
Error de medición y fiabilidad: cómo saber si un cambio es real
Una mejora de 5° en el valgo dinámico parece una buena noticia. Antes de comunicársela al deportista, conviene saber cuánto varía la misma prueba cuando nada ha cambiado.
- El ICC mide la fiabilidad relativa: por debajo de 0,5 es baja, entre 0,5 y 0,75 moderada, entre 0,75 y 0,9 buena y por encima de 0,9 excelente 1.
- El SEM expresa el error en las unidades de la medida y permite calcular el menor cambio que puede considerarse real 2.
- En el FPPA medido con vídeo 2D, el SEM fue de 2,72–3,01° y la menor diferencia detectable de 7,54–8,93° 3.
- En carrera, la media de al menos 7 pasos da valores estables entre días 4.
- Un cambio real (por encima de la MDC) no es necesariamente un cambio clínicamente importante 5.
- El cribado exige una sensibilidad y una especificidad conocidas; el seguimiento exige fiabilidad y un montaje estandarizado 6.
Por qué importa el error de medición
Toda medición tiene ruido: el cliente no repite el movimiento de forma idéntica, la cámara no queda exactamente en el mismo sitio y el algoritmo o el evaluador introducen variación. En la práctica clínica, el problema aparece cuando se interpreta como evolución una diferencia que cabe dentro de ese ruido. Los índices de fiabilidad sirven para separar ambas cosas, y conviene conocerlos antes de mirar el gráfico de evolución de un cliente.
Hay dos preguntas distintas. La fiabilidad relativa pregunta si la prueba ordena a las personas de forma consistente. La fiabilidad absoluta pregunta cuánto varía el valor de una persona, en grados, milímetros o segundos. La primera se responde con el ICC; la segunda, con el SEM y la mínima diferencia detectable 2.
ICC: fiabilidad relativa
El coeficiente de correlación intraclase (ICC) compara la varianza entre personas con la varianza total de las mediciones. Existen 10 formas de ICC, y un estudio debe indicar el modelo, el tipo y la definición utilizados, además del software 1. Una distinción esencial es si el ICC incluye el error sistemático, como las formas (2,1) y (2,k), o lo excluye, como las formas (3,1) y (3,k) 2. Para comparar sesiones a lo largo del tiempo, interesa saber si hubo error sistemático entre ellas, por ejemplo por aprendizaje o fatiga.
| ICC | Fiabilidad |
|---|---|
| < 0,5 | Baja |
| 0,5–0,75 | Moderada |
| 0,75–0,9 | Buena |
| > 0,9 | Excelente |
Los autores recomiendan aplicar estas categorías al intervalo de confianza del 95% del ICC, y no solo a la estimación puntual 1.
El ICC depende de la heterogeneidad de la muestra: un grupo muy diverso tiende a dar ICC más altos para el mismo error absoluto. Por eso, un ICC elevado no indica por sí solo cuántos grados de cambio hacen falta para confiar en una evolución individual. Para eso se necesita el SEM.
SEM y mínima diferencia detectable (MDC)
El error estándar de medición (SEM) expresa el error en las unidades de la propia prueba y puede calcularse a partir del ICC; permite construir intervalos de confianza para valores individuales y definir la diferencia mínima necesaria para confiar en que ha habido un cambio real 2. Una forma habitual de cálculo es SEM = DE × √(1 − ICC), donde DE es la desviación estándar entre personas. La mínima diferencia detectable al 95% (MDC95, también llamada SDD o SDC95) se obtiene como MDC95 = 1,96 × √2 × SEM, es decir, unas 2,77 × SEM.
Estos valores ilustrativos son del mismo orden de magnitud que los publicados para el FPPA en vídeo 2D: ICC entre días de 0,72–0,91, SEM de 2,72–3,01° y menor diferencia detectable de 7,54–8,93° 3. En algunas variables de carrera el error es menor, con una menor diferencia detectable de entre 1,3° y 4,8° según la variable 4. En otras es mucho mayor: en la amplitud del hombro medida con Apple Vision, la SDC95 fue de 25,4° en la abducción y de 39,5° en la aducción 7.
