Un intervalo de confianza no es un adorno del paréntesis: está construido a partir de la estimación y su error estándar. Tiene que contenerla, y salvo que sea una razón, tiene que estar centrado en ella.
Un intervalo de Wald —el que devuelven por defecto casi todos los programas— se construye como estimación ± z · EE. La estimación está en el centro por construcción, no por casualidad.
Así que si el punto medio de los dos límites no es la estimación, una de dos: el intervalo no es de Wald (puede ser bootstrap percentil o de verosimilitud perfilada, y entonces la asimetría es legítima y hay que declararla), o los números vienen de modelos distintos.
Lo segundo pasa más de lo que parece en artículos con varias tablas: la estimación de la tabla 3 con el intervalo de la tabla 2, después de añadir una covariable.
Un odds ratio de 2.5 con intervalo [1.2, 5.2] parece asimétrico, y lo es en la escala original: 1.3 por abajo y 2.7 por arriba. Pero en escala logarítmica está perfectamente centrado, que es donde se construyó.
La comprobación correcta es la media geométrica: √(1.2 × 5.2) = 2.50. Cuadra. Aplicar aquí la media aritmética —3.2— y declarar un error es el fallo más común de quien audita este tipo de tablas.
Vale igual para riesgos relativos, hazard ratios y cualquier cosa cuyo valor nulo sea 1 en vez de 0.
De la anchura sale el error estándar: EE = (superior − inferior) / (2 · z), con z = 1.96 para el 95 %. Es la cifra que casi ningún artículo publica y la que hace falta para meterlo en un metaanálisis.
También sirve como comprobación cruzada: si el artículo da la t y la estimación, el error estándar tiene que ser estimación/t, y ése tiene que coincidir con el que sale del intervalo. Dos vías al mismo número.
Y hay una tercera lectura, la que de verdad importa: un intervalo muy ancho dice que el estudio no tiene potencia para distinguir un efecto pequeño de uno grande, aunque el valor p haya salido por debajo de .05. Sobre eso está cómo reportar los intervalos de confianza.
Entonces la asimetría es esperable y correcta, porque los percentiles no tienen por qué caer simétricos. Lo que hay que hacer es decir en el texto que es un intervalo bootstrap, con cuántas réplicas y de qué tipo (percentil, BCa). Sin esa frase, un revisor lo lee como un error.
No, en ningún método estándar. Si pasa, hay una errata o dos análisis mezclados. Es de las poquísimas comprobaciones de este eje que no admite ninguna explicación legítima.
Para la d de Cohen, sí en la práctica, aunque sus intervalos exactos se construyen con la t no central y son ligeramente asimétricos. La comprobación de que contiene la estimación vale siempre; la de centrado, con margen.
Ahí hay una contradicción de verdad: para una diferencia, el intervalo del 95 % excluye el cero exactamente cuando p < .05. Si no coinciden, están calculados sobre modelos o errores estándar distintos.