El estudio de cohortes

El estudio de cohortes explicado con diagramas y ejemplos: prospectivo y retrospectivo, incidencia, riesgo relativo, persona-tiempo, pérdidas en el seguimiento, análisis en R y tamaño de muestra.
Diseños de estudio
Epidemiología
Tesis
Autor/a

Anthony Romero-Cerdán, MD

Fecha de publicación

8 de octubre de 2026

Diseños de estudioDiseño n.º 3

Un estudio de cohortes sigue a personas sin el desenlace, expuestas y no expuestas, para ver en cuál de los grupos aparece más.

Es el diseño observacional que mejor respeta el orden de los hechos: primero la exposición y después el desenlace. Algunas de las cohortes más conocidas son el estudio de Framingham, que desde 1948 sigue a los habitantes de esa ciudad de Estados Unidos para entender la enfermedad cardiovascular, y la cohorte de médicos británicos de Doll y Hill, que siguió durante 50 años la mortalidad según el hábito de fumar (Doll et al., 2004).

Cómo se ve

Personas sin el desenlace Expuestos No expuestos seguimiento seguimiento Enferman: 6 % 60 de 1000 Enferman: 3 % 60 de 2000 Inicio: se mide la exposición Final: aparecen los desenlaces

Datos ilustrativos. La comparación de la incidencia entre ambos grupos da el riesgo relativo: 6 % / 3 % = 2,0.

Prospectiva o retrospectiva

La diferencia no es la dirección de la mirada, que siempre va de la exposición al desenlace, sino cuándo ocurre el seguimiento respecto al momento en que se hace el estudio.

  • Cohorte prospectiva (concurrente): se mide la exposición hoy y se sigue a las personas hacia el futuro. Se controla mejor la calidad de los datos, pero toma tiempo.
  • Cohorte retrospectiva (histórica): se reconstruye con registros del pasado una exposición medida antes del desenlace, y se sigue en esos registros hasta hoy. Es rápida, pero depende de la calidad de las historias clínicas.

En ambos casos debe existir un seguimiento real: un punto de partida en el que las personas no tenían el desenlace y un periodo durante el cual podía aparecer.

Cuándo elegirlo

  • Quieres medir la incidencia (cuántos enferman) y el riesgo.
  • La exposición es rara: puedes seleccionar a los expuestos a propósito (trabajadores de una mina, por ejemplo).
  • Quieres estudiar varios desenlaces de una misma exposición.
  • Necesitas que la secuencia temporal sea clara.

No es el diseño adecuado para enfermedades muy raras o de latencia muy larga: tendrías que seguir a demasiadas personas durante demasiado tiempo.

Cómo se analiza

Si todos tienen el mismo tiempo de seguimiento, se compara la incidencia acumulada (el riesgo) con el riesgo relativo (RR):

Enferman No enferman Total Incidencia
Expuestos a = 60 b = 940 1000 6 %
No expuestos c = 60 d = 1940 2000 3 %

RR = \frac{a/(a+b)}{c/(c+d)} = \frac{60/1000}{60/2000} = 2{,}0

Si el seguimiento difiere entre las personas (unas entran o salen antes que otras), se usa la tasa de incidencia, que divide los eventos entre la suma de persona-tiempo. Por ejemplo, 60 eventos en 2800 persona-años en los expuestos (21,4 por 1000 persona-años) y 60 en 5800 persona-años en los no expuestos (10,3 por 1000) dan una razón de tasas de 2,07. Cuando interesa el tiempo hasta el evento, se usan curvas de Kaplan-Meier y la regresión de Cox, que estima el hazard ratio aprovechando a quienes no tuvieron el evento (datos censurados).

# RR ajustado (seguimiento fijo): Poisson con varianza robusta
m <- glm(evento ~ exposicion + edad + sexo, family = poisson(link = "log"), data = datos)
lmtest::coeftest(m, vcov = sandwich::vcovHC(m, type = "HC0"))

# Tiempo hasta el evento: Kaplan-Meier y Cox
library(survival)
survfit(Surv(tiempo, evento) ~ exposicion, data = datos)
coxph(Surv(tiempo, evento) ~ exposicion + edad + sexo, data = datos)

¿Dudas sobre qué prueba corresponde a tu objetivo? Pásalo por el Triaje estadístico.

