La salud pública trabaja con datos que no recogió quien los analiza: encuestas nacionales, registros de mortalidad, sistemas de vigilancia, historias clínicas agregadas, estadísticas municipales. Eso desplaza las objeciones del revisor hacia un sitio distinto al de un ensayo clínico: no pregunta tanto por cómo asignaste el tratamiento como por cómo se generaron esos datos, a quién representan y qué estructura de muestreo tienen.
Dos errores dominan los informes de revisión del campo. El primero es analizar una encuesta con diseño complejo como si fuera una muestra aleatoria simple, ignorando pesos, estratos y conglomerados, lo que produce estimaciones sesgadas e intervalos de confianza demasiado estrechos. El segundo es sacar conclusiones sobre individuos a partir de datos agregados por territorio, la falacia ecológica, que es el error epónimo de la disciplina y sigue apareciendo en manuscritos de forma constante.
Esta guía recorre las críticas que aparecen en revisiones de American Journal of Public Health, International Journal of Epidemiology, Journal of Epidemiology and Community Health, BMC Public Health, Gaceta Sanitaria o la Revista Panamericana de Salud Pública, con la terminología y las guías de reporte que exige el campo.
Las grandes encuestas de salud (la Encuesta Nacional de Salud española, ENSANUT en México, la Encuesta Nacional de Salud de Chile, NHANES o BRFSS en Estados Unidos, la ENDES peruana) no son muestras aleatorias simples. Son diseños complejos con estratificación geográfica, selección por conglomerados en varias etapas y probabilidades desiguales de selección, corregidas después por no respuesta y calibradas a los totales poblacionales. Cada uno de esos elementos tiene consecuencias en el análisis.
Ignorar los pesos produce estimaciones puntuales sesgadas: si el diseño sobremuestreó a mayores de 65 años o a una región concreta, tu prevalencia sin ponderar no es la del país. Ignorar los conglomerados y los estratos produce errores estándar demasiado pequeños, con lo que tus intervalos de confianza son más estrechos de lo que corresponde y aparecen asociaciones significativas que no lo son. Un revisor con formación epidemiológica pregunta por esto casi siempre, y con la mayoría de los programas estadísticos la corrección son dos líneas de sintaxis.
Lo que se espera en el método es explícito: nombre y año de la encuesta, diseño muestral resumido, qué variable de peso se usó y por qué (hay encuestas con pesos distintos para el cuestionario general, para el módulo de examen físico y para submuestras de laboratorio), qué variables identifican estratos y unidades primarias de muestreo, y qué procedimiento estadístico se aplicó. Y si tu análisis usa una submuestra, hay que decir si los pesos siguen siendo válidos para ella.
Un detalle relacionado: el tamaño muestral que reportas. En encuestas complejas conviene dar el número de observaciones y la población estimada que representan, porque un lector que ve n = 23.089 y una prevalencia con un intervalo amplio necesita entender que el efecto de diseño reduce la información efectiva.
Un estudio ecológico correlaciona características de poblaciones, no de personas: renta media de un municipio con su tasa de mortalidad, cobertura vacunal por provincia con incidencia de la enfermedad, densidad de establecimientos de comida rápida por barrio con prevalencia de obesidad. Son diseños útiles y baratos para generar hipótesis y para evaluar exposiciones que solo existen a nivel de grupo, como una política o una normativa.
El problema aparece en la conclusión. Que los municipios con más consumo medio de alcohol tengan más mortalidad por cáncer no permite afirmar que las personas que beben más mueren más de cáncer, porque las personas que beben pueden no ser las que enferman. Esa es la falacia ecológica, y el revisor la señala en cuanto la conclusión salta del territorio al individuo. La misma lógica funciona al revés: agregar datos individuales para hablar de efectos de contexto es la falacia atomística.
Lo que hace publicable un estudio ecológico es la coherencia entre la unidad de análisis y la afirmación. Si tu exposición es una política implantada en unas regiones y no en otras, el nivel ecológico es el nivel correcto y no hay falacia ninguna. Y hay una precaución técnica que muchos manuscritos olvidan: el problema de la unidad areal modificable, es decir, que los resultados cambian según cómo agregues el territorio. Repetir el análisis con otra escala de agregación (provincia y comarca, distrito y sección censal) como análisis de sensibilidad es una forma sólida de responder a esa objeción antes de que llegue.
Añade además autocorrelación espacial: los territorios vecinos se parecen, y eso viola la independencia que asume una regresión ordinaria. Un índice de Moran y, si procede, un modelo espacial son lo esperable en revistas que publican este tipo de trabajo.
La costumbre de meter en el modelo todas las variables disponibles, o las que salieron con p menor de 0,20, está en retirada en las buenas revistas del campo, y con motivo. Ajustar por un mediador del efecto que quieres estimar elimina precisamente la parte del efecto que te interesa; ajustar por un colisionador (una variable causada por la exposición y por el resultado, o por sus causas) crea asociación donde no la había; y ajustar por un descendiente de la exposición sesga en direcciones difíciles de anticipar.
