Escalas clínicas, pre-post y concordancia: qué prueba estadística pide cada diseño de TFG de Enfermería (2026)

Tienes el Excel abierto con las respuestas de las 84 enfermeras que contestaron tu cuestionario, o las mediciones de dolor de los 32 pacientes de la unidad, y el capítulo de resultados sigue en blanco. El problema no es que no sepas estadística: es que las guías genéricas de TFG te dan un árbol de decisión abstracto que no menciona ni una sola vez la escala de Braden, el índice de Barthel ni el turno de noche.

Esta comparativa parte de la guía general sobre qué prueba estadística usar en un TFG y su árbol de decisión y la especializa para Enfermería. En lugar de partir de la prueba, parte del diseño real que tiene tu TFG de Enfermería —escalas de valoración como Braden, Barthel o Norton, mediciones pre-post en los mismos pacientes, comparación entre turnos o entre unidades— y te dice qué prueba le corresponde, qué supuestos hay que comprobar antes, cómo se escribe el resultado en el texto y qué error concreto suspende ese apartado.

Antes de elegir la prueba: las tres preguntas que lo deciden todo

Ninguna prueba estadística se elige por costumbre ni porque la usara la compañera del año pasado. Se elige respondiendo a tres preguntas en este orden:

1. ¿Qué tipo de variable es tu resultado? Cualitativa dicotómica (tiene úlcera / no la tiene), cualitativa politómica (grado I, II, III, IV), cuantitativa continua (puntuación EVA de 0 a 10, minutos hasta la primera movilización) u ordinal (escala Likert de satisfacción, categorías de riesgo de Norton).
2. ¿Cuántos grupos comparas y son independientes o relacionados? Dos grupos de pacientes distintos son independientes. El mismo paciente medido antes y después de la intervención está relacionado. Es el error más frecuente en los TFG de Enfermería: aplicar una t de Student para muestras independientes a un diseño pre-post del mismo paciente.
3. ¿Se cumple la normalidad y el tamaño mínimo por casilla? Con muestras de 30 a 60 sujetos, que es lo habitual en un TFG, la normalidad no se asume: se comprueba con Shapiro-Wilk y se mira el histograma.

Si aún no tienes claro el planteamiento general del análisis, conviene repasar el árbol de decisión general de pruebas estadísticas enlazado más arriba antes de bajar al detalle de enfermería que viene ahora.

Comparativa rápida: diseño de TFG de Enfermería y prueba correspondiente

Estudios descriptivos de prevalencia: chi-cuadrado, Fisher y algo más

El diseño más común en un TFG de Enfermería es el observacional descriptivo transversal: se mide la prevalencia de un problema (úlceras por presión, flebitis, malnutrición, sobrecarga del cuidador) y se compara entre subgrupos.

Con dos variables cualitativas, la prueba es el chi-cuadrado de Pearson. Su supuesto crítico es que ninguna casilla esperada tenga menos de 5 casos y que ninguna sea inferior a 1. Con muestras de TFG esto se incumple constantemente: en una tabla 2×2 de 40 pacientes con 6 eventos, las casillas esperadas caen por debajo de 5 y hay que usar la prueba exacta de Fisher. SPSS la ofrece automáticamente en la misma salida; Jamovi la muestra activando la casilla correspondiente.

Un matiz que distingue un TFG de enfermería notable de uno del montón: la significación no basta. Si comparas la incidencia de flebitis entre dos tipos de catéter, además del valor p debes reportar el riesgo relativo con su intervalo de confianza al 95 % y, si el resultado es clínicamente relevante, el número necesario a tratar (NNT). Un tribunal de enfermería valora la magnitud del efecto por encima del asterisco de significación.

Cómo se escribe en el texto

«La prevalencia de úlceras por presión fue del 18,4 % (n = 17) en la unidad de larga estancia frente al 7,1 % (n = 5) en la unidad de agudos. La diferencia fue estadísticamente significativa (χ²(1) = 4,86; p = 0,027), con un riesgo relativo de 2,59 (IC 95 %: 1,02-6,57).»

