Coeficiente de correlación intraclase (ICC): cómo medir fiabilidad y concordancia

Cuando dos evaluadores puntúan al mismo grupo de pacientes con una escala clínica, o cuando repites una medición antropométrica tres veces sobre los mismos sujetos, necesitas un estadístico que te diga si esas mediciones son intercambiables. El coeficiente de correlación intraclase (ICC) es esa herramienta: cuantifica en un solo número qué proporción de la varianza total de tus datos se debe a diferencias reales entre sujetos frente a la que se debe al error de medición o al desacuerdo entre evaluadores. Si tu tesis o TFG incluye una escala aplicada por varios jueces, un test-retest, o cualquier instrumento donde la fiabilidad entre mediciones sea parte del diseño metodológico, el ICC es probablemente el estadístico que tu director o el comité evaluador esperará ver.

A diferencia del Kappa de Cohen, que se reserva para variables categóricas, el ICC trabaja con variables cuantitativas continuas: puntuaciones en escalas Likert sumadas, mediciones biométricas, tiempos de reacción, valores de laboratorio. Y a diferencia de la correlación de Pearson, que solo detecta si dos variables se mueven en la misma dirección, el ICC también penaliza los sesgos sistemáticos de magnitud entre evaluadores, algo crítico cuando la interpretación clínica o educativa depende del valor absoluto obtenido.

Qué es el ICC y por qué importa en tu investigación

El ICC nació en el contexto de la genética cuantitativa y fue adaptado a la investigación en salud y ciencias sociales por Shrout y Fleiss en 1979, quienes formalizaron los distintos modelos que hoy se usan en paquetes estadísticos como SPSS, R o jamovi. Su lógica parte de un análisis de varianza (ANOVA): descompone la varianza total observada en un componente atribuible a diferencias reales entre sujetos y otro atribuible al error de medición (que incluye el desacuerdo entre evaluadores o entre repeticiones). El ICC es, en esencia, el cociente entre la varianza entre sujetos y la varianza total.

Esto lo hace especialmente útil en tres escenarios habituales en tesis y TFG: la fiabilidad interevaluador (¿coinciden dos o más jueces al puntuar lo mismo?), la fiabilidad intraevaluador o test-retest (¿el mismo evaluador obtiene resultados parecidos al repetir la medición?), y la validación de instrumentos de medida física o clínica (¿un dinamómetro o un goniómetro da lecturas estables entre sesiones?). Si tu diseño metodológico incluye validar un instrumento antes de aplicarlo a tu muestra principal, es probable que necesites reportar el ICC junto con otros indicadores de validación de instrumentos de investigación.

ICC frente a Pearson, Cronbach y Kappa: cuándo usar cada uno

Es habitual confundir el ICC con otros coeficientes que también se enseñan en las asignaturas de metodología. La tabla siguiente resume cuándo usar cada uno:

Si tu escala ya está validada y solo necesitas comprobar que tus ítems miden un mismo constructo de forma coherente, el estadístico correcto es el alfa de Cronbach o, si tus datos no cumplen el supuesto de tau-equivalencia, el Omega de McDonald. Si en cambio quieres relacionar dos variables continuas distintas (por ejemplo, horas de estudio y nota final), lo adecuado es una correlación de Pearson o Spearman, no un ICC.

Los tres modelos de ICC y cómo elegir el correcto

Shrout y Fleiss (1979) describieron distintas variantes del ICC que dependen de cómo se seleccionaron los evaluadores y de qué quieres generalizar. Elegir mal el modelo es el error metodológico más frecuente al reportar este coeficiente, así que conviene detenerse aquí:

• Modelo de una vía (one-way random): cada sujeto es evaluado por un conjunto distinto de evaluadores elegidos al azar, sin que ningún evaluador puntúe a todos los sujetos. Es poco común en tesis porque exige un diseño muy específico.
• Modelo de dos vías aleatorio (two-way random): los mismos evaluadores puntúan a todos los sujetos, pero esos evaluadores fueron seleccionados aleatoriamente de una población más amplia de posibles evaluadores. Se usa cuando quieres generalizar tu conclusión de fiabilidad a otros evaluadores similares, no solo a los que participaron en tu estudio.
• Modelo de dos vías mixto (two-way mixed): los mismos evaluadores puntúan a todos los sujetos, pero esos evaluadores concretos son los únicos que te interesan (no pretendes generalizar a otros jueces). Es el modelo más habitual en TFG y tesis con un número reducido y fijo de evaluadores (por ejemplo, dos fisioterapeutas del mismo estudio).

En SPSS, la diferencia entre “aleatorio” y “mixto” se selecciona en el cuadro de diálogo de fiabilidad; ambos producen numéricamente el mismo coeficiente puntual, pero difieren en la interpretación conceptual y, en algunos casos, en el intervalo de confianza.

Consistencia vs. acuerdo absoluto

Además del modelo, debes decidir el tipo de ICC: consistencia o acuerdo absoluto.

• Consistencia: evalúa si los evaluadores ordenan a los sujetos de manera similar, incluso si uno puntúa sistemáticamente más alto o más bajo que otro. Es apropiada cuando lo que importa es el ranking relativo, no el valor exacto.
• Acuerdo absoluto: exige que los valores numéricos coincidan, penalizando cualquier diferencia sistemática de magnitud entre evaluadores. Es la opción correcta cuando el valor absoluto tiene consecuencias prácticas directas, como en mediciones clínicas de presión arterial o de rango articular.

