Pruebas Estadísticas Básicas: De los Datos a la Decisión Clínica
Domina el T-Test, Wilcoxon y Chi-cuadrado con Jamovi y JASP sin ser matemático
Objetivo: Tomar decisiones clínicas sólidas eligiendo, ejecutando e interpretando las pruebas estadísticas correctas con software gratuito, como un investigador experimentado.
Lectura complementaria recomendada
Reyes-Reyes, A. & Reyes-Reyes, F. (2019). Probabilidad y aplicaciones en ciencias de la salud.
Aunque el libro se centra en probabilidad, las secciones de probabilidad condicional (pp. 8–9) construyen la intuición necesaria para entender por qué las pruebas estadísticas asumen una hipótesis nula y calculan la probabilidad de los datos dado que la hipótesis nula es verdadera — exactamente la lógica de cada prueba en este módulo.
Imagina esta escena clínica real...
Tienes 40 pacientes. A 20 les administraste el fármaco A, a otros 20 el fármaco B. La presión arterial bajó más en el grupo B. Pero... ¿es una diferencia real o solo ruido aleatorio? ¿Y si tu jefe te pregunta "con qué seguridad puedes afirmarlo"? Aquí no sirven corazonadas. Aquí entra la estadística inferencial, tu nueva aliada, no tu enemiga.
🧭 Tu brújula estadística: El mapa de decisión
Elegir la prueba incorrecta es como recetar ibuprofeno para una infección bacteriana: no solo no funciona, sino que puede llevarte a conclusiones peligrosas. Antes de tocar Jamovi, respira hondo y hazte estas tres preguntas de oro:
Las 3 preguntas que decides antes de cualquier análisis
- ¿Qué tipo de variable quiero analizar? ¿Es una medición continua (presión en mmHg, dolor en escala 0-10)? ¿Es categórica (curado/no curado, grupo sanguíneo)? ¿Es ordinal (estadio tumoral I, II, III)?
- ¿Cuántos grupos quiero comparar? ¿Son solo dos (fármaco A vs B) o más de dos (placebo, dosis baja, dosis alta)?
- ¿Los datos son independientes o relacionados? ¿Medimos a personas distintas (grupos independientes) o a las mismas personas antes y después de una intervención (datos pareados)?
| Situación Clínica Típica | Supuesto Clave a Verificar | Prueba Paramétrica (Reina) | Alternativa No Paramétrica (Escudera Leal) |
|---|---|---|---|
| Comparar presión arterial entre dos fármacos (grupos de pacientes distintos) | Normalidad + varianzas similares (homogeneidad) | T-Test para muestras independientes | U de Mann-Whitney |
| Evaluar dolor antes y después de una infiltración (mismos pacientes) | Las diferencias (después - antes) siguen una curva normal | T-Test para muestras pareadas | Prueba de Wilcoxon de rangos con signo |
| Comparar tiempo de recuperación entre tres técnicas quirúrgicas | Normalidad + homogeneidad de varianzas | ANOVA de una vía | Kruskal-Wallis |
| ¿Hay relación entre fumar (Sí/No) y desarrollar EPOC (Sí/No)? | Frecuencias esperadas ≥5 en cada casilla de la tabla | Chi-cuadrado de Pearson | Prueba exacta de Fisher |
| Comparar tasa de adherencia (Buena/Regular/Mala) entre tres tipos de dieta — proporciones en más de 2 grupos | Frecuencias esperadas ≥5 por celda; variable sin orden natural o con orden (escala Likert) | Chi-cuadrado de homogeneidad (sin orden) / Chi-cuadrado de tendencia lineal (con orden) | Kruskal-Wallis con comparaciones post-hoc de Dunn |
Cuando tienes más de dos grupos: Chi² de homogeneidad y Kruskal-Wallis
Una situación clínica muy frecuente que la tabla amplía: comparar proporciones (o rangos) entre tres o más grupos. Por ejemplo, ¿es diferente la tasa de adherencia terapéutica entre pacientes con dieta mediterránea, dieta baja en carbohidratos y dieta convencional?
- Chi-cuadrado de homogeneidad: Compara proporciones de una variable categórica entre 3+ grupos independientes (sin asumir orden). El p-valor global indica si algún grupo difiere; los residuos ajustados identifican cuál.
- Chi-cuadrado de tendencia lineal (Cochran-Armitage): Cuando los grupos siguen un orden natural (dosis baja, media, alta), este test detecta tendencias monotónicas con más potencia.
