¿Qué prueba estadística usar según tus variables?
Contenido elaborado por el equipo DataMedix.
Revisión metodológica: Lucas Vargas, médico epidemiólogo.
Elegir una prueba estadística no consiste en buscar en una tabla si una variable es cualitativa o cuantitativa.
La decisión también depende de:
- la pregunta de investigación;
- el objetivo del análisis;
- la variable de desenlace;
- el número de grupos;
- si las observaciones son independientes o relacionadas;
- la distribución de los datos;
- el tamaño de la muestra;
- la presencia de valores esperados pequeños;
- la necesidad de ajustar por otras variables.
Dos investigaciones pueden tener las mismas variables y necesitar análisis diferentes porque sus preguntas no son iguales.
Antes de elegir una prueba, identifica el objetivo
Pregúntate qué deseas hacer:
- describir una población;
- comparar grupos;
- evaluar una asociación;
- estudiar una correlación;
- analizar cambios antes y después;
- identificar factores asociados;
- predecir un desenlace;
- analizar el tiempo hasta que ocurra un evento.
La prueba debe responder al objetivo. No debe seleccionarse solamente porque está disponible en el programa estadístico.
Paso 1. Identifica la variable de desenlace
La variable de desenlace es aquella que deseas explicar, comparar o predecir.
Puede ser:
Categórica nominal
Sus categorías no tienen un orden natural.
Ejemplos:
- presencia o ausencia de una enfermedad;
- tipo de tratamiento;
- grupo sanguíneo;
- hospital de procedencia.
Categórica ordinal
Sus categorías tienen un orden.
Ejemplos:
- dolor leve, moderado o grave;
- estadio de una enfermedad;
- nivel de satisfacción;
- clasificación funcional.
Cuantitativa
Se expresa numéricamente.
Ejemplos:
- edad;
- presión arterial;
- peso;
- concentración de hemoglobina;
- duración de la hospitalización.
Tiempo hasta un evento
Incluye tanto el tiempo observado como la información sobre si el evento ocurrió.
Ejemplos:
- tiempo hasta la muerte;
- tiempo hasta una recaída;
- tiempo hasta el alta;
- tiempo hasta una complicación.
Paso 2. Determina cuántos grupos compararás
No es lo mismo comparar:
- un grupo con un valor de referencia;
- dos grupos independientes;
- dos mediciones de las mismas personas;
- tres o más grupos independientes;
- tres o más mediciones repetidas.
Por ejemplo, comparar la presión arterial de pacientes tratados y no tratados requiere una prueba para grupos independientes.
En cambio, comparar la presión arterial antes y después del tratamiento en los mismos pacientes requiere una prueba para datos relacionados.
Guía rápida para elegir qué prueba estadística usar
| Objetivo | Tipo de variable | Situación | Análisis que puede considerarse |
|---|---|---|---|
| Comparar proporciones | Categórica | Dos o más grupos independientes | Chi-cuadrado o prueba exacta de Fisher |
| Comparar proporciones | Categórica | Datos pareados | McNemar |
| Comparar valores cuantitativos | Cuantitativa | Dos grupos independientes | t de Student/Welch o Mann-Whitney |
| Comparar valores cuantitativos | Cuantitativa | Dos mediciones relacionadas | t pareada o Wilcoxon |
| Comparar valores cuantitativos | Cuantitativa | Tres o más grupos independientes | ANOVA o Kruskal-Wallis |
| Comparar valores cuantitativos | Cuantitativa | Tres o más mediciones relacionadas | ANOVA de medidas repetidas o Friedman |
| Evaluar relación lineal | Dos cuantitativas | Datos aproximadamente lineales | Correlación de Pearson |
| Evaluar relación monotónica | Cuantitativas u ordinales | Sin asumir relación lineal | Correlación de Spearman |
| Explicar un desenlace binario | Categórica dicotómica | Varios predictores | Regresión logística |
| Explicar un desenlace cuantitativo | Cuantitativa | Varios predictores | Regresión lineal |
| Analizar conteos | Conteo | Número de eventos | Regresión de Poisson o binomial negativa |
| Analizar tiempo hasta un evento | Supervivencia | Con censura | Kaplan-Meier, log-rank o regresión de Cox |
Esta tabla es una orientación inicial. Antes de aplicar cualquier prueba deben revisarse sus supuestos y la estructura real de la información. Las guías de reporte estadístico recomiendan describir con claridad el método, las variables, los supuestos y las medidas de incertidumbre, no solamente mencionar el nombre de la prueba.
¿Cuándo usar chi-cuadrado?
La prueba de chi-cuadrado puede utilizarse para evaluar si existe asociación entre dos variables categóricas.
Ejemplo:
Evaluar si la frecuencia de complicaciones difiere entre pacientes que recibieron dos tratamientos.
Las observaciones deben ser independientes y las frecuencias esperadas deben ser suficientemente grandes.
Cuando la tabla contiene pocos participantes o frecuencias esperadas muy pequeñas, puede ser más apropiada una prueba exacta, como Fisher.
¿Cuándo usar t de Student?
La prueba t compara medias.