Diseños pre-post: el error más caro del TFG de Enfermería

Muchos TFG evalúan una intervención enfermera —educación sanitaria, técnica de movilización, protocolo de analgesia— midiendo a los mismos pacientes antes y después. Los datos están emparejados, y eso cambia la prueba.

• Variable continua (EVA, tensión arterial, puntuación de conocimientos): t de Student para muestras relacionadas si la diferencia entre pares se distribuye normalmente; prueba de Wilcoxon de los rangos con signo si no.
• Variable dicotómica (cumple / no cumple el protocolo): prueba de McNemar. Esta es la que casi nadie aplica y casi todo el mundo necesita cuando observa al mismo profesional dos veces.
• Tres o más momentos (ingreso, alta, seguimiento a los 30 días): ANOVA de medidas repetidas, que exige comprobar la esfericidad. Si la prueba de Mauchly resulta significativa, se aplica la corrección de Greenhouse-Geisser. El procedimiento completo está desarrollado en la guía sobre cómo hacer un ANOVA de medidas repetidas, incluida la lectura de la tabla de esfericidad.

Recuerda además que en un pre-post sin grupo control no puedes atribuir causalidad a tu intervención. La redacción correcta es «se observó una reducción de X puntos», no «la intervención redujo el dolor en X puntos». Ese matiz lo pregunta el tribunal con una frecuencia sorprendente.

Escalas validadas: primero fiabilidad, después comparación

Si tu TFG usa un cuestionario —MBI para burnout, Morisky-Green para adherencia, SERVQHOS para satisfacción, escala de Zarit para sobrecarga del cuidador— hay un paso previo que no puedes saltarte: informar de la consistencia interna en tu muestra, no solo en la muestra original del autor de la escala.

El estadístico habitual es el alfa de Cronbach, y se calcula en cinco minutos: el procedimiento exacto está en la guía sobre cómo calcular el alfa de Cronbach en Jamovi y SPSS. Valores por encima de 0,70 se consideran aceptables para investigación; por debajo de 0,60 conviene discutirlo abiertamente en las limitaciones en lugar de esconderlo.

Con ítems dicotómicos (sí/no, correcto/incorrecto), como ocurre en los cuestionarios de conocimientos sobre lavado de manos o RCP, el alfa no es el estadístico adecuado: corresponde el KR-20.

Sumar la escala: ordinal frente a continua

Un ítem Likert aislado es ordinal y se describe con mediana y rango intercuartílico. La puntuación total de una escala validada de varios ítems se trata en la práctica clínica como cuantitativa y admite media y desviación típica, siempre que la distribución lo permita. Declara esa decisión en la metodología en una frase: «la puntuación global se trató como variable cuantitativa, mientras que los ítems individuales se analizaron como ordinales».

Comparar más de dos grupos: ANOVA, Kruskal-Wallis y el post hoc que falta

Comparar la carga de trabajo percibida entre tres turnos, o el nivel de conocimientos entre alumnos de primero, segundo y tercero, es un ANOVA de un factor si la variable es continua y se cumplen normalidad y homogeneidad de varianzas (prueba de Levene). Si Levene resulta significativa, se usa la corrección de Welch. Si la normalidad falla o las muestras son muy pequeñas, se pasa a Kruskal-Wallis.

El fallo sistemático aquí es quedarse en el resultado global. Un ANOVA significativo solo dice que algún grupo difiere de algún otro. Hay que aplicar comparaciones post hoc —Bonferroni si los grupos son equilibrados, Games-Howell si las varianzas son desiguales— y decir cuál difiere de cuál. Sin post hoc, el apartado de resultados está incompleto y el tribunal lo detecta de inmediato.

Concordancia entre observadores: kappa y coeficiente intraclase

Un tipo de TFG de Enfermería infrautilizado y muy bien valorado consiste en evaluar si dos profesionales valoran igual la misma escala. Es un estudio de concordancia, no de comparación de medias.

