Conceptos
Datos faltantes y límites de detección en una tabla
Contenido de PurezaCriterios editoriales y correcciones
Una celda vacía no explica por qué falta el dato. Puede representar una medición no realizada, una señal no detectada, un resultado rechazado o información retirada durante el procesamiento. Antes de calcular promedios o comparar grupos, la tabla necesita conservar esas diferencias y distinguir observaciones de valores estimados.
Lectura sobre investigación y métodos de laboratorio. No contiene indicaciones de uso personal ni recomendaciones terapéuticas. Revisado el 2026-09-06.
El símbolo debe identificar el estado del dato
Un cero es un valor numérico; una celda vacía es ausencia de información interpretable sin una leyenda. Usarlos como equivalentes puede modificar promedios, dispersión y relaciones entre variables.
Una tabla útil separa no medido, no detectado, fuera del intervalo cuantificable y excluido por calidad. No hace falta inventar una cantidad para cada caso. Lo importante es conservar el motivo y permitir que el análisis posterior reconozca qué observaciones sostienen realmente cada comparación.
Un límite describe capacidad analítica, no ausencia absoluta
ICH Q2(R2) define el límite de detección en relación con una cantidad detectable, aunque no necesariamente cuantificable con exactitud. Por ello, la etiqueta no detectado necesita acompañarse del método y del límite aplicable.
Si dos tablas emplean capacidades distintas, sus etiquetas no describen automáticamente la misma situación. Tampoco conviene reemplazarlas por un mismo número sin explicar la suposición introducida. Guía oficial.
La causa de ausencia cambia la interpretación
Un estudio de proteómica con adquisición dependiente de datos investigó conjuntos públicos y simulaciones para examinar composición de valores faltantes y efecto de diferentes imputaciones sobre el análisis diferencial.
La pregunta no era solamente qué algoritmo llenaba más celdas. Importaba cómo las suposiciones sobre ausencia alteraban las conclusiones posteriores. Su evaluación corresponde a esos conjuntos y escenarios; no establece que todos los huecos de una tabla procedan de escasa abundancia. Estudio primario.
Una imputación puede parecer precisa y cambiar la variabilidad
En proteómica dirigida mediante ensayos de extensión por proximidad, otro trabajo comparó valores imputados con nuevas mediciones. Los algoritmos mostraron diferencias en conservación de variabilidad y sesgo de análisis posteriores, además de diferencias de desempeño entre proteínas.
Esto explica por qué una correlación global favorable no basta para considerar equivalentes datos medidos y estimados. La comprobación mediante nuevas mediciones aporta un contraste especialmente útil, pero su resultado tampoco garantiza precisión para cada proteína individual. Estudio primario.
La tabla final debe conservar la historia del dato
El lector necesita reconocer qué valores son observados, cuáles se estimaron y qué criterio produjo exclusiones. También importa informar cuántas observaciones sostienen cada resumen; dos medias con el mismo número de decimales pueden depender de cantidades muy diferentes de datos.
Como ejemplo hipotético, si un grupo concentra resultados no detectados, rellenarlos con una constante puede crear una apariencia de homogeneidad. Esa regularidad proviene de una decisión analítica. Presentar resultados bajo supuestos alternativos permite valorar cuánto depende la conclusión de esa decisión, sin convertir los valores imputados en nuevas observaciones.
Bibliografía · 2 referencias
- [1]
Proper imputation of missing values in proteomics datasets for differential expression analysis.
Brief Bioinform · 2021
Evaluación de ausencia de datos e imputación en análisis diferencial proteómico.
- [2]
Missing value imputation in proximity extension assay-based targeted proteomics data.
PLoS One · 2020
Comparación de imputaciones con nuevas mediciones en proteómica dirigida.
Fuentes de consulta
Preguntas frecuentes
¿Puedo interpretar todas las celdas vacías como cero?
No. Primero debe conocerse por qué falta cada dato y qué significado tendría asignarle un valor.
¿Un valor imputado equivale a una medición recuperada?
No. Es una estimación basada en supuestos y debe seguir identificado como tal.