El coeficiente de correlación de Pearson: una guía práctica para investigadores Naturópatas

1. Introducción: ¿por qué un Naturópata necesita entender la correlación?

En el ámbito de la Naturopatía Basada en la Evidencia (NBE), los profesionales cualificados no solo aplican intervenciones, sino que también las investigan para generar conocimiento propio. La Metodología de Intervención Naturopática (MIN) y la Praxiología Naturopática requieren que los profesionales sean capaces de leer, interpretar y producir estudios cuantitativos, cualitativos y mixtos.

Uno de los conceptos estadísticos más útiles y a la vez más malinterpretados en la investigación en salud es el coeficiente de correlación de Pearson. Este artículo ofrece una explicación didáctica, orientada a investigadores Naturópatas, que permita comprender su significado, calcularlo (o al menos interpretarlo cuando aparece en publicaciones), y reconocer sus limitaciones. No se pretende formar estadísticos, sino profesionales críticos capaces de evaluar la evidencia con rigor.

2. ¿Qué mide el coeficiente de correlación de Pearson?

El coeficiente de correlación de Pearson, simbolizado por la letra r (o a veces r de Pearson), es una medida de la fuerza y la dirección de la relación lineal entre dos variables cuantitativas. Es decir, responde a preguntas como:

• ¿A mayor exposición a luz diurna (variable X), menor puntuación en una escala de depresión (variable Y)?
• ¿A mayor consumo de vegetales (X), mayor nivel de antioxidantes en sangre (Y)?
• ¿A mayor estrés percibido (X), mayor cortisol salival (Y)?

La palabra clave es lineal. Pearson mide si la relación entre X e Y se aproxima a una línea recta (ascendente o descendente). Si la relación es curvilínea (por ejemplo, una parábola), Pearson puede dar un valor cercano a cero, aunque exista una fuerte relación no lineal.

2.1. Rango de valores y significado básico

El coeficiente r siempre está entre -1 y +1:

• r = +1: correlación positiva perfecta. Todos los puntos de la nube de puntos caen exactamente sobre una línea recta con pendiente positiva (ascendente).
• r = -1: correlación negativa perfecta. Todos los puntos caen exactamente sobre una línea recta con pendiente negativa (descendente).
• r = 0: no existe correlación lineal. No significa que no haya ninguna relación; la relación podría ser curvilínea o simplemente no existir.

Valor de r	Interpretación cualitativa (fuerza)
0,00 – 0,19	Muy débil o nula
0,20 – 0,39	Débil
0,40 – 0,59	Moderada
0,60 – 0,79	Fuerte
0,80 – 1,00	Muy fuerte

Los mismos rangos en valor absoluto se aplican para correlaciones negativas (ej: -0,75 es una correlación negativa fuerte).

3. Interpretación detallada con ejemplos aplicados a la Naturopatía

3.1. Correlación positiva perfecta (r = +1)

Ejemplo teórico: En un estudio in vitro, se mide la concentración de un flavonoide (quercetina) en un extracto de piel de cebolla y su capacidad antioxidante medida por un método fotométrico. Si la relación es perfectamente lineal y todos los puntos se alinean exactamente, r = 1. En la práctica, r = 1 solo se da en relaciones matemáticas exactas o con pocos datos muy controlados. En investigación clínica con seres humanos es prácticamente imposible.

3.2. Correlación positiva fuerte (r cercano a +1, ej: 0,85)

Ejemplo aplicado: Se estudia la relación entre las horas semanales de ejercicio físico al aire libre (X) y la puntuación en la escala de bienestar mental (GHQ-12, Y). Se encuentra r = 0,85. Esto indica que los participantes con más horas de ejercicio tienden a tener mejores puntuaciones de bienestar, y la relación es bastante ajustada a una línea recta.

3.3. Correlación positiva débil (r = 0,25)

Ejemplo aplicado: Relación entre el consumo diario de infusiones de manzanilla y la calidad subjetiva del sueño (escala de 0 a 10). Se obtiene r = 0,25. Existe una tendencia positiva, pero muy débil: muchos sujetos con alto consumo de manzanilla pueden tener mala calidad de sueño, y viceversa.

3.4. Correlación negativa fuerte (r = -0,75)

Ejemplo aplicado: Relación entre los niveles de estrés percibido (PSS, escala de 0 a 40) y la frecuencia cardíaca en reposo (latidos/min). Se encuentra r = -0,75. A mayor estrés, menor frecuencia cardíaca en reposo (o viceversa). La relación es inversa y fuerte.

3.5. Sin correlación lineal (r cercano a 0)

Ejemplo aplicado: Relación entre el número de horas de meditación semanales y la talla en centímetros. Probablemente r ≈ 0. No existe relación lineal entre ambas. Importante: esto no descarta que la meditación tenga efectos sobre la salud, simplemente que no se asocia linealmente con la talla.