• Categorías (riesgo alto / medio / bajo en Norton): kappa de Cohen. Se interpreta con los umbrales de Landis y Koch: por debajo de 0,40 acuerdo pobre, de 0,41 a 0,60 moderado, de 0,61 a 0,80 sustancial, por encima de 0,81 casi perfecto.
• Puntuaciones continuas (puntuación total de Braden): coeficiente de correlación intraclase (CCI), en su modelo de dos factores de efectos aleatorios y acuerdo absoluto. Complétalo con un gráfico de Bland-Altman, que muestra el sesgo medio y los límites de acuerdo, mucho más informativo que un simple coeficiente.

Nunca uses la correlación de Pearson para medir concordancia: dos observadores que difieran sistemáticamente en 3 puntos tendrán una correlación perfecta y una concordancia pésima.

Supervivencia y tiempo hasta el evento

Si tu variable resultado es «cuántos días transcurren hasta que aparece la flebitis», «cuánto tarda en cicatrizar la úlcera» o «cuánto se mantiene el catéter antes de retirarlo», el análisis correcto no es una t de Student sobre los días: es Kaplan-Meier, porque hay pacientes en los que el evento no llega a ocurrir durante el seguimiento (datos censurados) y descartarlos sesga el resultado.

Se representa con curvas de supervivencia, se comparan grupos con la prueba de log-rank y, si quieres ajustar por edad o comorbilidad, se pasa a la regresión de Cox con hazard ratios. Es el análisis que más impresiona en una defensa de TFG y sigue siendo raro en trabajos de grado.

Regresión logística: cuando quieres factores asociados, no diferencias

Preguntas del tipo «¿qué factores se asocian a que un paciente sufra una caída durante el ingreso?» no se responden con una batería de chi-cuadrados sueltos, sino con una regresión logística binaria que estima odds ratios ajustadas.

La regla práctica de tamaño muestral es de 10 eventos por variable independiente incluida en el modelo. Con 25 caídas registradas, tu modelo admite como mucho dos o tres predictores. Meter ocho variables en un modelo con 25 eventos produce intervalos de confianza absurdamente amplios que cualquier tribunal con formación metodológica señalará.

Si tu variable dependiente es una escala ordinal en lugar de dicotómica (por ejemplo, grado de úlcera I a IV), el modelo correcto es la regresión logística ordinal aplicada a escalas tipo Likert, con su supuesto de líneas paralelas.

Cómo presentar los resultados sin que te lo devuelvan

La primera tabla de todo TFG cuantitativo de Enfermería es la descripción de la muestra, y tiene reglas propias sobre qué estadístico corresponde a cada fila: están detalladas en la guía de la tabla de características de la muestra. A partir de ahí:

• Informa siempre del tamaño de cada grupo, no solo del total.
• Da el valor exacto de p hasta tres decimales, salvo cuando sea inferior a 0,001.
• Acompaña cada contraste de una medida de efecto: d de Cohen, eta cuadrado parcial, riesgo relativo u odds ratio según corresponda.
• Adjunta el checklist metodológico exigido por tu diseño; en estudios observacionales es STROBE. Qué checklist corresponde a cada tipo de trabajo está resuelto en la guía sobre qué checklist adjuntar al TFG.

Errores que se repiten curso tras curso

1. Aplicar t de Student independiente a datos pre-post. Infla artificialmente la varianza y suele hacerte perder significación real.
2. No comprobar la normalidad y asumirla. Con n < 50, Shapiro-Wilk es obligatorio y ocupa una línea de la metodología.
3. Correlacionar dos escalas ordinales con Pearson. Corresponde Spearman.
4. Presentar solo el valor p. En enfermería, la relevancia clínica pesa más que la estadística.
5. Hacer veinte contrastes y reportar los tres significativos. Eso es dragado de datos; si haces comparaciones múltiples, corrige el nivel alfa y explícalo.
6. Confundir asociación con causalidad en un diseño transversal.

Preguntas frecuentes

Resumen operativo

Identifica el tipo de variable resultado, decide si los grupos son independientes o relacionados, comprueba la normalidad y elige en la tabla comparativa. Añade siempre una medida del efecto, revisa la fiabilidad de tus escalas antes de compararlas y describe el análisis en la metodología con suficiente detalle para que otra persona pueda repetirlo. Ese nivel de precisión es exactamente lo que separa un aprobado de un sobresaliente en un TFG de Enfermería.