Son las 11 de la noche, terminas de leer un abstract y la conclusión te tienta: «los pacientes con déficit de vitamina D tienen mayor prevalencia de infarto». El diseño, en letra pequeña, dice estudio transversal. Y ahí está la trampa que arruina tesis y confunde consultas: una foto tomada en un solo instante no puede decirte quién llegó primero, si la vitamina baja causó el infarto o si el infarto (y la vida que lo rodea) bajó la vitamina. Este post es sobre lo que un estudio de corte transversal sí puede decirte —cuántos— y lo que no podrá decirte jamás: por qué.
Puntos clave (TL;DR)
- El estudio transversal mide exposición y desenlace en el mismo momento: es una fotografía, no una película.
- Su producto natural es la prevalencia (cuántos casos hay ahora), no la incidencia (cuántos casos nuevos aparecen).
- No tiene eje temporal, así que no puede establecer temporalidad ni, por tanto, causalidad. La causalidad reversa siempre está sobre la mesa.
- Sirve, y muy bien, para describir la carga de enfermedad, planear servicios y generar hipótesis, no para confirmarlas.
- La medida de asociación correcta suele ser la razón de prevalencia, no el odds ratio (lo veremos en las semanas 6 y 7).
- Al leer un transversal, la señal de alarma es un verbo causal: «aumenta el riesgo», «protege», «reduce». Un corte transversal no autoriza esos verbos.
El caso: el chocolate que «gana» premios Nobel
En 2012, Franz Messerli —un cardiólogo serio, no un bromista— publicó en The New England Journal of Medicine un análisis que sigue siendo el mejor chiste de la epidemiología. Cruzó, país por país, el consumo de chocolate per cápita contra el número de premios Nobel per cápita. El resultado: una correlación de r = 0,791 con p < 0,0001 en 23 países. Suiza encabezaba las dos listas —chocolate y Nobeles— y al excluir a un país atípico, Suecia, la correlación subía a 0,862. Suecia era el outlier gracioso: por su consumo de chocolate le «tocaban» unos 14 laureados, pero tenía 32. Messerli hasta estimó la dosis: harían falta unos 0,4 kg de chocolate por persona al año para sumarle un Nobel al país.
El artículo es una sátira deliberada, y por eso enseña tan bien. Nadie cree que comer chocolate te dé un Nobel. Pero la estructura del error es exactamente la de miles de estudios publicados en serio: una medición hecha en un solo momento, una correlación fuerte y estadísticamente significativa, y un lector tentado a leer causa donde solo hay coincidencia. El chocolate y los Nobeles comparten un tercer factor obvio —la riqueza del país— y el diseño, al ser una foto, no puede descartarlo ni ordenar qué vino primero. Cambia «chocolate y Nobel» por «café y ansiedad», «estatinas y demencia» o «vitamina D e infarto», y el titular deja de dar risa y empieza a cambiar conductas de prescripción.
El concepto: una foto, no una película
Un estudio transversal (o de corte transversal) mide la exposición y el desenlace al mismo tiempo, en una sola toma, sobre una muestra de una población. Es una fotografía del presente: ¿cuántos tienen hipertensión hoy?, ¿cuántos de ellos son sedentarios hoy? Por eso su medida propia es la prevalencia —la proporción de personas que tienen la condición en ese instante— y no la incidencia, que exige seguir a la gente en el tiempo para contar casos nuevos.
Esa naturaleza instantánea es su gran virtud y su límite infranqueable. Es barato, rápido, ético y perfecto para retratar la carga de una enfermedad, dimensionar un problema de salud pública o describir una población antes de diseñar algo más caro. Pero como no hay línea de tiempo, no hay forma de saber si la exposición precedió al desenlace. Y sin temporalidad, la causalidad es imposible de afirmar: es el primero de los criterios de Bradford Hill y el único verdaderamente indispensable. Elegir bien el diseño según la pregunta es justamente lo que discutimos en los 4 tipos de pregunta clínica: un transversal responde «¿cuántos?», no «¿esto causa aquello?».