- Kruskal-Wallis: Extensión no paramétrica del Mann-Whitney para 3+ grupos con variables ordinales o continuas sin normalidad. Tras un Kruskal-Wallis significativo, aplica comparaciones post-hoc de Dunn con corrección de Bonferroni para identificar qué pares difieren. En el Módulo 9 verás estos tests en artículos de evaluación crítica.
📊 La verdad sobre la "normalidad" que nadie te cuenta
La trampa del p-valor en muestras grandes
¿Has hecho un Shapiro-Wilk con 150 pacientes y te dio significativo (p<0.05)? Respira. No pasa nada. Las pruebas de normalidad son como alarmas ultrasensibles: con muestras grandes, pitan por cualquier desviación minúscula. Tu T-Test es robusto como un roble. Confía más en lo que ven tus ojos: el histograma y el gráfico Q-Q.
Regla de oro clínica para dormir tranquilo
Si tienes dudas, opta por la prueba no paramétrica (Wilcoxon). Es como elegir un todoterreno en lugar de un deportivo: pierdes un poco de velocidad (potencia estadística), pero rara vez te dejará tirado en el camino. Con más de 30 pacientes por grupo y sin valores extremos absurdos, el T-Test es perfectamente fiable.
Anécdota de residente: "Revisando mi primer paper, usé Wilcoxon porque la 'normalidad' fallaba. El revisor, un señor mayor con pinta de sabio, me dijo: 'Joven, si tiene 200 pacientes, el T-Test le vale. El Teorema Central del Límite es su amigo, no le dé vueltas'. Tenía razón. Aprendí que el contexto y el tamaño muestral mandan tanto como los test formales."
💊 Casos prácticos de tu día a día
Comparas la reducción de HbA1c entre dos antidiabéticos orales en 60 pacientes (30 por grupo). El histograma muestra una campana simétrica.
PRUEBA RECOMENDADA:
T-Test para muestras independientes
Variable cuantitativa continua, 2 grupos, independientes, distribución normal.
Quieres saber si la tasa de abandono del tabaco (Sí/No) es diferente entre quienes recibieron terapia grupal vs. consejo breve.
PRUEBA RECOMENDADA:
Chi-cuadrado de Pearson
Dos variables categóricas (tratamiento recibido y resultado). Comprueba frecuencias esperadas >5.
Mides la escala EVA de dolor lumbar justo antes y justo después de una sesión de punción seca en los mismos 25 pacientes.
PRUEBA RECOMENDADA:
Wilcoxon pareado
Datos ordinales (EVA) o continuos sin normalidad clara, 2 medidas en los mismos sujetos.
Comparas la adherencia a la dieta (clasificada como Baja/Media/Alta) entre dos programas educativos diferentes en grupos de pacientes distintos.
PRUEBA RECOMENDADA:
U de Mann-Whitney
Variable de resultado ordinal. Respetas el orden natural de las categorías.
🔬 Ejemplo completo con datos reales: T-Test de HbA1c
Antes de abrir Jamovi, entiende lo que estás haciendo. Aquí tienes un caso clínico real, resuelto en 6 pasos, con los números que verías en pantalla.
Caso Clínico
¿Reduce un programa de educación diabetológica la HbA1c en DM2?
Ensayo clínico aleatorizado, 2 grupos paralelos, n = 60 (30 educación estructurada vs. 30 cuidado habitual). Seguimiento 6 meses. Basado en Deakin et al., Cochrane 2005.
| Paso | Pregunta que te haces | Respuesta en este caso |
|---|---|---|
| ① Tipo de variable | ¿La variable de resultado es cuantitativa continua? | Sí. HbA1c (%) es continua. ✓ |
| ② Diseño | ¿Los grupos son independientes o los mismos sujetos? | Independientes: distinto paciente en cada grupo. ✓ |
| ③ Normalidad | ¿n ≥ 30 por grupo o el histograma parece normal? | n = 30 por grupo. El Teorema Central del Límite nos protege. ✓ |
| ④ Prueba elegida | ¿Cuál es la prueba correcta? | T-Test para muestras independientes (Welch). |
| ⑤ Resultado Jamovi | ¿Qué obtengo? | t(56) = −2.25, p = 0.028, IC 95%: [−1.32 %, −0.08 %] |
| ⑥ Interpretación | ¿Es significativo Y relevante? | Sí. Δ = −0.7 % supera la MCID de 0.5 % (ADA 2023). d Cohen = 0.58 (efecto moderado). |
Deakin et al. Cochrane 2005 / UKPDS NEJM 1998 — adaptado con fines pedagógicos.
