{"id":617358,"date":"2026-05-16T06:45:05","date_gmt":"2026-05-16T04:45:05","guid":{"rendered":"https:\/\/www.dynseo.com\/quelles-donnees-de-vie-reelle-peut-on-recolter-lors-dune-etude-clinique-dynseo-2\/"},"modified":"2026-05-16T06:48:12","modified_gmt":"2026-05-16T04:48:12","slug":"que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo","status":"publish","type":"post","link":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/","title":{"rendered":"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO"},"content":{"rendered":"<p>[et_pb_section fb_built=\u00bb1&#8243; admin_label=\u00bbArticle HTML\u00bb _builder_version=\u00bb4.16&#8243; custom_padding=\u00bb0px||0px||false|false\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_row admin_label=\u00bbContenu\u00bb _builder_version=\u00bb4.16&#8243; width=\u00bb100%\u00bb max_width=\u00bb100%\u00bb custom_padding=\u00bb0px||0px||false|false\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_column type=\u00bb4_4&#8243; _builder_version=\u00bb4.16&#8243; global_colors_info=\u00bb{}\u00bb][et_pb_code admin_label=\u00bbHTML import\u00e9\u00bb _builder_version=\u00bb4.16&#8243; global_colors_info=\u00bb{}\u00bb]<\/p>\n<style type=\"text\/css\">\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Montserrat:wght@600;700;800&family=Poppins:wght@400;500;600&display=swap');\n        * { margin: 0; padding: 0; box-sizing: border-box; }\n.dbi-art-dffa9a { font-family: 'Poppins', sans-serif; line-height: 1.9; color: #333; background-color: #f8f9fa; }\n.dbi-art-dffa9a .container { max-width: 920px; margin: 0 auto; padding: 20px; }\n.dbi-art-dffa9a .article-header { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 70px 20px; text-align: center; border-radius: 0 0 30px 30px; margin-bottom: 50px; }\n.dbi-art-dffa9a .article-category { display: inline-block; background: rgba(255,255,255,0.2); padding: 8px 20px; border-radius: 25px; font-size: 0.9rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header h1 { font-family: 'Montserrat', sans-serif; font-size: 2.4rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header .subtitle { font-size: 1.1rem; opacity: 0.95; max-width: 720px; margin: 0 auto; }\n.dbi-art-dffa9a .intro-paragraph { font-size: 1.1rem; color: #555; padding: 32px; background: white; border-radius: 15px; border-left: 5px solid #5e5ed7; margin-bottom: 45px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a h2 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 2rem; margin: 55px 0 25px; padding-bottom: 15px; border-bottom: 3px solid #a9e2e4; }\n.dbi-art-dffa9a h3 { font-family: 'Montserrat', sans-serif; color: #5268c9; font-size: 1.4rem; margin: 38px 0 16px; }\n.dbi-art-dffa9a p { margin-bottom: 22px; text-align: justify; font-size: 1.02rem; }\n.dbi-art-dffa9a .highlight-box { background: linear-gradient(135deg, #a9e2e4 0%, #d0f0f2 100%); padding: 32px; border-radius: 15px; margin: 32px 0; }\n.dbi-art-dffa9a .highlight-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 15px; font-size: 1.2rem; }\n.dbi-art-dffa9a .tip-box { background: linear-gradient(135deg, #ffeca7 0%, #ffe88a 100%); padding: 26px; border-radius: 15px; margin: 26px 0; }\n.dbi-art-dffa9a .tip-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .warning-box { background: linear-gradient(135deg, #fde8ee 0%, #fcc8d6 100%); padding: 26px; border-radius: 15px; margin: 26px 0; border-left: 5px solid #e73469; }\n.dbi-art-dffa9a .warning-box h4 { font-family: 'Montserrat', sans-serif; color: #e73469; margin-bottom: 10px; }\n.dbi-art-dffa9a .stats-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 22px; margin: 32px 0; }\n.dbi-art-dffa9a .stat-card { background: white; padding: 28px; border-radius: 15px; text-align: center; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .stat-number { font-family: 'Montserrat', sans-serif; font-size: 2.6rem; font-weight: 800; color: #5e5ed7; display: block; }\n.dbi-art-dffa9a .stat-label { color: #666; font-size: 0.88rem; margin-top: 8px; }\n.dbi-art-dffa9a .comparison-table { width: 100%; border-collapse: collapse; margin: 32px 0; border-radius: 15px; overflow: hidden; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .comparison-table th { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 16px 20px; text-align: left; font-family: 'Montserrat', sans-serif; }\n.dbi-art-dffa9a .comparison-table td { padding: 15px 20px; border-bottom: 1px solid #f0f0ff; background: white; vertical-align: top; }\n.dbi-art-dffa9a .comparison-table tr:last-child td { border-bottom: none; }\n.dbi-art-dffa9a .comparison-table tr:nth-child(even) td { background: #f8f8ff; }\n.dbi-art-dffa9a .method-card { background: white; border-radius: 15px; padding: 28px; margin: 24px 0; box-shadow: 0 5px 20px rgba(94,94,215,0.08); }\n.dbi-art-dffa9a .method-card.blue { border-left: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .method-card.teal { border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .method-card.rose { border-left: 4px solid #e73469; }\n.dbi-art-dffa9a .method-card.yellow { border-left: 4px solid #ffeca7; border-top: 3px solid #ffeca7; }\n.dbi-art-dffa9a .method-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 12px; font-size: 1.12rem; }\n.dbi-art-dffa9a .method-card.teal h4 { color: #5268c9; }\n.dbi-art-dffa9a .method-card.rose h4 { color: #e73469; }\n.dbi-art-dffa9a .method-badge { display: inline-block; padding: 5px 14px; border-radius: 20px; font-size: 0.82rem; font-weight: 600; margin-bottom: 12px; }\n.dbi-art-dffa9a .badge-blue { background: #f0f0ff; color: #5e5ed7; }\n.dbi-art-dffa9a .badge-green { background: #e0f7f8; color: #5268c9; }\n.dbi-art-dffa9a .badge-rose { background: #fde8ee; color: #e73469; }\n.dbi-art-dffa9a .badge-yellow { background: #fff8dc; color: #8a6d00; }\n.dbi-art-dffa9a .checklist { background: white; padding: 32px; border-radius: 15px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); margin: 28px 0; }\n.dbi-art-dffa9a .checklist h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 20px; }\n.dbi-art-dffa9a .checklist ul { list-style: none; padding: 0; }\n.dbi-art-dffa9a .checklist li { padding: 12px 0; border-bottom: 1px solid #f0f0ff; padding-left: 38px; position: relative; }\n.dbi-art-dffa9a .checklist li::before { content: '\u2714'; position: absolute; left: 0; color: #5e5ed7; font-weight: bold; }\n.dbi-art-dffa9a .checklist li:last-child { border-bottom: none; }\n.dbi-art-dffa9a .app-card { background: white; border-radius: 18px; padding: 30px; margin: 28px 0; box-shadow: 0 8px 30px rgba(94,94,215,0.15); border-top: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .app-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 1.3rem; margin-bottom: 12px; }\n.dbi-art-dffa9a .cta-button { display: inline-block; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 15px 35px; border-radius: 30px; text-decoration: none; font-weight: 600; margin-top: 15px; }\n.dbi-art-dffa9a .quote-box { background: #f0f0ff; border-left: 4px solid #5e5ed7; padding: 26px; margin: 32px 0; border-radius: 0 15px 15px 0; }\n.dbi-art-dffa9a .quote-box p { font-style: italic; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .quote-box .author { font-weight: 600; color: #5e5ed7; font-style: normal; font-size: 0.9rem; }\n.dbi-art-dffa9a .conclusion { background: linear-gradient(135deg, #f5f7fa 0%, #e8e8ff 100%); padding: 45px; border-radius: 20px; margin-top: 55px; }\n.dbi-art-dffa9a .conclusion h2 { border-bottom: none; margin-top: 0; }\n.dbi-art-dffa9a .article-footer { text-align: center; padding: 55px 20px; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; border-radius: 30px 30px 0 0; margin-top: 65px; }\n.dbi-art-dffa9a .article-footer h3 { font-family: 'Montserrat', sans-serif; color: white; margin-bottom: 20px; font-size: 1.5rem; }\n.dbi-art-dffa9a .article-footer a { color: #ffeca7; text-decoration: none; font-weight: 600; }\n.dbi-art-dffa9a .footer-links { display: flex; gap: 20px; justify-content: center; flex-wrap: wrap; margin-top: 15px; }\n.dbi-art-dffa9a .faq-item { background: white; border-radius: 15px; padding: 28px 32px; margin: 16px 0; box-shadow: 0 3px 15px rgba(94,94,215,0.08); border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .faq-item h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 13px; font-size: 1.08rem; }\n.dbi-art-dffa9a .faq-item p { margin: 0; color: #555; }\n.dbi-art-dffa9a a { color: #5e5ed7; }\n@media (max-width: 768px) {\n.dbi-art-dffa9a .article-header h1 { font-size: 1.85rem; }\n.dbi-art-dffa9a .stats-grid { grid-template-columns: 1fr; }\n.dbi-art-dffa9a .article-header { padding: 45px 15px; }\n.dbi-art-dffa9a .container { padding: 15px; }\n.dbi-art-dffa9a h2 { font-size: 1.6rem; }\n}<\/p>\n<\/style>\n<div class=\"dbi-art-dffa9a\">\n<article>\n<header class=\"article-header\">\n<div class=\"article-category\">\ud83d\udd2c Salud mental &amp; Investigaci\u00f3n cl\u00ednica \u2014 Datos de vida real<\/div>\n<h1>\u00bfQu\u00e9 datos de vida real se pueden recoger en un estudio cl\u00ednico?<\/h1>\n<pee class=\"subtitle\">Los ensayos cl\u00ednicos tradicionales solo capturan una fracci\u00f3n de la realidad de los pacientes. Los datos de vida real \u2014 recolectados a trav\u00e9s de aplicaciones m\u00f3viles, objetos conectados, EMA y registros \u2014 revolucionan nuestra comprensi\u00f3n de los trastornos cognitivos y mentales. Gu\u00eda completa para investigadores, cl\u00ednicos y pacientes.<\/pee>\n<\/header>\n<div class=\"container\">\n<div class=\"intro-paragraph\">\nDurante d\u00e9cadas, la investigaci\u00f3n cl\u00ednica ha funcionado seg\u00fan un modelo probado: un ensayo aleatorio controlado, una poblaci\u00f3n cuidadosamente seleccionada, medidas estandarizadas a intervalos fijos en un contexto cl\u00ednico. Este modelo sigue siendo el est\u00e1ndar de oro para establecer la causalidad \u2014 pero presenta una limitaci\u00f3n importante: no captura la vida real. La salud mental, en particular, se ve profundamente afectada por los contextos cotidianos \u2014 el estr\u00e9s laboral, la calidad del sue\u00f1o, las interacciones sociales, el clima \u2014 que las evaluaciones puntuales en consulta no pueden captar. Los datos de vida real (Real-World Data, RWD) llenan este vac\u00edo transformando la vida cotidiana de los pacientes en laboratorio.