| Medida | Población y prueba | Fiabilidad | SEM | MDC / SDD |
|---|---|---|---|---|
| FPPA 2D (vídeo, medición manual) | 20 estudiantes; sentadilla monopodal, drop jump, recepción monopodal | ICC entre días 0,72–0,91 | 2,72–3,01° | 7,54–8,93° 3 |
| Inclinación lateral del tronco, aducción femoral, inclinación del pie | 21 corredores recreativos; carrera | ICC 0,90–0,99 | — | 1,3–2,3° 4 |
| Flexión de rodilla y aducción de cadera | 21 corredores recreativos; carrera | ICC 0,82–0,89 | — | 2,3–3,8° 4 |
| Caída pélvica contralateral | 21 corredores recreativos; carrera | ICC 0,59–0,77 | — | 2,7–2,8° 4 |
| Abducción de hombro (Apple Vision, iPhone) | 20 adultos sanos | — | 9,2° | 25,4° 7 |
| Puntuación LESS automática (OpenLESS) | Deportistas; recepción de salto, en campo | ICC(2,k) > 0,89 | 0,98 errores | 2,72 errores 8 |
SDD: menor diferencia detectable; SDC95: menor cambio detectable al 95%. Cada valor se aplica al protocolo y a la población del estudio correspondiente.
Bland–Altman: concordancia entre métodos
Cuando se compara un método nuevo con una referencia, la correlación no basta: dos métodos pueden correlacionarse perfectamente y diferir siempre en 5°. El análisis de Bland–Altman separa el sesgo (la diferencia media, o error sistemático) de los límites de concordancia del 95% (el intervalo en el que se espera la diferencia para un individuo). Un sesgo pequeño con límites amplios parece bueno de media, pero es impreciso para cada persona.
Dos ejemplos ilustran la diferencia. En el FPPA, BlazePose tuvo un sesgo de −0,67° frente a la medición manual en vídeo, pero unos límites de concordancia de −8,76° a 7,42° 9. En el escaneado 3D del pie con un sensor de luz estructurada, el sesgo fue de 0,5 mm, con límites de −12,4 a 13,5 mm 10. En ambos casos, la media es casi perfecta, pero el valor individual puede alejarse bastante.
Sensibilidad y especificidad: cribar no es hacer seguimiento
La sensibilidad es la proporción de personas verdaderamente en riesgo que la prueba identifica; la especificidad es la proporción de personas sin el problema que la prueba clasifica correctamente. Cuando tres fisioterapeutas clasificaron a simple vista el valgo dinámico en el drop jump de 40 futbolistas adolescentes, la concordancia fue buena (kappa de 0,75–0,85), pero la sensibilidad fue del 67–87% y la especificidad del 60–72% frente al análisis 3D: hasta un tercio de las deportistas de alto riesgo no se identificó 6.
Cribar (clasificar a personas) exige un punto de corte validado y valores de sensibilidad y especificidad frente a una referencia. Hacer seguimiento (comparar a la misma persona a lo largo del tiempo) depende sobre todo de la fiabilidad y de un montaje constante. El vídeo 2D se comporta de forma distinta en ambos escenarios: se correlaciona razonablemente con el 3D entre deportistas (r² de 0,58–0,64), pero peor dentro del mismo deportista (r² de 0,25–0,36) 11. La automatización puede ayudar a la consistencia: un sistema automático de puntuación del LESS concordó con evaluadores expertos (ICC(2,k) de 0,79 en sujetos sanos y de 0,88 tras reconstrucción del LCA) y redujo el tiempo de análisis de unas 35 horas a menos de 25 minutos 8.
Cómo estandarizar el retest
- Mismo montaje: distancia, altura y vista de la cámara iguales en todas las sesiones; una vista diferente produce sesgos sistemáticos 12.
- Móvil nivelado: la inclinación de la cámara altera la amplitud medida 7.
- Mismas condiciones: el mismo calzado, ropa ajustada, iluminación similar y, si es posible, la misma hora del día.
- Misma instrucción y varias repeticiones: usar la media de varias repeticiones, o de al menos 7 pasos en carrera 4.
- Registrar el contexto: la fatiga, el dolor y la carga de entrenamiento reciente alteran el movimiento, con independencia del error del instrumento.
- Comparar con la MDC adecuada: usar la MDC del protocolo realmente utilizado y, por separado, valorar si el cambio es importante para el cliente 5.
Superar la MDC indica que el cambio probablemente es real; saber si ese cambio importa en la vida del cliente es otra pregunta, la de la diferencia mínima clínicamente importante 5. En la mayoría de las pruebas de movimiento no hay valores publicados para esa diferencia, y esa ausencia debe asumirse en lugar de rellenarse con estimaciones.
Preguntas frecuentes
¿Qué es un buen valor de ICC?
