Método / Extracción
Extracción de datos en una revisión sistemática: tabla, proceso y errores
Después del cribado toca convertir cada estudio incluido en datos utilizables, y esa conversión decide la fiabilidad de las fases siguientes. Qué va en la tabla de extracción, cómo pide el estándar que se haga y los errores documentados que conviene esquivar.
La extracción de datos es la fase de la revisión sistemática en la que conviertes cada estudio incluido en información estructurada y comparable: qué población estudió, qué intervención probó, con cuántos participantes, qué midió y qué resultados obtuvo. Todo se vuelca en un formulario diseñado de antemano. Es la materia prima de la síntesis y del metaanálisis, y también la fase más silenciosa del método. Del cribado se habla mucho porque duele, de la extracción casi nada, y sin embargo es aquí donde una revisión se juega que sus conclusiones se apoyen en datos fieles o en erratas. Esta guía cubre qué campos van en la tabla, el proceso que pide el estándar, cuánto tiempo cuesta de verdad y los errores documentados que más síntesis han estropeado.
Dónde cae en el método (y por qué importa tanto)
En el flujo de la revisión sistemática, la extracción llega cuando el cribado ha terminado y ya sabes qué estudios entran. Sobre lo que extraigas se construye todo lo que viene después. La evaluación del riesgo de sesgo usa detalles del diseño que salen de aquí, y la síntesis o el metaanálisis combinan los números que hayas volcado. Un error de transcripción en esta fase se propaga al efecto combinado, al forest plot y a la conclusión.
Por eso PRISMA 2020 le dedica dos ítems enteros de su lista de verificación, el 9 y el 10. Hay que reportar cómo se extrajeron los datos (cuántas personas, si trabajaron de forma independiente, cómo se resolvieron los desacuerdos) y qué variables se buscaron, incluidas las que no aparecían en todos los estudios. Si el método de extracción no se puede contar, la revisión no se puede reproducir, y ya vimos en la comparación con la revisión narrativa que la reproducibilidad es exactamente lo que compra el esfuerzo del método sistemático.
La tabla de extracción: qué campos van
No existe una plantilla de extracción de datos universal, porque los campos dependen de tu pregunta de investigación. Existe en cambio un consenso amplio sobre los bloques que una hoja de extracción debe cubrir. Esta tabla los resume con ejemplos:
| Bloque | Campos típicos | Ejemplo |
|---|---|---|
| Identificación | Autores, año, país, revista, financiación y conflictos de interés | Martín 2023, España, financiación pública |
| Diseño y métodos | Tipo de estudio, duración, seguimiento, unidad de aleatorización (individuo o grupo) | Ensayo aleatorizado, 12 semanas de seguimiento |
| Participantes | Tamaño de muestra, criterios de entrada, edad, sexo, contexto | n = 84, adultos con insomnio crónico |
| Intervención y comparador | Qué se hizo en cada brazo, dosis, frecuencia, adherencia | Melatonina 2 mg frente a placebo |
| Resultados | Medidas usadas, momentos de medición, datos numéricos por brazo | Latencia del sueño a las 8 semanas, media y desviación |
| Notas para el sesgo | Generación de secuencia, cegamiento, pérdidas | Pérdidas del 12 % descritas por brazo |
| Fuente de cada dato | Página, tabla o frase de la que sale el dato | Media en tabla 2, página 6 |
Dos consejos que ahorran disgustos. Primero, define cada campo por escrito (qué formato, qué unidades, qué hacer si el dato no está), porque "seguimiento" puede significar tres cosas distintas para dos extractores. Segundo, tómate en serio el último bloque, la fuente de cada dato. Cuando toque revisar una discrepancia, ese registro convierte una tarde de releer PDFs en un minuto de comprobación.
El proceso de extracción que pide el estándar
La extracción tiene su liturgia, y no es burocracia. Los errores documentados de la sección siguiente son la factura de saltársela.
