Cargar la base de datos
Qué se haceSe lee su archivo Excel o CSV: una fila por paciente y una columna por variable (con su encabezado en la primera fila).
Para quéTodo se calcula en su navegador: los datos no se envían a ningún servidor.
Cómo interpretarRevise que el número de pacientes y de variables sea el esperado y que la vista previa se vea bien antes de seguir.
Un archivo con las columnas «Variable» y «Códigos» (p. ej. 1 = Masculino; 2 = Femenino). Si su Excel ya tiene una hoja «Leyenda», se usa sola.
El plan guarda sus correcciones de atípicos, criterios de inclusión y variables creadas para repetir el análisis con la misma base.
¿Tiene una versión nueva de la base (más pacientes o más centros)?
O pruebe con una base de ejemplo (datos simulados)
¿Sus datos están en varias hojas o libros? Fusiónelos por identificador
Qué se haceSe unen tablas (hojas de un Excel, varios libros, CSV o SPSS) con un identificador común: una tabla de pacientes y otras de episodios (infecciones, biopsias, discontinuaciones…).
Para quéPara analizar todo junto sin copiar y pegar. Las tablas de episodios se resumen por paciente (número, primera y última fecha, ¿alguna vez?) o se repiten filas, según elija.
Cómo interpretarRevise cuántos identificadores coinciden y cuáles no: un identificador distinto (espacios, ceros, prefijo de centro) deja pacientes sin unir.
Resumen de su base
Primero cargue una base de datos en el paso 1.
Variables: tipo, códigos y uso
Qué se haceCada variable debe ser Número (creatinina, edad) o Categoría (sexo, rechazo). Si viene codificada (1, 2…), pulse «Etiquetar» y escriba qué significa cada código. Desmarque «Usar» en las que no quiera analizar.
Para quéCon el tipo correcto la herramienta elige sola la prueba estadística adecuada. La referencia es el grupo contra el que se compara.
Cómo interpretarUna variable de códigos tratada como número daría resultados sin sentido (p. ej. «sexo 1/2» como cantidad). Vigile el porcentaje de datos perdidos.
Primero cargue una base de datos en el paso 1.
Limpieza automática de toda la base
Qué se haceSe buscan los problemas típicos de una base escrita a mano: textos que significan «no hay dato» («??», «Desconocido»), números con texto («5mg»), la misma categoría escrita distinto («neg», «Neg»), valores que empiezan por un código («1 (ABOincompatible)») y códigos que no están en la lista del nombre.
Para quéAhorrar la parte más larga del trabajo: con un clic se corrigen los casos seguros y se ven juntos los que hay que decidir.
Cómo interpretarNada se cambia sin su permiso. Las propuestas marcadas son seguras; las demás traen el motivo para mirarlas. Todo se puede deshacer por variable.
Revisar variable por variable
Qué se hacePara cada variable: nombre, tipo y si se usa; en las categóricas, sus categorías para corregir, unir o dejar como perdidas; en las numéricas, los valores escritos con texto y los extremos.
Para quéDejar cada variable lista para analizar sin salir de la herramienta.
Cómo interpretarUse ◀ ▶ para recorrerlas. «Cambiar a» vacío = dato perdido. Para crear grupos nuevos sin tocar la variable original, use «Crear variables».
Ver y corregir la base
Primero cargue una base de datos en el paso 1.
Limpieza: valores atípicos y fechas
Qué se haceLa herramienta señala valores imposibles o muy extremos (edad 164, hemoglobina 112) y fechas en orden ilógico. Usted decide: mantener, dejar como dato perdido o corregir.
Para quéUn solo error de digitación puede cambiar una media, un valor p o un modelo completo, sobre todo con 100–200 pacientes.
Cómo interpretarUn valor extremo no es necesariamente un error. Corrija solo lo que sea imposible o lo que pueda verificar en la historia clínica. Todo cambio queda registrado y es reversible.
Primero cargue una base de datos en el paso 1.
¿Cuántos datos faltan y dónde?
Qué se haceSe cuenta el porcentaje de datos perdidos de cada variable y las combinaciones (patrones) en que faltan. No cambia su base.
