Investigación observacional · Datos faltantes
Cómo informar datos faltantes: recuentos por variable, muestras y supuestos
¿Tiene un diccionario de datos y resúmenes de valores faltantes? Defina a quién corresponde cada medición, concilie la muestra de cada análisis y documente método, supuestos y análisis de sensibilidad. Incluimos una tabla sintética y una solicitud adaptable para IA, sin decidir eliminar ni imputar.
Esta guía aborda informes de estudios médicos de cohortes, casos y controles y transversales. Los ítems 12(c) y 14(b) de STROBE y su explicación piden describir el tratamiento de datos faltantes y su número para cada variable de interés. El flujo de participantes también debe explicar las exclusiones por esta causa. Un informe completo no demuestra que el método sea adecuado ni elimina el sesgo.
Todos los recuentos son material didáctico sintético, no datos de pacientes, resultados reales ni una ejecución del software. Se busca una tabla por variable, una correspondencia de denominadores y un borrador con fuentes y dudas pendientes. Las cifras formales deben proceder de salidas verificadas de un análisis controlado.
Prepare materiales que puedan conciliarse
Muestra y diccionario
Aporte fuentes autorizadas, versiones, unidad de estudio, criterios de selección y momentos de observación. Defina población aplicable, unidades, saltos y códigos especiales por campo. Separe no aplicabilidad estructural, rechazo, fallos de medición y causas desconocidas; no deduzca significados de códigos numéricos.
Resúmenes deterministas y solapamientos
Aporte recuentos aplicables, observados y faltantes y sus causas por variable, grupo o momento cuando corresponda. Obtenga recuentos conjuntos de ausencia o registros completos para las variables de cada análisis. No facilite valores individuales de pacientes a la IA ni deduzca recuentos conjuntos de los marginales.
Plan y salidas reales
Enumere desenlace, exposición, variables de ajuste, población objetivo y método previsto para cada modelo. Añada muestra real, software/versión y desviaciones del plan. Marque como pendientes los métodos no decididos o no ejecutados, no como completados.
Producto 1: tabla con denominadores explícitos por variable
Suponga 500 participantes únicos elegibles. Y, X y C corresponden a los 500. Z solo se recoge en un subgrupo predefinido de 80; los otros 420 no son aplicables y quedan fuera del denominador de ausencia de Z. Las causas no están verificadas: no se inventan.
| Variable | N aplicable | N observado | N faltante / % | Nota |
|---|---|---|---|---|
| Desenlace Y | 500 | 480 | 20 / 4% | Causa pendiente |
| Exposición X | 500 | 465 | 35 / 7% | Causa pendiente |
| Variable de ajuste C | 500 | 485 | 15 / 3% | Causa pendiente |
| Medición de subgrupo Z | 80 | 76 | 4 / 5% | 420 no aplicables; causa pendiente |
En cada fila, N aplicable = N observado + N faltante. Son recuentos y porcentajes no ponderados; las estimaciones ponderadas de encuestas complejas se identifican por separado y no se deducen de esta tabla. Añada grupos o momentos según el diseño. Pérdida de seguimiento, registros no emparejados y campos ausentes no son intercambiables.
Producto 2: conciliar muestras con recuentos conjuntos
Suponga otro recuento sintético verificado: faltan Y en 20 personas, X en 35 y ambos en 8. Entre las mismas 500, falta al menos uno en 20+35−8=47; 500−47=453 tienen Y y X observados. Este número solo corresponde al conjunto Y/X.
Si el plan justifica un análisis que exige únicamente Y y X completos, 453 es una muestra candidata de casos completos, sujeta a otros criterios y a las salidas reales. Al añadir C no reste simplemente 15: sus ausencias pueden solaparse con esas 47 personas. Obtenga el número conjunto completo Y/X/C. Z no entra automáticamente en un modelo por aparecer en la tabla.
Fragmento de borrador (solo descripción sintética): «De 500 participantes incluidos, faltaban Y en 20, X en 35 y ambos en 8; 453 tenían Y y X observados. Queda por calcular el recuento conjunto completo al añadir C. Las causas y el enfoque analítico requieren confirmación del investigador». No afirma que se haya ejecutado un análisis de casos completos.
Producto 3: separar método, supuestos y sensibilidad
Informe lo decidido y realmente ejecutado
En casos completos, indique variables requeridas, muestras reales y reglas de exclusión, y discuta cambios de población y posible sesgo. En imputación múltiple, informe variables incluidas, métodos/modelos, número de imputaciones, diagnósticos, reglas de combinación y muestras reales. Use el plan y las salidas reales; no copie parámetros de otro artículo.
