La Tabla 1 de tu tesis

Dosis inicial: describe a tus participantes con gtsummary y llévalos a Word

Prospecto R n.º 2, dosis inicial. Con la ENDES 2024: cómo armar la tabla de características de los participantes con gtsummary, leerla, reportarla y exportarla a Word.
Dosis inicial
tablas
estadística descriptiva
gtsummary
ENDES
Autor/a

Anthony Romero-Cerdán, MD

Fecha de publicación

17 de septiembre de 2026

Receta del Prospecto R n.º 2, dosis inicial, con la indicación, la posología, el hallazgo y la precaución

Prospecto R es una serie de minitutoriales de análisis de datos de salud en R. Cada entrega responde una pregunta concreta con datos reales del Perú, explica la teoría mínima necesaria y muestra el código completo con sus resultados. Las cifras de este texto se calculan al compilar el documento: no se escriben a mano.

Tip¿Qué dosis te toca?

Cada tema de Prospecto R viene en dos niveles. La dosis inicial tiene lo indispensable para hacer el análisis e interpretarlo bien. La dosis plena tiene todo, incluido lo complejo. Responde:

  1. ¿Has hecho una tabla descriptiva con gtsummary u otro paquete de R?
  2. ¿Sabes para qué sirven los pesos, los conglomerados y los estratos de una encuesta?
  3. ¿Sabes qué prueba estadística corresponde a cada tipo de variable?

Si respondiste «sí» a las tres, sigue con la dosis plena. Si alguna fue «no», empieza por la dosis inicial.

Estás en la dosis inicial. Aquí va lo indispensable: armar la tabla, darle formato, leerla y llevarla a Word. Para que el foco esté en eso, se describe la muestra de la ENDES sin su diseño muestral; al final verás qué cambia cuando se incluye, y la dosis plena lo desarrolla completo.

Nivel Dosis inicial
Pregunta ¿Cómo presento las características de mis participantes?
Datos ENDES 2024, Cuestionarios de Salud y del Hogar (INEI)
Paquetes data.table, gtsummary, flextable
Requisitos Saber abrir un archivo en R y distinguir variables numéricas de categóricas

Script .R de esta dosis Ficha de una página (PDF) Tabla 1 en Word

Indicación

Casi toda tesis cuantitativa abre sus resultados con una tabla que describe a los participantes: la Tabla 1. Dice quiénes son (edad, sexo, nivel educativo…) y, casi siempre, cómo se reparten esas características según el desenlace o la exposición principal. Usa esta receta cuando necesites esa tabla lista para pegar en Word, sin copiar cifras a mano.

Composición

En una Tabla 1, cada fila es una variable y cada columna, un grupo, con una columna adicional para el total. Lo que se escribe en cada celda depende del tipo de variable:

Tipo de variable Ejemplo Resumen habitual
Numérica con distribución simétrica presión arterial sistólica media (desviación estándar)
Numérica asimétrica edad, días de hospitalización mediana (rango intercuartílico)
Categórica región, nivel educativo n (%) de cada categoría
Dicotómica (sí/no) fuma n (%) de los que responden «sí»

Los porcentajes son por columna: dentro de cada grupo, qué parte tiene cada característica. Si la tabla compara grupos, suele llevar una columna con el valor p de una prueba que contrasta la distribución de cada variable entre grupos.

Posología

La pregunta del ejemplo, con datos de la ENDES 2024: ¿en qué se diferencian las personas de 15 y más años con y sin presión arterial alta? Se usa el mismo criterio que el INEI: promedio de dos mediciones de 140/90 mmHg o más, sin contar a las gestantes.

Paso 1. Descarga los datos

En el portal de microdatos del INEI (https://proyectos.inei.gob.pe/microdatos/), elige Consulta por encuestas, luego ENDES y el año 2024, y descarga en formato CSV estos cuatro módulos:

Módulo Archivo Contenido
1640 CSALUD01_2024.csv Cuestionario de salud: presión arterial, tabaco, alcohol, diabetes
1629 RECH0_2024.csv, RECH1_2024.csv Hogar (área de residencia) y sus miembros (nivel educativo)
1630 RECH23_2024.csv Vivienda: región natural e índice de riqueza
1632 RE223132_2024.csv Cuestionario de mujeres: embarazo actual

Descomprime los cuatro archivos dentro de una carpeta ENDES/2024/, junto a tu archivo .qmd. Cada uno crea su propia subcarpeta (en 2024: 968-Modulo1629, 968-Modulo1630, 968-Modulo1632 y 968-Modulo1640). Si tus datos están en otro lugar, cambia ruta en el siguiente bloque de código.