\n<\/div>\n<div class=\"stats-grid\">\n<div class=\"stat-card\"><span class=\"stat-number\">\u00d710<\/span><\/p>\n<div class=\"stat-label\">la cantidad de datos de salud digitales disponibles se duplica cada 3-4 a\u00f1os \u2014 una revoluci\u00f3n para la investigaci\u00f3n<\/div>\n<\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">80%<\/span><\/p>\n<div class=\"stat-label\">de los estudios cl\u00ednicos integrar\u00e1n RWD para 2030 seg\u00fan las previsiones de la EMA y la FDA<\/div>\n<\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">EMA<\/span><\/p>\n<div class=\"stat-label\">la Agencia Europea de Medicamentos public\u00f3 en 2023 su estrategia sobre datos de vida real<\/div>\n<\/div>\n<\/div>\n<h2>Definiciones: RWD, RWE y sus diferencias fundamentales<\/h2>\n<pee>Antes de explorar los tipos de datos y los m\u00e9todos de recolecci\u00f3n, es esencial aclarar el vocabulario \u2014 ya que los t\u00e9rminos a menudo se utilizan de manera intercambiable de forma incorrecta.<\/pee>\n<pee>Los <strong>Real-World Data (RWD)<\/strong> \u2014 o datos de vida real \u2014 son todos los datos relativos al estado de salud de los pacientes y a la entrega de cuidados recolectados fuera de los ensayos cl\u00ednicos aleatorios controlados. Pueden provenir de registros m\u00e9dicos electr\u00f3nicos, bases de datos de reembolso, registros de pacientes, sensores port\u00e1tiles, aplicaciones m\u00f3viles, redes sociales de salud o estudios observacionales.<\/pee>\n<pee>Las <strong>Real-World Evidence (RWE)<\/strong> \u2014 evidencias de la vida real \u2014 son las pruebas cl\u00ednicas generadas por el an\u00e1lisis riguroso de los RWD. Los RWD son la materia prima; los RWE son el resultado de la aplicaci\u00f3n de una metodolog\u00eda cient\u00edfica a esta materia. La FDA y la EMA han desarrollado marcos para aceptar los RWE en los expedientes de autorizaci\u00f3n de comercializaci\u00f3n \u2014 una transformaci\u00f3n importante para la industria farmac\u00e9utica y la investigaci\u00f3n biom\u00e9dica.<\/pee>\n<h3>\u00bfPor qu\u00e9 son cruciales los RWD en salud mental y cognitiva?<\/h3>\n<pee>Los trastornos mentales y cognitivos presentan caracter\u00edsticas que los hacen particularmente dif\u00edciles de estudiar en el marco de los ensayos cl\u00ednicos cl\u00e1sicos. La variabilidad intraindividual es considerable \u2014 un paciente depresivo puede sentirse muy diferente de un lunes a un viernes, o seg\u00fan la temporada, o seg\u00fan su contexto relacional. Esta variabilidad es invisible en una evaluaci\u00f3n mensual en consulta. Del mismo modo, las manifestaciones cognitivas de trastornos como el TDAH, las secuelas de ACV o las etapas tempranas de Alzheimer son profundamente contextuales \u2014 el entorno, la fatiga, el estr\u00e9s las modulan en tiempo real.<\/pee>\n<pee>Los RWD permiten captar esta complejidad din\u00e1mica. Hacen visible lo que sucede entre las consultas, en la vida real de los pacientes \u2014 lo que representa el 99 % de su existencia.<\/pee>\n<h2>Las grandes categor\u00edas de datos de vida real en cl\u00ednica<\/h2>\n<h3>1. Los datos de los sistemas de salud (datos administrativos y cl\u00ednicos)<\/h3>\n<pee>Estos son los RWD m\u00e1s utilizados en investigaci\u00f3n observacional. Incluyen los registros m\u00e9dicos electr\u00f3nicos (DME), los datos de reembolso de la Seguridad Social (SNDS en Francia \u2014 Sistema Nacional de Datos de Salud), los registros de pacientes (registros de c\u00e1ncer, registros de enfermedades raras, registros de Alzheimer), las bases hospitalarias (PMSI, bases de medicamentos), y los datos de las prescripciones. Estas bases son valiosas para los estudios epidemiol\u00f3gicos a gran escala \u2014 permiten analizar cientos de miles e incluso millones de trayectorias de cuidados. Su l\u00edmite es que solo capturan lo que est\u00e1 codificado y reembolsado \u2014 carecen de datos subjetivos, conductuales y contextuales.<\/pee>\n<div class=\"method-card blue\">\n<div class=\"method-badge badge-blue\">\ud83c\udfe5 El SNDS en Francia<\/div>\n<h4>El mayor almac\u00e9n de datos de salud europeo<\/h4>\n<pee>El Sistema Nacional de Datos de Salud (SNDS) cubre todos los reembolsos de cuidados para los 67 millones de asegurados franceses, siendo una de las mayores bases de datos de salud del mundo. Su acceso est\u00e1 regulado por el Health Data Hub y requiere autorizaci\u00f3n de la CNIL. Para la investigaci\u00f3n en salud mental, permite estudiar las trayectorias de cuidados, la adherencia a los tratamientos, las comorbilidades y las hospitalizaciones a gran escala \u2014 pero no contiene datos sobre los s\u00edntomas, el funcionamiento diario o la calidad de vida.<\/pee>\n<\/div>\n<h3>2. Los datos recolectados por los propios pacientes (PRO)<\/h3>\n<pee>Los Patient-Reported Outcomes (PRO) son datos reportados directamente por los pacientes, sin interpretaci\u00f3n por un cl\u00ednico \u2014 puntuaciones de calidad de vida, niveles de dolor, intensidad de los s\u00edntomas, satisfacci\u00f3n, adherencia a los tratamientos. En salud mental, son particularmente valiosos porque muchos s\u00edntomas clave (humor, ansiedad, energ\u00eda, pensamientos intrusivos) solo son accesibles a trav\u00e9s del auto-reporte.<\/pee>\n<pee>Los cuestionarios en papel tradicionales (PHQ-9 para la depresi\u00f3n, GAD-7 para la ansiedad, MADRS) siguen siendo referencias cl\u00ednicas. Pero su administraci\u00f3n puntual en consulta no captura la variabilidad temporal. Por eso, los m\u00e9todos de EMA (ver abajo) revolucionan la recolecci\u00f3n de PRO en la investigaci\u00f3n contempor\u00e1nea.<\/pee>\n<h3>3. Los datos de biomarcadores digitales (Digital Biomarkers)<\/h3>\n<pee>Una de las innovaciones m\u00e1s espectaculares de los \u00faltimos a\u00f1os es la posibilidad de recolectar <strong>biomarcadores digitales<\/strong> \u2014 medidas objetivas del comportamiento y la fisiolog\u00eda capturadas de forma continua por dispositivos digitales. Estos datos incluyen la frecuencia card\u00edaca y su variabilidad (a trav\u00e9s de smartwatches), los patrones de actividad f\u00edsica y sedentarismo (aceler\u00f3metros), la calidad y duraci\u00f3n del sue\u00f1o (act\u00edgrafos), los patrones de desplazamiento geogr\u00e1fico (GPS), la frecuencia de llamadas telef\u00f3nicas y mensajes, los patrones de escritura en el teclado (din\u00e1mica de escritura), y los datos vocales (prosodia, fluidez, pausas).<\/pee>\n<pee>Estos biomarcadores digitales pasivos \u2014 recolectados sin que el paciente tenga que \u00abhacer nada\u00bb \u2014 son particularmente valiosos en la investigaci\u00f3n sobre salud mental. Estudios han demostrado que los cambios en los patrones de sue\u00f1o, actividad y comunicaci\u00f3n pueden preceder por varios d\u00edas a episodios depresivos o man\u00edacos documentados \u2014 abriendo perspectivas in\u00e9ditas para la prevenci\u00f3n de reca\u00eddas.<\/pee>\n<h3>4. Los datos de pruebas cognitivas digitales<\/h3>\n<pee>Las pruebas cognitivas administradas a trav\u00e9s de aplicaciones m\u00f3viles representan una revoluci\u00f3n para la investigaci\u00f3n en neurociencias cognitivas y psiquiatr\u00eda. A diferencia de las evaluaciones neuropsicol\u00f3gicas anuales realizadas en cl\u00ednica, se pueden administrar pruebas digitales cortas diariamente o semanalmente \u2014 capturando la variabilidad temporal del rendimiento cognitivo.<\/pee>\n<pee>Pruebas como el Trail Making Test, el Stroop, las pruebas de memoria de trabajo N-back, o las pruebas de tiempo de reacci\u00f3n pueden ser administradas en 2 a 5 minutos en un smartphone. Los datos recolectados permiten detectar cambios sutiles en el rendimiento cognitivo que preceden a las manifestaciones cl\u00ednicas \u2014 una aplicaci\u00f3n prometedora para la detecci\u00f3n temprana de Alzheimer, el monitoreo de las secuelas de ACV o el seguimiento de la eficacia de los tratamientos.<\/pee>\n<pee>Las pruebas cognitivas DYNSEO \u2014 <a href=\"https:\/\/www.dynseo.com\/es\/prueba-de-memoria\/\" target=\"_blank\"><strong>Test Memoria<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-concentraci\u00f3n-attention\/\" target=\"_blank\"><strong>Test Concentraci\u00f3n y Atenci\u00f3n<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/es\/prueba-de-funciones-ejecutivas\/\" target=\"_blank\"><strong>Test de Funciones Ejecutivas<\/strong><\/a> \u2014 son ejemplos de herramientas digitales que permiten una evaluaci\u00f3n regular y accesible de las funciones cognitivas fuera del contexto cl\u00ednico. Estos datos, recolectados de forma repetida, constituyen un perfil din\u00e1mico de la evoluci\u00f3n cognitiva \u2014 valioso tanto para el seguimiento cl\u00ednico como para la investigaci\u00f3n.<\/pee>\n<h2>La EMA (Evaluaci\u00f3n Ecol\u00f3gica Moment\u00e1nea): la revoluci\u00f3n de la captura en tiempo real<\/h2>\n<pee>La Evaluaci\u00f3n Ecol\u00f3gica Moment\u00e1nea (EMA) \u2014 tambi\u00e9n llamada m\u00e9todo de muestreo de experiencias \u2014 es un m\u00e9todo de recolecci\u00f3n de datos que consiste en interrogar a los participantes sobre su estado (humor, s\u00edntomas, comportamientos, contexto) en m\u00faltiples momentos y variados de su vida cotidiana, a trav\u00e9s de un smartphone o una aplicaci\u00f3n dedicada.<\/pee>\n<h3>\u00bfPor qu\u00e9 la EMA lo cambia todo para la investigaci\u00f3n en salud mental?<\/h3>\n<pee>El problema fundamental de la evaluaci\u00f3n cl\u00ednica cl\u00e1sica es que es retrospectiva y puntual. Cuando un paciente completa un cuestionario de depresi\u00f3n semanal, intenta \u00abpromediar\u00bb su semana \u2014 lo que genera sesgos considerables (sesgo de recuerdo, efecto del momento de la evaluaci\u00f3n, sesgo de anclaje). La EMA resuelve este problema al capturar el estado real de la persona en el mismo momento en que responde.