Diseños de estudioDiseño n.º 1
Un estudio transversal mide la exposición y el desenlace en el mismo momento, como una fotografía de la población.
Es el diseño más usado en las tesis de pregrado y el que sostiene a las grandes encuestas nacionales, como la ENDES. Su fortaleza es la rapidez y su límite es el tiempo: como todo se mide a la vez, rara vez permite saber qué ocurrió primero.
Cómo se ve
Los puntos rojos son personas con el desenlace. No hay seguimiento: se observa lo que hay en un momento dado.
Cuándo elegirlo
- Para estimar la frecuencia de una enfermedad o de un factor: la prevalencia de anemia en gestantes, de depresión en internos de medicina.
- Para explorar asociaciones cuando el seguimiento no es factible: ¿la prevalencia de obesidad abdominal es mayor en mujeres que en hombres?
- Para planificar servicios: cuántas personas necesitan atención hoy.
- Para generar hipótesis que luego se estudiarán con una cohorte o un ensayo.
Existen dos variantes. El transversal descriptivo solo estima frecuencias. El transversal analítico compara la prevalencia del desenlace entre expuestos y no expuestos.
Cómo se analiza
La medida natural del transversal analítico es la razón de prevalencias (RP): cuántas veces más frecuente es el desenlace en los expuestos. Se calcula con una tabla 2 × 2.
| Con desenlace | Sin desenlace | Total | |
|---|---|---|---|
| Expuestos | a = 90 | b = 210 | 300 |
| No expuestos | c = 105 | d = 595 | 700 |
Con estos datos ilustrativos, la prevalencia es 90/300 = 30 % en los expuestos y 105/700 = 15 % en los no expuestos:
RP = \frac{a/(a+b)}{c/(c+d)} = \frac{0{,}30}{0{,}15} = 2{,}0 \qquad OR = \frac{a \times d}{b \times c} = \frac{90 \times 595}{210 \times 105} = 2{,}43
El odds ratio da 2,43 cuando el desenlace es «solo» el doble de frecuente. Esa diferencia crece cuanto más frecuente es el desenlace: en la ENDES 2024, la obesidad abdominal fue de 62,0 % en mujeres y de 20,3 % en hombres, con una RP de 3,05 y un OR de 6,38. Por eso, en un transversal con un desenlace frecuente (más de 10 %), se recomienda reportar la RP, estimada con regresión de Poisson con varianza robusta cuando hay que ajustar por confusión (Barros y Hirakata, 2003).
El análisis completo, paso a paso en R y con datos reales de la ENDES, está en el Prospecto R n.º 1: ¿OR o razón de prevalencias?
# RP cruda y ajustada con Poisson y varianza robusta
m <- glm(desenlace ~ exposicion + edad + sexo, family = poisson(link = "log"), data = datos)
lmtest::coeftest(m, vcov = sandwich::vcovHC(m, type = "HC0"))Si tus datos vienen de una encuesta con conglomerados y estratos, como la ENDES o la ENAHO, el análisis debe declarar el diseño muestral complejo; lo explica la dosis plena del mismo Prospecto R.
Fortalezas y límites
Fortalezas
- Rápido y de bajo costo.
- Estima la prevalencia directamente.
- Permite estudiar muchas exposiciones y desenlaces a la vez.
- Es la base de las encuestas nacionales, con muestras representativas.
Límites
- No establece la secuencia temporal: ¿la exposición vino antes que el desenlace?
- Sobrerrepresenta los casos de larga duración (sesgo de prevalencia-incidencia).
- No sirve para desenlaces raros ni de corta duración.
- No mide incidencia ni riesgo.
Los sesgos que más se observan
- Causalidad inversa. En un transversal sobre actividad física y depresión, ¿la inactividad lleva a la depresión o la depresión lleva a la inactividad? El diseño no permite saberlo.
- Sesgo de prevalencia-incidencia. Las personas que mueren pronto o se curan rápido no están en la fotografía; los factores asociados a una enfermedad de larga duración pueden confundirse con factores de riesgo.
- Sesgo de selección y de no respuesta. Si quienes no participan son diferentes de quienes sí, la prevalencia queda sesgada. Reporta la tasa de respuesta.
- Confusión. Como en todo diseño observacional, controla los confusores en el análisis.
Errores frecuentes en las tesis
- Llamarlo «casos y controles» porque se compara a quienes tienen el desenlace con quienes no lo tienen. Si tomaste a toda la población (o una muestra de ella) y luego la dividiste según el desenlace, el estudio es transversal.
- Llamarlo «cohorte retrospectiva» cuando se revisan historias clínicas y la exposición y el desenlace se registran al mismo tiempo. Sin seguimiento no hay cohorte.
- Reportar el OR con un desenlace frecuente y leerlo como si fuera una RP: «los expuestos tienen 6 veces más obesidad».
- Concluir causalidad. Escribe «se asoció con», no «causa» ni «es un factor de riesgo».
- Olvidar el diseño muestral cuando los datos son de una encuesta nacional.
Tu tamaño de muestra
Para un transversal descriptivo, el tamaño se calcula para estimar una proporción; para uno analítico, para comparar dos proporciones.
Calcúlalo en el Consultorio estadístico: estimar una prevalencia o comparar la prevalencia entre expuestos y no expuestos.
Cómo reportarlo
Sigue la guía STROBE para estudios observacionales (von Elm et al., 2007): describe el muestreo, la tasa de respuesta, cómo se midieron la exposición y el desenlace, y reporta las medidas de asociación crudas y ajustadas con su intervalo de confianza al 95 %.
Autoevaluación
Revisas 400 historias clínicas de pacientes con diabetes atendidos en 2025 y registras, de la misma historia, si tenían control glucémico y si asistían a sus consultas. ¿Qué diseño es?
Ver respuesta
Transversal analítico. Ambas variables corresponden al mismo periodo y no hay seguimiento desde la exposición hacia el desenlace; que los datos sean del pasado no lo convierte en una cohorte retrospectiva.La prevalencia de anemia es 40 % en un grupo y 20 % en otro. ¿Qué es más fácil de explicar al lector, la RP o el OR?
Ver respuesta
La RP: el desenlace es dos veces más frecuente (RP = 2,0). El OR sería 2,67 y suele leerse, por error, como si fuera una razón de prevalencias.¿Por qué un transversal no es el mejor diseño para estudiar si el estrés causa hipertensión?
Ver respuesta
Porque mide ambos a la vez y no establece qué ocurrió primero; además, el diagnóstico de hipertensión podría aumentar el estrés (causalidad inversa). Una cohorte que siga a personas sin hipertensión sería más adecuada.Referencias
- Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 3.ª ed. Filadelfia: Lippincott Williams & Wilkins; 2008.
- Barros AJD, Hirakata VN. Alternatives for logistic regression in cross-sectional studies: an empirical comparison of models that directly estimate the prevalence ratio. BMC Med Res Methodol. 2003;3:21.
- 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.
- Instituto Nacional de Estadística e Informática. Ficha técnica. Encuesta Demográfica y de Salud Familiar 2024. Lima: INEI.
¿Tu estudio es transversal y no sabes cómo analizarlo?
Te ayudo a plantear el análisis, desde la Tabla 1 hasta el modelo ajustado.