En ciencias de la salud, un cuestionario rara vez es un trámite: una escala de calidad de vida, un PROM (medida de resultado reportada por el paciente) o un instrumento de adherencia se acaban usando para tomar decisiones clínicas y para medir si un tratamiento funciona. Por eso validarlos bien no es opcional, y por eso las revistas del área esperan que la validación siga un estándar reconocido. En psicología la referencia son las Standards (AERA, APA, NCME); en salud, el estándar de facto es COSMIN.
Esta guía recorre las propiedades de medida que pide COSMIN y el orden en que conviene evaluarlas, con el tamaño muestral orientativo de cada paso. Sirve para enfermería, medicina, fisioterapia, odontología o cualquier disciplina de salud que use cuestionarios. Si tu instrumento es de psicología pura, te encaja mejor la guía de validación de cuestionarios en psicología, que comparte la mayor parte del proceso.
Qué es COSMIN y qué propiedades evalúa
COSMIN (COnsensus-based Standards for the selection of health Measurement INstruments) es un conjunto de estándares construido por consenso internacional para evaluar y reportar la calidad de los instrumentos de medida en salud. Organiza las propiedades en tres dominios:
- Fiabilidad: consistencia interna, fiabilidad test-retest e inter-observador, y error de medida.
- Validez: validez de contenido, validez estructural (estructura factorial), validez de constructo (contraste de hipótesis), validez transcultural (invarianza) y validez de criterio.
- Sensibilidad al cambio (responsiveness): la capacidad del instrumento para detectar cambios reales a lo largo del tiempo.
La idea de fondo es la misma que en psicometría general: la validez no es una propiedad fija del cuestionario, sino de las interpretaciones que haces de sus puntuaciones en una población y un uso concretos. Un PROM validado para dolor crónico no está validado, por defecto, para dolor postquirúrgico.
Paso 1: validez de contenido (lo primero y lo más descuidado)
Antes de cualquier número, un panel de expertos y una muestra de pacientes deben juzgar si los ítems son relevantes, comprensibles y suficientes para el constructo. En COSMIN la validez de contenido es la propiedad considerada más importante, y la que peor se reporta. Cuantifícala con la V de Aiken o el CVR de Lawshe; el procedimiento completo está en la guía de validación de cuestionario por expertos, y puedes calcular los índices con la calculadora de V de Aiken y CVI. Si adaptas un instrumento de otro idioma, añade el proceso de adaptación transcultural de la International Test Commission (traducción, retrotraducción, comité y prueba cognitiva con pacientes).
Paso 2: validez estructural (análisis factorial)
La validez estructural comprueba que la estructura de dimensiones del cuestionario se sostiene con datos. Si el instrumento es nuevo o lo estás adaptando, lo ideal es un análisis factorial exploratorio en una muestra y un análisis factorial confirmatorio en otra independiente. Como referencia de tamaño muestral, COSMIN considera adecuado un mínimo de 7 sujetos por ítem y al menos 100 personas para este paso; por debajo de eso, la solución factorial es inestable.
Paso 3: fiabilidad (no solo el alfa)
Aquí está el error más extendido en salud: reportar solo el alfa de Cronbach y darlo por hecho. La consistencia interna (alfa, y mejor omega de McDonald) es una pieza, pero COSMIN distingue además la fiabilidad test-retest, que para puntuaciones continuas se evalúa con el coeficiente de correlación intraclase (ICC) en una muestra de pacientes estables medidos dos veces (un intervalo típico es de 1 a 2 semanas, suficiente para no recordar las respuestas pero sin que cambie el estado). Reporta también el error de medida (SEM y el cambio mínimo detectable, SDC), porque es lo que permite interpretar si un cambio individual es real o ruido.
Paso 4: validez de constructo por contraste de hipótesis
En lugar de afirmar genéricamente que el instrumento "es válido", COSMIN pide que formules hipótesis a priori sobre cómo deberían comportarse las puntuaciones y que las contrastes. Por ejemplo: esperar correlaciones altas con instrumentos del mismo constructo (validez convergente), bajas con constructos distintos (validez discriminante) y diferencias entre grupos clínicos conocidos (known-groups). Definir las hipótesis antes de mirar los datos es lo que distingue una validación seria de una pesca de correlaciones.
Paso 5: validez transcultural e invarianza
Si vas a comparar países, idiomas o grupos clínicos, necesitas evidencia de invarianza de medida (configural, métrica y escalar). Sin invarianza no puedes interpretar una diferencia de medias entre grupos como una diferencia real en el constructo: podría ser un artefacto del instrumento. Es un paso que se omite con sorprendente frecuencia en los estudios transculturales de salud.
Paso 6: sensibilidad al cambio e interpretabilidad
Un PROM que vas a usar para evaluar un tratamiento tiene que detectar cambios cuando los hay. La sensibilidad al cambio se evalúa, también, con hipótesis a priori (por ejemplo, que el grupo que mejora clínicamente muestre mayor cambio en la escala que el que no). Y para que el cambio sea interpretable necesitas la diferencia mínima importante (MIC o MID): cuántos puntos en la escala equivalen a un cambio que el paciente nota. Sin eso, un cambio "estadísticamente significativo" puede ser clínicamente irrelevante.
Tabla resumen: propiedades, qué mide y muestra orientativa
| Propiedad | Cómo se evalúa | Muestra orientativa |
|---|---|---|
| Validez de contenido | Panel de expertos + pacientes (V de Aiken, CVR) | 5 a 10 expertos |
| Validez estructural | AFE / AFC | ≥ 100 y ≥ 7 por ítem |
| Consistencia interna | Alfa, omega | ≥ 100 |
| Fiabilidad test-retest | ICC | ≥ 50, dos medidas |
| Validez de constructo | Hipótesis (convergente, known-groups) | ≥ 75 |
| Sensibilidad al cambio | Hipótesis sobre el cambio + MIC | ≥ 50 con cambio |
Errores frecuentes en validación en salud
Reportar solo el alfa y llamarlo "validación"; saltarse la validez de contenido; no medir la fiabilidad test-retest con ICC; comparar grupos sin comprobar invarianza; y, sobre todo, no calcular el error de medida ni la diferencia mínima importante, que son justo lo que un clínico necesita para interpretar las puntuaciones. Otro clásico es confundir consistencia interna con fiabilidad: un alfa alto no demuestra estabilidad temporal ni unidimensionalidad.
Cómo encaja todo
Una validación COSMIN completa es, en la práctica, un estudio publicable por sí mismo. No tienes que evaluar todas las propiedades en un solo trabajo, pero sí declarar cuáles cubres y cuáles quedan pendientes. Si el instrumento es de un constructo psicológico, el grueso del análisis (estructura, fiabilidad, invarianza) coincide con la validación en psicología; lo que cambia en salud es el énfasis en la fiabilidad test-retest, el error de medida y la sensibilidad al cambio.
¿Validas un PROM o una escala clínica para tu tesis o tu artículo?
Soy doctor en Psicología y ejecuto validaciones siguiendo COSMIN de principio a fin (validez de contenido, estructura, fiabilidad e ICC, invarianza y sensibilidad al cambio), con el código en R y el reporte listo para la revista. Trabajo con enfermería, medicina, fisioterapia y odontología.
Pídeme un diagnóstico gratis de tu validación →