Fortalezas y límites

Fortalezas

  • La exposición se mide antes del desenlace: secuencia temporal clara.
  • Mide incidencia y riesgo directamente.
  • Permite estudiar varios desenlaces.
  • Menos sesgo de recuerdo que casos y controles.

Límites

  • Costosa y lenta, sobre todo si es prospectiva.
  • Poco eficiente para desenlaces raros.
  • Las pérdidas en el seguimiento pueden sesgar los resultados.
  • La exposición puede cambiar con el tiempo.

Los sesgos que más se observan

  • Pérdidas en el seguimiento. Si quienes se pierden son distintos de quienes se quedan (por ejemplo, los más enfermos), el riesgo queda sesgado. Reporta cuántos se perdieron en cada grupo.
  • Confusión. Expuestos y no expuestos pueden diferir en otras características: controla los confusores en el análisis.
  • Sesgo de información. Si los desenlaces se buscan con más cuidado en los expuestos, se encuentran más. Lo ideal es que quien evalúa el desenlace no conozca la exposición.
  • Desenlace presente al inicio. Si se incluye a personas que ya tenían la enfermedad, se mezcla prevalencia con incidencia.

Errores frecuentes en las tesis

  1. Llamar «cohorte retrospectiva» a una revisión de historias en la que la exposición y el desenlace se registraron al mismo tiempo. Sin seguimiento desde la exposición, el estudio es transversal.
  2. No verificar que nadie tenía el desenlace al inicio.
  3. No reportar el tiempo de seguimiento ni las pérdidas de cada grupo.
  4. Usar el RR con seguimientos muy distintos entre personas, en lugar de tasas o regresión de Cox.
  5. Reportar solo el OR de una regresión logística cuando el desenlace es frecuente: en una cohorte puedes estimar directamente el RR.

Tu tamaño de muestra

Necesitas la incidencia esperada en los no expuestos, el RR mínimo que quieres detectar y cuántos no expuestos tendrás por cada expuesto.

Calcúlalo en el Consultorio estadístico, ya configurado para este diseño: tamaño de muestra para una cohorte.

Cómo reportarlo

Sigue la guía STROBE (von Elm et al., 2007): describe cómo se definió la cohorte, cómo y cuándo se midió la exposición, la duración del seguimiento, las pérdidas en cada grupo y cómo se confirmó el desenlace. Reporta las medidas de asociación crudas y ajustadas con su intervalo de confianza al 95 %.

Autoevaluación

Seleccionas gestantes atendidas en 2023 según tuvieran o no anemia en el primer trimestre, y revisas en sus historias si sus recién nacidos tuvieron bajo peso al nacer. ¿Qué diseño es?

Ver respuesta Una cohorte retrospectiva: la exposición (anemia en el primer trimestre) se registró antes del desenlace (bajo peso al nacer), y se sigue en los registros hasta el parto.

En tu cohorte, unos pacientes fueron seguidos 2 meses y otros 24. ¿Por qué no basta con comparar el porcentaje de eventos?

Ver respuesta Porque quien fue seguido más tiempo tuvo más oportunidad de presentar el evento. Hay que usar tasas por persona-tiempo o métodos de supervivencia (Kaplan-Meier, regresión de Cox).

El 25 % de los expuestos y el 5 % de los no expuestos abandonaron el seguimiento. ¿Qué problema puede haber?

Ver respuesta Un sesgo por pérdidas diferenciales: si quienes se fueron tenían un riesgo distinto, la comparación queda sesgada. Hay que reportarlo y, si es posible, comparar las características de quienes se perdieron.

Referencias

  • Doll R, Peto R, Boreham J, Sutherland I. Mortality in relation to smoking: 50 years’ observations on male British doctors. BMJ. 2004;328(7455):1519.
  • Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 3.ª ed. Filadelfia: Lippincott Williams & Wilkins; 2008.
  • Grimes DA, Schulz KF. Cohort studies: marching towards outcomes. Lancet. 2002;359(9303):341-5.
  • von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453-7.

¿Tu tesis es una cohorte?

Te ayudo con el diseño, el seguimiento y el análisis de supervivencia.

Escríbeme por WhatsApp