Para quéDecidir qué variables usar y cuántos pacientes quedarán en cada análisis. Analizar solo los casos completos pierde información y, si la pérdida no es al azar, puede sesgar los resultados.
Cómo interpretarMás de 20 % de perdidos en una variable es un aviso; más de 50 %, casi no sirve para modelar. Los patrones muestran si los datos faltan juntos (por ejemplo, todo un control de seguimiento).
¿Faltan más datos en algún grupo?
Qué se hacePara el grupo que elija (centro, sexo, tratamiento, desenlace…), se compara el porcentaje de perdidos de cada variable.
Para quéSi falta más información en un grupo, la pérdida depende de los datos y comparar grupos con casos completos puede engañar.
Cómo interpretarLa p es de una prueba χ² por variable; con muchas variables alguna saldrá significativa por azar.
¿La pérdida es al azar? (MCAR y MAR)
MCARCompletamente al azar: no depende de nada (un tubo que se rompió).
MARDepende de variables que sí tiene (falta más la albúmina en mayores). Se puede corregir ajustando o imputando.
MNARDepende del propio valor que falta (no se mide cuando está muy alto). No se puede comprobar con los datos; requiere criterio clínico.
1. Prueba MCAR de Little
H₀: los datos son MCAR. Marque las variables (numéricas o binarias) a incluir; con muchas variables o muchos perdidos puede tardar o no converger.
2. ¿De qué depende la pérdida? (exploración MAR)
Compara a quienes tienen y no tienen el dato y modela la probabilidad de que falte.
Primero cargue una base de datos en el paso 1.
Crear o transformar variables
Qué se haceElija qué quiere crear (TFGe, IMC, grupos de edad, logaritmo, tiempo hasta el evento, cambio entre dos controles…) y complete el formulario.
Para quéDejar las variables listas para el análisis sin pasar por Excel. La variable nueva aparece en todas las listas.
Cómo interpretarRevise siempre la variable creada en la vista previa del paso 1 o en la Tabla 1: una unidad equivocada (µmol/L en vez de mg/dL) cambia el resultado.
Variables creadas
Primero cargue una base de datos en el paso 1.
Variables medidas en varios momentos
Qué se haceLa herramienta reconoce columnas que son la misma medida en distintos controles (creatinina basal, 6 m, 12 m…) y las agrupa. Puede crear grupos a mano si no las reconoce.
Para quéAnalizar el seguimiento: comparar momentos del mismo paciente, ver la evolución, calcular el cambio y armar una base para modelos de medidas repetidas.
Cómo interpretarLos momentos se comparan en los mismos pacientes (pruebas pareadas). Quienes no tienen todos los controles quedan fuera: vea cuántos son.
¿No reconoció alguna? Crear un grupo a mano
Marque las columnas en el orden del tiempo:
Comparar momentos (mismos pacientes)
Qué se haceElija la variable y los momentos a comparar. Se aplica la prueba pareada adecuada (t pareada, Wilcoxon, McNemar o Friedman).
Para quéSaber si la variable cambió de un control a otro.
Cómo interpretarp < 0,05 sugiere cambio sistemático. Mire también la magnitud del cambio, no solo el valor p.
Momentos a comparar:
Evolución en el tiempo
Qué se veLa media de la variable en cada momento con su intervalo de confianza, opcionalmente por grupos.
Para quéVer la trayectoria de grupos (por ejemplo, dos esquemas de inmunosupresión).
Cómo interpretarLíneas que se separan indican evolución distinta; intervalos que se solapan, poca evidencia de diferencia.
Preparar el análisis de seguimiento
Base de seguimiento (una fila por paciente y momento)
Necesaria para modelos de medidas repetidas (mixto o GEE) en Análisis de regresión. Marque las variables que quiere incluir:
Primero cargue una base de datos en el paso 1.
Tabla 1: descripción y comparación entre grupos
Qué se veTodas las variables resumidas (media ± DE o mediana [RIC]; n y %), total y por grupo, con el valor p de la prueba elegida automáticamente.
Para quéDescribir su cohorte y ver qué cambia entre grupos (p. ej. con y sin rechazo). Haga clic en cualquier valor p para ver la prueba aplicada, por qué se eligió y los supuestos revisados.
