Metodología de investigación en Ciencias de la Salud: diseños de estudio 2026

La metodología de investigación en Ciencias de la Salud es el conjunto de diseños de estudio, criterios de evidencia y principios éticos que permiten responder con rigor a una pregunta clínica o epidemiológica. Elegir el diseño correcto —observacional o experimental— no es un trámite burocrático del TFG o la tesis: es la decisión que determina si los resultados obtenidos pueden sostener una conclusión causal, una simple asociación, o ninguna de las dos.

Cada año, estudiantes de Medicina, Enfermería, Fisioterapia y otras titulaciones sanitarias se enfrentan a la misma pregunta en la fase de diseño de su trabajo: ¿qué tipo de estudio necesito para responder a mi pregunta de investigación? La respuesta no es intuitiva. Un estudio transversal bien ejecutado puede aportar más valor que un ensayo clínico mal diseñado, y viceversa. Esta guía ordena los diseños según lo que cada uno puede —y no puede— demostrar.

Clasificación de los diseños de estudio

La primera gran distinción metodológica separa los estudios observacionales, en los que el investigador registra lo que ocurre sin intervenir sobre la exposición, de los experimentales, en los que el investigador asigna deliberadamente la intervención o exposición a los participantes. Dentro de cada categoría, los diseños se subdividen según el eje temporal (retrospectivo, prospectivo o transversal) y según si comparan grupos definidos por exposición o por desenlace.

Diseños observacionales

Estudio transversal (de prevalencia)

Mide exposición y desenlace en un único punto temporal, sobre una muestra de la población. Es rápido y económico, útil para estimar prevalencia de una condición, pero no permite establecer secuencia temporal entre exposición y desenlace, por lo que su capacidad para sugerir causalidad es limitada.

Estudio de casos y controles

Parte del desenlace: se seleccionan personas con la condición de interés (casos) y personas sin ella (controles), y se compara retrospectivamente su exposición previa. Es especialmente eficiente para estudiar enfermedades raras o con largo periodo de latencia, porque no requiere seguir a grandes cohortes durante años. Su medida de asociación característica es el odds ratio (OR).

Estudio de cohortes

Parte de la exposición: se sigue a un grupo de expuestos y otro de no expuestos a lo largo del tiempo para observar quién desarrolla el desenlace. Puede ser prospectivo (se recluta antes de que ocurra el desenlace) o retrospectivo (se reconstruye a partir de registros históricos). Permite calcular incidencia y riesgo relativo (RR), y ofrece mayor solidez temporal que el estudio de casos y controles, aunque exige más tiempo y recursos.

Diseños experimentales

Ensayo clínico aleatorizado (ECA)

Es el diseño de referencia para evaluar la eficacia de una intervención. La aleatorización distribuye tanto los factores de confusión conocidos como los desconocidos de forma equilibrada entre grupos, lo que permite atribuir las diferencias observadas al tratamiento con mayor confianza que en cualquier diseño observacional. El estándar internacional para reportar sus resultados es la guía CONSORT, que exige transparencia en la descripción del proceso de aleatorización, el cegamiento y las pérdidas de seguimiento.

Existen variantes según el nivel de cegamiento (simple ciego, doble ciego) y el diseño del grupo control (placebo, tratamiento activo, lista de espera), cada una con implicaciones distintas sobre el riesgo de sesgo.

La pirámide de evidencia y sus límites

La pirámide de evidencia representa jerárquicamente los diseños según su capacidad de sustentar conclusiones con menor riesgo de sesgo: en la base, los estudios descriptivos y series de casos; en niveles intermedios, los estudios observacionales analíticos (casos y controles, cohortes); en la cima, los ensayos clínicos aleatorizados y, por encima de estos, las revisiones sistemáticas con metaanálisis que sintetizan varios ECA.

Esta jerarquía es útil como primera aproximación, pero no es absoluta. Un ensayo clínico mal diseñado, con alto riesgo de sesgo o una muestra insuficiente, puede aportar menos evidencia fiable que una cohorte bien ejecutada. Por eso los sistemas más recientes, como GRADE, han evolucionado desde la jerarquía rígida hacia una valoración más integral que considera el riesgo de sesgo, la consistencia entre estudios, la precisión de las estimaciones y la aplicabilidad de los resultados, no solo el tipo de diseño.

Tabla: diseño, pregunta que responde y nivel de evidencia

Variables y sesgos

Distinguir entre variable independiente (la exposición o intervención), variable dependiente (el desenlace) y variable de confusión (aquella asociada tanto a la exposición como al desenlace, capaz de distorsionar la asociación observada) es la base para diseñar cualquier estudio en Ciencias de la Salud.

