Criterios de inclusión y exclusión

1 · Definición

Los criterios de inclusión definen las características que una unidad tiene que cumplir para formar parte del estudio. Los de exclusión definen las que la dejan afuera aunque cumpla las de inclusión.

2 · Para qué sirven

Definen a quién se aplican los resultados. Si excluiste a los mayores de 65, tus conclusiones no hablan de ellos. Punto.

Hacen el estudio reproducible. Otro investigador tiene que poder armar la misma población con tus criterios.

Controlan la heterogeneidad. Criterios más estrictos dan un grupo más homogéneo y resultados más limpios, a costa de que se apliquen a menos gente. Es el intercambio entre validez interna y externa.

3 · Cómo se escriben

Cada criterio, verificable. “Pacientes en buen estado general” no es un criterio: no se puede aplicar sin juicio subjetivo. “Pacientes con puntaje ≥ 70 en la escala X” sí.

Con su justificación. Cada exclusión responde a una razón: un motivo metodológico, uno ético o uno de factibilidad. Excluir por comodidad y no declararlo es un problema.

Sin duplicar. Un error habitual es escribir como exclusión el complemento de una inclusión: si se incluye a mayores de 18, no hace falta excluir a los menores de 18. Los criterios de exclusión son para lo que cumpliendo la inclusión, aun así queda afuera.

Antes de relevar, y sin cambiarlos después.

Un ejemplo de redacción:

Inclusión. Personas de 18 a 64 años, residentes en el departamento Capital, ocupadas al momento de la entrevista.

Exclusión. Quienes no otorgaron consentimiento informado; quienes declararon ingreso pero no pudieron precisar el monto.

4 · Exclusión antes y después

Es la distinción que más importa y la que más se mezcla:

	Criterio de exclusión	Exclusión posterior
Cuándo se define	Antes de relevar	Después de ver los datos
Qué es	Parte de la definición de la población	Una decisión de análisis
Riesgo	Bajo	Alto: puede sesgar el resultado
Cómo se informa	En metodología	En resultados, con el número de casos

Sacar casos después de ver los datos no está prohibido —hay razones legítimas, como un error de carga irrecuperable— pero es una decisión que hay que declarar con todo detalle: cuántos casos, por qué, y qué pasa con los resultados si se los deja.

Un caso particular que merece su propia regla: los valores atípicos no son motivo de exclusión. Se excluye un dato porque se demostró que es un error —una edad de 150 años, un ingreso con tres ceros de más—, no porque quede lejos del resto. Un valor extremo correcto es información, y muchas veces la más importante.

5 · Las exclusiones que nadie declara

Hay dos formas de dejar casos afuera sin que aparezcan en ninguna sección de metodología, y las dos son frecuentes.

El análisis de casos completos. Casi todos los procedimientos estadísticos descartan en silencio las filas que tienen algún dato faltante en las variables del modelo. Con cinco variables que tienen un 5 % de faltantes cada una y repartidos al azar, se puede perder más del 20 % de la muestra sin que ningún mensaje lo advierta — y los que se pierden no son un subconjunto al azar. Ver datos faltantes.

Los filtros que quedaron puestos. Un subset escrito para explorar, una hoja de la planilla con un autofiltro activo, un where heredado de otro análisis.

6 · Con datos secundarios, los filtros son los criterios

Cuando el trabajo usa una base que ya existe, los criterios de inclusión no se aplican en el campo: se aplican como filtros sobre la base. Eso los vuelve más fáciles de ejecutar y más fáciles de olvidar.

La buena práctica es escribirlos como una secuencia documentada, con el recuento en cada paso:

Base original (personas)                    n = 48.210
  filtro: ocupados (ESTADO == 1)            n = 19.437
  filtro: con ingreso declarado (P21 > 0)   n = 15.448
  filtro: 15 a 74 años                      n = 15.401

Esa secuencia es a la vez el criterio de inclusión, el diagrama de flujo y el código reproducible. Y muestra algo que en prosa se pierde: dónde se va la gente. Acá, del total de personas al universo analizado quedó menos de un tercio, y la mayor caída es el filtro de ocupados — que es parte de la pregunta—, pero la segunda son casi cuatro mil ocupados sin ingreso declarado, que sí merece una discusión de sesgo.

7 · El diagrama de flujo

Es la forma estándar de mostrar qué pasó entre la población inicial y la analizada, y debería estar en toda tesis con relevamiento propio:

Población elegible identificada          n = 420
        │
        ├── No cumple criterios ................... 85
        ▼
Invitados a participar                   n = 335
        │
        ├── Rechazaron participar ................. 47
        ▼
Aceptaron                                n = 288
        │
        ├── Cuestionario incompleto ............... 12
        ├── Excluidos por criterio ................  9
        ▼
Analizados                               n = 267

En salud se lo conoce como diagrama CONSORT o PRISMA según el tipo de estudio, pero la lógica es la misma para cualquier campo: cada caso perdido tiene que estar contado.

8 · Errores frecuentes

• Criterios vagos. Si dos personas aplicando tus criterios arman poblaciones distintas, los criterios están mal escritos.
• Escribir como exclusión el complemento de la inclusión. Es ruido: la exclusión es para lo que, cumpliendo la inclusión, igual queda afuera.
• No declarar cuántos casos se perdieron en cada paso. Sin el diagrama de flujo, el lector no puede evaluar el sesgo de selección.
• Cambiar los criterios a mitad del relevamiento. Los casos dejan de ser comparables entre sí.
• Excluir después de ver los resultados. La decisión queda contaminada por lo que uno quería encontrar.
• Excluir valores atípicos por ser atípicos. Se excluye lo que se demostró erróneo, no lo que incomoda.
• No notar las exclusiones silenciosas. El análisis de casos completos puede llevarse un quinto de la muestra sin avisar.
• Confundir criterio de exclusión con no respuesta. Quien no quiso participar no fue excluido: es una pérdida, y se informa aparte.
• Criterios tan estrictos que el resultado no se aplica a nadie. Un grupo muy homogéneo da resultados limpios sobre una población que casi no existe.
• No pensar el efecto de cada exclusión. Excluir a los mayores de 65 en un estudio de ingresos cambia el resultado y hay que decir en qué dirección.

@misc{estadistica_ar_criterios_de_inclusion_y_exclusion,
  author       = {Montivero, Jorge Luis},
  title        = {{Criterios de inclusión y exclusión}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/criterios-de-inclusion-y-exclusion}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-18}
}