<\/pee>\n<pee>En la pr\u00e1ctica, la EMA env\u00eda notificaciones varias veces al d\u00eda (generalmente de 3 a 8 veces) en momentos aleatorios o semi-aleatorios. La persona responde a 5-15 preguntas cortas sobre su estado emocional, sus s\u00edntomas, su contexto social, sus comportamientos. El conjunto de respuestas a lo largo de varias semanas constituye una curva de datos densa que revela los patrones, los desencadenantes, los ciclos y la variabilidad individual que las evaluaciones puntuales nunca habr\u00edan detectado.<\/pee>\n<div class=\"highlight-box\">\n<h4>\ud83d\udd2c Ejemplos de lo que la EMA puede revelar que las evaluaciones cl\u00e1sicas no capturan<\/h4>\n<pee><strong>En depresi\u00f3n:<\/strong> las horas del d\u00eda en las que el estado de \u00e1nimo es sistem\u00e1ticamente m\u00e1s bajo, las situaciones sociales desencadenantes, la relaci\u00f3n entre la calidad del sue\u00f1o de la noche anterior y el estado de \u00e1nimo de la ma\u00f1ana siguiente.<!\u2013- [et_pb_br_holder] -\u2013><br \/>\n<strong>En TDAH:<\/strong> los momentos del d\u00eda en los que la atenci\u00f3n es m\u00e1xima (lo que permite planificar las tareas exigentes), el impacto de la alimentaci\u00f3n y el ejercicio en la concentraci\u00f3n, los desencadenantes de impulsividad.<!\u2013- [et_pb_br_holder] -\u2013><br \/>\n<strong>En Alzheimer precoz:<\/strong> las primeras fluctuaciones de las capacidades cognitivas, los factores ambientales que mejoran o deterioran el rendimiento, la progresi\u00f3n de las dificultades a lo largo de las semanas.<\/pee>\n<\/div>\n<h3>Los desaf\u00edos de la EMA<\/h3>\n<pee>La EMA no est\u00e1 exenta de l\u00edmites. La <strong>carga<\/strong> (carga para el participante) es real: responder a notificaciones varias veces al d\u00eda durante semanas genera fatiga y puede afectar la adherencia. Las tasas de abandono en los estudios de EMA son altas si la carga no est\u00e1 bien calibrada. Los sesgos de selecci\u00f3n (los participantes que completan son diferentes de aquellos que abandonan) pueden afectar la validez externa. Y la confidencialidad de los datos muy granulares (comportamientos, localizaciones, estados emocionales) plantea importantes cuestiones \u00e9ticas.<\/pee>\n<h2>Los objetos conectados y wearables: sensores pasivos de la vida real<\/h2>\n<h3>Act\u00edgrafos y relojes conectados<\/h3>\n<pee>Los act\u00edgrafos (pod\u00f3metros avanzados) y los relojes conectados (Apple Watch, Garmin, Fitbit, Withings) recopilan continuamente datos sobre la actividad f\u00edsica, el sue\u00f1o (duraci\u00f3n, etapas, despertares nocturnos) y la frecuencia card\u00edaca. Estos datos pasivos son particularmente valiosos en la investigaci\u00f3n sobre la salud mental, ya que objetivan construcciones que a menudo se informan subjetivamente: \u00abduermo mal\u00bb, \u00abestoy agotado\u00bb, \u00abno hago nada\u00bb.<\/pee>\n<pee>Estudios han demostrado que la variabilidad de la frecuencia card\u00edaca (HRV \u2014 Variabilidad de la Frecuencia Card\u00edaca) medida de forma continua es un proxy del funcionamiento del sistema nervioso aut\u00f3nomo \u2014 y refleja el estado de estr\u00e9s, ansiedad y regulaci\u00f3n emocional. Aplicaciones como Garmin Health o Apple Health generan datos de HRV diarios que pueden constituir biomarcadores en estudios de salud mental.<\/pee>\n<h3>Sensores vocales y an\u00e1lisis del discurso<\/h3>\n<pee>El an\u00e1lisis autom\u00e1tico de la voz representa una de las fronteras m\u00e1s prometedoras de los biomarcadores digitales en salud mental. Caracter\u00edsticas vocales como la velocidad del habla, las pausas, el tono, la energ\u00eda, la latencia de respuesta y los patrones de entonaci\u00f3n cambian de manera medible en la depresi\u00f3n, la esquizofrenia, la demencia y otros trastornos mentales. Algoritmos de machine learning entrenados en miles de horas de grabaciones pueden detectar estos cambios con una precisi\u00f3n que se compara favorablemente con las evaluaciones cl\u00ednicas estandarizadas.<\/pee>\n<h3>Anal\u00edticas de comportamiento a trav\u00e9s del smartphone<\/h3>\n<pee>El smartphone en s\u00ed mismo es un sensor del comportamiento diario. La frecuencia y duraci\u00f3n de las llamadas, los patrones de mensajer\u00eda, la geolocalizaci\u00f3n (movilidad, lugares frecuentados), la luminosidad ambiental (indicador de salidas al exterior), e incluso los micro-patrones de desbloqueo de la pantalla constituyen datos de comportamiento densos. Estudios han demostrado que estos datos pasivos permiten predecir episodios de depresi\u00f3n, ansiedad y psicosis con una precisi\u00f3n notable \u2014 abriendo perspectivas para sistemas de alerta temprana.<\/pee>\n<h2>Las aplicaciones m\u00f3viles de salud en los estudios cl\u00ednicos<\/h2>\n<pee>Las aplicaciones m\u00f3viles de salud \u2014 desde la simple aplicaci\u00f3n de seguimiento del estado de \u00e1nimo hasta herramientas de estimulaci\u00f3n cognitiva validadas \u2014 juegan un doble papel en los estudios RWD: recopilaci\u00f3n de datos (a trav\u00e9s de los registros de uso y los resultados de los ejercicios) e intervenci\u00f3n terap\u00e9utica (cuya adherencia y eficacia pueden medirse en tiempo real).<\/pee>\n<h3>Aplicaciones de regulaci\u00f3n emocional y seguimiento de s\u00edntomas<\/h3>\n<pee>Aplicaciones como Daylio, Moodpath o Woebot permiten a los usuarios rastrear su estado de \u00e1nimo, comportamientos y pensamientos diariamente. En un contexto de investigaci\u00f3n, los datos agregados y anonimizados de estas aplicaciones constituyen una fuente de RWD valiosa para estudiar los patrones emocionales de amplias poblaciones.<\/pee>\n<pee>Herramientas cl\u00ednicas como el <a href=\"https:\/\/www.dynseo.com\/es\/nuestras-herramientas\/termometro-de-las-emociones\/\" target=\"_blank\"><strong>Term\u00f3metro de las emociones DYNSEO<\/strong><\/a>, la <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Caja de herramientas de regulaci\u00f3n emocional<\/strong><\/a> y las <a href=\"https:\/\/www.dynseo.com\/nos-outils\/strategies-retour-au-calme\/\" target=\"_blank\"><strong>12 estrategias de retorno a la calma<\/strong><\/a> permiten recopilar datos sobre el uso real de las t\u00e9cnicas de regulaci\u00f3n \u2014 qu\u00e9 estrategia se elige, en qu\u00e9 contextos, con qu\u00e9 eficacia. Estos datos de uso ecol\u00f3gico enriquecen considerablemente nuestra comprensi\u00f3n de la eficacia de las intervenciones en salud mental.<\/pee>\n<h3>Aplicaciones de estimulaci\u00f3n y pruebas cognitivas<\/h3>\n<pee>Las aplicaciones de estimulaci\u00f3n cognitiva \u2014 como <a href=\"https:\/\/www.dynseo.com\/es\/joe-tu-entrenador-de-entrenamiento-cerebral\/\" target=\"_blank\"><strong>JOE<\/strong><\/a> para adultos o <a href=\"https:\/\/www.dynseo.com\/es\/edith-juegos-de-memoria-faciles-de-usar-para-mayores\/\" target=\"_blank\"><strong>EDITH<\/strong><\/a> para mayores \u2014 generan datos valiosos sobre el rendimiento cognitivo longitudinal. Los registros de uso (frecuencia, duraci\u00f3n de las sesiones, resultados en los ejercicios, nivel alcanzado, abandono) constituyen RWD que permiten estudiar el compromiso en la estimulaci\u00f3n cognitiva, su evoluci\u00f3n en el tiempo, y los factores asociados a la adherencia o al abandono.<\/pee>\n<pee>Para la investigaci\u00f3n sobre intervenciones digitales en Alzheimer, Parkinson o despu\u00e9s de un ACV, estos datos de uso real aportan una dimensi\u00f3n ecol\u00f3gica que los estudios de eficacia en laboratorio no pueden proporcionar. Una aplicaci\u00f3n puede mostrar excelentes resultados en un ensayo cl\u00ednico controlado \u2014 pero si los pacientes no la utilizan en la vida real, su impacto poblacional ser\u00e1 limitado. Los RWD permiten estudiar precisamente estas cuestiones de adopci\u00f3n y compromiso.<\/pee>\n<h2>M\u00e9todos de an\u00e1lisis de datos de vida real: los desaf\u00edos metodol\u00f3gicos<\/h2>\n<h3>El sesgo de confusi\u00f3n: el desaf\u00edo central<\/h3>\n<pee>La principal limitaci\u00f3n de los estudios RWD en comparaci\u00f3n con los ensayos aleatorizados es la ausencia de aleatorizaci\u00f3n \u2014 y, por lo tanto, la presencia potencial de sesgos de confusi\u00f3n. Si los pacientes que reciben un tratamiento A son sistem\u00e1ticamente diferentes de aquellos que reciben un tratamiento B (m\u00e1s j\u00f3venes, menos enfermos, con mejor acceso a la atenci\u00f3n), la comparaci\u00f3n de sus resultados refleja estas diferencias tanto como el efecto del tratamiento. Varias t\u00e9cnicas estad\u00edsticas permiten corregir estos sesgos: el puntaje de propensi\u00f3n (propensity score matching), los an\u00e1lisis instrumentales, los estudios de casos cruzados, y los modelos causales estructurales (Directed Acyclic Graphs).<\/pee>\n<h3>El an\u00e1lisis de series temporales y datos longitudinales<\/h3>\n<pee>Los datos de EMA y wearables generan series temporales densas \u2014 cientos o miles de puntos de medida por participante durante semanas o meses. El an\u00e1lisis de estos datos requiere m\u00e9todos estad\u00edsticos especializados que capturan su estructura temporal: modelos mixtos de efectos aleatorios, modelos vectoriales autorregresivos (VAR) para estudiar las relaciones entre variables a lo largo del tiempo, an\u00e1lisis de red (network analysis) para mapear las interacciones din\u00e1micas entre s\u00edntomas.<\/pee>\n<div class=\"method-card teal\">\n<div class=\"method-badge badge-green\">\ud83d\udcca El an\u00e1lisis de red en psiquiatr\u00eda<\/div>\n<h4>Una revoluci\u00f3n metodol\u00f3gica para la salud mental<\/h4>\n<pee>El enfoque de red, desarrollado principalmente por Borsboom y Cramer, conceptualiza los trastornos psiqui\u00e1tricos no como entidades discretas (una \u00abenfermedad\u00bb que causa s\u00edntomas) sino como redes de s\u00edntomas interconectados que se autoalimentan. En este modelo, los RWD longitudinales permiten identificar qu\u00e9 s\u00edntomas son los m\u00e1s \u00abcentrales\u00bb (los que m\u00e1s influyen en los dem\u00e1s), qu\u00e9 v\u00ednculos se activan primero durante una reca\u00edda, y qu\u00e9 intervenciones podr\u00edan desactivar de manera m\u00e1s efectiva la red patol\u00f3gica. Este enfoque abre perspectivas terap\u00e9uticas personalizadas sin precedentes.