El comentario llega con una redacción casi idéntica en todos los informes: «the study appears underpowered to detect the hypothesized effects; no a priori power analysis is reported». Es una de las objeciones más frecuentes en revisión y también una de las peores gestionadas, porque el autor suele responder con lo único que le queda a mano, que es una potencia post hoc calculada con el efecto que le salió. Ese cálculo no solo no ayuda: es la señal que le confirma al revisor que no sabes qué es la potencia.
Potencia es la probabilidad de que tu estudio detecte un efecto de un tamaño determinado si ese efecto existe de verdad en la población. Depende de tres cosas: el tamaño del efecto que quieres poder detectar, el n y el alfa. No es una propiedad de tus resultados, es una propiedad de tu diseño, y por eso se calcula antes de recoger datos y no después.
Aquí tienes qué mira exactamente un revisor cuando sospecha falta de potencia, por qué la potencia observada es una función determinista del valor p y no aporta información, qué alternativas de justificación muestral se aceptan hoy cuando no hiciste un cálculo a priori, y cómo redactar la respuesta sin prometer lo que no puedes cumplir.
La potencia (1 menos beta) es la probabilidad de rechazar la hipótesis nula cuando es falsa. La convención en psicología es .80, es decir, aceptar un 20% de probabilidad de no detectar un efecto que existe. Esa cifra es una convención de Cohen, no una ley: en investigación clínica con decisiones costosas se usa .90, y en estudios donde el falso negativo tiene consecuencias serias se llega a .95.
La consecuencia práctica es la que casi nadie escribe en su manuscrito: con potencia baja no solo pierdes efectos reales. También ocurre algo peor, y es que los efectos que sí alcanzan significación en un estudio de baja potencia están sobrestimados por fuerza. Para superar el umbral crítico con n pequeña, el efecto muestral tiene que ser grande, así que el subconjunto de resultados publicados de estudios pequeños está inflado sistemáticamente. Ese es el argumento central de Button et al. (2013) y la razón por la que un editor de una revista seria trata la baja potencia como un problema de credibilidad, no solo de sensibilidad.
Y hay una tercera consecuencia, la del error de signo: con potencia muy baja aumenta la probabilidad de que el efecto significativo que has encontrado apunte en la dirección contraria a la real. Cuando un revisor escribe que tu hallazgo «podría no ser fiable», normalmente está pensando en esto, aunque no lo desarrolle.
Lo que la potencia no es: no es un número que se pueda extraer de tus resultados, no mejora porque tus datos hayan salido significativos, y no se arregla añadiendo variables al modelo. Tampoco es lo mismo que la precisión: puedes tener potencia suficiente para rechazar el nulo y aun así un intervalo de confianza tan ancho que la estimación no sirva para nada.
No necesita hacer cálculos: tiene interiorizados los órdenes de magnitud. Para detectar una diferencia entre dos grupos independientes de tamaño medio (d = 0,50) con alfa bilateral de .05 y potencia de .80 hacen falta unos 64 participantes por grupo, es decir, 128 en total. Para un efecto pequeño (d = 0,20) hacen falta cerca de 400 por grupo. Una correlación de r = .30 requiere alrededor de 85 participantes; una de r = .20, unos 195. Cuando ve un diseño de dos grupos con 25 y 27 personas y una hipótesis sobre un efecto que la literatura sitúa en torno a d = 0,30, la cuenta ya está hecha.
La segunda señal es el patrón de resultados. Un manuscrito con quince contrastes donde tres salen significativos por los pelos (p entre .04 y .05) y doce no salen, con tamaños del efecto que van en todas las direcciones, tiene la firma típica de un estudio con poca potencia: mucho ruido y algún pico que ha cruzado el umbral por azar. El revisor no puede demostrarlo, pero lo reconoce.
La tercera es interpretativa, y aparece en la discusión: cuando un autor concluye que «no se hallaron diferencias entre grupos, lo que sugiere que la intervención no afecta a la variable X», con n = 40 y un intervalo de confianza que va de -0,7 a +0,3. Ahí el revisor tiene la objeción servida, porque la ausencia de evidencia se ha presentado como evidencia de ausencia y el propio intervalo la desmiente.
La cuarta es la ausencia de justificación muestral en el método. En 2026, la mayoría de revistas de psicología que siguen los estándares JARS (Appelbaum et al., 2018) exigen un párrafo explícito sobre cómo se decidió el tamaño de la muestra. Que no esté es una infracción formal, no una omisión estilística, y muchos editores la usan como motivo de rechazo directo.