Los sesgos son errores sistemáticos, distintos del error aleatorio, que distorsionan la estimación real de una asociación. Los tres grandes grupos son:

• Sesgo de selección: ocurre cuando el modo de seleccionar la muestra hace que no sea representativa de la población de interés (por ejemplo, reclutar solo pacientes que acuden a consulta especializada).
• Sesgo de información: se produce en la forma de medir la exposición o el desenlace, incluyendo el sesgo de memoria (recall bias) típico de los estudios retrospectivos.
• Sesgo de confusión: aparece cuando una tercera variable, asociada tanto a la exposición como al desenlace, distorsiona la asociación observada si no se controla mediante diseño (restricción, apareamiento) o análisis estadístico (estratificación, regresión multivariante).

Herramientas como las plantillas de lectura crítica de CASPe (Critical Appraisal Skills Programme España) ayudan a evaluar sistemáticamente el riesgo de sesgo de un estudio publicado antes de incorporarlo como evidencia a un trabajo académico.

Medidas de asociación: OR, RR y HR

Interpretar correctamente las medidas de asociación es tan importante como elegir el diseño adecuado, porque cada una responde a una pregunta distinta:

• Riesgo relativo (RR): compara la probabilidad (incidencia) de que ocurra el desenlace entre expuestos y no expuestos. Se calcula en estudios de cohortes y ensayos clínicos, donde se conoce la población de partida.
• Odds ratio (OR): compara las odds (posibilidades, no probabilidades) de haber estado expuesto entre casos y controles. Es la medida propia de los estudios de casos y controles, donde no se puede calcular incidencia directamente. Cuando la enfermedad es poco frecuente, el OR se aproxima al RR.
• Hazard ratio (HR): compara el riesgo instantáneo (tasa) de que ocurra un evento a lo largo del tiempo entre dos grupos, propio del análisis de supervivencia (curvas de Kaplan-Meier, regresión de Cox). A diferencia del RR, incorpora el momento en que ocurre el evento, no solo si ocurre o no.

Un valor de 1 en cualquiera de estas tres medidas indica ausencia de asociación; valores superiores a 1 indican mayor riesgo asociado a la exposición, y valores inferiores a 1 indican un efecto protector. El intervalo de confianza que acompaña a cada estimación indica la precisión de la medida: si el intervalo cruza el 1, la asociación no es estadísticamente significativa al nivel convencional.

Guías de reporte: cómo comunicar cada diseño

Diseñar bien un estudio no basta si su redacción final no permite a otros investigadores evaluarlo o replicarlo. Por eso, cada familia de diseños cuenta con una guía de reporte específica, reunidas bajo el paraguas de la iniciativa EQUATOR Network: STROBE para estudios observacionales (transversales, cohortes y casos y controles), CONSORT para ensayos clínicos aleatorizados, PRISMA para revisiones sistemáticas y metaanálisis, y CARE para reportes de caso clínico único. Seguir la checklist correspondiente desde la fase de redacción del TFG o la tesis no solo mejora la calidad metodológica percibida por el tribunal, sino que evita omisiones que después son difíciles de subsanar, como olvidar describir el cálculo del tamaño muestral o el tratamiento de los datos perdidos.

Para el estudiante, la recomendación práctica es identificar la guía de reporte correspondiente a su diseño desde el momento en que redacta el protocolo o proyecto de TFG, no al final, cuando ya se han recogido los datos y es tarde para corregir carencias metodológicas.

Ética de la investigación en salud

Toda investigación con seres humanos, datos clínicos o muestras biológicas en Ciencias de la Salud debe respetar los principios establecidos en la Declaración de Helsinki de la Asociación Médica Mundial: consentimiento informado, minimización de riesgos, confidencialidad de los datos y evaluación previa por un Comité de Ética de la Investigación con medicamentos (CEIm) o equivalente. En España, la Ley 14/2007 de Investigación Biomédica y el Real Decreto 1090/2015 regulan los ensayos clínicos y establecen la obligatoriedad de esta evaluación ética previa.

Para el estudiante que planifica un TFG o TFM con componente empírico, esto significa contemplar el trámite ético desde la fase de diseño, no como un paso posterior: los plazos de aprobación de un comité de ética pueden extenderse varias semanas y condicionan el cronograma completo del trabajo.

Al construir la revisión de la literatura previa, conviene seguir un método estructurado y transparente; nuestra guía sobre cómo hacer una revisión sistemática PRISMA en el TFG explica paso a paso cómo aplicar este estándar. Una vez obtenidos los resultados, la fase de interpretación es igual de exigente: revisa también cómo redactar correctamente la discusión de resultados de un TFG para conectar tus hallazgos con la literatura previa sin sobreinterpretar los datos.

Preguntas frecuentes