Paso 2. Prepara la base

Este bloque une los módulos y crea una variable por cada fila de la tabla. Las respuestas «no sabe» (código 8) se tratan como dato faltante.

Ver código 
library(data.table)

ruta <- "ENDES/2024"   # carpeta con los módulos descomprimidos
if (!dir.exists(ruta)) stop("No encuentro la carpeta '", ruta, "'. Revisa el Paso 1 o cambia `ruta`.")

# 1. lee solo las columnas que se usan
salud <- fread(file.path(ruta, "968-Modulo1640/CSALUD01_2024.csv"), encoding = "UTF-8",
               select = c("HHID", "QS20C", "QSSEXO", "QS23", "QS109", "QS200", "QS201",
                          "QS206", "QS208", "QS210", "QS903S", "QS903D", "QS905S",
                          "QS905D", "QS906", "PESO15_AMAS"))
hogar <- fread(file.path(ruta, "968-Modulo1629/RECH0_2024.csv"),
               select = c("HHID", "HV001", "HV022", "HV025"))
miembros <- fread(file.path(ruta, "968-Modulo1629/RECH1_2024.csv"),
                  select = c("HHID", "HVIDX", "HV106"))
vivienda <- fread(file.path(ruta, "968-Modulo1630/RECH23_2024.csv"),
                  select = c("HHID", "SHREGION", "HV270"))
mujer <- fread(file.path(ruta, "968-Modulo1632/RE223132_2024.csv"), encoding = "UTF-8",
               select = c("CASEID", "V213"))

# 2. une los módulos: el hogar por HHID; la persona por HHID + número de línea
for (x in list(salud, hogar, miembros, vivienda)) x[, HHID := trimws(HHID)]
mujer[, `:=`(HHID  = trimws(substr(CASEID, 1, nchar(CASEID) - 3)),
             QS20C = as.integer(substr(CASEID, nchar(CASEID) - 1, nchar(CASEID))))]
d <- merge(salud, hogar, by = "HHID")
d <- merge(d, vivienda, by = "HHID", all.x = TRUE)
d <- merge(d, miembros, by.x = c("HHID", "QS20C"), by.y = c("HHID", "HVIDX"), all.x = TRUE)
d <- merge(d, mujer[, .(HHID, QS20C, V213)], by = c("HHID", "QS20C"), all.x = TRUE)
d <- d[!is.na(PESO15_AMAS)]                     # personas con entrevista de salud

# 3. desenlace: presión arterial alta según el promedio de dos mediciones
d[, pas := (QS903S + QS905S) / 2][, pad := (QS903D + QS905D) / 2]
d[QS906 != 1 | is.na(QS906) | QS903S >= 999 | QS905S >= 999 |
    QS903D >= 999 | QS905D >= 999, c("pas", "pad") := NA]
d[, pa_alta := factor(as.integer(pas >= 140 | pad >= 90), levels = 0:1,
                      labels = c("Sin presión arterial alta", "Con presión arterial alta"))]
d[, gestante := !is.na(V213) & V213 == 1]

# 4. características de los participantes
d[, edad       := QS23]
d[, grupo_edad := cut(QS23, c(15, 30, 45, 60, Inf), right = FALSE,
                      labels = c("15 a 29", "30 a 44", "45 a 59", "60 a más"))]
d[, sexo       := factor(QSSEXO, 1:2, c("Hombre", "Mujer"))]
d[, area       := factor(HV025, 1:2, c("Urbana", "Rural"))]
d[, region     := factor(SHREGION, 1:4, c("Lima Metropolitana", "Resto de la Costa", "Sierra", "Selva"))]
d[, educacion  := factor(fifelse(HV106 == 8, NA_integer_, HV106), 0:3,
                         c("Sin nivel o inicial", "Primaria", "Secundaria", "Superior"))]
d[, riqueza    := factor(HV270, 1:5, c("Quintil 1 (más pobre)", "Quintil 2", "Quintil 3",
                                       "Quintil 4", "Quintil 5 (más rico)"))]
d[, fuma       := fcase(QS200 == 2, FALSE, QS200 == 1 & QS201 == 1, TRUE,
                        QS200 == 1 & QS201 == 2, FALSE, default = NA)]
d[, alcohol    := fcase(QS206 == 2 | QS208 == 2, FALSE, QS210 == 1, TRUE,
                        QS210 == 2, FALSE, default = NA)]
d[, diabetes   := fcase(QS109 == 1, TRUE, QS109 == 2, FALSE, default = NA)]