La potencia observada, retrospectiva o post hoc es la que se calcula introduciendo en el programa el tamaño del efecto que has obtenido en tu muestra. Es el botón que muchos autores pulsan en G*Power cuando un revisor les pregunta por la potencia, y también el que trae la salida de SPSS bajo el nombre de «potencia observada» cuando marcas esa casilla en un ANOVA.
El problema, demostrado con toda claridad por Hoenig y Heisey (2001), es que la potencia observada es una transformación monótona del valor p: no contiene ninguna información que el valor p no tenga ya. Si tu resultado no fue significativo, tu potencia observada será baja por construcción, siempre, sin excepción. Decirle al revisor «hemos calculado la potencia post hoc y era del 32%, lo que explica el resultado no significativo» equivale a decirle «nuestro p fue alto porque nuestro p fue alto». No es un argumento débil: es circular.
Peor todavía, en un manuscrito revisado por alguien con formación metodológica, ese párrafo funciona como un marcador de nivel. Cuando un revisor ve una potencia post hoc calculada con el efecto observado, empieza a mirar el resto del manuscrito con otra lupa, y suele encontrar cosas.
Hay un cálculo retrospectivo que sí es legítimo, y conviene no confundirlos: el análisis de sensibilidad. Consiste en fijar tu n, tu alfa y una potencia de .80, y despejar qué tamaño del efecto mínimo podrías haber detectado. No usa tu efecto observado, usa tu diseño. El resultado se redacta así: «con n = 82 y alfa bilateral de .05, nuestro diseño tenía una potencia del 80% para detectar efectos de d = 0,63 o mayores; efectos inferiores a ese umbral no eran detectables de forma fiable en este estudio». Eso es informativo, es honesto, y a un revisor le sirve para calibrar tus conclusiones.
Las tres formulaciones que más veces aparecen y lo que hace cada una con el informe del revisor.
Delata: «El tamaño de la muestra se determinó siguiendo estudios previos con muestras similares».
Un revisor lee ahí que no hubo cálculo. Además, apoyarte en el n de estudios previos es apoyarte en la literatura publicada, que está sesgada precisamente hacia estudios pequeños con efectos inflados: estás heredando el problema en lugar de resolverlo.
Aguanta: «El tamaño muestral se determinó mediante un análisis de potencia a priori con G*Power 3.1 (Faul et al., 2007) para un ANOVA mixto 2x3 con interacción, asumiendo un tamaño del efecto f = 0,25 derivado del metaanálisis de [referencia] (r medio ponderado = .24), alfa = .05, potencia = .80 y correlación entre medidas repetidas de .50. El cálculo indicó un mínimo de 158 participantes; anticipando una tasa de abandono del 15% se reclutaron 186».
Delata: «Se estimó el tamaño del efecto a partir de un estudio piloto con 20 participantes (d = 0,72)».
Un d estimado con 20 personas tiene un intervalo de confianza tan ancho que es prácticamente inútil como base de planificación: puede ir de casi cero a más de 1,3. Usarlo tiende a producir sistemáticamente estudios infrapotenciados, porque los pilotos que animan a seguir adelante son justo los que sobrestimaron el efecto por azar.
Aguanta: usar el efecto más pequeño que sería teórica o clínicamente relevante (el SESOI, smallest effect size of interest) en lugar del efecto que esperas encontrar. Redactado: «Fijamos como referencia una diferencia de 3 puntos en el BDI-II, el valor mínimo con relevancia clínica reportado en la literatura sobre este instrumento, lo que con la DE observada en estudios previos (7,4) corresponde a d = 0,41».
Delata: «No se encontraron diferencias significativas entre el grupo de intervención y el control (p = .18), por lo que ambos tratamientos resultan igualmente eficaces».
Aguanta: «La diferencia entre grupos no alcanzó significación estadística (d = 0,29; IC 95% [-0,14; 0,72]; p = .18). El intervalo incluye tanto la ausencia de efecto como un efecto moderado a favor de la intervención, de modo que el estudio no permite concluir equivalencia. Para poder afirmar equivalencia habría hecho falta un contraste específico de equivalencia (TOST) con un margen predefinido y un tamaño muestral mayor».
Ese matiz, el de que no rechazar el nulo no equivale a aceptarlo, y que existe un procedimiento distinto para afirmar equivalencia (Lakens, Scheel e Isager, 2018), es exactamente lo que un revisor con formación metodológica quiere leer.
