La Tabla 1 de tu tesis

Dosis plena: la Tabla 1 con el diseño muestral de una encuesta nacional

Prospecto R n.º 2, dosis plena. Con la ENDES 2024: la Tabla 1 con tbl_svysummary(), qué n reportar con porcentajes ponderados, la tabla de prevalencias con sus intervalos y la comprobación con una cifra oficial del INEI.
Dosis plena
tablas
estadística descriptiva
gtsummary
encuestas complejas
ENDES
Autor/a

Anthony Romero-Cerdán, MD

Fecha de publicación

17 de septiembre de 2026

Receta del Prospecto R n.º 2, dosis plena, 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 plena. Aquí va todo: la Tabla 1 con el diseño muestral, qué n reportar, la tabla de prevalencias con sus intervalos, las pruebas para encuestas y la comprobación con el INEI. Si es tu primera Tabla 1, empieza por la dosis inicial.

Nivel Dosis plena
Pregunta ¿Cómo presento las características de la población cuando mis datos son de una encuesta?
Datos ENDES 2024, Cuestionarios de Salud y del Hogar (INEI)
Paquetes data.table, survey, gtsummary, gt, flextable
Requisitos Haber hecho una Tabla 1 en R y conocer los pesos, conglomerados y estratos de una encuesta

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

Indicación

Casi toda tesis cuantitativa abre sus resultados con una tabla que describe a los participantes: la Tabla 1. Usa esta receta cuando tus datos vienen de una encuesta con diseño muestral complejo (ENDES, ENAHO, ENAPRES) y la tabla tiene que describir a la población, no solo a las personas entrevistadas.

Composición

En una Tabla 1, cada fila es una variable y cada columna, un grupo, con una columna adicional para el total. Lo que va 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»

Con datos de encuesta cambian tres cosas:

  1. Los porcentajes y las medianas se calculan con los pesos: describen a la población.
  2. La n que se reporta es la de personas entrevistadas, sin ponderar. La suma de los pesos no es un número de personas.
  3. Las pruebas que dan el valor p tienen que considerar los conglomerados y estratos: por ejemplo, el chi cuadrado con la corrección de Rao-Scott.

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 y factor de expansión
1629 RECH0_2024.csv, RECH1_2024.csv Hogar (conglomerado, estrato, área) 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. Las preguntas que se saltan por el flujo del cuestionario se completan con su valor lógico: quien no fumó en el último año no fumó en el último mes.

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

Son las personas entrevistadas que entran a la tabla: 30 825. Esta es la n que se reporta; los porcentajes, en cambio, saldrán ponderados.

Paso 3. Declara el diseño muestral

Ver código 
library(survey)
options(survey.lonely.psu = "adjust")

d[, peso := PESO15_AMAS / 1e6]                  # el factor viene con 6 decimales implícitos
diseno <- svydesign(ids = ~HV001, strata = ~HV022, weights = ~peso, data = d, nest = TRUE)
dis_part <- subset(diseno, !is.na(pa_alta) & !gestante)

HV001 es el conglomerado, HV022 el estrato y peso el factor de expansión del Cuestionario de Salud. El diseño se declara con toda la base y luego se usa subset(): si filtras antes, pierdes conglomerados y los errores estándar salen mal.

Paso 4. La tabla con el diseño, sin tocar nada

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")
tbl_svysummary(dis_part, by = pa_alta, include = all_of(variables))
Mira el resultado
Característica Sin presión arterial alta
N = 30 5931		 Con presión arterial alta
N = 5 0441
edad 37 (25 – 51) 55 (43 – 67)
grupo_edad

    15 a 29 10 324 (34%) 416 (8,2%)
    30 a 44 9 350 (31%) 979 (19%)
    45 a 59 6 175 (20%) 1 633 (32%)
    60 a más 4 744 (16%) 2 017 (40%)
sexo

    Hombre 14 068 (46%) 3 157 (63%)
    Mujer 16 526 (54%) 1 887 (37%)
area

    Urbana 24 925 (81%) 4 329 (86%)
    Rural 5 668 (19%) 715 (14%)
region

    Lima Metropolitana 10 998 (36%) 2 173 (43%)
    Resto de la Costa 7 873 (26%) 1 371 (27%)
    Sierra 7 621 (25%) 1 052 (21%)
    Selva 4 102 (13%) 448 (8,9%)
educacion