# 5. participantes: presión arterial medida y no gestantes (criterio del INEI)
participantes <- d[!is.na(pa_alta) & !gestante]
nrow(participantes)
Mira el resultado 
#> [1] 30825

Es el número de personas que entran a la tabla: 30 825, de las cuales 3 334 tienen presión arterial alta. Es la n que reportarás en el título de la tabla.

Paso 3. Tu primera tabla

Con tbl_summary() basta una línea. El argumento by define las columnas; el resto de variables, las filas. Antes, theme_gtsummary_language() pone la tabla en español y con coma decimal.

Ver código 
library(gtsummary)
theme_gtsummary_language("es", decimal.mark = ",", big.mark = " ")

variables <- c("edad", "grupo_edad", "sexo", "area", "region", "educacion",
               "riqueza", "fuma", "alcohol", "diabetes")
tabla <- participantes[, c(variables, "pa_alta"), with = FALSE]

tbl_summary(tabla, by = pa_alta)
Mira el resultado
Característica Sin presión arterial alta
N = 27 4911		 Con presión arterial alta
N = 3 3341
edad 35 (27 – 47) 54 (40 – 67)
grupo_edad

    15 a 29 9 182 (33%) 271 (8,1%)
    30 a 44 10 423 (38%) 838 (25%)
    45 a 59 4 482 (16%) 918 (28%)
    60 a más 3 404 (12%) 1 307 (39%)
sexo

    Hombre 11 048 (40%) 1 978 (59%)
    Mujer 16 443 (60%) 1 356 (41%)
area

    Urbana 17 339 (63%) 2 172 (65%)
    Rural 10 152 (37%) 1 162 (35%)
region

    Lima Metropolitana 2 882 (10%) 489 (15%)
    Resto de la Costa 7 581 (28%) 1 047 (31%)
    Sierra 10 017 (36%) 1 158 (35%)
    Selva 7 011 (26%) 640 (19%)
educacion

    Sin nivel o inicial 900 (3,3%) 266 (8,0%)
    Primaria 5 588 (20%) 980 (29%)
    Secundaria 12 850 (47%) 1 187 (36%)
    Superior 8 153 (30%) 901 (27%)
riqueza

    Quintil 1 (más pobre) 9 490 (35%) 1 004 (30%)
    Quintil 2 6 940 (25%) 725 (22%)
    Quintil 3 4 972 (18%) 635 (19%)
    Quintil 4 3 674 (13%) 552 (17%)
    Quintil 5 (más rico) 2 415 (8,8%) 418 (13%)
fuma 2 424 (8,8%) 434 (13%)
    Desconocido 1 0
alcohol 8 985 (33%) 1 204 (36%)
    Desconocido 13 1
diabetes 830 (3,0%) 269 (8,1%)
    Desconocido 23 3
1 Mediana (Q1 – Q3); n (%)
  • Cada fila es una variable; las de varias categorías se abren en subfilas.
  • La edad sale como mediana (Q1 – Q3): gtsummary la detecta como numérica.
  • Las variables sí/no (fuma, alcohol, diabetes) muestran una sola fila: n (%) de quienes responden «sí».
  • Desconocido cuenta los datos faltantes de esa variable; no entran al denominador del porcentaje.
  • Las filas llevan el nombre de la columna en R (grupo_edad, area…): falta darle formato.

Paso 4. Dale formato de tesis

Ver código 
tabla_1 <- tbl_summary(
  tabla,
  by = pa_alta,
  label = list(
    edad ~ "Edad (años)", grupo_edad ~ "Grupo de edad", sexo ~ "Sexo",
    area ~ "Área de residencia", region ~ "Región natural",
    educacion ~ "Nivel educativo", riqueza ~ "Índice de riqueza",
    fuma ~ "Fuma actualmente", alcohol ~ "Consumió alcohol en los últimos 30 días",
    diabetes ~ "Diabetes diagnosticada"
  ),
  statistic = list(all_categorical() ~ "{n} ({p} %)"),
  digits = list(all_categorical() ~ c(0, 1)),
  missing_text = "Sin dato"
) |>
  add_overall(last = FALSE) |>
  add_p() |>
  modify_header(label ~ "**Característica**") |>
  modify_footnote_header("Mediana (Q1 – Q3); n (%)", columns = all_stat_cols()) |>
  bold_labels()
tabla_1
Mira el resultado
Característica Global
N = 30 8251		 Sin presión arterial alta
N = 27 4911		 Con presión arterial alta
N = 3 3341		 p-valor2
Edad (años) 36 (28 – 50) 35 (27 – 47) 54 (40 – 67) <0,001
Grupo de edad