El mecanismo es un supuesto, no una etiqueta porcentual
MCAR significa que la ausencia no depende de datos observados ni no observados. En MAR, condicionando en datos observados, no depende del valor faltante; en MNAR todavía puede depender de él. Porcentajes, comparaciones entre grupos o una prueba aislada no demuestran MAR frente a MNAR. Discuta plausibilidad con el proceso de recogida y conserve como desconocidas las causas no aclaradas.
Especifique qué supuesto se pone a prueba
La sensibilidad debe abordar un supuesto concreto de ausencia o una diferencia de población y comparar la misma estimación objetivo y su incertidumbre con el análisis principal, explicando diferencias. «Se realizaron análisis de sensibilidad» no basta. Lo no ejecutado se marca como propuesto/pendiente; no invente estimaciones ni tome resultados similares como prueba de ausencia de sesgo.
Utilizar IA para organizar un borrador revisable
Entrada sugerida adaptable, no registro de ejecución
Utiliza solo mi diccionario autorizado, resúmenes de ausencias, recuentos conjuntos, plan acordado y salidas reales. Prepara: (1) recuentos aplicables/observados/faltantes y denominadores por variable; (2) conjuntos de variables y muestras reales por análisis; (3) borrador de métodos y supuestos; (4) sensibilidad realizada frente a planificada; (5) correspondencia con fuentes y preguntas pendientes. Comprueba primero aritmética y solapamiento. Si faltan recuentos conjuntos, indica qué información necesitas. Distingue no aplicabilidad estructural de ausencia. No infieras MCAR/MAR/MNAR, elijas eliminación o imputación, generes resultados ni describas planes como ejecutados. Materiales: [versiones/autorización, diccionario, resúmenes, plan, salidas].
La entrega debe vincular cada afirmación con evidencia, estado y dudas pendientes, no devolver solo prosa pulida. El ejemplo de 500 personas es exclusivamente didáctico. Al cambiar materiales, revise todos los recuentos; no conserve cifras ilustrativas ni invente registros de ejecución.
Seis comprobaciones humanas antes de entregar
- ¿Los denominadores aplicables y códigos especiales tienen fuente?
- ¿Se pueden recalcular recuentos y porcentajes, con solapamientos verificados aparte?
- ¿Están definidos los denominadores de Tabla 1, diagrama y modelos, y explicadas sus diferencias?
- ¿Métodos, configuración de imputación y muestras proceden de una ejecución real?
- ¿Se conservan honestamente causas, supuestos, estado de sensibilidad y limitaciones?
- ¿Solo se aporta a IA material agregado autorizado/público, no registros de pacientes?
Preguntas frecuentes
¿Se puede omitir si falta menos del 5%?
Ningún umbral universal exime de informar. STROBE pide recuentos por variable de interés y su tratamiento. Una proporción baja no demuestra ausencia de sesgo ni autoriza eliminar automáticamente.
¿Los recuentos marginales dan la muestra final?
Normalmente no. Se necesitan variables del modelo, reglas de aplicabilidad y recuentos conjuntos faltantes/completos. Los marginales no muestran solapamiento y no se restan columna a columna.
¿La guía ejecuta imputación o estadística?
No. Proporciona un método de redacción y una entrada sugerida; no se eligió, ejecutó ni validó imputación o modelo alguno. El investigador debe decidir según el diseño y asesoramiento estadístico adecuado.
Fuentes verificadas
Las fuentes oficiales se verificaron el 2026-10-17; las condiciones y fechas se revisan antes de publicar.
- STROBE oficial: lista según diseño observacional
Requisitos de tratamiento y recuentos por variable; no es una puntuación de calidad.
- Explicación STROBE: ítems 12(c), 14(b) y recuadro 6
Causas, muestras, supuestos y límites de demostrar MAR frente a MNAR mediante datos observados.
De materiales a productos revisables
Organice un borrador en RigorMed con sus resúmenes
Describa esta tarea de redacción científica en el espacio de trabajo del navegador y facilite diccionario, agregados y plan autorizados. Solicite tabla de ausencias, correspondencia de denominadores y preguntas pendientes. Antes de empezar, compruebe materiales, tareas admitidas y avisos de créditos; no se promete imputación automática, ejecución estadística ni aprobación profesional.