<\/pee>\n<\/div>\n<h3>La inteligencia artificial y el machine learning<\/h3>\n<pee>El volumen y la complejidad de los RWD han hecho indispensables los enfoques de machine learning e inteligencia artificial. Algoritmos de deep learning pueden detectar patrones en los datos vocales, conductuales y fisiol\u00f3gicos que escapan al an\u00e1lisis estad\u00edstico cl\u00e1sico. El <a href=\"https:\/\/www.dynseo.com\/es\/entrenador-ia\/\" target=\"_blank\"><strong>Coach IA DYNSEO<\/strong><\/a> ilustra esta direcci\u00f3n: un sistema de acompa\u00f1amiento inteligente que aprende de los patrones de uso para personalizar las recomendaciones.<\/pee>\n<h2>El marco \u00e9tico y regulatorio de los RWD en salud<\/h2>\n<h3>RGPD, HDS y gobernanza de los datos de salud<\/h3>\n<pee>Los datos de salud son datos personales sensibles, protegidos por el RGPD (Reglamento General de Protecci\u00f3n de Datos) y, para los datos de salud alojados, por la certificaci\u00f3n HDS (Alojador de Datos de Salud) en Francia. Cualquier recolecci\u00f3n de datos de salud en un marco de investigaci\u00f3n requiere el consentimiento informado de los participantes, la aprobaci\u00f3n de un Comit\u00e9 de Protecci\u00f3n de Personas (CPP) y a menudo una autorizaci\u00f3n de la CNIL (Comisi\u00f3n Nacional de Inform\u00e1tica y Libertades).<\/pee>\n<pee>El <strong>Health Data Hub<\/strong> franc\u00e9s (GIE que facilita el acceso a los datos del SNDS y su cruce con otras bases) se ha convertido en la herramienta central de la investigaci\u00f3n en RWD en Francia. Su uso est\u00e1 regulado por comit\u00e9s de expertos que eval\u00faan el inter\u00e9s cient\u00edfico, la proporcionalidad de los datos solicitados y las garant\u00edas de protecci\u00f3n de las personas.<\/pee>\n<h3>Los sesgos de selecci\u00f3n en los datos digitales<\/h3>\n<pee>Un desaf\u00edo \u00e9tico y metodol\u00f3gico importante de los RWD digitales es su potencial de sesgo de representatividad. Los usuarios de smartwatches, smartphones y aplicaciones de salud no son representativos de la poblaci\u00f3n general: son en promedio m\u00e1s j\u00f3venes, m\u00e1s acomodados, m\u00e1s educados y m\u00e1s comprometidos con su salud. Los estudios que se basan en estos datos corren el riesgo de producir pruebas v\u00e1lidas para estas poblaciones pero dif\u00edcilmente generalizables a las personas mayores, desfavorecidas o con poca alfabetizaci\u00f3n digital.<\/pee>\n<div class=\"warning-box\">\n<h4>\u26a0\ufe0f La fractura digital: un \u00e1ngulo muerto de los RWD<\/h4>\n<pee>Las personas m\u00e1s vulnerables en salud mental \u2014 personas mayores con demencia, personas sin hogar, personas en gran precariedad \u2014 son a menudo las menos representadas en los RWD digitales. Los estudios que ignoran esta fractura digital corren el riesgo de producir pruebas relevantes para las poblaciones mejor dotadas, pero agravar las desigualdades en salud al dirigir las innovaciones hacia las poblaciones que quiz\u00e1s menos lo necesiten.<\/pee>\n<\/div>\n<h2>Aplicaciones pr\u00e1cticas para la investigaci\u00f3n en salud mental y cognitiva<\/h2>\n<h3>Detecci\u00f3n temprana de la demencia<\/h3>\n<pee>Una de las aplicaciones m\u00e1s prometedoras de los RWD en neurociencias cl\u00ednicas es la detecci\u00f3n temprana de los trastornos cognitivos, a\u00f1os antes de la manifestaci\u00f3n cl\u00ednica de la demencia. Equipos de investigaci\u00f3n han demostrado que biomarcadores digitales \u2014 cambios sutiles en los patrones de desplazamiento GPS, en la velocidad de escritura en el teclado, en el rendimiento en pruebas cognitivas cortas \u2014 permiten detectar cambios que preceden de 2 a 5 a\u00f1os los primeros s\u00edntomas cl\u00ednicos de Alzheimer.<\/pee>\n<pee>El seguimiento regular del rendimiento cognitivo a trav\u00e9s de pruebas como el <a href=\"https:\/\/www.dynseo.com\/es\/prueba-de-memoria\/\" target=\"_blank\"><strong>Test Memoria DYNSEO<\/strong><\/a> y el <a href=\"https:\/\/www.dynseo.com\/test-concentraci\u00f3n-attention\/\" target=\"_blank\"><strong>Test Concentraci\u00f3n<\/strong><\/a>, realizados mensualmente en casa a trav\u00e9s de tabletas o smartphones, podr\u00eda constituir un protocolo de vigilancia longitudinal ecol\u00f3gica para las poblaciones en riesgo.<\/pee>\n<h3>Monitoreo de intervenciones en psiquiatr\u00eda<\/h3>\n<pee>El monitoreo en tiempo real de las respuestas a los tratamientos psiqui\u00e1tricos es otro \u00e1mbito donde los RWD transforman la pr\u00e1ctica. En lugar de esperar la consulta mensual para saber si un antidepresivo comienza a hacer efecto o si un paciente reca\u00edda, datos EMA semanales permiten un ajuste terap\u00e9utico continuo. La <a href=\"https:\/\/www.dynseo.com\/nos-outils\/fiche-restructuration-cognitive\/\" target=\"_blank\"><strong>Ficha de reestructuraci\u00f3n cognitiva ansiedad DYNSEO<\/strong><\/a> y la <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Caja de herramientas de regulaci\u00f3n emocional<\/strong><\/a> se inscriben en esta l\u00f3gica de intervenci\u00f3n ecol\u00f3gica \u2014 proporcionando herramientas utilizables en la vida cotidiana y cuya utilizaci\u00f3n misma constituye un dato de investigaci\u00f3n relevante.<\/pee>\n<h3>Eficacia de las intervenciones digitales<\/h3>\n<pee>Los RWD permiten evaluar la eficacia real de las intervenciones digitales \u2014 aplicaciones de TCC, herramientas de estimulaci\u00f3n cognitiva, programas de mindfulness \u2014 en condiciones ecol\u00f3gicas. El compromiso (n\u00famero de sesiones, duraci\u00f3n, regularidad), la trayectoria del rendimiento (mejora, meseta, declive), y los factores predictivos de la adherencia constituyen datos valiosos para mejorar estas herramientas y personalizar las recomendaciones.<\/pee>\n<h2>Hacia estudios pragm\u00e1ticos e h\u00edbridos<\/h2>\n<pee>El futuro de la investigaci\u00f3n cl\u00ednica est\u00e1 probablemente en los <strong>estudios h\u00edbridos<\/strong> que combinan la rigurosidad de los ensayos aleatorizados con la riqueza de los RWD. Los ensayos pragm\u00e1ticos recogen datos en condiciones de atenci\u00f3n real en lugar de en centros de investigaci\u00f3n especializados. Los estudios de plataforma permiten evaluar varias intervenciones simult\u00e1neamente con adaptaci\u00f3n adaptativa. Y los ensayos \u00abin silico\u00bb \u2014 que utilizan gemelos digitales o modelos computacionales alimentados por RWD \u2014 permiten simular ensayos cl\u00ednicos antes de realizarlos en la vida real, reduciendo costos y plazos.<\/pee>\n<div class=\"conclusion\">\n<h2>Conclusi\u00f3n: los RWD, nueva frontera de la medicina personalizada<\/h2>\n<pee>Los datos de vida real transforman nuestra capacidad para comprender los trastornos mentales y cognitivos en toda su complejidad din\u00e1mica. Permiten salir del modelo de la \u00abfoto instant\u00e1nea\u00bb en consulta para acceder al \u00abfilm\u00bb de la vida cotidiana del paciente. Esta revoluci\u00f3n metodol\u00f3gica lleva en s\u00ed la promesa de una medicina m\u00e1s personalizada, m\u00e1s preventiva y m\u00e1s equitativa \u2014 siempre que se tengan en cuenta plenamente los desaf\u00edos \u00e9ticos (protecci\u00f3n de datos, brecha digital, sesgo de representatividad). DYNSEO contribuye a este ecosistema con herramientas digitales de calidad \u2014 pruebas cognitivas, aplicaciones de estimulaci\u00f3n, herramientas de regulaci\u00f3n emocional \u2014 cuyos datos de uso pueden alimentar la investigaci\u00f3n del ma\u00f1ana.<\/pee>\n<a href=\"https:\/\/www.dynseo.com\/es\/nuestras-pruebas\/\" target=\"_blank\" class=\"cta-button\">Descubrir las pruebas cognitivas DYNSEO \u2192<\/a>\n<\/div>\n<h2>FAQ<\/h2>\n<div class=\"faq-item\">\n<h4>\u00bfQu\u00e9 son los datos de vida real (RWD)?<\/h4>\n<pee>Datos de salud recopilados fuera de ensayos cl\u00ednicos controlados \u2014 historiales m\u00e9dicos, reembolsos, aplicaciones m\u00f3viles, sensores, registros. Capturan la vida real de los pacientes fuera del contexto cl\u00ednico.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>\u00bfDiferencia entre RWD y RWE?<\/h4>\n<pee>RWD = datos en bruto. RWE = evidencia cient\u00edfica generada por el an\u00e1lisis riguroso de los RWD. La distinci\u00f3n es crucial para las autoridades regulatorias (EMA, FDA).<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>\u00bfQu\u00e9 es la EMA y por qu\u00e9 es valiosa en salud mental?<\/h4>\n<pee>Evaluaci\u00f3n Ecologica Moment\u00e1nea: cuestionarios enviados varias veces al d\u00eda a trav\u00e9s de smartphone para capturar el estado real en tiempo real. Revela la variabilidad de los s\u00edntomas invisible en las evaluaciones puntuales en consulta.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>\u00bfQu\u00e9 desaf\u00edos \u00e9ticos plantean los RWD?<\/h4>\n<pee>Protecci\u00f3n de datos (RGPD, HDS), consentimiento informado, riesgos de re-identificaci\u00f3n, brecha digital, sesgo de representatividad, propiedad y gobernanza de los datos de salud.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>\u00bfSe pueden utilizar aplicaciones m\u00f3viles en estudios cl\u00ednicos?<\/h4>\n<pee>S\u00ed \u2014 para la EMA, las pruebas cognitivas repetidas, el seguimiento conductual y emocional. Necesitan una validaci\u00f3n rigurosa como instrumentos de medida y un marco \u00e9tico estricto.