3.6. Relación curvilínea con r ≈ 0

Ejemplo aplicado: La dosis de un adaptógeno (ashwagandha) produce un efecto en la energía subjetiva. A dosis bajas, poco efecto; a dosis medias, efecto máximo; a dosis altas, efecto meseta o incluso disminución. El gráfico tiene forma de “U” invertida o meseta. El coeficiente de Pearson puede ser cercano a 0 porque la relación no es lineal, aunque sí exista una relación relevante.

Conclusión práctica: Siempre hay que visualizar los datos (mediante un diagrama de dispersión) antes de confiar ciegamente en r. Un r bajo no significa “no hay relación”, sino “no hay relación lineal”.

4. ¿Qué factores afectan al valor de r?

Factor	Efecto sobre r	Ejemplo en investigación Naturopática
Valores atípicos (outliers)	Pueden inflar o reducir falsamente r.	Un sujeto con estrés extremadamente alto y frecuencia cardíaca muy baja puede desviar la correlación.
Rango restringido	Si solo se estudia un segmento de la población (ej: solo personas con estrés alto), r puede aparecer más débil.	Si se mide relación entre ejercicio y depresión solo en personas ya muy deprimidas, la variabilidad es baja y r puede subestimarse.
No linealidad	r puede ser cercano a cero, aunque exista relación clara (ej: relación en forma de U).	Relación entre dosis de vitamina C y absorción de hierro: puede haber un pico óptimo y luego meseta.
Muestra pequeña	r es muy inestable; un valor alto puede deberse al azar.	Con n=10, r=0,60 no es estadísticamente significativo (p>0,05). Con n=100, r=0,20 puede ser significativo.

5. Diferencia entre correlación y causalidad

Uno de los errores más frecuentes en la interpretación de la investigación en salud es asumir que “correlación implica causalidad”. No es así.

Si encontramos que las horas de sueño nocturno (X) se correlacionan negativamente con los niveles de cortisol matutino (r = -0,60), eso no demuestra que “dormir más causa menor cortisol”. Podría ser que:

• Causalidad directa: dormir más reduce cortisol (sentido X→Y).
• Causalidad inversa: el menor cortisol permite dormir mejor (Y→X).
• Tercera variable: la exposición a luz nocturna (Z) afecta tanto al sueño como al cortisol, y al controlar Z, la correlación desaparece.
• Azar: por pura coincidencia en esa muestra (poco probable si p<0,01, pero posible).

En Naturopatía basada en la evidencia (NBE), las correlaciones se usan sobre todo en estudios observacionales o transversales. Para establecer causalidad se necesitan ensayos clínicos aleatorizados (ECA) o, al menos, estudios longitudinales robustos con control de confusores.

6. ¿Cómo se calcula r? (Nociones básicas para entender las publicaciones)

Sin necesidad de reproducir la fórmula compleja, es útil saber que r se calcula como:

r=covarianza entre X e Ydesviación estándar de X×desviación estándar de Yr=desviación estándar de X× desviación estándar de Y covarianza entre X e Y​

Es decir, mide cómo varían juntas X e Y en relación con cuánto varían cada una por separado. Los programas estadísticos (SPSS, R, JASP, Excel) calculan r automáticamente. Un investigador Naturópata no necesita calcularlo a mano, pero sí debe saber interpretarlo.

6.1. Nivel de significación (p-valor)

R siempre debe acompañarse de su p-valor o de un intervalo de confianza. Un r alto con una muestra pequeña puede no ser estadísticamente significativo (p > 0,05). En cambio, un r bajo con una muestra muy grande puede ser significativo (p < 0,05). La magnitud (fuerza) de la correlación es más importante que la significación estadística en sí misma.

Recomendación para investigadores Naturópatas: Reportar siempre r y su intervalo de confianza del 95% (ej: r = 0,45; IC 95%: 0,32 a 0,56). También indicar el tamaño muestral y el p-valor.

7. Limitaciones del coeficiente de Pearson que todo Naturópata debe conocer

1. Solo detecta relaciones lineales. No sirve para relaciones en forma de U, J, o de campana.
2. Es sensible a valores extremos (outliers). Un solo dato raro puede cambiar drásticamente r.
3. No implica causalidad. La correlación es un punto de partida, no una conclusión.
4. Requiere variables cuantitativas continuas o al menos intervalares. No debe usarse con variables nominales (ej: sexo) u ordinales con pocas categorías.
5. Asume que la relación es homocedástica (la variabilidad alrededor de la línea es constante). Si la dispersión aumenta con X, Pearson puede estar sesgado.

Comprobar la homocedasticidad: visualizar el diagrama de dispersión. Si los puntos se ensanchan como un “abanico” hacia la derecha, la correlación puede no ser adecuada.

8. Aplicaciones prácticas en la investigación Naturopática

Estudio de validación de un cuestionario de calidad de vida en salutantes con DM fibromialgia

Se correlaciona la nueva escala con una escala ya validada. Se espera r > 0,70 (correlación fuerte) como evidencia de validez concurrente.

Estudio transversal sobre hábitos alimentarios y estrés oxidativo

Se mide consumo de frutas/verduras (X) y marcador de estrés oxidativo (malondialdehído, Y). Si r es negativo y moderado (ej: -0,50), sugiere que, a mayor consumo vegetal, menor estrés oxidativo. Es un hallazgo que justificaría un ensayo clínico posterior.