    Sin nivel o inicial 783 (2,6%) 240 (4,7%)
    Primaria 5 046 (16%) 1 208 (24%)
    Secundaria 14 332 (47%) 1 945 (39%)
    Superior 10 432 (34%) 1 652 (33%)
riqueza

    Quintil 1 (más pobre) 5 850 (19%) 713 (14%)
    Quintil 2 6 437 (21%) 864 (17%)
    Quintil 3 6 339 (21%) 1 030 (20%)
    Quintil 4 6 130 (20%) 1 193 (24%)
    Quintil 5 (más rico) 5 837 (19%) 1 245 (25%)
fuma 2 632 (8,6%) 521 (10%)
    Desconocido 0 0
alcohol 10 660 (35%) 1 791 (36%)
    Desconocido 9 1
diabetes 1 358 (4,4%) 502 (10,0%)
    Desconocido 18 4
1 Mediana (Q1 – Q3); n (%)
  • Los porcentajes y la mediana de edad ya están ponderados: describen a la población.
  • Pero la N de los encabezados y la n de cada celda también están ponderadas: son sumas de pesos. Aquí el total es 35 638, que no es el número de entrevistados (30 825) ni la población del Perú. Es un error frecuente copiarla a la tesis.
  • La solución es mostrar la n sin ponderar junto al porcentaje ponderado (paso siguiente).

Paso 5. Dale formato de tesis

Ver código 
etiquetas <- 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"
)
tabla_1 <- tbl_svysummary(
  dis_part,
  by = pa_alta,
  include = all_of(variables),
  label = etiquetas,
  statistic = list(all_continuous() ~ "{median} ({p25} – {p75})",
                   all_categorical() ~ "{n_unweighted} ({p} %)"),
  digits = list(all_categorical() ~ c(0, 1)),
  missing_text = "Sin dato"
) |>
  add_overall(last = FALSE) |>
  add_p() |>
  modify_header(all_stat_cols() ~ "**{level}**  \nn = {style_number(n_unweighted)}") |>
  modify_footnote_header("n sin ponderar (% ponderado); mediana ponderada (Q1 – Q3)",
                         columns = all_stat_cols()) |>
  modify_footnote_header("Prueba de rangos basada en el diseño; chi cuadrado de Pearson con corrección de Rao-Scott",
                         columns = p.value) |>
  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) 40 (27 – 54) 37 (25 – 51) 55 (43 – 67) <0,001
Grupo de edad


<0,001
    15 a 29 9 453 (30,1 %) 9 182 (33,7 %) 271 (8,2 %)
    30 a 44 11 261 (29,0 %) 10 423 (30,6 %) 838 (19,4 %)
    45 a 59 5 400 (21,9 %) 4 482 (20,2 %) 918 (32,4 %)
    60 a más 4 711 (19,0 %) 3 404 (15,5 %) 1 307 (40,0 %)
Sexo


<0,001
    Hombre 13 026 (48,3 %) 11 048 (46,0 %) 1 978 (62,6 %)
    Mujer 17 799 (51,7 %) 16 443 (54,0 %) 1 356 (37,4 %)
Área de residencia


<0,001
    Urbana 19 511 (82,1 %) 17 339 (81,5 %) 2 172 (85,8 %)
    Rural 11 314 (17,9 %) 10 152 (18,5 %) 1 162 (14,2 %)
Región natural


<0,001
    Lima Metropolitana 3 371 (37,0 %) 2 882 (35,9 %) 489 (43,1 %)
    Resto de la Costa 8 628 (25,9 %) 7 581 (25,7 %) 1 047 (27,2 %)
    Sierra 11 175 (24,3 %) 10 017 (24,9 %) 1 158 (20,9 %)
    Selva 7 651 (12,8 %) 7 011 (13,4 %) 640 (8,9 %)
Nivel educativo


<0,001
    Sin nivel o inicial 1 166 (2,9 %) 900 (2,6 %) 266 (4,7 %)
    Primaria 6 568 (17,5 %) 5 588 (16,5 %) 980 (23,9 %)
    Secundaria 14 037 (45,7 %) 12 850 (46,8 %) 1 187 (38,6 %)
    Superior 9 054 (33,9 %) 8 153 (34,1 %) 901 (32,7 %)
Índice de riqueza