<\/pee><\/div>\n<\/div>\n<footer class=\"article-footer\">\n<h3>Recursos DYNSEO \u2014 Salud mental &amp; Investigaci\u00f3n<\/h3>\n<div class=\"footer-links\">\n<a href=\"https:\/\/www.dynseo.com\/es\/nuestras-pruebas\/\" target=\"_blank\">Pruebas cognitivas<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/es\/joe-tu-entrenador-de-entrenamiento-cerebral\/\" target=\"_blank\">Aplicaci\u00f3n JOE<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/es\/nuestras-herramientas\/\" target=\"_blank\">Todas las herramientas<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/es\/nuestros-cursos-de-formacion\/\" target=\"_blank\">Formaciones<\/a>\n<\/div>\n<\/footer>\n<\/article>\n<\/div>\n<p>[\/et_pb_code][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":4,"featured_media":412655,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"[et_pb_section fb_built=\"1\" admin_label=\"Article HTML\" _builder_version=\"4.16\" custom_padding=\"0px||0px||false|false\" global_colors_info=\"{}\"][et_pb_row admin_label=\"Contenu\" _builder_version=\"4.16\" width=\"100%\" max_width=\"100%\" custom_padding=\"0px||0px||false|false\" global_colors_info=\"{}\"][et_pb_column type=\"4_4\" _builder_version=\"4.16\" global_colors_info=\"{}\"][et_pb_code admin_label=\"HTML import\u00e9\" _builder_version=\"4.16\" global_colors_info=\"{}\"]<style type=\"text\/css\">\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Montserrat:wght@600;700;800&family=Poppins:wght@400;500;600&display=swap');\n        * { margin: 0; padding: 0; box-sizing: border-box; }\n.dbi-art-dffa9a { font-family: 'Poppins', sans-serif; line-height: 1.9; color: #333; background-color: #f8f9fa; }\n.dbi-art-dffa9a .container { max-width: 920px; margin: 0 auto; padding: 20px; }\n.dbi-art-dffa9a .article-header { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 70px 20px; text-align: center; border-radius: 0 0 30px 30px; margin-bottom: 50px; }\n.dbi-art-dffa9a .article-category { display: inline-block; background: rgba(255,255,255,0.2); padding: 8px 20px; border-radius: 25px; font-size: 0.9rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header h1 { font-family: 'Montserrat', sans-serif; font-size: 2.4rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header .subtitle { font-size: 1.1rem; opacity: 0.95; max-width: 720px; margin: 0 auto; }\n.dbi-art-dffa9a .intro-paragraph { font-size: 1.1rem; color: #555; padding: 32px; background: white; border-radius: 15px; border-left: 5px solid #5e5ed7; margin-bottom: 45px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a h2 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 2rem; margin: 55px 0 25px; padding-bottom: 15px; border-bottom: 3px solid #a9e2e4; }\n.dbi-art-dffa9a h3 { font-family: 'Montserrat', sans-serif; color: #5268c9; font-size: 1.4rem; margin: 38px 0 16px; }\n.dbi-art-dffa9a p { margin-bottom: 22px; text-align: justify; font-size: 1.02rem; }\n.dbi-art-dffa9a .highlight-box { background: linear-gradient(135deg, #a9e2e4 0%, #d0f0f2 100%); padding: 32px; border-radius: 15px; margin: 32px 0; }\n.dbi-art-dffa9a .highlight-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 15px; font-size: 1.2rem; }\n.dbi-art-dffa9a .tip-box { background: linear-gradient(135deg, #ffeca7 0%, #ffe88a 100%); padding: 26px; border-radius: 15px; margin: 26px 0; }\n.dbi-art-dffa9a .tip-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .warning-box { background: linear-gradient(135deg, #fde8ee 0%, #fcc8d6 100%); padding: 26px; border-radius: 15px; margin: 26px 0; border-left: 5px solid #e73469; }\n.dbi-art-dffa9a .warning-box h4 { font-family: 'Montserrat', sans-serif; color: #e73469; margin-bottom: 10px; }\n.dbi-art-dffa9a .stats-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 22px; margin: 32px 0; }\n.dbi-art-dffa9a .stat-card { background: white; padding: 28px; border-radius: 15px; text-align: center; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .stat-number { font-family: 'Montserrat', sans-serif; font-size: 2.6rem; font-weight: 800; color: #5e5ed7; display: block; }\n.dbi-art-dffa9a .stat-label { color: #666; font-size: 0.88rem; margin-top: 8px; }\n.dbi-art-dffa9a .comparison-table { width: 100%; border-collapse: collapse; margin: 32px 0; border-radius: 15px; overflow: hidden; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .comparison-table th { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 16px 20px; text-align: left; font-family: 'Montserrat', sans-serif; }\n.dbi-art-dffa9a .comparison-table td { padding: 15px 20px; border-bottom: 1px solid #f0f0ff; background: white; vertical-align: top; }\n.dbi-art-dffa9a .comparison-table tr:last-child td { border-bottom: none; }\n.dbi-art-dffa9a .comparison-table tr:nth-child(even) td { background: #f8f8ff; }\n.dbi-art-dffa9a .method-card { background: white; border-radius: 15px; padding: 28px; margin: 24px 0; box-shadow: 0 5px 20px rgba(94,94,215,0.08); }\n.dbi-art-dffa9a .method-card.blue { border-left: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .method-card.teal { border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .method-card.rose { border-left: 4px solid #e73469; }\n.dbi-art-dffa9a .method-card.yellow { border-left: 4px solid #ffeca7; border-top: 3px solid #ffeca7; }\n.dbi-art-dffa9a .method-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 12px; font-size: 1.12rem; }\n.dbi-art-dffa9a .method-card.teal h4 { color: #5268c9; }\n.dbi-art-dffa9a .method-card.rose h4 { color: #e73469; }\n.dbi-art-dffa9a .method-badge { display: inline-block; padding: 5px 14px; border-radius: 20px; font-size: 0.82rem; font-weight: 600; margin-bottom: 12px; }\n.dbi-art-dffa9a .badge-blue { background: #f0f0ff; color: #5e5ed7; }\n.dbi-art-dffa9a .badge-green { background: #e0f7f8; color: #5268c9; }\n.dbi-art-dffa9a .badge-rose { background: #fde8ee; color: #e73469; }\n.dbi-art-dffa9a .badge-yellow { background: #fff8dc; color: #8a6d00; }\n.dbi-art-dffa9a .checklist { background: white; padding: 32px; border-radius: 15px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); margin: 28px 0; }\n.dbi-art-dffa9a .checklist h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 20px; }\n.dbi-art-dffa9a .checklist ul { list-style: none; padding: 0; }\n.dbi-art-dffa9a .checklist li { padding: 12px 0; border-bottom: 1px solid #f0f0ff; padding-left: 38px; position: relative; }\n.dbi-art-dffa9a .checklist li::before { content: '\u2714'; position: absolute; left: 0; color: #5e5ed7; font-weight: bold; }\n.dbi-art-dffa9a .checklist li:last-child { border-bottom: none; }\n.dbi-art-dffa9a .app-card { background: white; border-radius: 18px; padding: 30px; margin: 28px 0; box-shadow: 0 8px 30px rgba(94,94,215,0.15); border-top: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .app-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 1.3rem; margin-bottom: 12px; }\n.dbi-art-dffa9a .cta-button { display: inline-block; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 15px 35px; border-radius: 30px; text-decoration: none; font-weight: 600; margin-top: 15px; }\n.dbi-art-dffa9a .quote-box { background: #f0f0ff; border-left: 4px solid #5e5ed7; padding: 26px; margin: 32px 0; border-radius: 0 15px 15px 0; }\n.dbi-art-dffa9a .quote-box p { font-style: italic; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .quote-box .author { font-weight: 600; color: #5e5ed7; font-style: normal; font-size: 0.9rem; }\n.dbi-art-dffa9a .conclusion { background: linear-gradient(135deg, #f5f7fa 0%, #e8e8ff 100%); padding: 45px; border-radius: 20px; margin-top: 55px; }\n.dbi-art-dffa9a .conclusion h2 { border-bottom: none; margin-top: 0; }\n.dbi-art-dffa9a .article-footer { text-align: center; padding: 55px 20px; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; border-radius: 30px 30px 0 0; margin-top: 65px; }\n.dbi-art-dffa9a .article-footer h3 { font-family: 'Montserrat', sans-serif; color: white; margin-bottom: 20px; font-size: 1.5rem; }\n.dbi-art-dffa9a .article-footer a { color: #ffeca7; text-decoration: none; font-weight: 600; }\n.dbi-art-dffa9a .footer-links { display: flex; gap: 20px; justify-content: center; flex-wrap: wrap; margin-top: 15px; }\n.dbi-art-dffa9a .faq-item { background: white; border-radius: 15px; padding: 28px 32px; margin: 16px 0; box-shadow: 0 3px 15px rgba(94,94,215,0.08); border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .faq-item h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 13px; font-size: 1.08rem; }\n.dbi-art-dffa9a .faq-item p { margin: 0; color: #555; }\n.dbi-art-dffa9a a { color: #5e5ed7; }\n@media (max-width: 768px) {\n.dbi-art-dffa9a .article-header h1 { font-size: 1.85rem; }\n.dbi-art-dffa9a .stats-grid { grid-template-columns: 1fr; }\n.dbi-art-dffa9a .article-header { padding: 45px 15px; }\n.dbi-art-dffa9a .container { padding: 15px; }\n.dbi-art-dffa9a h2 { font-size: 1.6rem; }\n}\n\n<\/style>\n<div class=\"dbi-art-dffa9a\">\n<article>\n<header class=\"article-header\">\n<div class=\"article-category\">\ud83d\udd2c Salud mental &amp; Investigaci\u00f3n cl\u00ednica \u2014 Datos de vida real<\/div>\n<h1>\u00bfQu\u00e9 datos de vida real se pueden recoger en un estudio cl\u00ednico?<\/h1>\n<p class=\"subtitle\">Los ensayos cl\u00ednicos tradicionales solo capturan una fracci\u00f3n de la realidad de los pacientes. Los datos de vida real \u2014 recolectados a trav\u00e9s de aplicaciones m\u00f3viles, objetos conectados, EMA y registros \u2014 revolucionan nuestra comprensi\u00f3n de los trastornos cognitivos y mentales. Gu\u00eda completa para investigadores, cl\u00ednicos y pacientes.<\/p>\n<\/header>\n\n<div class=\"container\">\n\n<div class=\"intro-paragraph\">\nDurante d\u00e9cadas, la investigaci\u00f3n cl\u00ednica ha funcionado seg\u00fan un modelo probado: un ensayo aleatorio controlado, una poblaci\u00f3n cuidadosamente seleccionada, medidas estandarizadas a intervalos fijos en un contexto cl\u00ednico. Este modelo sigue siendo el est\u00e1ndar de oro para establecer la causalidad \u2014 pero presenta una limitaci\u00f3n importante: no captura la vida real. La salud mental, en particular, se ve profundamente afectada por los contextos cotidianos \u2014 el estr\u00e9s laboral, la calidad del sue\u00f1o, las interacciones sociales, el clima \u2014 que las evaluaciones puntuales en consulta no pueden captar. Los datos de vida real (Real-World Data, RWD) llenan este vac\u00edo transformando la vida cotidiana de los pacientes en laboratorio.