Un error frecuente en TFG es reportar “consistencia” cuando el diseño realmente exige “acuerdo absoluto” (o viceversa), lo que puede inflar artificialmente el coeficiente reportado. Antes de ejecutar el análisis, pregúntate: ¿me basta con que los evaluadores estén de acuerdo en el orden, o necesito que coincidan en el número exacto?

Cómo calcular el ICC en SPSS paso a paso

1. Organiza tus datos en formato ancho: una fila por sujeto, una columna por evaluador o por repetición de la medición.
2. Ve a Analizar > Escala > Análisis de fiabilidad.
3. Introduce las columnas de los evaluadores/repeticiones en el cuadro de “Elementos”.
4. Haz clic en “Estadísticos” y marca la casilla “Coeficiente de correlación intraclase”.
5. Selecciona el modelo (dos vías aleatorio o dos vías mixto) y el tipo (consistencia o acuerdo absoluto) según el razonamiento de los apartados anteriores.
6. Ejecuta el análisis. SPSS devuelve el ICC de medidas individuales y el de medidas promedio; en la mayoría de tesis se reporta el de medidas individuales si el instrumento se aplicará con un solo evaluador en la práctica, o el de medidas promedio si el protocolo final promediará varias puntuaciones.

SPSS también entrega el intervalo de confianza al 95% y el resultado de la prueba F asociada, ambos imprescindibles para el reporte completo en el capítulo de resultados.

Cómo interpretar los valores del ICC

La guía más citada en la literatura reciente es la de Koo y Li (2016), publicada en el Journal of Chiropractic Medicine, que estableció los siguientes umbrales:

Estos umbrales son un punto de partida útil, pero no sustituyen el juicio disciplinar: en investigación clínica donde las decisiones diagnósticas dependen del instrumento, algunos comités exigen un mínimo de 0,80-0,90; en ciencias sociales exploratorias, un ICC moderado puede considerarse aceptable si se justifica adecuadamente. Consulta siempre el criterio que tu departamento o revista objetivo suele exigir.

Ejemplo práctico ilustrativo

Los siguientes datos son ilustrativos y no proceden de un estudio empírico publicado; se incluyen únicamente para mostrar cómo se estructura el reporte.

Imagina un TFG de fisioterapia donde dos evaluadores miden el rango de flexión de rodilla con un goniómetro en 30 pacientes. Tras introducir ambas columnas de mediciones en SPSS y seleccionar el modelo de dos vías mixto con acuerdo absoluto, se obtiene un ICC de 0,86 con un intervalo de confianza del 95% entre 0,78 y 0,92. Según la tabla de Koo y Li, esto se interpretaría como una fiabilidad interevaluador buena, suficiente para justificar el uso del goniómetro con un solo evaluador en la fase de recogida de datos principal del estudio.

Errores comunes al reportar el ICC

• No especificar el modelo ni el tipo: reportar solo “ICC = 0,82” sin indicar si es de dos vías mixto o aleatorio, ni si es consistencia o acuerdo absoluto, impide que un lector reproduzca o audite el análisis.
• Confundir consistencia con acuerdo absoluto: puede inflar el coeficiente si existe un sesgo sistemático entre evaluadores que la consistencia no penaliza.
• Usar el ICC con variables categóricas: si tus datos son nominales u ordinales con pocas categorías, el índice correcto es el Kappa, no el ICC.
• Omitir el intervalo de confianza: un ICC puntual sin IC 95% oculta la incertidumbre de la estimación, especialmente relevante en muestras pequeñas.
• Aplicar el mismo criterio de interpretación a contextos muy distintos: un ICC de 0,70 puede ser aceptable en un cuestionario psicosocial exploratorio, pero insuficiente en un instrumento diagnóstico clínico.

Cómo redactarlo en el apartado de resultados

Un reporte completo del ICC en el capítulo de resultados debe incluir: el modelo (una vía, dos vías aleatorio o dos vías mixto), el tipo (consistencia o acuerdo absoluto), si es de medida individual o promedio, el valor del coeficiente, el intervalo de confianza al 95% y el valor p de la prueba F. Un ejemplo de redacción sería: “La fiabilidad interevaluador de la escala X se evaluó mediante el coeficiente de correlación intraclase (ICC), modelo de dos vías mixto de acuerdo absoluto para medidas individuales. Se obtuvo un ICC = 0,86 (IC 95% [0,78, 0,92]; F(29,29) = 13,4; p < 0,001), lo que según los criterios de Koo y Li (2016) indica una fiabilidad buena.” Si tus datos previos requirieron comprobar normalidad con Shapiro-Wilk o Kolmogorov-Smirnov, menciona también esa comprobación antes de justificar la elección del ICC frente a alternativas no paramétricas.

Preguntas frecuentes

Dominar el ICC es una pieza más del bloque de fiabilidad y validez que suele revisar el tribunal: si tu instrumento combina varios ítems, conviene también repasar cómo se comprueba la técnica de análisis de datos aplicable a tu diseño concreto, de modo que la fiabilidad, la validez y el análisis inferencial queden justificados de forma coherente en el mismo capítulo metodológico.