<0,001
    Quintil 1 (más pobre) 10 494 (18,4 %) 9 490 (19,1 %) 1 004 (14,1 %)
    Quintil 2 7 665 (20,5 %) 6 940 (21,0 %) 725 (17,1 %)
    Quintil 3 5 607 (20,7 %) 4 972 (20,7 %) 635 (20,4 %)
    Quintil 4 4 226 (20,6 %) 3 674 (20,0 %) 552 (23,7 %)
    Quintil 5 (más rico) 2 833 (19,9 %) 2 415 (19,1 %) 418 (24,7 %)
Fuma actualmente 2 858 (8,8 %) 2 424 (8,6 %) 434 (10,3 %) 0,018
    Sin dato 0 0 0
Consumió alcohol en los últimos 30 días 10 189 (34,9 %) 8 985 (34,9 %) 1 204 (35,5 %) 0,6
    Sin dato 10 9 1
Diabetes diagnosticada 1 099 (5,2 %) 830 (4,4 %) 269 (10,0 %) <0,001
    Sin dato 22 18 4
1 n sin ponderar (% ponderado); mediana ponderada (Q1 – Q3)
2 Prueba de rangos basada en el diseño; chi cuadrado de Pearson con corrección de Rao-Scott
  • En los encabezados, la n es de personas entrevistadas.
  • En las celdas, el número es la n sin ponderar y el porcentaje está ponderado. Por eso no se puede recalcular el porcentaje dividiendo las n: en la fila Hombre del grupo con presión alta se lee 1 978 (62,6 %).
  • La mediana de edad y sus cuartiles están ponderados.
  • La nota al pie de los valores p dice qué prueba se usó: una prueba de rangos basada en el diseño para la edad y el chi cuadrado de Pearson con corrección de Rao-Scott para las categóricas (svyranktest() y svychisq() del paquete survey). gtsummary escribe esa nota en inglés; aquí se reemplazó con modify_footnote_header().

Paso 6. La tabla por filas: ¿qué porcentaje tiene presión alta?

La Tabla 1 responde «¿cómo son las personas con presión alta?». Muchas tesis necesitan otra pregunta: «¿qué porcentaje de cada grupo tiene presión alta?». Es el porcentaje por fila, una prevalencia, y conviene darlo con su intervalo de confianza.

AdvertenciaNo uses add_ci() con percent = "row"

gtsummary permite tbl_svysummary(..., percent = "row"), pero add_ci() calcula los intervalos por columna: el resultado mezcla un porcentaje por fila con un intervalo de otra cosa. gtsummary lo advierte en la consola. Para la prevalencia con su intervalo, usa directamente survey.

Ver código 
dis_part <- update(dis_part, alta = as.numeric(pa_alta == "Con presión arterial alta"))
categoricas <- setdiff(variables, "edad")