- Diseña el formulario desde el protocolo. Las variables a extraer se declaran en el protocolo antes de ver los resultados, igual que los criterios de inclusión. Elegir qué extraer después de leer los estudios abre la puerta al cherry-picking, aunque sea involuntario.
- Pilota con unos pocos estudios. Antes de lanzarte al corpus completo, pasa el formulario por un puñado de estudios variados. El piloto destapa campos ambiguos, unidades que no encajan y datos que asumías presentes y no lo están. Corregir el formulario con 5 estudios extraídos es barato. Con 40, no.
- Extrae por duplicado los resultados. El estándar de Cochrane exige dos extractores independientes para los datos de resultados, sin atajo. Para el resto de campos, como las características de los estudios, el mínimo aceptable es que una persona extraiga y otra verifique contra el artículo. La lógica es la misma que en el cribado por pares. Los errores individuales son inevitables y el contraste los caza.
- Registra los desacuerdos y cómo se resolvieron. Consenso, tercera persona o vuelta al texto. Da igual el mecanismo mientras quede escrito, porque PRISMA te va a pedir contarlo.
- Contacta con los autores cuando falte un dato clave. Es práctica estándar (PRISMA pide incluso reportar cómo se confirmaron datos con los investigadores) y deja constancia de que el hueco no fue pereza.
Si cribas y extraes en solitario, como en muchos TFG y TFM, la recomendación honesta es la misma que en el resto del método. Declara la limitación y compénsala en lo posible, por ejemplo verificando tú mismo la extracción unos días después, con el formulario en blanco, sobre una muestra de estudios.
En revisia la extracción lleva la verificación integrada. Cada dato extraído por la inteligencia artificial sale con su cita textual del artículo al lado, para que confirmar una celda cueste segundos y no otra lectura del PDF. Crea tu cuenta gratis.
Los errores de extracción que se pagan en la síntesis
La evidencia sobre errores de extracción existe y es incómoda. La auditoría clásica es la de Gøtzsche y colaboradores (JAMA, 2007), que recalculó metaanálisis publicados comparando sus datos con los artículos originales y encontró errores en 17 de los 27 que revisó. Uno acabó retractado tras la comprobación. Estos son los clásicos:
- Errores de transcripción. El n = 84 de Martín 2023 se convierte en 48, la desviación estándar se anota como error estándar, o el dato del grupo control acaba en la columna de la intervención. Son los más tontos y los más frecuentes, y el contraste por duplicado existe para cazarlos.
- Doble conteo en estudios multibrazo. Si un ensayo compara dos dosis contra un mismo placebo y metes ambas comparaciones en el metaanálisis, el grupo control cuenta dos veces y el peso del estudio se infla.
- El mismo ensayo, contado dos veces. Un estudio publicado en dos artículos (el análisis preliminar y el definitivo, o dos revistas distintas) puede colarse en la síntesis como si fueran dos estudios. Compara números de registro, tamaños de muestra y autores antes de dar por buena la lista de incluidos.
- Mezclar efectos ajustados y sin ajustar. Un estudio reporta el efecto crudo y otro el ajustado por edad y sexo. Combinarlos sin criterio explícito mete ruido difícil de detectar después.
- Medianas donde hacían falta medias. Muchos estudios reportan mediana y rango intercuartílico. Convertir a media y desviación es posible con fórmulas publicadas, como las de Wan y colaboradores (2014), pero hay que declararlo y aplicarlo igual en todos.
- Extraer solo el resultado llamativo. Si el estudio midió el desenlace en tres momentos y solo vuelcas el favorable, has heredado su sesgo de reporte. El formulario debe fijar de antemano qué momento y qué medida se extraen.
Ninguno de estos errores lo detecta el lector de la revisión. Solo los evita el proceso: formulario pilotado, doble extracción y fuente anotada para cada dato.
