Reclutaste a 214 estudiantes de segundo de Psicología porque eran los que tenías, pasaste el cuestionario en clase y ahora un revisor te escribe que «the convenience sample severely limits the generalizability of the findings». Es la objeción número uno en psicología y ciencias de la salud, y casi siempre se responde mal: el autor escribe una frase de disculpa en las limitaciones y se queda tan tranquilo.
El problema no es haber usado una muestra de conveniencia. La inmensa mayoría de la investigación psicológica publicada, incluida la que se publica en Q1, usa muestras no probabilísticas. El problema es la desconexión entre lo que la muestra permite decir y lo que el manuscrito acaba diciendo: cuando reclutas en un aula y concluyes sobre «la población adulta», el revisor no está objetando tu reclutamiento, está objetando tu conclusión.
Esta guía explica qué cuenta exactamente como muestra de conveniencia, qué señales del manuscrito la delatan antes de llegar a la sección de participantes, qué dice la literatura metodológica sobre generalización, cómo se reescribe un estudio para que la muestra deje de ser un agujero, y qué contestarle a un revisor que ya te la ha sacado.
Una muestra es de conveniencia cuando la probabilidad de que cada individuo de la población acabe en tu estudio es desconocida y depende de lo accesible que fuera para ti. La definición no habla de calidad ni de tamaño: habla de mecanismo de selección. Una muestra de 3.000 personas reclutadas por Instagram es de conveniencia; una muestra aleatoria estratificada de 180 sigue siendo probabilística.
En la práctica de nuestro campo, la etiqueta cubre casi todo lo que se hace: alumnado de la propia facultad con créditos por participar, pacientes consecutivos de una sola unidad clínica, panelistas de Prolific o MTurk, difusión por redes sociales y listas de correo, bola de nieve a partir de contactos, y el clásico «se invitó a participar a la comunidad universitaria». Todas comparten el mismo problema técnico: no existe un marco muestral, así que no se puede calcular el error de muestreo ni asumir que la muestra representa a nadie más allá de sí misma.
Conviene distinguir dos cosas que se confunden todo el rato. Una es la representatividad, que se refiere a si la composición de tu muestra se parece a la de la población diana. La otra es el sesgo de autoselección, que se refiere a si quien decidió participar difiere sistemáticamente de quien no lo hizo, y que puede afectarte incluso con un marco muestral perfecto. Un revisor exigente te va a preguntar por las dos, y son preguntas distintas con respuestas distintas.
La primera pista casi nunca está en el método: está en el abstract. Cuando el abstract afirma algo sobre «los adolescentes», «la población general» o «los profesionales sanitarios» sin acotar, el revisor ya sabe que va a bajar al método a comprobar de dónde salió esa gente, y va con la sospecha activada. La objeción se forma antes de leer el número de participantes.
La segunda pista es la ausencia de tres datos que en un muestreo cuidado siempre están y en uno improvisado nunca aparecen: la tasa de respuesta o de participación, el periodo exacto de reclutamiento y el número de personas que fueron invitadas frente a las que completaron. Si tu apartado de participantes empieza directamente con «la muestra estuvo compuesta por 214 estudiantes», el revisor entiende que no hubo control del proceso, porque quien lo controla lo cuenta.
La tercera es la incoherencia entre muestra y constructo. Un estudio sobre burnout con estudiantes de grado que todavía no han trabajado, un estudio sobre conducta de compra con una muestra de 19 a 23 años, un estudio sobre eficacia de una intervención en depresión mayor con participantes reclutados por su puntuación en una escala de cribado y sin diagnóstico clínico. Ahí la muestra no es solo poco generalizable: es que no contiene el fenómeno del que hablas, y eso ya no es una limitación, es un problema de validez de constructo.
La cuarta, y la que más rechazos provoca, es la deriva del lenguaje entre secciones. En el método pone «estudiantes universitarios de una universidad pública española». En la discusión pone «estos hallazgos sugieren que las intervenciones dirigidas a jóvenes deberían...». Entre una frase y otra la muestra se ha expandido sola, y el revisor solo tiene que poner las dos citas juntas en su informe para dejarte sin respuesta.
El texto de referencia obligado es Henrich, Heine y Norenzayan (2010), que documentaron que una fracción abrumadora de la evidencia conductual publicada procedía de sociedades WEIRD (occidentales, educadas, industrializadas, ricas y democráticas) y, dentro de ellas, sobre todo de estudiantes universitarios. Su punto no era que esos datos no valgan, sino que se estaban usando como si fueran datos sobre la especie humana. Si tu revisor cita este trabajo, no te está pidiendo otra muestra: te está pidiendo que dejes de escribir como si tu muestra fuera universal.
La propuesta más útil y más práctica de la última década es la de Simons, Shoda y Lindsay (2017): incluir en cada artículo una declaración de restricciones de generalidad (Constraints on Generality, COG), un párrafo explícito al final de la discusión donde el autor especifica a qué poblaciones, contextos y momentos espera que el efecto se extienda y a cuáles no, y por qué. No cuesta nada, cambia la lectura del revisor por completo y convierte una debilidad en una decisión declarada.