<0,001
    15 a 29 9 453 (30,7 %) 9 182 (33,4 %) 271 (8,1 %)
    30 a 44 11 261 (36,5 %) 10 423 (37,9 %) 838 (25,1 %)
    45 a 59 5 400 (17,5 %) 4 482 (16,3 %) 918 (27,5 %)
    60 a más 4 711 (15,3 %) 3 404 (12,4 %) 1 307 (39,2 %)
Sexo


<0,001
    Hombre 13 026 (42,3 %) 11 048 (40,2 %) 1 978 (59,3 %)
    Mujer 17 799 (57,7 %) 16 443 (59,8 %) 1 356 (40,7 %)
Área de residencia


0,019
    Urbana 19 511 (63,3 %) 17 339 (63,1 %) 2 172 (65,1 %)
    Rural 11 314 (36,7 %) 10 152 (36,9 %) 1 162 (34,9 %)
Región natural


<0,001
    Lima Metropolitana 3 371 (10,9 %) 2 882 (10,5 %) 489 (14,7 %)
    Resto de la Costa 8 628 (28,0 %) 7 581 (27,6 %) 1 047 (31,4 %)
    Sierra 11 175 (36,3 %) 10 017 (36,4 %) 1 158 (34,7 %)
    Selva 7 651 (24,8 %) 7 011 (25,5 %) 640 (19,2 %)
Nivel educativo


<0,001
    Sin nivel o inicial 1 166 (3,8 %) 900 (3,3 %) 266 (8,0 %)
    Primaria 6 568 (21,3 %) 5 588 (20,3 %) 980 (29,4 %)
    Secundaria 14 037 (45,5 %) 12 850 (46,7 %) 1 187 (35,6 %)
    Superior 9 054 (29,4 %) 8 153 (29,7 %) 901 (27,0 %)
Índice de riqueza


<0,001
    Quintil 1 (más pobre) 10 494 (34,0 %) 9 490 (34,5 %) 1 004 (30,1 %)
    Quintil 2 7 665 (24,9 %) 6 940 (25,2 %) 725 (21,7 %)
    Quintil 3 5 607 (18,2 %) 4 972 (18,1 %) 635 (19,0 %)
    Quintil 4 4 226 (13,7 %) 3 674 (13,4 %) 552 (16,6 %)
    Quintil 5 (más rico) 2 833 (9,2 %) 2 415 (8,8 %) 418 (12,5 %)
Fuma actualmente 2 858 (9,3 %) 2 424 (8,8 %) 434 (13,0 %) <0,001
    Sin dato 1 1 0
Consumió alcohol en los últimos 30 días 10 189 (33,1 %) 8 985 (32,7 %) 1 204 (36,1 %) <0,001
    Sin dato 14 13 1
Diabetes diagnosticada 1 099 (3,6 %) 830 (3,0 %) 269 (8,1 %) <0,001
    Sin dato 26 23 3
1 Mediana (Q1 – Q3); n (%)
2 Prueba de la suma de rangos de Wilcoxon; prueba chi cuadrado de independencia
  • label reemplaza los nombres de las columnas por textos para el lector.
  • statistic y digits fijan el formato de las categóricas: n y porcentaje con un decimal.
  • add_overall() agrega la columna del total; add_p(), el valor p de cada variable.
  • Las notas al pie dicen qué resumen se usó y qué prueba dio cada valor p: suma de rangos de Wilcoxon para la edad y chi cuadrado de Pearson para las categóricas. Esas pruebas van también en tu sección de métodos.
  • Cómo leer una celda: en la columna de quienes tienen presión arterial alta, la fila Hombre dice 1 978 (59,3 %): ese número de hombres y su porcentaje dentro de ese grupo.