La herramienta que se ha estandarizado para justificar esas decisiones es el grafo acíclico dirigido. Incluir un DAG como figura, o al menos en material suplementario, y decir qué conjunto mínimo de ajuste se deriva de él, convierte una lista arbitraria de covariables en un argumento. Cada vez más revisores lo piden explícitamente, y los que no lo piden lo agradecen.
El caso más frecuente en salud pública es el nivel socioeconómico, que casi siempre actúa como confusor y a veces como mediador según la pregunta. Si estudias el efecto de la educación sobre la salud, ajustar por ingresos y por ocupación puede estar eliminando el mecanismo por el que la educación actúa. Hay que decidirlo y justificarlo, no resolverlo metiendo todo.
Y la medición del propio nivel socioeconómico merece atención: educación, ingresos, ocupación e índices compuestos de privación de área no son intercambiables, capturan dimensiones distintas y producen gradientes distintos. Decir "se ajustó por nivel socioeconómico" sin especificar cómo se midió es insuficiente para un revisor del campo.
Una parte importante de la salud pública consiste en evaluar qué pasó cuando se aprobó una ley: una tasa sobre bebidas azucaradas, la prohibición de fumar en espacios públicos, un cambio en el copago farmacéutico, un programa de cribado. Como no hay grupo control aleatorizado, todo depende de la calidad del contrafactual, y ahí es donde se concentran las objeciones.
El diseño más habitual es la serie temporal interrumpida, y tiene requisitos técnicos que muchos manuscritos incumplen. Hacen falta suficientes puntos antes y después de la intervención (la orientación práctica pide alrededor de doce en cada periodo, más si hay estacionalidad), modelar la tendencia previa y no solo la media previa, separar el cambio de nivel del cambio de pendiente, controlar la estacionalidad, y sobre todo tratar la autocorrelación de los residuos, que con datos mensuales de salud es la norma. Una regresión ordinaria sobre una serie temporal produce errores estándar subestimados de forma sistemática.
El otro diseño frecuente es diferencias en diferencias, y su supuesto crítico es que sin la política las dos regiones habrían seguido tendencias paralelas. Ese supuesto no se demuestra, pero se hace plausible: mostrando gráficamente varios años de tendencia previa, contrastando la ausencia de divergencia antes de la intervención y probando con controles alternativos. Un revisor va a pedir ese gráfico casi con seguridad, y también un contraste placebo con una fecha falsa de intervención.
Cuidado con los efectos de anticipación: si la ley se anunció seis meses antes de aplicarse, el comportamiento pudo cambiar antes de la fecha oficial, y usar esa fecha como corte diluye el efecto. Definir el momento de la intervención con criterio, y comprobar la sensibilidad a otras fechas, es parte del trabajo.
La elección de la medida cambia el mensaje. Una odds ratio de 2,0 con una prevalencia del 30% no equivale a duplicar el riesgo, y presentarla como si lo hiciera es uno de los errores más señalados en revisión. En estudios transversales y de cohortes con resultados frecuentes, lo apropiado es estimar razones de prevalencia o de riesgo con regresión de Poisson con varianza robusta o log-binomial, y un revisor del campo puede pedirlo directamente.
En salud pública, además, la escala aditiva suele importar más que la multiplicativa, porque la carga poblacional se expresa en casos evitables. La fracción atribuible poblacional y el número de casos evitables por cada cien mil habitantes comunican mucho mejor la relevancia de tu hallazgo que un riesgo relativo. Eso sí, la fracción atribuible asume causalidad y ausencia de confusión residual, así que hay que presentarla con esa condición explicitada.
Con desigualdades sociales en salud hay un requisito propio: las medidas simples de comparación entre extremos (el quintil más pobre frente al más rico) ignoran a toda la población intermedia y son sensibles al tamaño de los grupos. Las medidas basadas en regresión, como el índice de desigualdad de la pendiente y el índice relativo de desigualdad, usan toda la distribución, y las revistas especializadas en desigualdades las esperan. Reportar a la vez una medida absoluta y una relativa es la práctica recomendada, porque pueden ir en direcciones opuestas y elegir solo una es una decisión con consecuencias interpretativas.
Cuando trabajas con datos de notificación obligatoria, registros de cáncer, altas hospitalarias o sistemas de vigilancia, la primera pregunta del revisor es qué queda fuera. Un aumento de casos notificados puede reflejar más enfermedad, más pruebas diagnósticas, un cambio en la definición de caso, una campaña que aumentó la sospecha clínica o una mejora del sistema de información. Distinguir entre esas explicaciones es el trabajo, y un manuscrito que atribuye directamente la subida a la incidencia real está incompleto.
La exhaustividad y la calidad del registro son datos que hay que aportar: proporción de casos con verificación diagnóstica, porcentaje de registros con variables clave faltantes, cambios en la codificación durante el periodo (el paso de una revisión de la clasificación internacional de enfermedades a la siguiente rompe series temporales y hay que discutirlo), y cambios administrativos en la cobertura del sistema.