El error típico: leer una foto como si fuera una película
El error clásico es tomar una asociación transversal y contarla como relación de causa y efecto. Se manifiesta de tres formas concretas en la consulta y en la literatura.
1. Causalidad reversa. Una encuesta transversal encuentra que los pacientes con diabetes que usan insulina tienen peor control metabólico que los que solo toman metformina. Leído ingenuamente: «la insulina empeora la diabetes». Al revés: la enfermedad más avanzada llevó a indicar insulina. La foto no distingue la dirección de la flecha. Lo mismo pasa con «los que caminan más están más sanos»: puede que caminar dé salud, o que estar sano permita caminar.
2. Sesgo de prevalencia-incidencia (falacia de Neyman). El transversal solo ve a los supervivientes prevalentes. Si una exposición mata rápido a los enfermos, esos pacientes no llegan a la foto, y la exposición puede aparecer engañosamente «protectora». Los casos leves y los que ya se curaron también distorsionan el retrato. Estás fotografiando a los que quedaron, no a los que enfermaron.
3. Confundir prevalencia con riesgo. La prevalencia depende no solo de cuántos enferman, sino de cuánto dura la enfermedad. Una condición crónica que no mata (artrosis) acumula prevalencia; una letal y aguda (cáncer de páncreas) casi no aparece en un corte, aunque su incidencia importe muchísimo. Reportar la prevalencia como si fuera el riesgo de enfermar es un error de medida, no solo de palabras.
Cómo hacerlo bien: exprimir el transversal sin sobrepasarlo
Un buen estudio transversal no es uno que «demuestra menos»: es uno que promete exactamente lo que puede cumplir. El procedimiento correcto, paso a paso:
- Formula la pregunta como prevalencia. «¿Cuál es la prevalencia de retinopatía en diabéticos de esta red?» es una pregunta transversal legítima. «¿La retinopatía causa X?» no lo es.
- Asegura una muestra representativa. El valor de un transversal descansa en el muestreo. Un marco muestral claro y un método probabilístico valen más que un tamaño grande y sesgado.
- Reporta prevalencias con su intervalo de confianza. La cifra sin su incertidumbre no permite comparar nada. El intervalo de confianza es el que traduce el azar del muestreo.
- Usa la medida de asociación correcta. Cuando el desenlace es frecuente (y en un transversal casi siempre lo es), el odds ratio exagera la asociación. La medida honesta es la razón de prevalencia, estimada con regresión de Poisson con varianza robusta o log-binomial. Es el tema de las semanas 6 y 7 de esta serie.
- Declara la temporalidad como desconocida. En la discusión, di explícitamente que el diseño no permite establecer secuencia temporal y nombra la causalidad reversa como explicación alternativa. Eso no debilita el paper: lo hace creíble.
- Trata los hallazgos como hipótesis. El cierre correcto de un transversal es «esto amerita un estudio de cohorte», no «esto prueba que».
| Diseño | ¿Cuándo se mide? | Medida propia | ¿Responde causalidad? |
|---|---|---|---|
| Transversal | Exposición y desenlace a la vez (una foto) | Prevalencia / razón de prevalencia | No: sin temporalidad |
| Casos y controles | Se parte del desenlace y se mira atrás | Odds ratio | Débil: sujeto a sesgo de memoria/selección |
| Cohorte | Se parte de la exposición y se sigue en el tiempo | Incidencia / riesgo relativo | Más fuerte: respeta la temporalidad |
Cómo detectarlo al leer: la señal de alarma es un verbo
Para auditar un estudio transversal en 60 segundos, busca cinco cosas. Primero, el diseño: si exposición y desenlace se midieron en la misma visita, es transversal, digan lo que digan las conclusiones. Segundo, los verbos causales: «aumenta», «reduce», «protege», «conduce a» son banderas rojas en un corte transversal; el lenguaje honesto dice «se asocia con». Tercero, la medida: si el desenlace es frecuente y reportan odds ratio en vez de razón de prevalencia, sospecha inflación del efecto. Cuarto, la temporalidad plausible al revés: pregúntate si el desenlace pudo causar la exposición; si es plausible, la conclusión causal se cae sola. Quinto, la guía de reporte: los buenos transversales siguen la lista STROBE y declaran sus limitaciones sin maquillaje.