Puede utilizarse cuando:
- el desenlace es cuantitativo;
- existen dos grupos;
- las observaciones son independientes, para la versión independiente;
- los datos son relacionados, para la versión pareada;
- los supuestos del modelo son razonables.
La versión clásica para grupos independientes supone igualdad de varianzas. Cuando esa condición no es razonable, la prueba t de Welch suele ser una alternativa más adecuada.
¿Cuándo usar Mann-Whitney?
Mann-Whitney compara la distribución o los rangos de una variable entre dos grupos independientes.
Puede considerarse cuando:
- la variable es ordinal;
- existen valores extremos importantes;
- la distribución hace inadecuada una comparación de medias;
- el tamaño de la muestra es limitado;
- el objetivo puede expresarse en términos de diferencia de distribuciones o posiciones.
No debe describirse automáticamente como una “prueba de medianas”. Solo puede interpretarse estrictamente como una comparación de medianas bajo condiciones adicionales, como distribuciones con formas semejantes.
¿Qué hacer con datos pareados?
Los datos son pareados cuando las mediciones no son independientes.
Ejemplos:
- antes y después en la misma persona;
- ojo derecho y ojo izquierdo;
- participantes emparejados;
- varias mediciones del mismo paciente.
En estos casos pueden utilizarse:
- t de Student pareada;
- prueba de rangos con signo de Wilcoxon;
- McNemar para desenlaces binarios;
- modelos para medidas repetidas cuando existen más momentos.
Analizar datos pareados como si fueran independientes puede producir errores estándar y valores p incorrectos.
¿La normalidad define por sí sola la prueba?
No.
Un resultado de Shapiro-Wilk menor de 0,05 no significa automáticamente que deba utilizarse una prueba no paramétrica.
También deben revisarse:
- histogramas;
- gráficos Q-Q;
- valores extremos;
- tamaño de la muestra;
- simetría;
- normalidad de los residuos o de las diferencias;
- robustez de la prueba;
- objetivo de la estimación.
La elección debe basarse en el conjunto del problema y no en una sola prueba de normalidad.
¿Prueba estadística o modelo de regresión?
Las pruebas bivariadas comparan dos variables, pero muchas preguntas médicas requieren considerar simultáneamente otros factores.
Por ejemplo:
¿La obesidad se asocia con complicaciones después de controlar por edad, sexo y comorbilidades?
Una prueba de chi-cuadrado puede mostrar la asociación cruda, pero no realizar el ajuste solicitado.
En ese caso podría requerirse una regresión logística u otro modelo apropiado para el desenlace.
Errores frecuentes
Elegir la prueba por el nombre de las variables
La misma variable puede analizarse de formas distintas según la pregunta.
Ignorar si los grupos son independientes o pareados
Es una de las causas más frecuentes de pruebas incorrectas.
Usar Mann-Whitney solamente porque Shapiro-Wilk fue significativo
La decisión debe considerar distribución, tamaño de muestra, valores extremos y objetivo.
Comparar muchos grupos mediante múltiples pruebas t
Esto incrementa el riesgo de resultados falsamente positivos.
Presentar únicamente el valor p
También deben reportarse la magnitud del efecto y su intervalo de confianza.
Elegir la prueba después de ver cuál produce p < 0,05
Esta práctica aumenta el riesgo de seleccionar resultados favorables y reduce la transparencia.
Checklist para elegir la prueba
Antes de analizar, verifica:
- ¿Cuál es el objetivo?
- ¿Cuál es la variable de desenlace?
- ¿Es categórica, ordinal, cuantitativa, de conteo o de tiempo?
- ¿Cuántos grupos existen?
- ¿Son independientes o relacionados?
- ¿Qué medida deseo estimar?
- ¿Existen datos faltantes?
- ¿Hay valores extremos?
- ¿Los supuestos son razonables?
- ¿Necesito ajustar por otras variables?
- ¿La prueba fue definida antes de revisar los resultados?
- ¿Presentaré un intervalo de confianza?
Conclusión
La prueba estadística adecuada no depende únicamente de si una variable es cualitativa o cuantitativa.
Debe relacionarse con:
- la pregunta;
- el desenlace;
- el número de grupos;
- la independencia de las observaciones;
- la distribución;
- el diseño;
- el tipo de estimación requerida.
Una prueba correctamente calculada puede seguir siendo inadecuada si no responde al objetivo de investigación.
¿Necesitas definir el análisis de tu investigación?
En DataMedix revisamos tus objetivos, variables, diseño, estructura de la base y posibles factores de confusión para construir un plan estadístico coherente antes de ejecutar las pruebas.
Referencias
- 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.
- National Institute of Standards and Technology. Engineering Statistics Handbook. https://www.itl.nist.gov/div898/handbook/
- von Elm E y colaboradores. STROBE Statement.
- Hart A. Mann-Whitney test is not just a test of medians: differences in spread can be important. BMJ. 2001 Aug 18;323(7309):391-3. doi: 10.1136/bmj.323.7309.391. PMID: 11509435; PMCID: PMC1120984.
- Fagerland, M.W. t-tests, non-parametric tests, and large studies—a paradox of statistical practice?. BMC Med Res Methodol 12, 78 (2012). https://doi.org/10.1186/1471-2288-12-78
