En fisioterapia, medir los resultados de una intervención de forma objetiva y estandarizada es tan importante como la intervención misma. Sin mediciones fiables, no podemos saber si un paciente está mejorando realmente o si la percepción de mejoría es un efecto placebo, una fluctuación natural de la condición o un sesgo del propio terapeuta. Las escalas de valoración funcional, los cuestionarios de resultados percibidos por el paciente (Patient-Reported Outcome Measures o PROMs) y las pruebas funcionales estandarizadas constituyen el arsenal de medición del fisioterapeuta investigador. Sin embargo, utilizar correctamente estos instrumentos requiere comprender conceptos psicométricos que no siempre se abordan con suficiente profundidad en la formación clínica.
La elección de un instrumento de medida inadecuado puede comprometer completamente un estudio de investigación, por riguroso que sea su diseño en otros aspectos. Un cuestionario que no mide realmente lo que pretende medir (falta de validez), que produce resultados inconsistentes entre mediciones (falta de fiabilidad), o que no es capaz de detectar cambios clínicamente relevantes (falta de sensibilidad al cambio) genera datos que, en el mejor de los casos, aportan ruido y, en el peor, conducen a conclusiones erróneas sobre la eficacia de un tratamiento.
Propiedades psicométricas fundamentales
La fiabilidad de un instrumento se refiere a la consistencia de sus mediciones. En fisioterapia, las formas de fiabilidad más relevantes son la fiabilidad test-retest (estabilidad de las puntuaciones cuando se administra el instrumento en dos momentos cercanos a pacientes estables), la fiabilidad inter-evaluador (concordancia entre diferentes fisioterapeutas que evalúan al mismo paciente) y la consistencia interna (grado en que los ítems de un cuestionario miden el mismo constructo). La fiabilidad test-retest y la inter-evaluador se evalúan mediante el coeficiente de correlación intraclase (CCI), que tiene en cuenta tanto la correlación como la concordancia absoluta entre mediciones. Valores de CCI por encima de 0.75 se consideran buenos, y por encima de 0.90 excelentes.
Eso vale cuando comparas evaluadores. Cuando lo que comparas son dos instrumentos distintos (un dinamómetro nuevo frente al de referencia, por ejemplo), conviene complementar el CCI con un análisis de Bland-Altman, que además de la concordancia global detecta si el sesgo entre ambos métodos crece con la magnitud de la medición; la calculadora de Bland-Altman lo calcula con sus límites de acuerdo.
La validez responde a la pregunta de si el instrumento mide realmente lo que pretende medir. La validez de contenido evalúa si los ítems del instrumento cubren adecuadamente todas las facetas relevantes del constructo. La validez de constructo examina si las puntuaciones se relacionan con otras variables de la forma esperada teóricamente (por ejemplo, un cuestionario de discapacidad lumbar debería correlacionar moderadamente con una escala de dolor y con medidas objetivas de movilidad). La validez de criterio compara las puntuaciones con un estándar de referencia (gold standard), aunque en muchos ámbitos de la fisioterapia no existe un gold standard claro, lo que complica esta evaluación.
La sensibilidad al cambio (responsiveness) es una propiedad especialmente crítica en fisioterapia, donde el objetivo principal de la medición suele ser evaluar si un paciente mejora con el tratamiento. Un instrumento puede ser fiable y válido pero incapaz de detectar cambios clínicamente importantes porque sus ítems son demasiado generales o porque el rango de puntuación no tiene suficiente granularidad. Las medidas de sensibilidad al cambio más utilizadas son el tamaño del efecto estandarizado (SES), la media de respuesta estandarizada (SRM) y el índice de sensibilidad al cambio de Guyatt. Valores superiores a 0.80 en cualquiera de estos índices indican una buena capacidad del instrumento para detectar cambios.
Cambio mínimo detectable y diferencia clínicamente importante
Dos conceptos fundamentales para interpretar los resultados en fisioterapia son el cambio mínimo detectable (CMD o MDC, Minimal Detectable Change) y la diferencia mínima clínicamente importante (DMCI o MCID, Minimal Clinically Important Difference). Aunque suenan similares, responden a preguntas diferentes y su confusión es una fuente frecuente de errores interpretativos.