Cuánto cuesta la extracción (y qué parte se puede comprimir)
Los estudios de tiempos publicados en 2025 sitúan la extracción entre 36 y 107 minutos por estudio incluido, la horquilla que ya usamos en la guía de cuánto se tarda una revisión sistemática. La cuenta escala rápido. Con 30 estudios incluidos y extracción por duplicado salen entre 36 y 107 horas de trabajo humano, y no es una errata: 30 estudios por dos extractores son 60 extracciones, justo el factor que convierte los minutos en horas. Con el modelo de extraer y verificar para los campos que no son resultados, algo menos. Es de las fases más densas de la revisión, aunque no la más larga, porque a diferencia del cribado no admite ritmo de crucero. Cada dato exige leer con atención.
¿Qué parte es comprimible? La localización del dato, no el juicio. Encontrar dónde dice el artículo cuántos participantes completaron el seguimiento es trabajo mecánico de búsqueda. Decidir si ese dato responde a tu variable, con qué unidad y qué hacer si es ambiguo, eso es criterio de revisor y no conviene delegarlo. Las herramientas que ayudan de verdad separan las dos cosas. Te acercan el dato con su contexto y te dejan la decisión.
Herramientas para extraer sin perder el control
- Hoja de cálculo bien montada. Para corpus pequeños sigue siendo perfectamente digna. Una fila por estudio, los campos definidos por escrito en una pestaña aparte y la columna de fuente. Su límite es que nada te obliga a la disciplina, y los descuidos no avisan.
- Covidence y EPPI-Reviewer. Las plataformas de revisión veteranas ofrecen módulos de extracción con plantillas estructuradas y comparación entre extractores. A Covidence la vimos en la guía de Rayyan y Covidence.
- revisia. La extracción con inteligencia artificial rellena el formulario y adjunta a cada celda la cita textual del artículo de la que sale el dato. Si el dato no está en el texto, la celda lo dice en lugar de inventarlo. Tu papel pasa de transcribir a verificar, que es justo donde el método te quiere.
Para la síntesis posterior, los datos extraídos alimentan al software de metaanálisis (JASP, jamovi, RevMan o R), así que extrae pensando en el formato que ese programa va a pedirte.
¿Quieres ver tu tabla de extracción llenarse con las citas al lado? En revisia la inteligencia artificial extrae y tú confirmas, del cribado a la tabla lista para sintetizar. Crea tu cuenta gratis y pruébalo.
Preguntas frecuentes
¿Qué es la extracción de datos en una revisión sistemática?
Es la fase en la que los estudios incluidos tras el cribado se convierten en información estructurada. De cada artículo se vuelcan a un formulario prediseñado los datos de identificación, métodos, participantes, intervenciones y resultados. Esa tabla es la base de la síntesis, del metaanálisis si lo hay y de la evaluación del riesgo de sesgo.
¿La doble extracción es obligatoria?
Para los datos de resultados, sí. El estándar de Cochrane exige dos personas extrayendo de forma independiente. Para el resto de campos, como las características de los estudios, el mínimo aceptable es que una extraiga y otra verifique contra el artículo original. En trabajos académicos hechos en solitario se acepta declarar la limitación y compensarla, por ejemplo verificando la extracción uno mismo pasado un tiempo.
¿Cómo se pilota un formulario de extracción?
Se elige un puñado de estudios variados del corpus, se extraen con el formulario en su versión inicial y se revisa qué campos resultaron ambiguos, qué unidades no encajaron y qué datos faltaban de forma sistemática. Con esas lecciones se corrige el formulario antes de extraer el resto, y el piloto se documenta para el apartado de método.
¿Cuánto se tarda en extraer los datos de un estudio?
Los estudios que han cronometrado esta fase dan una horquilla de 36 a 107 minutos por estudio incluido, según la complejidad del artículo y del formulario. Con extracción por duplicado, un corpus de 30 estudios supone entre 36 y 107 horas de trabajo humano (60 extracciones, el factor justo que convierte los minutos en horas).
¿Puedo hacer la extracción en Excel?
Para corpus pequeños, sí. Una fila por estudio, los campos definidos por escrito y una columna que registre de qué página o tabla sale cada dato. Las plataformas específicas añaden estructura, comparación automática entre extractores y trazabilidad, que es lo que Excel no exige y el método sí.