La discusión más reciente, en la línea de la crítica de Yarkoni sobre la crisis de generalización, va un paso más allá: cuando un estudio trata la muestra, el estímulo concreto, la tarea y el momento como si fueran intercambiables con todo el universo posible de muestras, estímulos y tareas, la inferencia es mucho más frágil de lo que sugiere el intervalo de confianza. Es un argumento incómodo, pero explica por qué los revisores de las buenas revistas se han vuelto más duros con el «participantes» y menos tolerantes con el «our findings suggest that people...».
Y hay un matiz que juega a tu favor y que casi nadie usa en las respuestas a revisores: la distinción entre estimar un parámetro poblacional y poner a prueba una relación teórica. Si quieres saber qué prevalencia de ansiedad hay en enfermería hospitalaria en España, una muestra de conveniencia es un problema serio y no hay retórica que lo arregle. Si quieres saber si la regulación emocional modera la relación entre estrés percibido y sintomatología, una muestra de conveniencia con suficiente variabilidad en las variables clave es un vehículo razonable, siempre que no traduzcas el coeficiente en una cifra poblacional.
Estas son formulaciones que aparecen literalmente en manuscritos y que un revisor marca sin pensárselo, con la versión que sí sobrevive al lado.
Delata: «Participaron 214 estudiantes universitarios (M = 20,3 años; 78% mujeres) que completaron voluntariamente el cuestionario».
Aguanta: «Se invitó a participar a 480 estudiantes matriculados en tres titulaciones de Ciencias de la Salud de una universidad pública española entre octubre y diciembre de 2025; completaron el protocolo 214 (tasa de participación del 44,6%). El muestreo fue no probabilístico por conveniencia, condicionado por el acceso a las aulas durante el periodo lectivo».
La segunda versión no tiene mejor muestreo que la primera: tiene mejor rendición de cuentas. Y esa diferencia es la que decide si el revisor escribe «convenience sample, poorly described» o «convenience sample, transparently reported».
Delata: «Los resultados indican que el apoyo social protege frente a la sintomatología depresiva en la población joven».
Aguanta: «En esta muestra de estudiantes universitarios, el apoyo social percibido se asoció de forma inversa con la sintomatología depresiva. Que esta asociación se mantenga en jóvenes fuera del contexto universitario es una pregunta empírica abierta: la escolarización superior está ligada tanto al tamaño de la red de apoyo como al acceso a servicios de salud mental, así que el patrón podría diferir en jóvenes trabajadores o en situación de desempleo».
Fíjate en lo que hace la segunda: no solo acota, sino que explica el mecanismo por el que la muestra podría estar sesgando el resultado. Un revisor lee ahí a alguien que ha pensado en su propio diseño, no a alguien que ha copiado una fórmula de cautela.
Delata: «Entre las limitaciones del estudio cabe destacar el uso de una muestra de conveniencia, lo que limita la generalización de los resultados. Futuros estudios deberían emplear muestras más representativas».
Ese párrafo aparece, casi palabra por palabra, en miles de manuscritos, y los revisores lo reconocen como lo que es: una casilla marcada. No dice a qué población no se generaliza, ni en qué dirección esperarías que cambiara el resultado, ni qué haría diferente el estudio siguiente. Una limitación que no cambia ninguna conclusión del artículo no es una limitación, es una fórmula de cortesía.
Aguanta: «La muestra se reclutó en un único campus, con una proporción de mujeres del 78% frente al 61% del conjunto de estudiantes de grado en España. Dado que las puntuaciones en rumiación son sistemáticamente más altas en mujeres, es plausible que la media de nuestra variable dependiente esté sobreestimada respecto a la población estudiantil general; el patrón de asociación entre variables, en cambio, no depende de la media y no esperamos que se vea alterado. Comprobamos esta expectativa repitiendo el modelo por sexo (ver material suplementario), sin diferencias sustantivas en los coeficientes».
Salvo que puedas volver al campo, no vas a cambiar la muestra. Lo que sí puedes cambiar, en una tarde de trabajo, es todo lo que la rodea. Estas seis acciones son las que más veces convierten una objeción de muestreo en un comentario menor.
La respuesta que nunca funciona es la que discute la premisa: «muchos estudios publicados en esta misma revista utilizan muestras de conveniencia». Es verdad y es irrelevante, y además pone al revisor a la defensiva. Tampoco funciona la rendición pura: «agradecemos el comentario, hemos añadido esta limitación», sin tocar nada más. Si la limitación es real, algo del artículo tiene que moverse.
La estructura que sí funciona tiene cuatro movimientos, en este orden. Primero, concedes el hecho sin adjetivos. Segundo, delimitas el alcance exacto del problema: qué inferencias del artículo se ven afectadas y cuáles no. Tercero, aportas algo nuevo, aunque sea pequeño: la comparación con datos poblacionales, el análisis de sensibilidad, el desglose del reclutamiento. Cuarto, señalas los cambios concretos en el texto con número de página y línea.
