Estudio transversal: qué es, ejemplos, ventajas y cómo analizarlo

En breve

Un estudio transversal mide la exposición y el desenlace a la vez, en un único momento, en una muestra de una población. Es como una fotografía: sirve para estimar la prevalencia de una enfermedad o de un comportamiento y para explorar asociaciones, pero no permite saber qué ocurrió primero, así que no demuestra causalidad. Es el diseño más frecuente en tesis de ciencias de la salud porque es rápido y barato. Sus medidas son la prevalencia (con su intervalo de confianza) y la razón de prevalencias, que con un desenlace frecuente se estima mejor con regresión de Poisson robusta que con regresión logística. Se reporta con STROBE.

«Prevalencia de ansiedad en estudiantes de medicina y factores asociados», «nivel de conocimiento sobre lactancia materna en madres de un centro de salud», «síndrome de burnout en el personal de enfermería de un hospital». Si tu tesis se parece a alguno de estos títulos, es un estudio transversal. Es el diseño que más se usa en trabajos de grado, maestría y doctorado en ciencias de la salud, y también el que más críticas recibe cuando las conclusiones dicen más de lo que el diseño permite.

Esta guía explica qué es un estudio transversal, sus dos variantes, cómo se calcula el tamaño de la muestra, qué medidas y qué análisis corresponden (con un ejemplo resuelto), por qué no sirve para hablar de causas y cómo reportarlo para que el jurado o el revisor no te lo devuelva.

Qué es un estudio transversal

Es un estudio observacional en el que se selecciona una muestra de una población y, en un mismo momento, se mide a cada persona la exposición y el desenlace (Levin, 2006; Setia, 2016). No hay seguimiento: cada participante se observa una sola vez. También se le llama estudio de corte transversal, de prevalencia o encuesta transversal.

Lo que lo distingue de los otros diseños observacionales es justamente esa simultaneidad. Un estudio de cohortes parte de la exposición y sigue a las personas en el tiempo; un estudio de casos y controles parte del desenlace y mira hacia atrás. El transversal no va en ninguna dirección: lo mide todo a la vez (Wang y Cheng, 2020).

Descriptivo o analítico

  • Transversal descriptivo: estima cuántas personas tienen algo. «¿Cuál es la prevalencia de hipertensión en adultos mayores de una comunidad?». Su resultado principal es una proporción con su intervalo de confianza.
  • Transversal analítico: además, explora si el desenlace es más frecuente en un grupo que en otro. «¿Es mayor la prevalencia de ansiedad en los estudiantes que duermen menos de seis horas?». Su resultado es una medida de asociación: razón de prevalencias, odds ratio, diferencia de medias o correlación.

En la práctica, la mayoría de las tesis son las dos cosas: un objetivo descriptivo (la prevalencia) y uno o varios analíticos (los factores asociados).

Ejemplos en ciencias de la salud

  • Las encuestas nacionales de salud, que estiman cada pocos años la prevalencia de obesidad, tabaquismo o diabetes en la población.
  • Prevalencia de síndrome de burnout en enfermeras de un hospital y su relación con el turno y la carga asistencial.
  • Nivel de conocimientos sobre higiene oral en escolares y su relación con la presencia de caries.
  • Calidad del sueño en residentes de medicina y su asociación con las guardias.

Muestreo y tamaño de la muestra

Como el objetivo suele ser estimar una prevalencia en una población, el muestreo importa más que en otros diseños. Con un muestreo probabilístico (aleatorio simple, estratificado, por conglomerados) puedes generalizar a la población; con un muestreo por conveniencia, que es lo habitual en tesis, la prevalencia describe a tu muestra y no necesariamente a la población, y hay que decirlo en las limitaciones (cómo defenderlo está en muestra de conveniencia: cómo defenderla).

Para estimar una proporción, el tamaño de muestra sale de n = z² · p (1 − p) / e², donde p es la prevalencia esperada y e el margen de error que aceptas. Si no tienes ninguna referencia sobre p, se usa 0,5, que es el caso más exigente: con un margen de ±5 puntos y un 95 % de confianza salen unas 385 personas. Si la población es pequeña y conocida (por ejemplo, las 2.000 enfermeras de un hospital), la corrección para poblaciones finitas lo reduce a 323. Si además vas a comparar grupos, calcula también el tamaño necesario para esa comparación y quédate con el mayor. Tienes la calculadora de tamaño de muestra y la lógica completa en cómo calcular el tamaño de muestra de tu tesis. No olvides registrar la tasa de respuesta: una prevalencia calculada sobre el 30 % de los invitados es poco creíble.