\n<\/div>\n\n<div class=\"stats-grid\">\n<div class=\"stat-card\"><span class=\"stat-number\">\u00d710<\/span><div class=\"stat-label\">la cantidad de datos de salud digitales disponibles se duplica cada 3-4 a\u00f1os \u2014 una revoluci\u00f3n para la investigaci\u00f3n<\/div><\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">80%<\/span><div class=\"stat-label\">de los estudios cl\u00ednicos integrar\u00e1n RWD para 2030 seg\u00fan las previsiones de la EMA y la FDA<\/div><\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">EMA<\/span><div class=\"stat-label\">la Agencia Europea de Medicamentos public\u00f3 en 2023 su estrategia sobre datos de vida real<\/div><\/div>\n<\/div>\n\n<h2>Definiciones: RWD, RWE y sus diferencias fundamentales<\/h2>\n\n<p>Antes de explorar los tipos de datos y los m\u00e9todos de recolecci\u00f3n, es esencial aclarar el vocabulario \u2014 ya que los t\u00e9rminos a menudo se utilizan de manera intercambiable de forma incorrecta.<\/p>\n\n<p>Los <strong>Real-World Data (RWD)<\/strong> \u2014 o datos de vida real \u2014 son todos los datos relativos al estado de salud de los pacientes y a la entrega de cuidados recolectados fuera de los ensayos cl\u00ednicos aleatorios controlados. Pueden provenir de registros m\u00e9dicos electr\u00f3nicos, bases de datos de reembolso, registros de pacientes, sensores port\u00e1tiles, aplicaciones m\u00f3viles, redes sociales de salud o estudios observacionales.<\/p>\n\n<p>Las <strong>Real-World Evidence (RWE)<\/strong> \u2014 evidencias de la vida real \u2014 son las pruebas cl\u00ednicas generadas por el an\u00e1lisis riguroso de los RWD. Los RWD son la materia prima; los RWE son el resultado de la aplicaci\u00f3n de una metodolog\u00eda cient\u00edfica a esta materia. La FDA y la EMA han desarrollado marcos para aceptar los RWE en los expedientes de autorizaci\u00f3n de comercializaci\u00f3n \u2014 una transformaci\u00f3n importante para la industria farmac\u00e9utica y la investigaci\u00f3n biom\u00e9dica.<\/p>\n\n<h3>\u00bfPor qu\u00e9 son cruciales los RWD en salud mental y cognitiva?<\/h3>\n\n<p>Los trastornos mentales y cognitivos presentan caracter\u00edsticas que los hacen particularmente dif\u00edciles de estudiar en el marco de los ensayos cl\u00ednicos cl\u00e1sicos. La variabilidad intraindividual es considerable \u2014 un paciente depresivo puede sentirse muy diferente de un lunes a un viernes, o seg\u00fan la temporada, o seg\u00fan su contexto relacional. Esta variabilidad es invisible en una evaluaci\u00f3n mensual en consulta. Del mismo modo, las manifestaciones cognitivas de trastornos como el TDAH, las secuelas de ACV o las etapas tempranas de Alzheimer son profundamente contextuales \u2014 el entorno, la fatiga, el estr\u00e9s las modulan en tiempo real.<\/p>\n\n<p>Los RWD permiten captar esta complejidad din\u00e1mica. Hacen visible lo que sucede entre las consultas, en la vida real de los pacientes \u2014 lo que representa el 99 % de su existencia.<\/p>\n\n<h2>Las grandes categor\u00edas de datos de vida real en cl\u00ednica<\/h2>\n\n<h3>1. Los datos de los sistemas de salud (datos administrativos y cl\u00ednicos)<\/h3>\n\n<p>Estos son los RWD m\u00e1s utilizados en investigaci\u00f3n observacional. Incluyen los registros m\u00e9dicos electr\u00f3nicos (DME), los datos de reembolso de la Seguridad Social (SNDS en Francia \u2014 Sistema Nacional de Datos de Salud), los registros de pacientes (registros de c\u00e1ncer, registros de enfermedades raras, registros de Alzheimer), las bases hospitalarias (PMSI, bases de medicamentos), y los datos de las prescripciones. Estas bases son valiosas para los estudios epidemiol\u00f3gicos a gran escala \u2014 permiten analizar cientos de miles e incluso millones de trayectorias de cuidados. Su l\u00edmite es que solo capturan lo que est\u00e1 codificado y reembolsado \u2014 carecen de datos subjetivos, conductuales y contextuales.<\/p>\n\n<div class=\"method-card blue\">\n<div class=\"method-badge badge-blue\">\ud83c\udfe5 El SNDS en Francia<\/div>\n<h4>El mayor almac\u00e9n de datos de salud europeo<\/h4>\n<p>El Sistema Nacional de Datos de Salud (SNDS) cubre todos los reembolsos de cuidados para los 67 millones de asegurados franceses, siendo una de las mayores bases de datos de salud del mundo. Su acceso est\u00e1 regulado por el Health Data Hub y requiere autorizaci\u00f3n de la CNIL. Para la investigaci\u00f3n en salud mental, permite estudiar las trayectorias de cuidados, la adherencia a los tratamientos, las comorbilidades y las hospitalizaciones a gran escala \u2014 pero no contiene datos sobre los s\u00edntomas, el funcionamiento diario o la calidad de vida.<\/p>\n<\/div>\n\n<h3>2. Los datos recolectados por los propios pacientes (PRO)<\/h3>\n\n<p>Los Patient-Reported Outcomes (PRO) son datos reportados directamente por los pacientes, sin interpretaci\u00f3n por un cl\u00ednico \u2014 puntuaciones de calidad de vida, niveles de dolor, intensidad de los s\u00edntomas, satisfacci\u00f3n, adherencia a los tratamientos. En salud mental, son particularmente valiosos porque muchos s\u00edntomas clave (humor, ansiedad, energ\u00eda, pensamientos intrusivos) solo son accesibles a trav\u00e9s del auto-reporte.<\/p>\n\n<p>Los cuestionarios en papel tradicionales (PHQ-9 para la depresi\u00f3n, GAD-7 para la ansiedad, MADRS) siguen siendo referencias cl\u00ednicas. Pero su administraci\u00f3n puntual en consulta no captura la variabilidad temporal. Por eso, los m\u00e9todos de EMA (ver abajo) revolucionan la recolecci\u00f3n de PRO en la investigaci\u00f3n contempor\u00e1nea.<\/p>\n\n<h3>3. Los datos de biomarcadores digitales (Digital Biomarkers)<\/h3>\n\n<p>Una de las innovaciones m\u00e1s espectaculares de los \u00faltimos a\u00f1os es la posibilidad de recolectar <strong>biomarcadores digitales<\/strong> \u2014 medidas objetivas del comportamiento y la fisiolog\u00eda capturadas de forma continua por dispositivos digitales. Estos datos incluyen la frecuencia card\u00edaca y su variabilidad (a trav\u00e9s de smartwatches), los patrones de actividad f\u00edsica y sedentarismo (aceler\u00f3metros), la calidad y duraci\u00f3n del sue\u00f1o (act\u00edgrafos), los patrones de desplazamiento geogr\u00e1fico (GPS), la frecuencia de llamadas telef\u00f3nicas y mensajes, los patrones de escritura en el teclado (din\u00e1mica de escritura), y los datos vocales (prosodia, fluidez, pausas).<\/p>\n\n<p>Estos biomarcadores digitales pasivos \u2014 recolectados sin que el paciente tenga que \"hacer nada\" \u2014 son particularmente valiosos en la investigaci\u00f3n sobre salud mental. Estudios han demostrado que los cambios en los patrones de sue\u00f1o, actividad y comunicaci\u00f3n pueden preceder por varios d\u00edas a episodios depresivos o man\u00edacos documentados \u2014 abriendo perspectivas in\u00e9ditas para la prevenci\u00f3n de reca\u00eddas.<\/p>\n\n<h3>4. Los datos de pruebas cognitivas digitales<\/h3>\n\n<p>Las pruebas cognitivas administradas a trav\u00e9s de aplicaciones m\u00f3viles representan una revoluci\u00f3n para la investigaci\u00f3n en neurociencias cognitivas y psiquiatr\u00eda. A diferencia de las evaluaciones neuropsicol\u00f3gicas anuales realizadas en cl\u00ednica, se pueden administrar pruebas digitales cortas diariamente o semanalmente \u2014 capturando la variabilidad temporal del rendimiento cognitivo.<\/p>\n\n<p>Pruebas como el Trail Making Test, el Stroop, las pruebas de memoria de trabajo N-back, o las pruebas de tiempo de reacci\u00f3n pueden ser administradas en 2 a 5 minutos en un smartphone. Los datos recolectados permiten detectar cambios sutiles en el rendimiento cognitivo que preceden a las manifestaciones cl\u00ednicas \u2014 una aplicaci\u00f3n prometedora para la detecci\u00f3n temprana de Alzheimer, el monitoreo de las secuelas de ACV o el seguimiento de la eficacia de los tratamientos.<\/p>\n\n<p>Las pruebas cognitivas DYNSEO \u2014 <a href=\"https:\/\/www.dynseo.com\/test-memoire\/\" target=\"_blank\"><strong>Test Memoria<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-concentraci\u00f3n-attention\/\" target=\"_blank\"><strong>Test Concentraci\u00f3n y Atenci\u00f3n<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-des-fonctions-executives\/\" target=\"_blank\"><strong>Test de Funciones Ejecutivas<\/strong><\/a> \u2014 son ejemplos de herramientas digitales que permiten una evaluaci\u00f3n regular y accesible de las funciones cognitivas fuera del contexto cl\u00ednico. Estos datos, recolectados de forma repetida, constituyen un perfil din\u00e1mico de la evoluci\u00f3n cognitiva \u2014 valioso tanto para el seguimiento cl\u00ednico como para la investigaci\u00f3n.<\/p>\n\n<h2>La EMA (Evaluaci\u00f3n Ecol\u00f3gica Moment\u00e1nea): la revoluci\u00f3n de la captura en tiempo real<\/h2>\n\n<p>La Evaluaci\u00f3n Ecol\u00f3gica Moment\u00e1nea (EMA) \u2014 tambi\u00e9n llamada m\u00e9todo de muestreo de experiencias \u2014 es un m\u00e9todo de recolecci\u00f3n de datos que consiste en interrogar a los participantes sobre su estado (humor, s\u00edntomas, comportamientos, contexto) en m\u00faltiples momentos y variados de su vida cotidiana, a trav\u00e9s de un smartphone o una aplicaci\u00f3n dedicada.<\/p>\n\n<h3>\u00bfPor qu\u00e9 la EMA lo cambia todo para la investigaci\u00f3n en salud mental?<\/h3>\n\n<p>El problema fundamental de la evaluaci\u00f3n cl\u00ednica cl\u00e1sica es que es retrospectiva y puntual. Cuando un paciente completa un cuestionario de depresi\u00f3n semanal, intenta \"promediar\" su semana \u2014 lo que genera sesgos considerables (sesgo de recuerdo, efecto del momento de la evaluaci\u00f3n, sesgo de anclaje). La EMA resuelve este problema al capturar el estado real de la persona en el mismo momento en que responde.<\/p>\n\n<p>En la pr\u00e1ctica, la EMA env\u00eda notificaciones varias veces al d\u00eda (generalmente de 3 a 8 veces) en momentos aleatorios o semi-aleatorios. La persona responde a 5-15 preguntas cortas sobre su estado emocional, sus s\u00edntomas, su contexto social, sus comportamientos. El conjunto de respuestas a lo largo de varias semanas constituye una curva de datos densa que revela los patrones, los desencadenantes, los ciclos y la variabilidad individual que las evaluaciones puntuales nunca habr\u00edan detectado.<\/p>\n<div class=\"highlight-box\">\n<h4>\ud83d\udd2c Ejemplos de lo que la EMA puede revelar que las evaluaciones cl\u00e1sicas no capturan<\/h4>\n<p><strong>En depresi\u00f3n:<\/strong> las horas del d\u00eda en las que el estado de \u00e1nimo es sistem\u00e1ticamente m\u00e1s bajo, las situaciones sociales desencadenantes, la relaci\u00f3n entre la calidad del sue\u00f1o de la noche anterior y el estado de \u00e1nimo de la ma\u00f1ana siguiente.