Calculadora de correlación intraclase (CCI)

Usa el coeficiente de correlación intraclase cuando necesites evaluar cuán consistentes son los evaluadores o las mediciones. Si múltiples jueces califican los mismos ensayos, o una prueba médica se repite en los mismos pacientes, el CCI te dice si las calificaciones concuerdan—no solo correlacionan, sino que realmente producen valores similares. Es la medida estándar para la confiabilidad entre evaluadores en investigación clínica, psicología y evaluación de calidad.

¿Qué es la correlación intraclase?

El Coeficiente de Correlación Intraclase (CCI) mide la confiabilidad y acuerdo para mediciones continuas. Se usa cuando hay múltiples evaluadores u ocasiones de medición involucrados.

Pregunta respondida: "¿Cuán consistentes son las mediciones entre evaluadores o a través de ocasiones?"

Rango: 0 a 1 (puede ser negativo teóricamente)

• CCI = 0: Sin confiabilidad
• CCI = 1: Confiabilidad perfecta

Cuándo usar el CCI

Confiabilidad entre evaluadores

Múltiples evaluadores califican a los mismos sujetos:

• Jueces calificando actuaciones
• Clínicos evaluando severidad de síntomas
• Codificadores categorizando respuestas

Confiabilidad test-retest

La misma medición en múltiples ocasiones:

• Lecturas repetidas de presión arterial
• Respuestas de encuestas a lo largo del tiempo
• Evaluaciones de desempeño

Confiabilidad intra-evaluador

El mismo evaluador en múltiples ocasiones:

• Consistencia de un solo evaluador

Formas y modelos del CCI

Hay múltiples formulaciones del CCI—elegir correctamente es crucial.

Tres decisiones

1. Modelo (Aleatorio vs. Fijo)

• Una vía aleatorio: Cada sujeto evaluado por diferentes evaluadores (raro)
• Dos vías aleatorio: Los evaluadores son una muestra aleatoria de una población más grande
• Dos vías mixto: Los evaluadores son los únicos evaluadores de interés (fijos)

2. Tipo (Individual vs. Promedio)

• Medidas individuales: Confiabilidad de un solo evaluador
• Medidas promedio: Confiabilidad de la media de k evaluadores

3. Definición (Consistencia vs. Acuerdo)

• Consistencia: Ranking relativo (ignora diferencias sistemáticas)
• Acuerdo absoluto: Puntuaciones exactas (incluye diferencias sistemáticas)

Notación del CCI

La notación estándar es CCI(Modelo, Tipo):

Las fórmulas

Dos vías aleatorio, medida individual, acuerdo absoluto: CCI(2,1)

$CCI(2,1) = \frac{CM_F - CM_E}{CM_F + (k-1)CM_E + \frac{k}{n}(CM_C - CM_E)}$

Donde:

• $CM_F$ = cuadrado medio para filas (sujetos)
• $CM_C$ = cuadrado medio para columnas (evaluadores)
• $CM_E$ = cuadrado medio del error
• $k$ = número de evaluadores
• $n$ = número de sujetos

Dos vías mixto, medida individual, consistencia: CCI(3,1)

$CCI(3,1) = \frac{CM_F - CM_E}{CM_F + (k-1)CM_E}$

Ejemplo de cálculo

3 evaluadores califican a 10 sujetos:

Descomposición ANOVA:

• CM_F (sujetos) = 245,6
• CM_C (evaluadores) = 12,4
• CM_E (error) = 8,2

CCI(2,1):

$CCI(2,1) = \frac{245,6 - 8,2}{245,6 + 2(8,2) + \frac{3}{10}(12,4 - 8,2)} = \frac{237,4}{263,26} = 0,90$

Interpretación: Excelente confiabilidad (CCI = 0,90).

Guías de interpretación

Estándares específicos por contexto

• Decisiones clínicas: CCI > 0,90 preferido
• Investigación: CCI > 0,70 a menudo aceptable
• Tamizaje: CCI > 0,80 recomendado

Intervalos de confianza

Usa la distribución F para construir ICs:

$F_L = \frac{CM_F}{CM_E \times F_{1-\alpha/2}}$

Reporta ICs del 95% para mostrar la precisión de la estimación del CCI.

Ejemplo: CCI = 0,85 [IC 95%: 0,72, 0,93]

Eligiendo el CCI correcto

Diagrama de flujo

1. ¿Los evaluadores son fijos o aleatorios?