Qué se mide: prevalencia y razón de prevalencias

La prevalencia es la proporción de personas que tienen el desenlace en el momento del estudio (prevalencia puntual) o en un periodo (prevalencia de periodo). Se reporta siempre con su intervalo de confianza. Lo que el transversal no puede medir es la incidencia (casos nuevos), porque no sigue a nadie.

Para comparar grupos, la medida natural es la razón de prevalencias (RP): la prevalencia en los expuestos dividida por la de los no expuestos. Muchos estudios reportan en su lugar la odds ratio de prevalencia, porque es lo que da la regresión logística, pero cuando el desenlace es frecuente la OR exagera la asociación (Barros y Hirakata, 2003).

Un ejemplo ficticio: 400 estudiantes de medicina responden el GAD-7 y se clasifica con ansiedad a quien puntúa 10 o más. La prevalencia global es del 30 % (120 de 400; IC 95 % [25,7 %, 34,7 %]). Por horas de sueño:

Con ansiedadSin ansiedadTotalPrevalencia
Duermen menos de 6 horas487212040,0 %
Duermen 6 horas o más7220828025,7 %

La razón de prevalencias es 0,400 / 0,257 = 1,56 (IC 95 % [1,16, 2,09]): la ansiedad es un 56 % más frecuente entre quienes duermen menos. La odds ratio de la misma tabla es 1,93: casi el doble de la asociación real, solo por usar la medida equivocada con un desenlace que afecta al 30 % de la muestra. Puedes calcular las dos medidas con sus intervalos en la calculadora de odds ratio y riesgo relativo (la razón de prevalencias se calcula igual que el riesgo relativo).

Qué análisis estadístico usar

ObjetivoAnálisis
Estimar una prevalenciaProporción con IC 95 % (método de Wilson); si el muestreo es complejo, con los pesos del diseño
Asociación entre dos variables categóricasChi-cuadrado (o prueba exacta de Fisher) y razón de prevalencias con su IC
Ajustar la RP por confusores, desenlace frecuenteRegresión de Poisson con varianza robusta o regresión log-binomial (Zou, 2004; Espelt et al., 2016)
Desenlace raro (menos del 10 %)Regresión logística: la OR se aproxima a la RP
Desenlace cuantitativo (una puntuación)t de Student, ANOVA, correlación y regresión lineal múltiple

Espelt et al. (2016) comparan con datos reales cómo cambian las estimaciones según el modelo y es una buena referencia en español para justificar la elección ante tu jurado. Si tu desenlace es una puntuación de escala, la guía de regresión múltiple paso a paso te sirve para los factores asociados.

Por qué un estudio transversal no demuestra causalidad

Porque exposición y desenlace se miden a la vez, no sabes cuál vino primero. ¿Los estudiantes duermen poco porque tienen ansiedad, o tienen ansiedad porque duermen poco? El diseño no lo puede distinguir: es el problema de la causalidad inversa. Además, la prevalencia mezcla la aparición de la enfermedad con su duración: los casos que duran mucho tienen más probabilidad de estar presentes el día de la medición, y los que se curan rápido o fallecen quedan infrarrepresentados (sesgo de prevalencia-incidencia).

Las consecuencias para tu redacción son concretas. Escribe «se asoció con», «fue más frecuente en», «se relacionó con»; evita «influye», «provoca», «es un factor de riesgo de» o «determina». Es el error que más se repite en manuscritos con este diseño y lo tienes desarrollado en causalidad con diseño transversal: el error clásico.

Otros sesgos frecuentes

  • Sesgo de selección por no respuesta: quienes aceptan participar pueden ser distintos de quienes no (más sanos, más motivados). Reporta la tasa de respuesta y, si puedes, compara a participantes y no participantes en edad y sexo.
  • Sesgo de información: los cuestionarios autoaplicados dependen de la memoria y de la deseabilidad social. Usa instrumentos validados en tu población y con buena confiabilidad.
  • Confusión: igual que en cualquier estudio observacional, mide las variables que pueden explicar la asociación y ajústalas.

Ventajas y limitaciones

VentajasLimitaciones
Rápido, barato y sin pérdidas de seguimientoNo establece la secuencia temporal: no permite inferir causalidad
Estima la prevalencia y la carga de un problema de saludNo mide incidencia
Permite estudiar varias exposiciones y desenlaces a la vezSobrerrepresenta los casos de larga duración
Genera hipótesis para estudios longitudinalesPoco útil para enfermedades raras o de corta duración

Cómo reportarlo

La guía es STROBE en su versión para estudios transversales (von Elm et al., 2007; Vandenbroucke et al., 2007). Lo que más falta: el método de muestreo y su justificación, el cálculo del tamaño de la muestra, la tasa de respuesta, los instrumentos con su confiabilidad en tu muestra, la prevalencia con su intervalo y las medidas de asociación crudas y ajustadas. Antes de enviar o de depositar la tesis, el comprobador de checklist STROBE te dice qué ítems aparecen en el texto y cuáles faltan.