Aquí está la buena noticia. El estándar de la comunidad metodológica ya no es «has hecho un análisis de potencia a priori, sí o no», sino «has justificado tu tamaño muestral de alguna forma defendible». Lakens (2022) sistematizó seis vías legítimas de justificación, y varias siguen abiertas cuando los datos ya están recogidos.
Regla número uno: no calcules potencia post hoc con tu efecto observado. Regla número dos: no prometas que «futuros estudios con muestras mayores confirmarán estos hallazgos», que es la frase que los revisores leen como una forma educada de decir «no tengo respuesta».
La respuesta que funciona convierte la objeción en información. Un modelo: «El revisor tiene razón en que el manuscrito no incluía una justificación del tamaño muestral y lo hemos corregido. Dado que los datos se recogieron durante un periodo asistencial cerrado (marzo a julio de 2025) y la muestra quedó determinada por el número de pacientes atendidos en ese intervalo, hemos optado por reportar un análisis de sensibilidad en lugar de un cálculo a priori, siguiendo las recomendaciones sobre justificación muestral de Lakens (2022). Con n = 96 y alfa bilateral de .05, el diseño alcanzaba una potencia del 80% para detectar efectos de d = 0,58 o superiores (p. 9). Como el efecto que hipotetizábamos, tomado del metaanálisis de [referencia], se sitúa en d = 0,42, hemos reformulado el contraste principal como exploratorio y hemos retirado del abstract y de la discusión las afirmaciones de ausencia de efecto, sustituyéndolas por la estimación con su intervalo de confianza (pp. 2, 14 y 15)».
Si el revisor insiste en pedir más datos y no puedes recogerlos, díselo sin rodeos y ofrécele lo único que queda: máxima transparencia. Publicar los datos y el código, reportar todos los contrastes realizados y reencuadrar el artículo como estudio preliminar o exploratorio es una salida digna que muchas revistas aceptan, mientras que insistir en conclusiones fuertes con n pequeño no lo es.
Y si el estudio es realmente pequeño y la pregunta admite acumulación, hay una última carta que a los editores les gusta: enmarcarlo explícitamente como aportación a un futuro metaanálisis, reportando medias, desviaciones típicas y tamaños del efecto con sus intervalos para cada contraste, de forma que el artículo sea utilizable aunque su conclusión individual sea provisional.
La convención es .80, es decir, un 20% de riesgo de falso negativo, y viene de Cohen. En ensayos clínicos y en estudios cuya conclusión vaya a informar decisiones asistenciales se pide .90. Por debajo de .80 se puede publicar, pero el manuscrito tiene que decirlo y ajustar sus afirmaciones en consecuencia, no esconderlo.
No como argumento. La potencia observada que SPSS reporta en el ANOVA se calcula con el efecto de tu muestra y es una función monótona del valor p, así que no añade información (Hoenig y Heisey, 2001). Si un revisor te pide potencia, dale un análisis de sensibilidad, que usa tu diseño y no tu resultado.
Bastante más de la que crees. Para una interacción atenuada (el efecto está presente en un grupo y reducido en el otro, no invertido) la referencia habitual es que hace falta del orden de cuatro veces la muestra necesaria para el efecto principal correspondiente. Muchos estudios que reportan interacciones no significativas simplemente no tenían potencia para buscarlas, y conviene decirlo antes de que lo diga el revisor.
Sí, aunque de otra manera. Con potencia baja, el efecto que has detectado está sobrestimado casi con seguridad, porque solo los efectos muestrales grandes cruzan el umbral con n pequeño. La forma correcta de gestionarlo es reportar el tamaño del efecto con su intervalo de confianza y ser prudente con la magnitud en la discusión, en vez de titular con la cifra puntual.
Por orden de preferencia: de un metaanálisis del campo, de un efecto mínimo clínicamente relevante justificado (SESOI), o de una estimación conservadora basada en la distribución típica de efectos en tu área. Lo que no conviene es tomarlo de un estudio individual pequeño, y menos de tu propio piloto: esas estimaciones son muy inestables y sesgan el cálculo a la baja en muestra.
Con un contraste de equivalencia diseñado para eso, no con un p mayor que .05. El procedimiento estándar es el TOST (dos contrastes unilaterales) con un margen de equivalencia definido de antemano y justificado sustantivamente (Lakens et al., 2018). Requiere declarar qué diferencia consideras trivial antes de mirar los datos y suele exigir más muestra que el contraste de superioridad.