prevalencia <- function(var) {
  r <- svyby(~alta, as.formula(paste0("~", var)), dis_part, svyciprop,
             vartype = "ci", method = "logit", na.rm = TRUE)
  data.frame(
    Característica = var,
    Categoría = c("FALSE" = "No", "TRUE" = "Sí")[as.character(r[[var]])] |>
      (\(x) ifelse(is.na(x), as.character(r[[var]]), x))(),
    n = fmt(as.integer(table(participantes[[var]])[as.character(r[[var]])]), 0),
    Prevalencia = sprintf("%s (%s a %s)", pct(r$alta), pct(r$ci_l), pct(r$ci_u))
  )
}
total <- svyciprop(~alta, dis_part, method = "logit")
tabla_2 <- rbind(
  data.frame(Característica = "Total", Categoría = "", n = fmt(nrow(participantes), 0),
             Prevalencia = sprintf("%s (%s a %s)", pct(coef(total)),
                                   pct(confint(total)[1]), pct(confint(total)[2]))),
  do.call(rbind, lapply(categoricas, prevalencia))
)
tabla_2$Característica <- vapply(tabla_2$Característica, function(v) {
  i <- vapply(etiquetas, function(f) all.vars(f)[1] == v, logical(1))
  if (any(i)) as.character(etiquetas[[which(i)]][[3]]) else v
}, character(1))
tabla_2$Característica[duplicated(tabla_2$Característica)] <- ""
names(tabla_2)[3:4] <- c("n sin ponderar", "Prevalencia (IC 95 %)")
gt::gt(tabla_2)
Mira el resultado
Característica Categoría n sin ponderar Prevalencia (IC 95 %)
Total 30 825 14,2 % (13,5 % a 14,9 %)
Grupo de edad 15 a 29 9 453 3,9 % (3,3 % a 4,6 %)
30 a 44 11 261 9,5 % (8,6 % a 10,4 %)
45 a 59 5 400 20,9 % (19,0 % a 22,9 %)
60 a más 4 711 29,8 % (27,6 % a 32,1 %)
Sexo Hombre 13 026 18,3 % (17,2 % a 19,5 %)
Mujer 17 799 10,2 % (9,5 % a 11,1 %)
Área de residencia Urbana 19 511 14,8 % (14,0 % a 15,7 %)
Rural 11 314 11,2 % (10,4 % a 12,0 %)
Región natural Lima Metropolitana 3 371 16,5 % (14,9 % a 18,2 %)
Resto de la Costa 8 628 14,8 % (13,7 % a 16,0 %)
Sierra 11 175 12,1 % (11,2 % a 13,1 %)
Selva 7 651 9,8 % (9,0 % a 10,7 %)
Nivel educativo Sin nivel o inicial 1 166 23,4 % (19,8 % a 27,5 %)
Primaria 6 568 19,3 % (17,7 % a 21,0 %)
Secundaria 14 037 12,0 % (11,0 % a 13,0 %)
Superior 9 054 13,7 % (12,4 % a 15,0 %)
Índice de riqueza Quintil 1 (más pobre) 10 494 10,9 % (10,0 % a 11,8 %)
Quintil 2 7 665 11,8 % (10,7 % a 13,1 %)
Quintil 3 5 607 14,0 % (12,6 % a 15,5 %)
Quintil 4 4 226 16,3 % (14,6 % a 18,1 %)
Quintil 5 (más rico) 2 833 17,6 % (15,5 % a 19,9 %)
Fuma actualmente No 27 966 13,9 % (13,2 % a 14,7 %)
Sí 2 858 16,5 % (14,5 % a 18,8 %)
Consumió alcohol en los últimos 30 días No 20 622 14,0 % (13,2 % a 15,0 %)
Sí 10 189 14,4 % (13,2 % a 15,6 %)
Diabetes diagnosticada No 29 700 13,4 % (12,8 % a 14,1 %)
Sí 1 099 27,0 % (22,6 % a 31,9 %)
  • Cada fila dice qué porcentaje de esa categoría tiene presión arterial alta, ponderado, con su intervalo de confianza del 95 %.
  • svyciprop(method = "logit") calcula el intervalo en escala logit, que no se sale de 0 % ni de 100 %.
  • La fila Total es la prevalencia nacional: 14,2 %.

Paso 7. Llévalas a Word

Ver código 
as_flex_table(tabla_1) |>
  flextable::save_as_docx(path = "tabla1_plena.docx")
flextable::flextable(tabla_2) |>
  flextable::autofit() |>
  flextable::save_as_docx(path = "tabla2_plena.docx")

Descarga el resultado: Tabla 1 en Word · Tabla de prevalencias en Word.

Resultado

En la población peruana de 15 y más años:

  • la prevalencia de presión arterial alta es 14,2 % (IC 95 %: 13,5 % a 14,9 %);
  • es mayor en hombres (18,3 %) que en mujeres (10,2 %);
  • quienes la tienen son mayores: mediana ponderada de edad de 55 frente a 37 años.

Interacciones

Con los pesos. La muestra de la ENDES no reproduce la composición de la población. Compara la proporción sin pesos (muestra) con la ponderada (población):

Ver código 
comparar <- function(var, nivel) data.frame(
  Variable = paste(var, "=", nivel),
  Muestra = pct(mean(participantes[[var]] == nivel)),
  Población = pct(coef(svymean(as.formula(paste0("~I(", var, " == '", nivel, "')")), dis_part))[2])
)
rbind(comparar("area", "Rural"), comparar("region", "Lima Metropolitana"),
      comparar("riqueza", "Quintil 1 (más pobre)"))
Mira el resultado 
#>                          Variable Muestra Población
#> 1                    area = Rural  36,7 %    17,9 %
#> 2     region = Lima Metropolitana  10,9 %    37,0 %
#> 3 riqueza = Quintil 1 (más pobre)  34,0 %    18,4 %

En la muestra hay más personas rurales, de fuera de Lima y del quintil más pobre que en la población. La razón es el diseño: la muestra se reparte por departamento y por área para dar estimaciones de cada uno, no en proporción a la población (según la ficha técnica, 12 660 de las 36 760 viviendas programadas para 2024 son rurales). Los pesos devuelven a cada grupo su tamaño real.