Cómo interpretarUn p < 0,05 indica diferencia poco probable por azar, no necesariamente importante ni causal. Con muchas variables algunas saldrán «significativas» por azar: use el p ajustado (Holm).
Variables a incluir
Resultado
Pulse «Generar tabla».
Primero cargue una base de datos en el paso 1.
Galería de figuras del manuscrito (borrador)
Qué se veUn juego de figuras listas para un artículo con sus variables: diagrama de flujo, distribución por grupos, barras con IC 95 %, supervivencia, dispersión, forest crudo vs ajustado y barras apiladas. Usted indica el papel de cada variable (grupo, desenlace, tiempo…) y se dibujan las que se puedan.
Para quéTener un primer borrador listo para publicar: tamaño en milímetros, letra en puntos, paleta apta para daltonismo y textos en inglés. Cada figura se descarga en SVG, PNG o TIFF.
Cómo interpretarSon figuras tentativas: revise que respondan a su pregunta, ajuste variables y modelos en los pasos anteriores y vuelva a dibujar. Los modelos de los forest usan solo las variables indicadas en el pie de cada figura.
Gráficos simples
Qué se veGráficos pensados para leerse de un vistazo: cajas con los puntos de cada paciente, barras al 100 %, dispersión y curvas de supervivencia.
Para quéMostrar un resultado en una reunión clínica o en un manuscrito. Cada gráfico se descarga en SVG, PNG o TIFF.
Cómo interpretarMire la dispersión de los puntos, no solo la caja. En supervivencia, los números debajo indican cuántos pacientes siguen en observación.
Figuras para publicación
Qué se haceFiguras con el estilo de las revistas médicas (las mismas de EPI-GRAPHICS): nube de lluvia, dispersión con banda de IC, Kaplan-Meier con pacientes en riesgo y barras al 100 %.
Para quéDejar la figura lista para el manuscrito: tamaño en milímetros, letra en puntos, paleta apta para daltonismo y valor P ya calculado.
Cómo interpretarRevise que el título y los ejes digan lo que quiere mostrar. El valor P es el de la prueba elegida sola en la Tabla 1; si cambia de prueba, edítelo en la figura.
Formato de figuras
Se aplica a las descargas SVG/PNG/TIFF de todas las figuras.
Primero cargue una base de datos en el paso 1.
Análisis de regresión: bivariado o multivariable
Qué se haceElija qué quiere explicar (un valor, un evento Sí/No, un tiempo hasta evento…), la exposición principal y las variables de ajuste. La herramienta elige el modelo.
Para quéVer cuánto cambia la asociación cuando se tienen en cuenta otras variables (edad, diabetes, donante…). El forest plot muestra ambos resultados lado a lado.
Cómo interpretarSi el efecto ajustado se mantiene parecido al crudo, el resultado es robusto a esas variables; si cambia mucho, hay confusión. Mire el indicador de eventos por parámetro.
Primero cargue una base de datos en el paso 1.
Auditoría de la base y del análisis
Qué se haceLa herramienta revisa su base (códigos sin etiquetar, valores imposibles, datos perdidos, categorías mal escritas) y su análisis (eventos por variable, colinealidad, muchas comparaciones).
Para quéDetectar errores y sesgos antes de interpretar o publicar, y saber exactamente qué corregir.
Cómo interpretarAtienda primero lo marcado «Corregir antes de analizar». Cada aviso trae un botón que lo lleva al paso donde se arregla.
Informe de cambios en la base
Todo lo que se cambió desde el archivo original (fusión, etiquetas, valores corregidos, celdas editadas, tipos, fechas, criterios y variables nuevas) y la lista de lo que conviene verificar antes de la Tabla 1. Marque cada punto al revisarlo.
Problemas encontrados
Primero cargue una base de datos en el paso 1.
Texto de métodos
Qué se veUn párrafo de métodos estadísticos redactado según lo que usted hizo en esta sesión.
Para quéPegarlo en el manuscrito o informe, ajustándolo a su caso.
Cómo interpretarEs un borrador: revise que describa su análisis real y agregue la justificación clínica de las covariables.