Si tu tesis doctoral o tu artículo es un estudio transversal y quieres asegurarte de que el muestreo, el tamaño de la muestra y el modelo están bien elegidos, en la consultoría de bioestadística para tu estudio clínico los revisamos juntos y ejecuto el análisis (prevalencias, razones de prevalencia ajustadas, regresión), con la sintaxis y las tablas listas.

Preguntas frecuentes

¿Qué es un estudio transversal en investigación?

Es un estudio observacional que mide la exposición y el desenlace al mismo tiempo, en una sola ocasión, en una muestra de una población. Sirve para estimar prevalencias y explorar asociaciones, pero no para establecer qué ocurrió primero.

¿Un estudio transversal es descriptivo o analítico?

Puede ser cualquiera de los dos. Es descriptivo si solo estima prevalencias o distribuciones, y analítico si además compara grupos o explora la asociación entre variables. Muchas tesis combinan un objetivo descriptivo y otros analíticos.

¿Por qué un estudio transversal no demuestra causalidad?

Porque exposición y desenlace se miden a la vez, de modo que no se puede saber cuál precede al otro. Además, la prevalencia depende de la duración de la enfermedad. Por eso sus resultados se describen como asociaciones y sirven para generar hipótesis que se comprueban con diseños longitudinales.

¿Qué se calcula en un estudio transversal?

La prevalencia con su intervalo de confianza y, para comparar grupos, la razón de prevalencias o la odds ratio de prevalencia. Con un desenlace frecuente es preferible la razón de prevalencias, estimada con regresión de Poisson robusta o log-binomial.

¿Cuál es la diferencia entre un estudio transversal y uno longitudinal?

El transversal observa a cada persona una sola vez; el longitudinal (por ejemplo, una cohorte) la sigue en el tiempo con varias mediciones. El longitudinal permite medir la incidencia y la secuencia temporal; el transversal solo la prevalencia en un momento.

Referencias

  • Barros, A. J., & Hirakata, V. N. (2003). Alternatives for logistic regression in cross-sectional studies: An empirical comparison of models that directly estimate the prevalence ratio. BMC Medical Research Methodology, 3(1), 21. https://doi.org/10.1186/1471-2288-3-21
  • Espelt, A., Marí-Dell’Olmo, M., Penelo, E., & Bosque-Prous, M. (2016). Estimación de la razón de prevalencia con distintos modelos de regresión: Ejemplo de un estudio internacional en investigación de las adicciones. Adicciones, 29(2), 105–112. https://doi.org/10.20882/adicciones.823
  • Levin, K. A. (2006). Study design III: Cross-sectional studies. Evidence-Based Dentistry, 7(1), 24–25. https://doi.org/10.1038/sj.ebd.6400375
  • Setia, M. S. (2016). Methodology series module 3: Cross-sectional studies. Indian Journal of Dermatology, 61(3), 261–264. https://doi.org/10.4103/0019-5154.182410
  • Vandenbroucke, J. P., von Elm, E., Altman, D. G., Gøtzsche, P. C., Mulrow, C. D., Pocock, S. J., Poole, C., Schlesselman, J. J., & Egger, M. (2007). Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): Explanation and elaboration. PLoS Medicine, 4(10), e297. https://doi.org/10.1371/journal.pmed.0040297
  • von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. https://doi.org/10.1016/S0140-6736(07)61602-X
  • Wang, X., & Cheng, Z. (2020). Cross-sectional studies: Strengths, weaknesses, and recommendations. Chest, 158(1, Suppl.), S65–S71. https://doi.org/10.1016/j.chest.2020.03.012
  • Zou, G. (2004). A modified Poisson regression approach to prospective studies with binary data. American Journal of Epidemiology, 159(7), 702–706. https://doi.org/10.1093/aje/kwh090

¿Tu tesis es un estudio transversal?

Revisamos juntos el muestreo y el tamaño de la muestra, y ejecuto el análisis: prevalencias con su intervalo, razones de prevalencia ajustadas y regresión, con la sintaxis y las tablas para tu manuscrito o tu tesis.

Ver la consultoría de bioestadística →

Cómo citar esta guía

Ciudad-Fernández, V. (2026, 5 de noviembre). Estudio transversal: qué es, ejemplos, ventajas y cómo analizarlo. Ciudad Science. https://analisisdedatospsicologia.com/blog/estudio-transversal

Sigue leyendo

Todos los artículos del blog