Con las pruebas. Los valores p también cambian. Para el consumo de alcohol, la prueba sin diseño da p = <0,001 y la prueba con diseño, p = 0,6. Sin el diseño, la conclusión sobre la población puede ser otra.

Contraindicaciones y reacciones adversas

  • Reportar la n ponderada. Es una suma de pesos, no un número de personas. Usa {n_unweighted} y aclara en la nota al pie qué es cada cifra.
  • Recalcular porcentajes con las n sin ponderar. No coinciden con los ponderados, y no tienen por qué.
  • add_ci() con percent = "row". Da intervalos de porcentajes por columna; usa svyciprop().
  • Usar tbl_summary() con datos de encuesta. Describe a la muestra y sus pruebas ignoran los conglomerados y estratos.
  • Filtrar la base antes de svydesign(). Usa subset() sobre el diseño.
  • Valores p en un ensayo aleatorizado. No van en la Tabla 1 de un ensayo (CONSORT).
  • Media y desviación estándar para variables muy asimétricas. Usa mediana y rango intercuartílico.

Cómo reportarlo

Se analizaron 30 825 personas de 15 y más años de la ENDES 2024 con medición de presión arterial. Considerando el diseño muestral complejo de la encuesta, la prevalencia de presión arterial alta fue 14,2 % (IC 95 %: 13,5 % a 14,9 %), mayor en hombres (18,3 %) que en mujeres (10,2 %) (Tabla 1).

En métodos, indica: «Las características se describieron con frecuencias sin ponderar y porcentajes ponderados, y las variables numéricas con medianas y rangos intercuartílicos ponderados. Las comparaciones usaron la prueba de chi cuadrado con corrección de Rao-Scott y una prueba de rangos basada en el diseño. Se consideraron los pesos, conglomerados y estratos de la ENDES (paquete survey de R)».

Control de calidad

El INEI reporta para 2024 una prevalencia de presión arterial alta de 14,2 % en las personas de 15 y más años, 18,3 % en hombres y 10,3 % en mujeres (Perú: Enfermedades No Transmisibles y Transmisibles, 2024, cuadro 1.1). Esta tabla obtiene 14,2 %, 18,3 % y 10,2 %. La diferencia de una décima en mujeres ya aparecía en el Prospecto R n.º 1.

Autoevaluación

1. tbl_svysummary() muestra «N = 35 638» en el total. ¿Lo copias como tamaño de tu muestra?

Ver respuesta

No. Es la suma de los pesos. El tamaño de la muestra es 30 825: usa {n_unweighted} en el encabezado y en las celdas.

2. Quieres la prevalencia de presión alta por región con su IC 95 %. ¿Usas percent = "row" y add_ci()?

Ver respuesta

No: add_ci() daría intervalos de porcentajes por columna. Usa svyby(~alta, ~region, diseno, svyciprop, vartype = "ci").

3. En la muestra, el 36,7 % vive en zona rural; con los pesos, el 17,9 %. ¿Cuál reportas para describir a la población?

Ver respuesta

El ponderado. La muestra de la ENDES tiene más viviendas rurales que las que corresponden a la población; los pesos devuelven a cada grupo su tamaño real.

¿Tu tesis usa la ENDES u otra encuesta nacional?

Te ayudo a declarar el diseño muestral, armar las tablas 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. Lumley T. Analysis of complex survey samples. J Stat Softw. 2004;9(8):1-19.
  3. Rao JNK, Scott AJ. On chi-squared tests for multiway contingency tables with cell proportions estimated from survey data. Ann Stat. 1984;12(1):46-60.
  4. 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.
  5. Schulz KF, Altman DG, Moher D, CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332.
  6. Instituto Nacional de Estadística e Informática. Perú: Enfermedades No Transmisibles y Transmisibles, 2024. Lima: INEI; 2025.

Reproducibilidad

Mira el resultado 
#> R version 4.3.3 (2024-02-29) 
#> data.table 1.14.10 
#> survey 4.5 
#> gtsummary 2.6.1 
#> gt 1.3.0 
#> flextable 0.10.1