<br>\n<strong>En TDAH:<\/strong> los momentos del d\u00eda en los que la atenci\u00f3n es m\u00e1xima (lo que permite planificar las tareas exigentes), el impacto de la alimentaci\u00f3n y el ejercicio en la concentraci\u00f3n, los desencadenantes de impulsividad.<br>\n<strong>En Alzheimer precoz:<\/strong> las primeras fluctuaciones de las capacidades cognitivas, los factores ambientales que mejoran o deterioran el rendimiento, la progresi\u00f3n de las dificultades a lo largo de las semanas.<\/p>\n<\/div>\n\n<h3>Los desaf\u00edos de la EMA<\/h3>\n\n<p>La EMA no est\u00e1 exenta de l\u00edmites. La <strong>carga<\/strong> (carga para el participante) es real: responder a notificaciones varias veces al d\u00eda durante semanas genera fatiga y puede afectar la adherencia. Las tasas de abandono en los estudios de EMA son altas si la carga no est\u00e1 bien calibrada. Los sesgos de selecci\u00f3n (los participantes que completan son diferentes de aquellos que abandonan) pueden afectar la validez externa. Y la confidencialidad de los datos muy granulares (comportamientos, localizaciones, estados emocionales) plantea importantes cuestiones \u00e9ticas.<\/p>\n\n<h2>Los objetos conectados y wearables: sensores pasivos de la vida real<\/h2>\n\n<h3>Act\u00edgrafos y relojes conectados<\/h3>\n\n<p>Los act\u00edgrafos (pod\u00f3metros avanzados) y los relojes conectados (Apple Watch, Garmin, Fitbit, Withings) recopilan continuamente datos sobre la actividad f\u00edsica, el sue\u00f1o (duraci\u00f3n, etapas, despertares nocturnos) y la frecuencia card\u00edaca. Estos datos pasivos son particularmente valiosos en la investigaci\u00f3n sobre la salud mental, ya que objetivan construcciones que a menudo se informan subjetivamente: \"duermo mal\", \"estoy agotado\", \"no hago nada\".<\/p>\n\n<p>Estudios han demostrado que la variabilidad de la frecuencia card\u00edaca (HRV \u2014 Variabilidad de la Frecuencia Card\u00edaca) medida de forma continua es un proxy del funcionamiento del sistema nervioso aut\u00f3nomo \u2014 y refleja el estado de estr\u00e9s, ansiedad y regulaci\u00f3n emocional. Aplicaciones como Garmin Health o Apple Health generan datos de HRV diarios que pueden constituir biomarcadores en estudios de salud mental.<\/p>\n\n<h3>Sensores vocales y an\u00e1lisis del discurso<\/h3>\n\n<p>El an\u00e1lisis autom\u00e1tico de la voz representa una de las fronteras m\u00e1s prometedoras de los biomarcadores digitales en salud mental. Caracter\u00edsticas vocales como la velocidad del habla, las pausas, el tono, la energ\u00eda, la latencia de respuesta y los patrones de entonaci\u00f3n cambian de manera medible en la depresi\u00f3n, la esquizofrenia, la demencia y otros trastornos mentales. Algoritmos de machine learning entrenados en miles de horas de grabaciones pueden detectar estos cambios con una precisi\u00f3n que se compara favorablemente con las evaluaciones cl\u00ednicas estandarizadas.<\/p>\n\n<h3>Anal\u00edticas de comportamiento a trav\u00e9s del smartphone<\/h3>\n\n<p>El smartphone en s\u00ed mismo es un sensor del comportamiento diario. La frecuencia y duraci\u00f3n de las llamadas, los patrones de mensajer\u00eda, la geolocalizaci\u00f3n (movilidad, lugares frecuentados), la luminosidad ambiental (indicador de salidas al exterior), e incluso los micro-patrones de desbloqueo de la pantalla constituyen datos de comportamiento densos. Estudios han demostrado que estos datos pasivos permiten predecir episodios de depresi\u00f3n, ansiedad y psicosis con una precisi\u00f3n notable \u2014 abriendo perspectivas para sistemas de alerta temprana.<\/p>\n\n<h2>Las aplicaciones m\u00f3viles de salud en los estudios cl\u00ednicos<\/h2>\n\n<p>Las aplicaciones m\u00f3viles de salud \u2014 desde la simple aplicaci\u00f3n de seguimiento del estado de \u00e1nimo hasta herramientas de estimulaci\u00f3n cognitiva validadas \u2014 juegan un doble papel en los estudios RWD: recopilaci\u00f3n de datos (a trav\u00e9s de los registros de uso y los resultados de los ejercicios) e intervenci\u00f3n terap\u00e9utica (cuya adherencia y eficacia pueden medirse en tiempo real).<\/p>\n\n<h3>Aplicaciones de regulaci\u00f3n emocional y seguimiento de s\u00edntomas<\/h3>\n\n<p>Aplicaciones como Daylio, Moodpath o Woebot permiten a los usuarios rastrear su estado de \u00e1nimo, comportamientos y pensamientos diariamente. En un contexto de investigaci\u00f3n, los datos agregados y anonimizados de estas aplicaciones constituyen una fuente de RWD valiosa para estudiar los patrones emocionales de amplias poblaciones.<\/p>\n\n<p>Herramientas cl\u00ednicas como el <a href=\"https:\/\/www.dynseo.com\/nos-outils\/thermometre-des-emotions\/\" target=\"_blank\"><strong>Term\u00f3metro de las emociones DYNSEO<\/strong><\/a>, la <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Caja de herramientas de regulaci\u00f3n emocional<\/strong><\/a> y las <a href=\"https:\/\/www.dynseo.com\/nos-outils\/strategies-retour-au-calme\/\" target=\"_blank\"><strong>12 estrategias de retorno a la calma<\/strong><\/a> permiten recopilar datos sobre el uso real de las t\u00e9cnicas de regulaci\u00f3n \u2014 qu\u00e9 estrategia se elige, en qu\u00e9 contextos, con qu\u00e9 eficacia. Estos datos de uso ecol\u00f3gico enriquecen considerablemente nuestra comprensi\u00f3n de la eficacia de las intervenciones en salud mental.<\/p>\n\n<h3>Aplicaciones de estimulaci\u00f3n y pruebas cognitivas<\/h3>\n\n<p>Las aplicaciones de estimulaci\u00f3n cognitiva \u2014 como <a href=\"https:\/\/www.dynseo.com\/es\/joe-tu-entrenador-de-entrenamiento-cerebral\/\" target=\"_blank\"><strong>JOE<\/strong><\/a> para adultos o <a href=\"https:\/\/www.dynseo.com\/es\/edith-juegos-de-memoria-faciles-de-usar-para-mayores\/\" target=\"_blank\"><strong>EDITH<\/strong><\/a> para mayores \u2014 generan datos valiosos sobre el rendimiento cognitivo longitudinal. Los registros de uso (frecuencia, duraci\u00f3n de las sesiones, resultados en los ejercicios, nivel alcanzado, abandono) constituyen RWD que permiten estudiar el compromiso en la estimulaci\u00f3n cognitiva, su evoluci\u00f3n en el tiempo, y los factores asociados a la adherencia o al abandono.<\/p>\n\n<p>Para la investigaci\u00f3n sobre intervenciones digitales en Alzheimer, Parkinson o despu\u00e9s de un ACV, estos datos de uso real aportan una dimensi\u00f3n ecol\u00f3gica que los estudios de eficacia en laboratorio no pueden proporcionar. Una aplicaci\u00f3n puede mostrar excelentes resultados en un ensayo cl\u00ednico controlado \u2014 pero si los pacientes no la utilizan en la vida real, su impacto poblacional ser\u00e1 limitado. Los RWD permiten estudiar precisamente estas cuestiones de adopci\u00f3n y compromiso.<\/p>\n\n<h2>M\u00e9todos de an\u00e1lisis de datos de vida real: los desaf\u00edos metodol\u00f3gicos<\/h2>\n\n<h3>El sesgo de confusi\u00f3n: el desaf\u00edo central<\/h3>\n\n<p>La principal limitaci\u00f3n de los estudios RWD en comparaci\u00f3n con los ensayos aleatorizados es la ausencia de aleatorizaci\u00f3n \u2014 y, por lo tanto, la presencia potencial de sesgos de confusi\u00f3n. Si los pacientes que reciben un tratamiento A son sistem\u00e1ticamente diferentes de aquellos que reciben un tratamiento B (m\u00e1s j\u00f3venes, menos enfermos, con mejor acceso a la atenci\u00f3n), la comparaci\u00f3n de sus resultados refleja estas diferencias tanto como el efecto del tratamiento. Varias t\u00e9cnicas estad\u00edsticas permiten corregir estos sesgos: el puntaje de propensi\u00f3n (propensity score matching), los an\u00e1lisis instrumentales, los estudios de casos cruzados, y los modelos causales estructurales (Directed Acyclic Graphs).<\/p>\n\n<h3>El an\u00e1lisis de series temporales y datos longitudinales<\/h3>\n\n<p>Los datos de EMA y wearables generan series temporales densas \u2014 cientos o miles de puntos de medida por participante durante semanas o meses. El an\u00e1lisis de estos datos requiere m\u00e9todos estad\u00edsticos especializados que capturan su estructura temporal: modelos mixtos de efectos aleatorios, modelos vectoriales autorregresivos (VAR) para estudiar las relaciones entre variables a lo largo del tiempo, an\u00e1lisis de red (network analysis) para mapear las interacciones din\u00e1micas entre s\u00edntomas.<\/p>\n<div class=\"method-card teal\">\n<div class=\"method-badge badge-green\">\ud83d\udcca El an\u00e1lisis de red en psiquiatr\u00eda<\/div>\n<h4>Una revoluci\u00f3n metodol\u00f3gica para la salud mental<\/h4>\n<p>El enfoque de red, desarrollado principalmente por Borsboom y Cramer, conceptualiza los trastornos psiqui\u00e1tricos no como entidades discretas (una \"enfermedad\" que causa s\u00edntomas) sino como redes de s\u00edntomas interconectados que se autoalimentan. En este modelo, los RWD longitudinales permiten identificar qu\u00e9 s\u00edntomas son los m\u00e1s \"centrales\" (los que m\u00e1s influyen en los dem\u00e1s), qu\u00e9 v\u00ednculos se activan primero durante una reca\u00edda, y qu\u00e9 intervenciones podr\u00edan desactivar de manera m\u00e1s efectiva la red patol\u00f3gica. Este enfoque abre perspectivas terap\u00e9uticas personalizadas sin precedentes.<\/p>\n<\/div>\n\n<h3>La inteligencia artificial y el machine learning<\/h3>\n\n<p>El volumen y la complejidad de los RWD han hecho indispensables los enfoques de machine learning e inteligencia artificial. Algoritmos de deep learning pueden detectar patrones en los datos vocales, conductuales y fisiol\u00f3gicos que escapan al an\u00e1lisis estad\u00edstico cl\u00e1sico. El <a href=\"https:\/\/www.dynseo.com\/coach-ia\/\" target=\"_blank\"><strong>Coach IA DYNSEO<\/strong><\/a> ilustra esta direcci\u00f3n: un sistema de acompa\u00f1amiento inteligente que aprende de los patrones de uso para personalizar las recomendaciones.