| Un estudio transversal SÍ puede… | Un estudio transversal NO puede… |
|---|---|
| Estimar la prevalencia de una condición | Estimar incidencia o riesgo de enfermar |
| Describir y comparar subgrupos hoy | Establecer qué vino primero (temporalidad) |
| Generar hipótesis y dimensionar un problema | Demostrar causa y efecto |
| Planear servicios y asignar recursos | Descartar causalidad reversa o sesgo de supervivencia |
En una frase
El estudio transversal te dice cuántos hay hoy, nunca qué vino primero ni qué causó qué: es una foto, y de una foto no se deduce la película.
Preguntas frecuentes
¿Un estudio transversal puede demostrar causalidad?
No. Al medir exposición y desenlace en el mismo momento, no puede establecer que la exposición precedió al desenlace (temporalidad), que es condición necesaria para inferir causa. Como mucho, sugiere una asociación que habrá que confirmar con un diseño longitudinal.
¿Cuál es la diferencia entre prevalencia e incidencia?
La prevalencia es la proporción de personas que tienen la condición en un momento dado (cuántos hay ahora); la incidencia es la tasa de casos nuevos que aparecen en un periodo (cuántos enferman). El transversal mide prevalencia; para incidencia necesitas seguimiento en el tiempo, como en una cohorte.
¿Por qué no debo usar odds ratio en un estudio transversal?
Porque cuando el desenlace es frecuente, el odds ratio se aleja mucho de la razón de prevalencia y exagera la asociación. En corte transversal la medida adecuada es la razón de prevalencia. Es un error tan común que le dedicamos las semanas 6 («Odds ratio en estudios transversales») y 7 («Razón de prevalencia con Poisson robusto») de esta serie.
Entonces, ¿para qué sirve un estudio transversal?
Para muchísimo: estimar la prevalencia de una enfermedad, describir una población, detectar necesidades, planear servicios de salud y generar hipótesis que luego se ponen a prueba con estudios más costosos. Es rápido, económico y ético. El problema no es el diseño, sino pedirle lo que no puede dar.
¿Qué es el sesgo de prevalencia-incidencia?
También llamado falacia de Neyman, ocurre porque el transversal solo capta a los casos que sobreviven lo suficiente para ser fotografiados. Si una exposición mata rápido o cura rápido, esos casos desaparecen del corte y la asociación observada queda distorsionada, a veces hasta parecer protectora.
Referencias
- Messerli FH. Chocolate Consumption, Cognitive Function, and Nobel Laureates. N Engl J Med. 2012;367(16):1562–1564. DOI: 10.1056/NEJMon1211064.
- Guía de reporte STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) para estudios observacionales, incluidos los de corte transversal.
Serie «Medicina Basada en Evidencia — 52 semanas». Semana anterior: La Pirámide de la Evidencia: por qué un metaanálisis no basta. La próxima semana: «Odds ratio en estudios transversales: el error que arruina tesis (y qué usar en su lugar)».
Suscríbete a MedicinaCardiometabolica.com
Apoya el proyecto y accede a tres beneficios pensados para el clínico que quiere leer evidencia sin perder tiempo:
- Colección de libros de medicina (~18 GB) para descargar y consultar.
- Resúmenes de papers acompañados del artículo original.
- Directorio de ensayos clínicos organizados por fármaco, para encontrar la evidencia en segundos.
Suscríbete en: buymeacoffee.com/drjorgerojas
Canal de WhatsApp: únete aquí
Aviso médico: este contenido tiene fines educativos y de actualización profesional. No sustituye el juicio clínico individualizado ni la lectura de las fuentes primarias, y no constituye una recomendación de tratamiento para pacientes concretos.
Dr. Jorge Enrique Rojas Rodríguez — MedicinaCardiometabolica.com
Revisado por el Dr. Jorge Enrique Rojas Rodríguez — Medicina Interna. Actualizado en agosto de 2026.
Descubre más desde Medicina Cardiometabólica
Suscríbete y recibe las últimas entradas en tu correo electrónico.
