Datos faltantes en investigación médica: qué hacer
Contenido elaborado por el equipo DataMedix.
Revisión metodológica: Lucas Vargas, médico especialista en Epidemiología.
Los datos faltantes aparecen en prácticamente todos los tipos de investigación clínica y epidemiológica.
Una historia clínica incompleta, una prueba que no fue solicitada, un participante perdido durante el seguimiento o una pregunta no respondida pueden producir valores ausentes.
El problema no se soluciona simplemente eliminando esas filas.
La decisión depende de cuánto falta, qué variables están afectadas y, especialmente, por qué podrían faltar los datos. La literatura metodológica recomienda estudiar el mecanismo de ausencia y no asumir que una estrategia como eliminar casos o reemplazar valores por la media será apropiada en todas las situaciones.
¿Qué es un dato faltante?
Es un valor que debería existir para una observación determinada, pero no se encuentra disponible.
Ejemplo:
| paciente | edad | creatinina |
|---|---|---|
| 001 | 62 | 1,1 |
| 002 | 74 | — |
| 003 | 55 | 0,9 |
La ausencia de creatinina del paciente 002 puede tener diferentes explicaciones.
Y esa explicación importa.
Primero: confirma que realmente esté faltando
Un campo vacío puede significar:
- no se midió;
- no quedó registrado;
- no aplicaba;
- el paciente no acudió;
- el dato existe en otra fuente;
- hubo un error de extracción.
Antes del análisis conviene investigar la procedencia.
No confundas “faltante” con cero
Un error frecuente consiste en reemplazar automáticamente un valor ausente por 0.
Ejemplo:
días en UCI = 0
puede ser correcto si el paciente nunca ingresó a UCI.
Pero:
hemoglobina = 0
no debería utilizarse para indicar que la prueba no fue realizada.
¿Cuánto dato falta?
El primer análisis suele ser descriptivo.
Calcula:
- número de datos faltantes;
- porcentaje por variable;
- porcentaje por participante;
- patrón de ausencia.
Por ejemplo:
| Variable | Faltantes |
|---|---|
| edad | 0 % |
| peso | 3 % |
| creatinina | 18 % |
| seguimiento 6 meses | 27 % |
Esto permite identificar dónde está el problema.
Sin embargo, el porcentaje por sí solo no determina qué método utilizar.
Un 5 % de ausencia puede ser importante si ocurre selectivamente en pacientes graves, mientras que un porcentaje mayor podría tener implicaciones diferentes bajo otro mecanismo.
MCAR, MAR y MNAR
Los datos faltantes en investigación médica suelen discutirse utilizando tres mecanismos.
MCAR: Missing Completely At Random
La probabilidad de que un dato falte no depende de información observada ni del propio valor faltante.
Es una situación exigente y no debería asumirse automáticamente.
MAR: Missing At Random
La ausencia puede explicarse mediante información observada.
Ejemplo hipotético:
la medición falta con mayor frecuencia en pacientes de determinado servicio, pero el servicio está registrado y puede incorporarse al análisis del mecanismo.
MNAR: Missing Not At Random
La probabilidad de ausencia depende de información no observada o del propio valor que falta, incluso después de considerar los datos observados.
Ejemplo:
personas con síntomas más graves podrían ser precisamente quienes evitan responder una escala relacionada con esos síntomas.
Este mecanismo es especialmente difícil porque no puede comprobarse completamente solo con los datos disponibles.
¿Debo eliminar a los pacientes con datos faltantes en investigación médica?
No automáticamente.
El análisis de casos completos utiliza únicamente participantes con toda la información necesaria para el modelo.
Esto puede:
- reducir el tamaño de muestra;
- reducir precisión;
- producir sesgo en determinadas situaciones.
En algunos escenarios puede ser válido, pero debe justificarse según el mecanismo de ausencia y el análisis realizado.
¿Puedo reemplazar los faltantes por el promedio?
La imputación simple por la media suele ser una mala solución para análisis inferencial.
Puede:
- disminuir artificialmente la variabilidad;
- alterar relaciones entre variables;
- producir intervalos de confianza demasiado estrechos;
- ignorar la incertidumbre del valor desconocido.
Por eso, no debería utilizarse simplemente porque sea fácil.
¿Qué es la imputación múltiple?
La imputación múltiple genera diferentes valores plausibles para cada dato faltante a partir de un modelo estadístico.
