El análisis de potencia es un pilar fundamental del diseño de investigación científica y representa uno de los procesos más críticos para determinar la fiabilidad de las inferencias estadísticas. Particularmente en campos impulsados por datos experimentales, como la medicina, la psicología, las ciencias sociales y la ingeniería, el éxito de un estudio no depende únicamente del valor p obtenido, sino de la capacidad del estudio para detectar un efecto real, es decir, su potencia estadística. En este artículo, examinaremos en detalle los fundamentos teóricos, los componentes, el momento de implementación y la necesidad del análisis de potencia para la investigación académica.
El objetivo principal de la prueba de hipótesis estadística es realizar inferencias sobre una población a partir de datos obtenidos de una muestra. En este proceso, el investigador se enfrenta al riesgo de cometer dos tipos de errores. Un error de Tipo I (α) es la afirmación de que existe una diferencia cuando, en realidad, no existe ninguna (falso positivo). Un error de Tipo II (β), por el contrario, es la incapacidad de detectar una diferencia o relación cuando realmente existe (falso negativo). El análisis de potencia tiene como objetivo controlar el riesgo de cometer un error de Tipo II. La potencia estadística se expresa matemáticamente mediante la fórmula «1 – β«. Este valor representa la probabilidad de rechazar la hipótesis nula (H0) cuando esta es realmente falsa. En otras palabras, la potencia es la respuesta a la pregunta: «¿Si hay un efecto presente, cuál es la probabilidad de encontrarlo?». Según los estándares académicos, se espera que la potencia de un estudio sea de al menos 0,80 (80 %). Esto significa que el investigador acepta un riesgo del 20 % de pasar por alto un efecto existente.
Existen cuatro componentes principales, estrechamente interconectados, que constituyen el análisis de potencia: el tamaño de la muestra (N), el nivel de significancia (α), el tamaño del efecto y la potencia estadística. Estas cuatro variables existen en un estado de equilibrio; cuando se conocen tres, la cuarta puede calcularse matemáticamente. El tamaño de la muestra es el resultado más buscado del análisis de potencia. Los investigadores suelen buscar respuesta a la pregunta: «¿Cuántos sujetos debo reclutar para encontrar un resultado significativo en mi estudio?». A medida que aumenta el tamaño de la muestra, el error estándar disminuye, lo que aumenta la potencia de la prueba. Sin embargo, aumentar el tamaño de la muestra más de lo necesario es ineficiente, tanto desde el punto de vista ético (especialmente en estudios que involucran seres vivos) como en términos de costo y tiempo.
El nivel de significancia (valor α o valor p) se acepta generalmente como 0,05. Cuanto más estricto sea el nivel de alfa (por ejemplo, 0,01), más difícil será evitar un error de Tipo I, lo que posteriormente reduce la potencia de la prueba. El tamaño del efecto es la parte más científica de un análisis de potencia. Es una medida estandarizada que muestra la magnitud de la diferencia entre dos grupos o la fuerza de la relación entre variables. Puede expresarse en diferentes unidades, como la d de Cohen, la r de Pearson o la razón de momios (Odds Ratio, OR). Si bien se requiere un tamaño de muestra muy grande para detectar un efecto pequeño, un número reducido de sujetos puede ser suficiente para detectar un efecto grande. Al determinar el tamaño del efecto, el investigador recurre a estudios similares en la literatura existente o lo basa en el tamaño del efecto más pequeño de interés clínico.
El análisis de potencia se divide en dos categorías según el momento de su implementación: a priori y post hoc. Desde una perspectiva académica, el método más valioso y ampliamente aceptado es el análisis de potencia prospectivo (en la fase de planificación de la investigación). Realizado antes de que comience el estudio y la fase de recolección de datos, este análisis optimiza los recursos de investigación. Sirve como justificación científica para el tamaño de muestra elegido en solicitudes a comités de ética o proyectos científicos. Si un investigador procede sin realizar un análisis de potencia, el estudio puede quedar con «baja potencia» (underpowered). Esto a menudo conduce a que el investigador considere un efecto realmente existente como «estadísticamente no significativo» simplemente porque el tamaño de la muestra fue insuficiente, después de meses de arduo trabajo. Esto no solo es un desperdicio de recursos, sino que también ralentiza el progreso de la ciencia al introducir resultados falsos negativos en la literatura.