// Salida típica de Jamovi — Prueba T para Muestras Independientes
Variable │ t │ gl │ p │ Dif.medias │ IC 95%
───────────┼────────┼──────┼─────────┼────────────┼────────────────
HbA1c │ −2.248 │ 56.1 │ 0.028* │ −0.70 % │ [−1.32, −0.08]
* Educación: n=30, M=7.20%, DE=1.10 │ Control: n=30, M=7.90%, DE=1.30
Cómo reportarlo en tu artículo
"Los pacientes del grupo educación presentaron una HbA1c media significativamente menor que el grupo control a los 6 meses (7.2% vs 7.9%; diferencia −0.7%, IC 95%: −1.32 a −0.08; t(56)=−2.25, p=0.028). El tamaño del efecto fue moderado (d=0.58). La diferencia observada supera la MCID establecida en 0.5% para intervenciones no farmacológicas en DM2 (ADA Standards, 2023), lo que sugiere relevancia clínica."
📋 Chi-cuadrado: cuando tus variables son categóricas
Imagina que quieres saber si la tasa de abandono del tabaco (Sí/No) difiere entre pacientes que recibieron terapia grupal vs. consejo breve. Ambas variables son categóricas: aquí entra el Chi-cuadrado.
| Dejó de fumar ✓ | Sigue fumando ✗ | Total | |
|---|---|---|---|
| Terapia grupal | 38 | 22 | 60 |
| Consejo breve | 24 | 36 | 60 |
| Total | 62 | 58 | 120 |
| Métrica | Valor | Interpretación |
|---|---|---|
| Chi² (Pearson) | 5.14 | Estadístico observado |
| gl | 1 | Tabla 2×2 → siempre 1 grado de libertad |
| Valor p | 0.023 | Rechaza H₀: las proporciones difieren |
| OR (Odds Ratio) | 2.59 | La terapia grupal tiene 2.6× más odds de éxito |
| IC 95% OR | [1.14 – 5.88] | No incluye 1 → significativo |
| Frecuencias esperadas | min = 29 | Todas ≥ 5 → Chi² válido (no necesitas Fisher) |
Tabla 2×2 ficticia para ilustrar el cálculo. OR calculado con OpenEpi.
La regla de oro de Fisher vs Chi²
Si alguna frecuencia esperada es menor de 5, el Chi-cuadrado pierde fiabilidad. Usa la Prueba Exacta de Fisher. Jamovi la calcula automáticamente en la misma tabla de resultados — solo activa la casilla "Fisher's exact test". En tablas grandes (más de 2×2) con frecuencias bajas, considera agrupar categorías.
🖥️ Jamovi y JASP: Tus Residentes Digitales de Confianza
Olvida la línea de comandos de R o las licencias prohibitivas de SPSS. Jamovi y JASP son el futuro amigable del análisis estadístico en salud. Piensa en ellos como un electrocardiógrafo digital: intuitivos, modernos y diseñados para que te centres en el diagnóstico (la interpretación clínica) y no en la mecánica del aparato.
| Característica | Por qué te hará la vida más fácil |
|---|---|
| Interfaz en español y por menús | Sin código. Similar a usar una app de tu móvil. Todo con clics y arrastrando variables. |
| Resultados en formato APA | Tablas listas para copiar y pegar en tu TFG, TFM o artículo científico. Se acabó el maquetar a mano. |
| Pruebas estadísticas integradas | T-Test, ANOVA, Wilcoxon, Chi-cuadrado, regresiones... todas a un par de clics de distancia. |
| Jamovi: Módulos ampliables | Añade análisis de mediación, meta-análisis o potencia estadística desde su 'tienda' interna. |
| JASP: Enfoque bayesiano | Si además del p-valor necesitas hablar de probabilidades con tu jefe, JASP te da factores de Bayes. |
👣 Tutorial Relámpago: Tu primer T-Test en Jamovi
Sigue estos pasos con tus datos abiertos. En menos de 3 minutos tendrás el resultado que buscabas.
Prepara el 'Campo de Batalla' (Tus Datos)
Abre Jamovi. Ve a la pestaña 'Datos'. Pega desde Excel o importa tu .csv. Estructura obligatoria: una columna 'Grupo' (con etiquetas 'Fármaco A', 'Fármaco B') y una columna numérica 'PAS' (presión arterial sistólica). Cada fila es un paciente único.
