

Puede utilizarse para documentar:

• inconsistencias;
• correcciones;
• observaciones;
• pendientes.

Evita incluir tablas de resultados dentro de la hoja de datos.

Cómo debería verse la hoja DATOS

La primera fila debe contener los nombres de las variables.

Ejemplo:

id	edad	sexo	peso_kg	hta	diabetes	mortalidad
P001	54	0	71.2	1	0	0
P002	67	1	83.5	1	1	1
P003	42	0	60.8	0	0	0

Nada más.

No necesitas:

• títulos decorativos;
• logos;
• filas en blanco;
• encabezados dobles;
• combinaciones de celdas.

Primera columna: identificador

Utiliza un ID único.

Ejemplo:

• P001;
• P002;
• P003.

Evita utilizar el nombre como identificador de análisis.

Una variable por columna

Ejemplo:

No:

presion = 120/80

Mejor:

• pas = 120;
• pad = 80.

No:

comorbilidades = HTA, DM

Mejor:

• hta = 1;
• dm = 1.

Mantén las variables cuantitativas como números

No escribas:

65 años

Escribe:

65

y documenta en el diccionario:

unidad = años.

Variables categóricas

Puedes utilizar códigos.

Ejemplo:

hta

• 0 = no;
• 1 = sí.

Pero el significado debe existir en el diccionario.

Fechas

Selecciona un formato uniforme.

Una buena alternativa para reducir ambigüedades es:

AAAA-MM-DD

Ejemplo:

2026-08-07.

Evita mezclar diferentes representaciones.

Datos faltantes

No los conviertas automáticamente en cero.

Define previamente cómo se registrarán.

Si necesitas diferenciar:

• no realizado;
• no aplica;
• desconocido;

documenta esa distinción.

Hoja DICCIONARIO

Ejemplo:

variable	descripción	tipo	código/unidad
id	identificador	texto	único
edad	edad al ingreso	cuantitativa	años
sexo	sexo registrado	nominal	0=F; 1=M
hta	hipertensión previa	binaria	0=no; 1=sí
peso_kg	peso inicial	continua	kg

Esto hace que la base pueda comprenderse sin explicaciones adicionales.

Hoja CONTROL

Ejemplo:

id	variable	valor original	valor corregido	motivo
P032	edad	350	35	verificado en historia

Esta hoja ayuda a conservar trazabilidad.

¿Conviene utilizar validación de datos?

Sí.

Excel permite restringir determinadas columnas a opciones válidas.

Por ejemplo, para hipertensión:

• 0;

Esto reduce errores de digitación como:

• 11;
• S;
• Sí;
• positivo.

La validación no sustituye la revisión, pero ayuda.

¿Conviene usar listas desplegables?

Pueden ser útiles para variables categóricas con pocas opciones.

Por ejemplo:

• leve;
• moderada;
• grave.

La clave es que los valores guardados permanezcan estandarizados.

¿Se pueden utilizar fórmulas?

Sí, pero con cuidado.

Una fórmula para calcular IMC puede ser útil, pero debes conservar:

• peso;
• talla;
• fórmula utilizada.

No guardes solamente el resultado derivado si los componentes originales son relevantes.

No hagas análisis dentro de la base original

Evita agregar columnas improvisadas como:

• prueba_chicuadrado;
• pvalor;
• resultado final;
• grupo nuevo2.

Crea una copia específica para análisis.

Copias de seguridad

Mantén versiones con nombres claros.

Ejemplo:

• base_original_2026-08-07.xlsx
• base_limpia_v1.xlsx
• base_analisis_v1.xlsx

Evita:

• final.xlsx
• final2.xlsx
• finalfinal.xlsx
• ahora_si_final.xlsx

El control de versiones sencillo evita confusiones.

¿Cuándo Excel deja de ser suficiente?

Depende de la complejidad.

Puede ser conveniente utilizar sistemas especializados cuando existen:

• múltiples centros;
• múltiples usuarios;
• seguimiento longitudinal complejo;
• necesidad de auditoría;
• grandes volúmenes;
• requisitos regulatorios;
• control avanzado de permisos;
• captura directa de datos clínicos.

Para investigaciones clínicas reguladas deben considerarse los requisitos específicos de gestión e integridad de datos aplicables al estudio.

Plantilla conceptual recomendada

HOJA DATOS

ID | variables de identificación analítica | exposición | covariables | desenlace | seguimiento

HOJA DICCIONARIO

variable | definición | tipo | unidad | codificación | fuente | momento

HOJA CONTROL

ID | problema | revisión | corrección | responsable

Con esta estructura, una tesis sencilla puede comenzar con una base mucho más ordenada.

Conclusión

La mejor base de Excel para una tesis no es la más bonita.

Es la que puede:

• interpretarse;
• validarse;
• limpiarse;
• importarse;
• analizarse;
• reproducirse.

Diseñarla correctamente desde el comienzo evita tener que reconstruirla cuando llega el momento del análisis estadístico.

¿Vas a comenzar la base de tu tesis?

En DataMedix podemos ayudarte a convertir tus objetivos y variables en una estructura de base coherente con el análisis que necesitarás posteriormente.

Referencias

1. Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2-10.
2. Tierney, N., & Cook, D. (2023). Expanding tidy data principles to facilitate missing data exploration, visualization and assessment of imputations. Journal of Statistical Software, 105, 1-31.
3. Wickham, H. (2014). Tidy data. Journal of statistical software, 59, 1-23.
4. FDA. Data Integrity and Compliance With Drug CGMP.