Estudio de seguimiento en un Programa Personal de Salud (PPS)

Se correlaciona el número de sesiones de acompañamiento (X) con el cambio en la puntuación de activación del salutante (Patient Activation Measure, PAM). Si r es positivo, indica que los salutantes que más asisten mejoran más en activación. Esto no prueba causalidad, pero apoya un modelo de “a mayor adherencia al PPS, mayor beneficio”.

Meta-análisis de estudios sobre herbología

En un meta-análisis de ensayos clínicos, a veces se utiliza la correlación de Pearson para evaluar el sesgo de publicación (relación entre tamaño del efecto y tamaño muestral). Un r cercano a cero descartaría un sesgo importante de publicación por tamaño.

9. Errores comunes a evitar en publicaciones Naturopáticas

Error	Explicación	Corrección
Poner “r = 0,8, p = 0,03” sin especificar qué variables se correlacionan	Aporte insuficiente para evaluar.	Siempre indicar “correlación entre X (unidades) e Y (unidades), r = 0,80, IC 95% (0,65-0,89), p = 0,03, n = 30”.
Interpretar un r bajo como “no hay relación” sin ver el diagrama de dispersión	Puede haber relación curvilínea.	Incluir siempre el gráfico de dispersión (scatter plot) en trabajos de investigación, o al menos mencionar que se comprobó la linealidad.
Concluir causalidad a partir de una correlación transversal	El ejemplo de las horas de sueño y cortisol.	Usar verbos como “asociado”, “relacionado”, “se asocia”, no “causa” ni “produce”.
Usar Pearson con variables ordinales (ej: escala Likert de 1 a 5) sin justificación	La correlación de Spearman es más adecuada para datos ordinales.	Informar que se utilizó Pearson por asunción de intervalo, o mejor, usar Spearman (rho) y reportar ambos.

10. Alternativas y complementos de Pearson en investigación Naturopáticas

Método	Cuándo usarlo	Ejemplo en Naturopatía
Correlación de Spearman (rho)	Variables ordinales o relaciones no lineales monótonas.	Correlación entre el rango de gravedad de síntomas (1=leve,5=grave) y el rango de respuesta a fitoterapia.
Correlación de Kendall (tau)	Muestras pequeñas y muchos empates.	Estudio piloto con n=15 sobre adherencia a PPS y mejora de la calidad de sueño.
Regresión lineal simple	Se quiere predecir Y a partir de X (relación lineal).	Predecir la presión arterial diastólica a partir del índice de masa corporal.
Regresión múltiple	Varias variables independientes.	Identificar qué factores (ejercicio, dieta, estrés, nivel socioeconómico) predicen mejor la calidad de vida.

La correlación de Pearson es un primer paso, pero para análisis más profundos se recomienda la regresión, que permite cuantificar el cambio esperado en Y por cada unidad de cambio en X, y controlar por otras variables.

11. Conclusión: una herramienta útil, pero no suficiente

El coeficiente de correlación de Pearson es una herramienta estadística imprescindible para cualquier investigador en ciencias de la salud, incluidos los Naturópatas que deseen publicar o evaluar estudios con rigor. Permite cuantificar la fuerza y dirección de una relación lineal entre dos variables cuantitativas.

Sin embargo, nunca debe usarse de forma aislada:

• Siempre visualizar los datos (diagrama de dispersión).
• No confundir correlación con causalidad.
• Conocer sus limitaciones (linealidad, sensibilidad a atípicos, rango restringido).
• Reportar adecuadamente (r, IC 95%, n, p, y si se comprobó la linealidad).

Para los profesionales Naturópatas colegiados en OCNFENACO que realizan investigación en el marco de la NBE, la MIN y la Praxiología Naturopática, el manejo crítico de la correlación de Pearson es una competencia básica. No se trata de convertirse en estadísticos, sino de dejar de ser ingenuos ante las correlaciones mágicas y poder discernir cuándo un hallazgo es sólido y cuándo es solo un artefacto estadístico.

Referencias básicas para ampliar

• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage. Capítulo sobre correlación.
• Altman, D. G. (1991). Practical Statistics for Medical Research. Chapman & Hall/CRC.
• Motulsky, H. (2018). Intuitive Biostatistics: A Nonmathematical Guide to Statistical Thinking (4th ed.). Oxford University Press.
• Red de Investigación Naturopática RINA. Guías para la investigación en Naturopatía Basada en la Evidencia (NBE). Colección Naturopatía Digital.

Nota final: Este artículo ha sido redactado en el marco de la línea de investigación en Metodología de la Red de Investigación Naturopática RINA, en diálogo con Naturopatía Digital. Su objetivo es proporcionar a los Profesionales Naturópatas colegiados en OCNFENACO las herramientas estadísticas básicas para interpretar críticamente la literatura científica y diseñar sus propios estudios, reafirmando el compromiso con una práctica basada en la mejor evidencia disponible.