Elige tu Arma Analítica
Haz clic en la pestaña 'Análisis' en la parte superior. Busca el icono 'Pruebas T'. Despliega el menú y selecciona 'Prueba T para muestras independientes'. Se abrirá un panel de opciones a la izquierda.
Asigna los Roles a las Variables
Arrastra tu variable de resultado ('PAS') al cuadro 'Variables dependientes'. Luego, arrastra tu variable de agrupación ('Grupo') al cuadro 'Variable de agrupación'. Jamovi detectará automáticamente los grupos.
Marca las Opciones de Informe Clínico
En el panel izquierdo, activa estas tres casillas VITALES: 'Prueba de Levene' (para comprobar si las varianzas son iguales), 'Diferencia de medias' e 'Intervalo de confianza al 95%'. Marca también 'Estadísticos descriptivos' para ver medias y DE.
Interpreta como un Profesional
En la tabla de resultados, mira la fila que dice 'Prueba t de Student'. Ahí está tu estadístico 't', los 'gl' (grados de libertad) y el ansiado 'valor p'. Pero no te quedes solo ahí: observa la diferencia de medias y su intervalo de confianza. ¿Es una diferencia clínicamente relevante? Eso es lo que realmente importa.
⚠️ Los 3 Errores que Cometen (Casi) Todos los que Empiezan
1. Tratar datos pareados como independientes
Si mides la glucemia al mismo paciente antes y después de una intervención, NO puedes usar un T-Test para grupos independientes. Sería como comparar manzanas con naranjas, perdiendo la valiosa información del cambio individual. En Jamovi, usa la opción "Prueba T para muestras pareadas". Tu estudio ganará potencia y credibilidad.
2. Malinterpretar el p-valor como un semáforo
El error más grave y extendido: pensar que p=0.03 significa "hay un 97% de probabilidad de que el fármaco funcione". FALSO. El p-valor asume que el fármaco NO funciona (hipótesis nula) y te dice: "si asumo que es un fraude, ¿qué probabilidad tendría de ver estos resultados por pura chiripa?". No te dice nada sobre la probabilidad de tu hipótesis. Un p=0.03 no siempre es clínicamente relevante.
3.Cazar estrellitas mágicas (p < 0.05)
Si haces 20 T-Tests a la vez buscando algo "significativo", casi seguro que encontrarás una estrellita por pura suerte. Es la pesca de arrastre estadística (p-hacking). Declara de antemano qué vas a comparar y corrige por comparaciones múltiples (Bonferroni es un buen comienzo). La integridad científica te lo agradecerá.
Quiz de verificación
Estás evaluando la efectividad de una nueva crema para la dermatitis. Mides el índice SCORAD (0-103) en 15 pacientes antes de usarla y en los mismos 15 pacientes un mes después. El QQ-plot de las diferencias muestra una desviación clara de la normalidad. ¿Qué prueba eliges?
📚 Para seguir aprendiendo (Recursos curados para ti)
📖 Libros y Guías
- Martínez-González, M. A., Sánchez-Villegas, A., Toledo, E. & Faulin, J. (2020). Bioestadística amigable (4ª ed.). Elsevier.— La biblia para profesionales de la salud. Explica los conceptos con ejemplos clínicos reales.
- Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE.— Aunque menciona SPSS, los conceptos y la pedagogía de Andy Field (con sus gatos y anécdotas) son insuperables. Aplica todo lo que aprendas en Jamovi.
- Navarro, D. J. & Foxcroft, D. R. (2019). Learning statistics with jamovi.— Gratuito y online. El manual de referencia para aprender estadística USANDO Jamovi.
🎬 Videos y Tutoriales Online
- Canal de YouTube: Stats with JamoviTutoriales gratuitos y muy visuales para cada prueba estadística paso a paso en Jamovi.
- Canal de YouTube: Regorz StatistikEl canal de referencia en español para análisis con JASP y Jamovi, desde lo más básico hasta modelos avanzados.
- Curso online: "Data Science for Health" (Coursera/EdX)Para cuando quieras ir un paso más allá y adentrarte en la interpretación moderna de datos en salud.
Tu viaje en la estadística aplicada a la salud comienza con una prueba correcta. Si tienes dudas, vuelve al mapa de decisión. La práctica forja el conocimiento.