El análisis de potencia post hoc se realiza después de completar el estudio, observando el valor p obtenido y el tamaño de la muestra. Sin embargo, este método es metodológicamente controvertido. Muchos estadísticos argumentan que afirmar «resultó así porque la potencia era baja» cuando un valor p no es significativo es una tautología. En la publicación académica, informar intervalos de confianza en lugar de un análisis de potencia retrospectivo se considera un enfoque más robusto para demostrar la precisión del resultado. Si existe una diferencia significativa entre el tamaño de muestra planificado y el tamaño de muestra final (obtenido), entonces generalmente se requiere el análisis de potencia post hoc subsiguiente.
La complejidad del análisis de potencia varía según el tipo de prueba estadística utilizada. Por ejemplo, un análisis de potencia para una prueba t que compara medias entre dos grupos independientes requiere parámetros diferentes a un análisis para regresión logística o modelos multinivel. Hoy en día, además de software gratuito y completo como G*Power, se utilizan herramientas profesionales como R (el paquete pwr), SAS y SPSS para estos cálculos. Del mismo modo, las interfaces web fáciles de usar, claras y prácticas (proyectos SaaS) —como el sitio web que está leyendo en este momento— brindan una comodidad significativa para los académicos al simplificar estos servicios. Para un estadístico o investigador, el mayor desafío al utilizar estas herramientas es estimar el tamaño del efecto correcto. Si no existe un estudio similar en la literatura, el enfoque más preciso es estimar este valor realizando un estudio piloto.
Desde un punto de vista ético, el análisis de potencia está directamente relacionado con los derechos humanos y animales. Un estudio realizado con menos sujetos de los necesarios significa exponer a los sujetos a riesgos potenciales en vano, ya que el estudio carece de la capacidad para llegar a una conclusión científica. Utilizar más sujetos de los necesarios también es una violación ética, ya que implica el mal uso de recursos limitados y la inclusión innecesaria de seres vivos en experimentos. Por lo tanto, las pautas modernas de ética médica y de publicación exigen un análisis de potencia a priori para todo tipo de investigación experimental.
En conclusión, el análisis de potencia no es simplemente un cálculo numérico, sino una estrategia de investigación. Un análisis de potencia bien estructurado revela las limitaciones de un estudio, permite al investigador gestionar los márgenes de error y aumenta la validez externa de los hallazgos. Informar los detalles del análisis de potencia en un manuscrito académico —declarando explícitamente el software utilizado, el tamaño del efecto asumido, los niveles de alfa y potencia, y el tamaño de muestra objetivo— es esencial para la transparencia y reproducibilidad de la investigación. Este proceso, que es un indicador de rigor científico, sirve como la guía más poderosa del investigador en el viaje de producir conocimiento a partir de datos. Un análisis potente no se trata solo de perseguir «p<0,05», sino de tratar de comprender qué tan cerca estamos de la verdad.
¿Qué sucede si no se realiza un análisis de potencia?
La consecuencia más concreta de no realizar un análisis de potencia es un aumento incontrolado en la probabilidad de cometer un error de Tipo II (error Beta). Un error de Tipo II ocurre cuando un estudio no logra detectar una diferencia entre grupos o una relación entre variables cuando una realmente existe, lo que lleva a la conclusión de que «no hay diferencia». Por lo tanto, un fármaco o método eficaz podría etiquetarse como «ineficaz» simplemente porque no se probó en un número suficiente de sujetos. Esto conduce a la inclusión de resultados falsos negativos en la literatura científica y al posible descarte de hallazgos que podrían salvar vidas o mejorar procesos. Cuando un investigador ve que el valor p es mayor a 0,05 después de meses de recolección de datos, nunca sabrá si este resultado proviene de una falta genuina de efecto o de un tamaño de muestra insuficiente.
El segundo gran problema es el desperdicio de recursos y esfuerzo. Todo estudio científico requiere tiempo, presupuesto, equipo técnico y mano de obra humana. Un tamaño de muestra determinado sin un análisis de potencia será «insuficiente» (underpowered) o «excesivo» (overpowered). Cuando la muestra es insuficiente, el estudio carece de capacidad para llegar a un resultado estadísticamente significativo, lo que hace que todos los recursos invertidos sean inútiles. Por el contrario, cuando la muestra es excesiva, se gasta más presupuesto y tiempo de lo necesario. Esto conduce a una ineficiencia significativa, especialmente en proyectos académicos realizados con fondos limitados.
Otro problema surge cuando planea publicar en revistas científicas; inevitablemente enfrentará la pregunta: «¿Sobre qué base se determinó el tamaño de la muestra?«. En tal caso, respuestas arbitrarias como «Decidimos al azar», «Esto es lo que siempre hacemos«, o en tesis, «Nuestro supervisor lo solicitó«, no tienen validez científica y generalmente resultan en el rechazo del manuscrito.