Se crean varias bases completas, se realiza el análisis en cada una y posteriormente se combinan los resultados.
Esto permite incorporar parte de la incertidumbre asociada con los datos no observados.
Sin embargo:
imputación múltiple no significa “inventar datos” arbitrariamente.
Necesita:
- un modelo adecuado;
- variables relevantes;
- supuestos;
- suficiente información;
- una estrategia previamente definida.
Tampoco soluciona automáticamente los problemas cuando el mecanismo es MNAR.
¿Qué hacer con los perdidos durante seguimiento?
Primero hay que describirlos.
Por ejemplo:
- cuántos participantes iniciaron;
- cuántos fueron evaluados;
- cuántos se perdieron;
- cuándo se perdieron;
- si las pérdidas difieren entre grupos.
En estudios longitudinales, las pérdidas pueden afectar seriamente la interpretación si están relacionadas con la exposición o el desenlace.
No borres los registros incompletos antes de evaluarlos
Eliminar filas de Excel puede hacer imposible:
- cuantificar la magnitud del problema;
- entender el patrón;
- comparar participantes;
- aplicar métodos posteriores.
Conserva la base original.
¿Qué debería reportarse en una tesis?
Como mínimo:
- cantidad y porcentaje de datos faltantes;
- variables afectadas;
- método utilizado;
- participantes excluidos del análisis;
- supuestos principales;
- análisis de sensibilidad cuando corresponda.
STROBE también recomienda informar cómo se abordaron los datos faltantes en estudios observacionales.
Ruta práctica cuando tienes datos faltantes en investigación médica
Cuando encuentres datos faltantes en investigación médica:
1. No los reemplaces inmediatamente
Primero identifica su origen.
2. Cuantifica el problema
Por variable y por participante.
3. Examina patrones
¿Faltan más datos en determinados grupos?
4. Determina su importancia
No todas las variables tienen el mismo papel.
5. Define el análisis principal
Antes de seleccionar el método de tratamiento.
6. Evalúa diferentes estrategias
Casos completos, modelos que utilizan información disponible, imputación múltiple u otros métodos pueden ser apropiados según el contexto.
7. Realiza análisis de sensibilidad cuando sea necesario
Especialmente si las conclusiones pueden depender de supuestos sobre los valores faltantes.
Errores frecuentes con datos faltantes en investigación médica
Evita:
- reemplazar todo faltante por cero;
- reemplazar todo faltante por la media;
- eliminar automáticamente cualquier paciente incompleto;
- asumir MCAR sin evaluación;
- utilizar un porcentaje fijo como regla universal;
- esconder la cantidad de valores faltantes;
- imputar después de mirar qué método produce el resultado deseado.
Conclusión
Los datos faltantes en investigación médica no son únicamente un problema de Excel.
Son un problema metodológico.
La pregunta no debería ser:
¿Cómo lleno las celdas vacías?
sino:
¿Por qué falta esta información y cómo puede afectar la estimación que quiero obtener?
Una estrategia adecuada comienza con comprender el patrón de ausencia antes de elegir una técnica estadística.
¿Tu base tiene datos faltantes?
En DataMedix podemos revisar su distribución, posibles mecanismos, variables afectadas y alternativas de análisis para construir una estrategia coherente con tu investigación.
Referencias
- Heymans, M. W., & Twisk, J. W. (2022). Handling missing data in clinical research. Journal of clinical epidemiology, 151, 185-188.
- Sterne JAC, White IR, Carlin JB, et al. Multiple imputation for missing data in epidemiological and clinical research: potential and pitfalls. BMJ. 2009;338:b2393.
- Lee, K. J., Tilling, K. M., Cornish, R. P., Little, R. J., Bell, M. L., Goetghebeur, E., … & Carpenter, J. R. (2021). Framework for the treatment and reporting of missing data in observational studies: the treatment and reporting of missing data in observational studies framework. Journal of clinical epidemiology, 134, 79-88.
- Austin, P. C., White, I. R., Lee, D. S., & van Buuren, S. (2021). Missing data in clinical research: a tutorial on multiple imputation. Canadian Journal of Cardiology, 37(9), 1322-1331.
- von Elm E, et al. STROBE Statement. https://www.equator-network.org/wp-content/uploads/2015/10/STROBE_Spanish.pdf