El denominador merece la misma atención que el numerador. Las tasas se calculan sobre estimaciones de población que se revisan retrospectivamente, y en periodos con migración intensa o tras un censo, esas revisiones pueden mover una tasa más que el propio fenómeno de salud. Decir qué fuente de población usaste y de qué versión es un detalle que un revisor epidemiólogo valora y que muchos manuscritos omiten.
Y la estandarización por edad: comparar tasas brutas entre territorios o entre periodos con estructuras demográficas distintas no informa de nada. Hay que estandarizar, decir qué población estándar se usó (europea, mundial, la del propio país en un año de referencia) y ser consistente, porque las tasas estandarizadas con distintos estándares no son comparables entre sí.
Las revistas de salud pública publican para informar decisiones, y por eso valoran de otra manera la sección final. Una discusión que termina diciendo que se necesitan más estudios y que hay que promover hábitos saludables no aporta nada, y un editor la lee como señal de que el autor no ha pensado en el uso de su propio trabajo.
Lo que funciona es concretar: qué actor tendría que hacer qué, en qué escala, con qué población diana, y qué se puede esperar en términos cuantitativos según tus propios datos. Si tu estudio estima que el 18% de los casos serían evitables eliminando una exposición, esa cifra es el argumento, con sus supuestos declarados. Si tu estudio no permite llegar ahí, di qué haría falta para llegar y quién debería recogerlo.
Hay además una expectativa de equidad. Cada vez más revistas piden que se analice si el efecto que describes es igual en todos los grupos sociales, porque una intervención poblacional eficaz en promedio puede aumentar las desigualdades si llega antes y mejor a quien ya estaba mejor. Ese fenómeno tiene nombre propio en la literatura del campo y aparece en informes de revisión con frecuencia creciente. Un análisis estratificado por nivel socioeconómico, o al menos una discusión seria del asunto, es hoy casi de rigor.
Por último, el contexto. Si tu estudio es de un país de renta media y lo envías a una revista internacional, el encuadre decide su recorrido: presentado como descripción de un problema local, es material para una revista nacional; presentado como evidencia de cómo funciona un determinante o una política en un contexto poco representado en la literatura, es una aportación internacional. La diferencia está en la introducción y en la discusión, no en los datos.
Sí, es una práctica estándar y muchas encuestas publican microdatos abiertos precisamente para eso. Lo que hay que hacer bien es citar la fuente con su versión y fecha de descarga, respetar las condiciones de uso, describir el diseño muestral y aplicar los pesos. Conviene además aclarar en el método que se trata de un análisis secundario y qué limitaciones impone eso: no elegiste las preguntas ni las definiciones operativas, y algunas variables serán aproximaciones de lo que te interesa.
Muchas revistas piden al menos una declaración explícita. Si los datos son públicos y anonimizados, lo habitual es indicar que el estudio no requirió aprobación por esa razón, citando la política aplicable, aunque en bastantes países se recomienda igualmente una exención formal del comité. Si los datos provienen de registros con acceso restringido, hay que documentar el permiso concedido y su referencia. Dejar el apartado en blanco es motivo de parada editorial.
La orientación práctica más citada pide alrededor de doce observaciones antes y doce después, y más si hay estacionalidad marcada, que con datos mensuales de salud es lo normal. Con menos, la tendencia previa se estima mal y el cambio de nivel es poco fiable. Si solo tienes cuatro o cinco puntos, el diseño honesto es una comparación antes-después descrita como tal, con sus limitaciones, y no una serie temporal con nombre técnico.
Casi siempre tiene razón, y la respuesta eficiente no es defender la conclusión sino reescribirla en el nivel correcto. Cambia el título y el abstract para que hablen de poblaciones, no de personas; añade un párrafo explícito sobre la falacia ecológica y qué diseño individual haría falta para contrastar la hipótesis; y presenta el trabajo como generador de hipótesis. Un ecológico honesto se publica sin problema; uno que se comporta como si fuera individual, no.
Cada vez más revistas del campo lo esperan, sobre todo cuando trabajas con datos públicos, porque en ese caso la reproducibilidad completa es posible y no hay excusa de confidencialidad. Depositar la sintaxis en un repositorio con un identificador persistente cuesta poco y es un argumento a favor ante el editor. Si los datos son restringidos, comparte igualmente el código y explica el procedimiento por el que otro investigador podría solicitar el acceso.
Depende de a quién tiene que llegar el resultado. Un análisis sobre la organización de un servicio autonómico o sobre el impacto de una ley española tiene más efecto real publicado en español, donde lo leen quienes deciden, y esas revistas están indexadas. Un estudio que aporta evidencia sobre un determinante general de la salud o que pone a prueba un método pierde audiencia si se queda en el ámbito nacional. La decisión se toma antes de escribir, porque el encuadre cambia por completo.