   • Fijos (evaluadores específicos de interés) → Dos vías mixto
   • Aleatorios (muestra de población) → Dos vías aleatorio
   • Diferentes evaluadores para cada sujeto → Una vía

2. ¿Un evaluador o media de evaluadores?

   • Usando la puntuación de un evaluador → Individual
   • Promediando múltiples evaluadores → Promedio

3. ¿Es importante la diferencia sistemática?

   • Sí (necesita acuerdo exacto) → Acuerdo absoluto
   • No (importa el ranking relativo) → Consistencia

Escenarios comunes

CCI vs. correlación

Correlación de Pearson

• Mide relación lineal
• Ignora sesgo sistemático
• Siempre entre -1 y +1

CCI

• Mide acuerdo/confiabilidad
• Puede considerar sesgo sistemático (acuerdo absoluto)
• Depende de la variabilidad poblacional

Ejemplo: Dos evaluadores con correlación perfecta (r = 1,0) pero uno siempre califica 10 puntos más alto:

• Pearson r = 1,0
• CCI (consistencia) = 1,0
• CCI (acuerdo absoluto) < 1,0

Error estándar de medición

Del CCI, calcula el EEM:

$EEM = DE \times \sqrt{1 - CCI}$

Esto estima el error de medición en unidades originales.

Cambio mínimo detectable

$CMD = 1,96 \times \sqrt{2} \times EEM = 2,77 \times EEM$

El cambio debe exceder el CMD para considerarse real (no error de medición).

Aplicaciones

Imagenología médica

Acuerdo entre radiólogos leyendo escáneres.

Fisioterapia

Confiabilidad de mediciones de rango de movimiento.

Psicología

Acuerdo entre clínicos en calificaciones diagnósticas.

Educación

Consistencia de calificación de ensayos entre profesores.

Ciencias del deporte

Confiabilidad de pruebas de rendimiento.

Reportando resultados

Formato estándar:

"La confiabilidad entre evaluadores se evaluó usando un modelo de efectos mixtos de dos vías con acuerdo absoluto. El CCI fue ,87 (IC 95%: ,79-,93), indicando buena confiabilidad."

Informe completo:

"Tres evaluadores entrenados calificaron independientemente 50 muestras de escritura. La confiabilidad entre evaluadores se evaluó usando CCI(3,1) para acuerdo absoluto. El CCI de medidas individuales fue ,85 (IC 95%: ,76-,91), indicando buena confiabilidad. El CCI de medidas promedio fue ,94 (IC 95%: ,90-,97)."

Errores comunes

Usar forma CCI incorrecta

Elegir consistencia cuando el acuerdo absoluto importa (o viceversa).

No reportar IC

El CCI se estima de la muestra—siempre incluye el intervalo de confianza.

Confundir con Kappa

El CCI es para datos continuos; el kappa de Cohen es para datos categóricos.

Ignorar la estructura de varianza

El CCI depende de la variabilidad entre sujetos. Un CCI bajo puede reflejar sujetos homogéneos en lugar de evaluadores pobres.

Factores que afectan el CCI

Variabilidad entre sujetos

Más variabilidad → mayor CCI (si los evaluadores son consistentes)

Variabilidad dentro del sujeto

Más error de medición → menor CCI

Número de evaluadores/ocasiones

Más evaluadores → mayor CCI (para medidas promedio)

Restricción de rango

Rango estrecho de puntuaciones → menor CCI

Valores CCI negativos

Teóricamente posibles cuando:

• La varianza dentro del sujeto > varianza entre sujetos
• A menudo indica problema con datos o diseño
• Usualmente se interpreta como 0

Contexto histórico

El concepto de CCI fue desarrollado por Ronald Fisher en la década de 1920 para analizar rasgos hereditarios. Shrout y Fleiss (1979) clarificaron las diferentes formas y sus usos apropiados, estableciendo la notación que aún se usa hoy.

Cálculos relacionados

• Alfa de Cronbach — Consistencia interna
• Correlación de Pearson — Relación lineal
• Calculadora de error estándar — Precisión de medición
• Análisis de Bland-Altman — Comparación de métodos

Resumen

El Coeficiente de Correlación Intraclase mide la confiabilidad y acuerdo para mediciones continuas entre evaluadores u ocasiones. Elige la forma CCI apropiada basándote en tu diseño: modelo de una vía vs. dos vías, medidas individuales vs. promedio, y consistencia vs. acuerdo absoluto. CCI > 0,75 indica buena confiabilidad; > 0,90 es excelente. Siempre reporta intervalos de confianza y especifica qué forma de CCI se usó. Calcula EEM y CMD para interpretar la confiabilidad en unidades de medición.