El cambio mínimo detectable es la cantidad mínima de cambio en la puntuación que supera el error de medición del instrumento. Se calcula a partir del error estándar de medida (SEM), que a su vez depende de la desviación típica de las puntuaciones y de la fiabilidad test-retest: SEM = DT × √(1 - CCI). El CMD se obtiene como 1.96 × √2 × SEM, lo que corresponde al intervalo de confianza del 95% para la diferencia entre dos mediciones. Si un paciente obtiene un cambio en su puntuación que supera el CMD, podemos estar razonablemente seguros de que ese cambio es real y no un artefacto del error de medición. Por ejemplo, si una escala de funcionalidad del hombro tiene un CMD de 8 puntos, un paciente que mejora 5 puntos podría estar simplemente dentro del margen de error del instrumento, mientras que uno que mejora 12 puntos ha experimentado un cambio genuino.
La diferencia mínima clínicamente importante va un paso más allá: es la cantidad mínima de cambio que el paciente percibe como relevante o que tiene significado clínico. Se determina mediante métodos basados en el ancla (anchor-based), que comparan los cambios en las puntuaciones con un criterio externo como la valoración global de cambio del paciente, o métodos basados en la distribución (distribution-based), que utilizan criterios estadísticos como la mitad de la desviación típica basal. Los métodos basados en el ancla son generalmente preferidos porque incorporan la perspectiva del paciente, que es en última instancia la que determina si un cambio tiene relevancia clínica.
Selección de instrumentos para investigación
Elegir el instrumento de medida adecuado para un estudio de investigación en fisioterapia requiere considerar varios factores simultáneamente. El primero es la adecuación al constructo de interés: un estudio sobre el efecto de un programa de ejercicios en pacientes con lumbalgia crónica podría utilizar la Escala de Discapacidad de Oswestry (ODI) o el Cuestionario de Roland-Morris (RMDQ) para medir discapacidad, la Escala Visual Analógica (EVA) para dolor, y el EQ-5D o SF-36 para calidad de vida relacionada con la salud. Cada instrumento mide un aspecto diferente del resultado, y la elección debe estar guiada por la pregunta de investigación.
El segundo factor es la disponibilidad de versiones validadas en el idioma de la población de estudio. Utilizar una traducción no validada de un cuestionario es un error metodológico grave que puede invalidar los resultados. El proceso de adaptación transcultural de un instrumento (similar al de validación de cuestionarios en psicología) requiere traducción directa, retrotraducción, revisión por un comité de expertos, prueba piloto y evaluación de las propiedades psicométricas en la nueva población. Recursos como la base de datos COSMIN (COnsensus-based Standards for the selection of health Measurement INstruments) ofrecen revisiones sistemáticas de las propiedades psicométricas de instrumentos de medida en salud que facilitan enormemente la selección.
El tercer factor, a menudo descuidado, es la viabilidad clínica: el tiempo de administración, la carga para el paciente, la necesidad de equipamiento especial y la facilidad de puntuación. Un instrumento con excelentes propiedades psicométricas pero que requiere 45 minutos de administración puede ser inviable en un contexto clínico donde los pacientes están fatigados o el tiempo disponible es limitado. En estos casos, las versiones abreviadas (short forms) o las medidas adaptativas computarizadas (CAT, Computer Adaptive Testing) ofrecen alternativas que mantienen la calidad de medición reduciendo significativamente la carga de respuesta.
Reportar e interpretar los resultados
Al publicar resultados de estudios de fisioterapia, es imprescindible contextualizar los cambios estadísticos con los valores de CMD y DMCI del instrumento utilizado. Reportar que un grupo mejoró significativamente (p < .05) en la puntuación de un cuestionario de discapacidad sin indicar si esa mejoría supera el umbral de cambio clínicamente importante es proporcionar información incompleta que dificulta la toma de decisiones clínicas. La estadística inferencial nos dice si el cambio observado es probablemente real, pero solo la comparación con el DMCI nos dice si ese cambio importa al paciente.
Una práctica cada vez más recomendada es complementar los análisis grupales (diferencias de medias, tamaños del efecto) con análisis de respondedores, es decir, calcular qué proporción de pacientes en cada grupo alcanzó un cambio igual o superior al DMCI. Esta información es directamente relevante para la práctica clínica porque permite estimar la probabilidad individual de beneficio, algo que las medias grupales no pueden ofrecer. Si un tratamiento produce una mejora media modesta pero un 60% de los pacientes supera el umbral de cambio clínicamente importante, esa información es mucho más útil para el fisioterapeuta que toma decisiones diarias que un simple valor p acompañado de una diferencia de medias.