Tutorial

Coeficiente de Correlación Intraclase (ICC)

Este tutorial presenta un flujo completo para calcular e interpretar el coeficiente de correlación intraclase (ICC) en R. Incluye preparación de datos, evaluación de supuestos, análisis descriptivo, estimación del ICC en diferentes configuraciones y visualización de resultados para estudios de confiabilidad inter-observador e intra-observador.

Ver repositorio Abrir tutorial

Descripción

El ICC cuantifica qué proporción de la variabilidad total se debe a diferencias reales entre sujetos, en lugar de error de medición. Es clave cuando varios observadores evalúan la misma variable.

El flujo del tutorial cubre comparaciones entre observadores, gráficos de Bland-Altman y modelos ICC de dos vías para consistencia y acuerdo.

Requisitos previos

  • R en versión reciente.
  • Paquetes irr, ggplot2 y utilidades para manejo de datos.
  • Matriz o data.frame con mediciones por observador.
  • Criterio previo para elegir consistencia o acuerdo.

Protocolo de análisis

  • Importar y depurar la base de mediciones.
  • Explorar resumen descriptivo por observador.
  • Evaluar diferencias sistemáticas entre pares.
  • Calcular ICC(2,1) para consistencia y acuerdo.
  • Calcular ICC(2,k) para promedio de evaluadores.
  • Reportar valor ICC, IC 95% y p-valor.

Código de ejemplo

Ejemplo compacto para obtener ICC con el paquete irr. 

library(irr)

# matriz con mediciones por observador
ratings <- data.frame(
  Obs_A = c(88.1, 91.3, 95.0, 84.2, 90.5),
  Obs_B = c(88.4, 91.0, 94.6, 84.7, 90.1),
  Obs_C = c(87.9, 91.8, 95.4, 84.0, 90.8)
)

icc_consistencia <- icc(
  ratings,
  model = "twoway",
  type = "consistency",
  unit = "single"
)

print(icc_consistencia)

Nota metodológica

El valor del ICC siempre debe interpretarse junto con su intervalo de confianza y en función del diseño del estudio. Un ICC alto no reemplaza una buena estandarización del protocolo de medición.
Volver a tutoriales Ir al inicio