Paso 5. Llévala a Word

Ver código 
as_flex_table(tabla_1) |>
  flextable::save_as_docx(path = "tabla1_inicial.docx")

as_flex_table() convierte la tabla al formato de flextable, que se guarda como documento de Word con las notas al pie. Aquí puedes descargar el resultado: Tabla 1 en Word.

Resultado

Frente a quienes no la tienen, las personas con presión arterial alta de la muestra:

  • son mayores: mediana de 54 frente a 35 años;
  • son con más frecuencia hombres: 59,3 % frente a 40,2 %;
  • tienen con más frecuencia diabetes diagnosticada: 8,1 % frente a 3,0 %.

Contraindicaciones y reacciones adversas

  • Valores p en un ensayo aleatorizado. Si los grupos se formaron al azar, las diferencias basales son azar por definición; CONSORT recomienda no ponerlos en la Tabla 1.
  • Callar qué prueba se usó. gtsummary la indica en la nota al pie: cópiala en métodos.
  • Media y desviación estándar para variables muy asimétricas. Usa mediana y rango intercuartílico, como hace gtsummary por defecto.
  • Ocultar los datos faltantes. Si una variable tiene datos sin registrar, muéstralos (fila Sin dato): el lector necesita saber sobre cuántas personas se calculó cada porcentaje.
  • Leer el porcentaje por columna como prevalencia. Que el 59,3 % de quienes tienen presión alta sean hombres no significa que ese porcentaje de los hombres tenga presión alta. Esa otra lectura, por fila, está en la dosis plena.

Cómo reportarlo

Se analizaron 30 825 personas de 15 y más años de la ENDES 2024 con medición de presión arterial, de las cuales 3 334 (10,8 %) tenían presión arterial alta. Frente a quienes no la tenían, eran mayores (mediana de edad de 54 frente a 35 años) y con más frecuencia hombres (59,3 % frente a 40,2 %) (Tabla 1).

En métodos, describe cómo resumiste cada tipo de variable y qué pruebas usaste: «Las variables numéricas se resumieron con mediana y rango intercuartílico y se compararon con la prueba de suma de rangos de Wilcoxon; las categóricas, con frecuencias y porcentajes, y la prueba de chi cuadrado de Pearson».

Autoevaluación

1. En tu tabla, la edad tiene una distribución muy asimétrica. ¿Qué resumen pones: media (DE) o mediana (RIC)?

Ver respuesta

Mediana y rango intercuartílico. La media se arrastra hacia los valores extremos; la mediana describe mejor al participante típico.

2. Tu tesis es un ensayo clínico aleatorizado. ¿Agregas add_p() a la Tabla 1?

Ver respuesta

No. Con asignación al azar, cualquier diferencia basal es azar por definición y el valor p no aporta. Describe los grupos y, si una diferencia es grande, coméntala por su magnitud.

3. Una celda dice «1 978 (59,3 %)» en la columna Con presión arterial alta, fila Hombre. ¿Qué significa ese 59,3 %?

Ver respuesta

Que de cada 100 personas con presión arterial alta en la muestra, unas 59 son hombres. No es el porcentaje de hombres que tiene presión alta.

Siguiente dosis

NotaLo que esta dosis dejó fuera

Esta tabla describe a las personas entrevistadas. La ENDES da a algunas zonas más peso en la muestra que en la población: en la muestra, el 36,7 % vive en zona rural; en la población, con los pesos de la encuesta, es el 17,9 %. Para hablar de la población hay que usar el diseño muestral.

La dosis plena desarrolla todo eso:

  • La Tabla 1 con el diseño de la encuesta: tbl_svysummary().
  • Qué n reportar cuando los porcentajes están ponderados.
  • La tabla por filas: qué porcentaje de cada grupo tiene presión arterial alta, con su intervalo de confianza.
  • Qué pruebas usa gtsummary con datos de encuesta.
  • Cómo comprobar la tabla con una cifra oficial del INEI.

¿Tienes que armar las tablas de tu tesis?

Te ayudo a ordenar las variables, correr el análisis en R y redactar los resultados.

Escríbeme

Referencias

  1. Sjoberg DD, Whiting K, Curry M, Lavery JA, Larmarange J. Reproducible summary tables with the gtsummary package. The R Journal. 2021;13(1):570-80.
  2. 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.
  3. Schulz KF, Altman DG, Moher D, CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332.

Reproducibilidad

Mira el resultado 
#> R version 4.3.3 (2024-02-29) 
#> data.table 1.14.10 
#> gtsummary 2.6.1 
#> flextable 0.10.1