Recuentos ficticios antes de asignar los datos ausentes
Misma evaluación a seis meses y mismo desenlace sobre cigarrillos en siete días. Desconocido no significa tabaquismo observado. No son datos reales.
| Estado registrado | A | B |
|---|---|---|
| Personas aleatorizadas | 100 | 100 |
| Cumplen, resultado disponible | 20 | 10 |
| No cumplen, resultado disponible | 60 | 50 |
| Resultado desconocido | 20 | 40 |
Qué falta exactamente
La pérdida de seguimiento no es la única causa. Puede faltar una evaluación aunque la persona acuda, o no estar disponible un registro. Interrumpir la intervención asignada tampoco equivale necesariamente a perder el desenlace: puede existir una medición posterior.
Separe tabaquismo observado, autoinforme ausente y verificación ausente. Si el desenlace exige verificación, revise esa definición. No cumplir una regla de registro del desenlace no demuestra que la persona fumó ni permite atribuirle motivos.
Por qué se emplea esta convención
Un artículo metodológico de 2012 sobre un ensayo por Internet explica el razonamiento habitual: quienes dejan de fumar podrían responder más. Calcular solo entre respuestas podría presentar una proporción demasiado favorable. Es una hipótesis sobre la respuesta, no un hecho universal sobre quienes faltan.
Asignar no abstinencia a todos los resultados ausentes mantiene a esas personas en el denominador y simplifica el cálculo. No recupera sus resultados ni elimina su incertidumbre. El artículo cuestiona que la comparación de efectos sea automáticamente conservadora; su contexto y modelo no describen todos los servicios.
Antes de imputar, vea a quiénes no se ha observado
Toda la tabla es ficticia: no representa un tratamiento ni un ensayo real. A y B tienen 100 personas aleatorizadas cada uno. A los seis meses se evalúa no haber fumado cigarrillos durante los siete días anteriores. Suponga que los estados disponibles son correctos; solo los desconocidos quedan abiertos.
A tiene 20 que cumplen, 60 que no cumplen y 20 desconocidos. B tiene 10, 50 y 40. Si todos los desconocidos cuentan como no abstinentes, las proporciones son 20/100 = 20% y 10/100 = 10%; A menos B son diez puntos porcentuales. Hacer el cálculo no revela lo que falta.
Dos proporciones reducidas pueden dar una diferencia exagerada
Imagine, solo como prueba lógica, que nadie entre los 20 desconocidos de A cumple el desenlace, pero sí 15 de los 40 de B. Los resultados completos serían 20/100 y 25/100. A menos B sería menos cinco puntos, no más diez. La primera regla dejó igual o redujo cada proporción, pero exageró la diferencia en esta situación hipotética.
No se afirma que esas personas tuvieran esos resultados, ni que el escenario sea plausible para un ensayo real, ni que B sea mejor. Es un contraejemplo matemático: reducir cada proporción no asegura reducir su diferencia. Los escenarios de sensibilidad reales necesitan razones específicas del estudio; aquí no se aportan.
Excluir a quienes no tienen datos tampoco descubre la verdad. En el mismo ejemplo, solo los resultados disponibles darían 20/80 = 25% y 10/60 ≈ 16,7%. Son otros denominadores. Para tratarlos como las proporciones de los grupos completos harían falta supuestos adicionales.
La sensibilidad debe conservar la pregunta
Busque en el protocolo o plan estadístico la población, desenlace y comparación previstos, la regla principal y las comprobaciones programadas. ICH E9(R1) distingue cambiar supuestos para el mismo estimando —el efecto que se pretende estimar— de contestar otra pregunta. Otra población o fecha no es simplemente otra suposición sobre ausencias.
Compruebe si alternativas justificadas cambian de forma importante la conclusión y cuáles se planificaron antes. Su plausibilidad depende de información y contexto, no de elegir un cálculo conveniente. No existe un porcentaje universal de pérdidas que descarte sesgo. Igual número de datos ausentes tampoco garantiza iguales motivos o resultados desconocidos.
En un informe real conserve los recuentos disponibles y ausentes por grupo, motivos conocidos, desenlace, momento, regla y resultados de sensibilidad. Si no aparecen, indique que los materiales consultados no muestran la dependencia de la conclusión respecto a esas suposiciones. No invente una garantía de robustez ni busque datos personales de participantes.
Una frase que no borra lo desconocido
El ejercicio permite escribir: «Con todos los resultados ausentes contados como no abstinencia, las proporciones ficticias son 20% y 10%, con diez puntos de diferencia. La regla no demuestra la conducta de quienes faltan ni garantiza un efecto comparativo inferior». No se ha aportado intervalo de confianza ni beneficio causal.
Para ayuda personal, consulte un recurso de su localidad
En España, el Ministerio de Sanidad reúne recursos y vías de ayuda por comunidad autónoma. Consulte a profesionales sanitarios cualificados o servicios especializados para su situación. Una convención estadística no elige apoyo ni tratamiento; en otros países deben comprobarse los recursos locales.
Ideas clave
Fuentes
Las afirmaciones centrales de esta página se contrastaron con las siguientes fuentes.
- Cochrane: Cochrane Handbook chapter 8, §8.5 — bias due to missing outcome data
Fuentes revisadas: 2026-10-04
- International Council for Harmonisation: ICH E9(R1), adopted 20 November 2019 — estimands, assumptions and sensitivity analysis
Fuentes revisadas: 2026-10-04
- BMC Medical Research Methodology: Jackson et al., 2012 — missing-data assumptions in an Internet smoking-cessation trial
Fuentes revisadas: 2026-10-04
- Ministerio de Sanidad, España: Ayuda para dejar de fumar — recursos por comunidad autónoma
Fuentes revisadas: 2026-10-04
Educación para leer estudios, no juicio sobre una persona, pronóstico ni elección de tratamiento. Los números son inventados; no se solicitan, guardan ni envían datos personales.