Obtén una recomendación estadística clara para tu diseño de estudio
no un genérico «depende de la distribución»
Cuando preguntas a la IA qué prueba usar, la respuesta suele ser vaga — «depende de la distribución» — sin explicar cómo decidir concretamente. La investigación médica real necesita una recomendación basada en tu tipo de resultado, estructura de grupos y tamaño muestral específicos.
Statistical Method Advisor (Lite) convierte una consulta estadística real en una plantilla de relleno. Describe tus datos, obtén una recomendación principal con justificación, alternativas con verificación de supuestos y una frase lista para la sección Métodos — sin necesidad de aprender ingeniería de prompts.
Usar la plantilla gratuitaDivisión de tareas en la plantilla
Solo ingresa la información de su estudio. La lógica de consulta ya está incorporada.
Usted completa
- Área clínica: Indique a la IA si se trata de cardiología, oncología, cuidados intensivos u otra especialidad, para que se alinee con las convenciones de reporte estadístico de ese campo.
- Descripción de datos: Describa la variable de resultado, los predictores, el número de grupos, si son muestras pareadas o independientes, el tamaño muestral y cualquier patrón conocido de distribución o datos faltantes.
- Pregunta de investigación: Indique si desea comparar grupos, evaluar asociaciones, estimar predictores o analizar un tiempo hasta el evento.
- Idioma de salida: Reciba la recomendación, la explicación y el borrador de la sección Métodos en el idioma que usa habitualmente para discusiones o informes.
Ya incorporado en la plantilla
- Si falta información crítica, la IA pregunta antes de asumir distribución, emparejamiento o estructura muestral
- Si hay varios métodos razonables, presenta una recomendación principal y alternativas honestas con criterios de selección
- Cada método incluye supuestos clave y formas concretas de verificarlos, como Shapiro-Wilk, Levene o gráficos Q-Q
- No se limita a nombrar una prueba: también explica qué estadístico es clave y qué no significa «no significativo»
- Proporciona una formulación lista para adaptar en la sección Métodos del manuscrito
La misma pregunta, dos formas de hacerla
La diferencia real está en si la IA aclara las características de los datos que determinan la decisión antes de nombrar un método.
Lo que envía
¿Qué método estadístico uso para comparar la estancia postoperatoria entre dos grupos de pacientes?
Resultado típico
- La IA puede mencionar t-test y Mann-Whitney U sin explicar cómo elegir - Puede omitir si los grupos son independientes, si la estancia es asimétrica o el tamaño muestral - Puede no indicar qué hacer si los supuestos no se cumplen Todavía tendrá que reconstruir el proceso de decisión por su cuenta.
Variables que completa
Área clínica: Cuidados intensivos Descripción de datos: Resultado = días de hospitalización postoperatoria (continuo, claramente asimétrico a la derecha); dos grupos independientes; exposición = movilización precoz vs cuidado habitual; aprox. 45 pacientes por grupo Pregunta de investigación: comparar días de hospitalización entre grupos Idioma de salida: Español
Resultado estructurado que recibe
1. Confirmación de características de datos - Variable continua, 2 grupos independientes, tamaño muestral moderado 2. Método recomendado - Recomendación principal: prueba U de Mann-Whitney - Razón: los días de hospitalización suelen ser asimétricos; la mediana/IQR es más robusta 3. Alternativa - Si la distribución es aproximadamente normal y la varianza es aceptable, usar t-test para muestras independientes 4. Interpretación y borrador de Métodos - Guía para reportar tamaño del efecto, significación estadística y redacción del manuscrito
Qué le aporta una consulta
Estas secciones provienen directamente de la estructura de salida real de statistical-method-advisor-lite.
Confirmación de datos
Tipo de resultado, predictores, estructura de grupos, estado de emparejamiento y tamaño muestral se resumen primero para que la recomendación no se base en un malentendido.
Recomendación principal
Se indica claramente qué método usar primero y se explica en términos sencillos por qué se ajusta a sus datos.
Alternativas y verificación de supuestos
Se presentan métodos de reemplazo, condiciones de cambio y formas concretas de verificar normalidad, homogeneidad de varianzas u otros supuestos clave.
Interpretación y formulación de Métodos
Se señala qué estadístico es más relevante, se advierte sobre errores de interpretación frecuentes y se entrega una formulación lista para editar en la sección Métodos.
Cómo usarla
Describir los datos con precisión
Incluya tipos de variables, número de grupos, estructura pareada o independiente, tamaño muestral y cualquier patrón de distribución conocido. Cuanta más información, más utilizable será la recomendación.
Copiar el prompt en la IA
Pegue el prompt generado en ChatGPT, Claude o la herramienta de IA que ya usa. La IA primero confirmará lo que entendió sobre sus datos.
Decidir el análisis
Verifique primero los supuestos indicados y luego confirme el método final. Si el problema involucra análisis multivariado, longitudinal o de supervivencia, pase a un flujo de trabajo más completo.
Ingrese su área, descripción de datos y pregunta de investigación para obtener inmediatamente una recomendación principal, alternativas, verificación de supuestos, guía de interpretación y un borrador de sección Métodos.
Preguntas frecuentes
¿Para qué situaciones es más adecuada esta plantilla?
Es ideal para decisiones estadísticas comunes de una o dos variables: comparación de grupos, análisis de resultados binarios, verificación de asociaciones o primera evaluación de un tiempo hasta el evento. Ayuda a estructurar la toma de decisiones, pero no reemplaza una consulta estadística completa.
¿Qué pasa si mis datos no siguen una distribución normal?
La plantilla indica a la IA que explique cómo verificar los supuestos de normalidad y homogeneidad de varianzas, y qué alternativas usar si no se cumplen. Para datos claramente asimétricos como días de hospitalización o costos, las opciones no paramétricas suelen ser más apropiadas.
¿Generará un script completo de R o SPSS?
La versión Lite se centra en la selección del método, la justificación y sugerencias de comandos simples, no en la generación de scripts listos para producción. Si necesita código ejecutable o modelos más complejos, pase a un flujo de análisis más completo.
¿Puedo pegar datos reales de pacientes en la IA?
Por lo general, no. Una descripción estructural es más segura y suele ser suficiente: tipo de variable, estructura de grupos, tamaño muestral aproximado y patrón de distribución. Evite información identificable o filas brutas de pacientes.
¿Puede manejar regresión multivariada, medidas repetidas o análisis de supervivencia?
Puede ayudar con una orientación inicial, pero la versión Lite no está diseñada para resolver completamente elecciones de modelos complejos. Si ya sabe que el problema involucra regresión multivariada, datos longitudinales, clústeres o métodos de supervivencia, use la versión estadística más completa de la plataforma.