Según Koo y Li, un ICC por debajo de 0,5 indica una fiabilidad baja, entre 0,5 y 0,75 moderada, entre 0,75 y 0,9 buena y por encima de 0,9 excelente, valorado según el intervalo de confianza del 95% 1.
¿Cómo se calcula la mínima diferencia detectable (MDC)?
Se calcula el SEM a partir de la desviación estándar y del ICC 2, por ejemplo SEM = DE × √(1 − ICC), y se multiplica por 1,96 × √2 (unas 2,77) para obtener la MDC95.
¿Qué diferencia hay entre SEM y MDC?
El SEM es el error típico de una sola medición; la MDC es la menor diferencia entre dos mediciones que supera ese error con un 95% de confianza. En el FPPA con vídeo 2D, el SEM fue de 2,72–3,01° y la menor diferencia detectable de 7,54–8,93° 3.
¿Qué diferencia hay entre sensibilidad y especificidad en una prueba de cribado?
La sensibilidad es la proporción de personas en riesgo que la prueba detecta; la especificidad es la proporción de personas sin riesgo correctamente excluidas. En la observación a simple vista del valgo dinámico fueron del 67–87% y del 60–72%, respectivamente 6.
¿Un cambio mayor que la MDC es clínicamente importante?
No necesariamente. La MDC indica que el cambio probablemente es real; su relevancia clínica es una cuestión aparte 5.
Referencias
- Koo TK, Li MY. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 2016;15(2):155–163. doi.org/10.1016/j.jcm.2016.02.012
- Weir JP. Quantifying test-retest reliability using the intraclass correlation coefficient and the SEM. J Strength Cond Res. 2005;19(1):231–240. doi.org/10.1519/15184.1
- Munro A, Herrington L, Carolan M. Reliability of 2-dimensional video assessment of frontal-plane dynamic knee valgus during common athletic screening tasks. J Sport Rehabil. 2012;21(1):7–11. doi.org/10.1123/jsr.21.1.7
- Dingenen B, Barton C, Janssen T, Benoit A, Malliaras P. Test-retest reliability of two-dimensional video analysis during running. Phys Ther Sport. 2018;33:40–47. doi.org/10.1016/j.ptsp.2018.06.009
- Haley SM, Fragala-Pinkham MA. Interpreting change scores of tests and measures used in physical therapy. Phys Ther. 2006;86(5):735–743. doi.org/10.1093/ptj/86.5.735
- Ekegren CL, Miller WC, Celebrini RG, Eng JJ, Macintyre DL. Reliability and validity of observational risk screening in evaluating dynamic knee valgus. J Orthop Sports Phys Ther. 2009;39(9):665–674. doi.org/10.2519/jospt.2009.3004
- van den Hoorn W, Lavaill M, Cutbush K, Gupta A, Kerr G. Comparison of shoulder range of motion quantified with mobile phone video-based skeletal tracking and 3D motion capture—preliminary study. Sensors (Basel). 2024;24(2):534. doi.org/10.3390/s24020534
- Turner JA, Reiche ET, Hartshorne MT, Lee CC, Blodgett JM, Padua DA. Open source, open science: development of OpenLESS as the automated Landing Error Scoring System. J Athl Train. 2025;60(8):590–599. doi.org/10.4085/1062-6050-0666.24
- Janisch L, Maack LM, Fohrmann D, Marques CJ. Assessment of dynamic knee angle deviations in the frontal plane in physiotherapy clinical practice: intra- and inter-rater reliability of an application and agreement with two AI-models. BMC Musculoskelet Disord. 2026;27(1):407. doi.org/10.1186/s12891-026-09958-9
- Farhan M, Wang JZ, Warncke R, Cheng TL, Burns J. Comparison of accuracy and speed between plaster casting, high-cost and low-cost 3D scanners to capture foot, ankle and lower leg morphology of children requiring ankle-foot orthoses. J Foot Ankle Res. 2024;17(3):e70006. doi.org/10.1002/jfa2.70006
- McLean SG, Walker K, Ford KR, Myer GD, Hewett TE, van den Bogert AJ. Evaluation of a two dimensional analysis method as a screening and evaluation tool for anterior cruciate ligament injury. Br J Sports Med. 2005;39(6):355–362. doi.org/10.1136/bjsm.2005.018598
- Baldinger M, Reimer LM, Senner V. Influence of the camera viewing angle on OpenPose validity in motion analysis. Sensors (Basel). 2025;25(3):799. doi.org/10.3390/s25030799
Contenido informativo para profesionales de la salud. No sustituye la valoración clínica ni la lectura de los estudios originales.