Un ejemplo de respuesta que ha funcionado, adaptado a tu caso: «Coincidimos con el revisor en que el muestreo no probabilístico impide estimar parámetros poblacionales, y hemos eliminado toda formulación que lo sugería (abstract, p. 2, líneas 18-21; discusión, p. 17). Queremos matizar, no obstante, el alcance del problema: nuestro objetivo no era estimar prevalencia, sino contrastar una relación de moderación previamente teorizada, para lo cual la variabilidad observada en ambas variables (rangos completos de las dos escalas, sin efectos techo ni suelo) es suficiente. Para acotar el riesgo hemos añadido (a) el detalle completo del proceso de reclutamiento y la tasa de participación (p. 8), (b) una comparación de nuestra muestra con la distribución por sexo y edad del alumnado de grado en España (Tabla 1), y (c) un análisis de sensibilidad ponderado por esas dos variables, cuyos coeficientes no difieren sustantivamente de los del modelo principal (Tabla S3). Finalmente, hemos incorporado una declaración explícita de restricciones de generalidad al cierre de la discusión (p. 18)».
Ese párrafo hace tres cosas a la vez: reconoce, acota y demuestra trabajo. Y sobre todo, le da al revisor algo concreto que comprobar, que es lo que necesita para poder cerrar el comentario y pasar al siguiente.
Hay tipos de pregunta donde el muestreo no probabilístico no compromete la inferencia principal, y merece la pena que lo sepas para no disculparte de más. En estudios experimentales con asignación aleatoria a condiciones, la validez interna de la comparación no depende del muestreo: la aleatorización ocurre dentro de la muestra, y lo que está en juego es a quién se extiende el efecto, no si el efecto existe en quien participó.
Lo mismo pasa en estudios psicométricos de estructura interna. Un análisis factorial confirmatorio de una escala en una muestra de conveniencia amplia y heterogénea es una contribución legítima, siempre que no vendas los baremos como normas poblacionales. Ahí el revisor te preguntará por invarianza de medida entre subgrupos, que es otra objeción distinta, y por el tamaño muestral en relación con el número de parámetros.
Donde no hay salida es en cualquier estudio cuya conclusión sea una cifra sobre una población: prevalencia, incidencia, porcentaje de personas que superan un punto de corte, comparaciones entre grupos poblacionales. Si tu abstract contiene un porcentaje presentado como característica de un colectivo, la muestra de conveniencia es un problema estructural y no se arregla escribiendo mejor. Ahí toca reformular la pregunta o reconocer que el estudio es descriptivo y local, y buscar la revista adecuada para eso.
No. El tamaño reduce el error aleatorio, no el sesgo de selección. Una muestra de 5.000 personas reclutadas por Instagram estima con mucha precisión un parámetro que puede estar sistemáticamente desviado, y de hecho es peor que una pequeña en un sentido: el intervalo de confianza es estrecho y transmite una falsa seguridad. El sesgo no se diluye con n.
Ambos son no probabilísticos, pero el sesgo es distinto. En conveniencia el sesgo viene de tu acceso; en bola de nieve viene de la estructura de la red social de los participantes, que tienden a reclutar a gente parecida a ellos, así que la homogeneidad puede ser mayor de lo que sugieren los descriptivos. En bola de nieve conviene reportar el número de semillas iniciales y la profundidad de las cadenas, algo que casi nadie hace y que los revisores agradecen.
Puedes, y como análisis de sensibilidad suele sumar puntos, pero no lo presentes como una corrección del sesgo. La ponderación por variables observadas (sexo, edad, nivel educativo) solo ajusta el desequilibrio en esas variables; no toca el sesgo asociado a la propia decisión de participar, que suele ser el importante. Repórtala como robustez, no como solución.
Sí, son paneles de voluntarios autoseleccionados, aunque su composición sea más diversa que la de una clase de segundo. Con paneles online el revisor te va a preguntar además por el control de calidad de los datos: ítems de atención, tiempos de respuesta implausibles, patrones de respuesta constante, detección de respuestas duplicadas o automatizadas, y cuántos casos excluiste por cada criterio. Reportar ese filtro con números es imprescindible.
Sí, y una tasa baja reportada honestamente perjudica mucho menos que la ausencia del dato. Sin tasa de respuesta el revisor no puede evaluar nada y asume lo peor. Con una tasa del 22% reportada y un análisis comparando a quienes completaron frente a quienes abandonaron a mitad, has convertido una incógnita en un dato acotado.
Sí, se hace todos los días, con una condición: que la pregunta de investigación no exija representatividad y que el manuscrito no prometa más de lo que la muestra sostiene. Lo que hunde un envío no es el tipo de muestreo, es la distancia entre el reclutamiento descrito en el método y el alcance de las afirmaciones del abstract y la discusión.