<\/p>\n\n<h2>El marco \u00e9tico y regulatorio de los RWD en salud<\/h2>\n\n<h3>RGPD, HDS y gobernanza de los datos de salud<\/h3>\n\n<p>Los datos de salud son datos personales sensibles, protegidos por el RGPD (Reglamento General de Protecci\u00f3n de Datos) y, para los datos de salud alojados, por la certificaci\u00f3n HDS (Alojador de Datos de Salud) en Francia. Cualquier recolecci\u00f3n de datos de salud en un marco de investigaci\u00f3n requiere el consentimiento informado de los participantes, la aprobaci\u00f3n de un Comit\u00e9 de Protecci\u00f3n de Personas (CPP) y a menudo una autorizaci\u00f3n de la CNIL (Comisi\u00f3n Nacional de Inform\u00e1tica y Libertades).<\/p>\n\n<p>El <strong>Health Data Hub<\/strong> franc\u00e9s (GIE que facilita el acceso a los datos del SNDS y su cruce con otras bases) se ha convertido en la herramienta central de la investigaci\u00f3n en RWD en Francia. Su uso est\u00e1 regulado por comit\u00e9s de expertos que eval\u00faan el inter\u00e9s cient\u00edfico, la proporcionalidad de los datos solicitados y las garant\u00edas de protecci\u00f3n de las personas.<\/p>\n\n<h3>Los sesgos de selecci\u00f3n en los datos digitales<\/h3>\n\n<p>Un desaf\u00edo \u00e9tico y metodol\u00f3gico importante de los RWD digitales es su potencial de sesgo de representatividad. Los usuarios de smartwatches, smartphones y aplicaciones de salud no son representativos de la poblaci\u00f3n general: son en promedio m\u00e1s j\u00f3venes, m\u00e1s acomodados, m\u00e1s educados y m\u00e1s comprometidos con su salud. Los estudios que se basan en estos datos corren el riesgo de producir pruebas v\u00e1lidas para estas poblaciones pero dif\u00edcilmente generalizables a las personas mayores, desfavorecidas o con poca alfabetizaci\u00f3n digital.<\/p>\n<div class=\"warning-box\">\n<h4>\u26a0\ufe0f La fractura digital: un \u00e1ngulo muerto de los RWD<\/h4>\n<p>Las personas m\u00e1s vulnerables en salud mental \u2014 personas mayores con demencia, personas sin hogar, personas en gran precariedad \u2014 son a menudo las menos representadas en los RWD digitales. Los estudios que ignoran esta fractura digital corren el riesgo de producir pruebas relevantes para las poblaciones mejor dotadas, pero agravar las desigualdades en salud al dirigir las innovaciones hacia las poblaciones que quiz\u00e1s menos lo necesiten.<\/p>\n<\/div>\n\n<h2>Aplicaciones pr\u00e1cticas para la investigaci\u00f3n en salud mental y cognitiva<\/h2>\n\n<h3>Detecci\u00f3n temprana de la demencia<\/h3>\n\n<p>Una de las aplicaciones m\u00e1s prometedoras de los RWD en neurociencias cl\u00ednicas es la detecci\u00f3n temprana de los trastornos cognitivos, a\u00f1os antes de la manifestaci\u00f3n cl\u00ednica de la demencia. Equipos de investigaci\u00f3n han demostrado que biomarcadores digitales \u2014 cambios sutiles en los patrones de desplazamiento GPS, en la velocidad de escritura en el teclado, en el rendimiento en pruebas cognitivas cortas \u2014 permiten detectar cambios que preceden de 2 a 5 a\u00f1os los primeros s\u00edntomas cl\u00ednicos de Alzheimer.<\/p>\n\n<p>El seguimiento regular del rendimiento cognitivo a trav\u00e9s de pruebas como el <a href=\"https:\/\/www.dynseo.com\/test-memoire\/\" target=\"_blank\"><strong>Test Memoria DYNSEO<\/strong><\/a> y el <a href=\"https:\/\/www.dynseo.com\/test-concentraci\u00f3n-attention\/\" target=\"_blank\"><strong>Test Concentraci\u00f3n<\/strong><\/a>, realizados mensualmente en casa a trav\u00e9s de tabletas o smartphones, podr\u00eda constituir un protocolo de vigilancia longitudinal ecol\u00f3gica para las poblaciones en riesgo.<\/p>\n\n<h3>Monitoreo de intervenciones en psiquiatr\u00eda<\/h3>\n\n<p>El monitoreo en tiempo real de las respuestas a los tratamientos psiqui\u00e1tricos es otro \u00e1mbito donde los RWD transforman la pr\u00e1ctica. En lugar de esperar la consulta mensual para saber si un antidepresivo comienza a hacer efecto o si un paciente reca\u00edda, datos EMA semanales permiten un ajuste terap\u00e9utico continuo. La <a href=\"https:\/\/www.dynseo.com\/nos-outils\/fiche-restructuration-cognitive\/\" target=\"_blank\"><strong>Ficha de reestructuraci\u00f3n cognitiva ansiedad DYNSEO<\/strong><\/a> y la <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Caja de herramientas de regulaci\u00f3n emocional<\/strong><\/a> se inscriben en esta l\u00f3gica de intervenci\u00f3n ecol\u00f3gica \u2014 proporcionando herramientas utilizables en la vida cotidiana y cuya utilizaci\u00f3n misma constituye un dato de investigaci\u00f3n relevante.<\/p>\n\n<h3>Eficacia de las intervenciones digitales<\/h3>\n\n<p>Los RWD permiten evaluar la eficacia real de las intervenciones digitales \u2014 aplicaciones de TCC, herramientas de estimulaci\u00f3n cognitiva, programas de mindfulness \u2014 en condiciones ecol\u00f3gicas. El compromiso (n\u00famero de sesiones, duraci\u00f3n, regularidad), la trayectoria del rendimiento (mejora, meseta, declive), y los factores predictivos de la adherencia constituyen datos valiosos para mejorar estas herramientas y personalizar las recomendaciones.<\/p>\n\n<h2>Hacia estudios pragm\u00e1ticos e h\u00edbridos<\/h2>\n\n<p>El futuro de la investigaci\u00f3n cl\u00ednica est\u00e1 probablemente en los <strong>estudios h\u00edbridos<\/strong> que combinan la rigurosidad de los ensayos aleatorizados con la riqueza de los RWD. Los ensayos pragm\u00e1ticos recogen datos en condiciones de atenci\u00f3n real en lugar de en centros de investigaci\u00f3n especializados. Los estudios de plataforma permiten evaluar varias intervenciones simult\u00e1neamente con adaptaci\u00f3n adaptativa. Y los ensayos \"in silico\" \u2014 que utilizan gemelos digitales o modelos computacionales alimentados por RWD \u2014 permiten simular ensayos cl\u00ednicos antes de realizarlos en la vida real, reduciendo costos y plazos.<\/p>\n<div class=\"conclusion\">\n<h2>Conclusi\u00f3n: los RWD, nueva frontera de la medicina personalizada<\/h2>\n<p>Los datos de vida real transforman nuestra capacidad para comprender los trastornos mentales y cognitivos en toda su complejidad din\u00e1mica. Permiten salir del modelo de la \"foto instant\u00e1nea\" en consulta para acceder al \"film\" de la vida cotidiana del paciente. Esta revoluci\u00f3n metodol\u00f3gica lleva en s\u00ed la promesa de una medicina m\u00e1s personalizada, m\u00e1s preventiva y m\u00e1s equitativa \u2014 siempre que se tengan en cuenta plenamente los desaf\u00edos \u00e9ticos (protecci\u00f3n de datos, brecha digital, sesgo de representatividad). DYNSEO contribuye a este ecosistema con herramientas digitales de calidad \u2014 pruebas cognitivas, aplicaciones de estimulaci\u00f3n, herramientas de regulaci\u00f3n emocional \u2014 cuyos datos de uso pueden alimentar la investigaci\u00f3n del ma\u00f1ana.<\/p>\n<a href=\"https:\/\/www.dynseo.com\/nos-tests\/\" target=\"_blank\" class=\"cta-button\">Descubrir las pruebas cognitivas DYNSEO \u2192<\/a>\n<\/div>\n\n<h2>FAQ<\/h2>\n<div class=\"faq-item\"><h4>\u00bfQu\u00e9 son los datos de vida real (RWD)?<\/h4><p>Datos de salud recopilados fuera de ensayos cl\u00ednicos controlados \u2014 historiales m\u00e9dicos, reembolsos, aplicaciones m\u00f3viles, sensores, registros. Capturan la vida real de los pacientes fuera del contexto cl\u00ednico.<\/p><\/div>\n<div class=\"faq-item\"><h4>\u00bfDiferencia entre RWD y RWE?<\/h4><p>RWD = datos en bruto. RWE = evidencia cient\u00edfica generada por el an\u00e1lisis riguroso de los RWD. La distinci\u00f3n es crucial para las autoridades regulatorias (EMA, FDA).<\/p><\/div>\n<div class=\"faq-item\"><h4>\u00bfQu\u00e9 es la EMA y por qu\u00e9 es valiosa en salud mental?<\/h4><p>Evaluaci\u00f3n Ecologica Moment\u00e1nea: cuestionarios enviados varias veces al d\u00eda a trav\u00e9s de smartphone para capturar el estado real en tiempo real. Revela la variabilidad de los s\u00edntomas invisible en las evaluaciones puntuales en consulta.<\/p><\/div>\n<div class=\"faq-item\"><h4>\u00bfQu\u00e9 desaf\u00edos \u00e9ticos plantean los RWD?<\/h4><p>Protecci\u00f3n de datos (RGPD, HDS), consentimiento informado, riesgos de re-identificaci\u00f3n, brecha digital, sesgo de representatividad, propiedad y gobernanza de los datos de salud.<\/p><\/div>\n<div class=\"faq-item\"><h4>\u00bfSe pueden utilizar aplicaciones m\u00f3viles en estudios cl\u00ednicos?<\/h4><p>S\u00ed \u2014 para la EMA, las pruebas cognitivas repetidas, el seguimiento conductual y emocional. Necesitan una validaci\u00f3n rigurosa como instrumentos de medida y un marco \u00e9tico estricto.<\/p><\/div>\n\n<\/div>\n<footer class=\"article-footer\">\n<h3>Recursos DYNSEO \u2014 Salud mental &amp; Investigaci\u00f3n<\/h3>\n<div class=\"footer-links\">\n<a href=\"https:\/\/www.dynseo.com\/nos-tests\/\" target=\"_blank\">Pruebas cognitivas<\/a>\n<a href=\"https:\/\/www.dynseo.com\/es\/joe-tu-entrenador-de-entrenamiento-cerebral\/\" target=\"_blank\">Aplicaci\u00f3n JOE<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nos-outils\/\" target=\"_blank\">Todas las herramientas<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nos-formations\/\" target=\"_blank\">Formaciones<\/a>\n<\/div>\n<\/footer>\n<\/article>\n<\/div>[\/et_pb_code][\/et_pb_column][\/et_pb_row][\/et_pb_section]","_et_gb_content_width":"","footnotes":""},"categories":[2915],"tags":[],"class_list":["post-617358","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-les-conseils-des-coachs"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO - DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO - DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/\" \/>\n<meta property=\"og:site_name\" content=\"DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-16T04:45:05+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-16T04:48:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"900\" \/>\n\t<meta property=\"og:image:height\" content=\"540\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"DYNSEO\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"DYNSEO\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"20 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/\"},\"author\":{\"name\":\"DYNSEO\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#\\\/schema\\\/person\\\/78ef63df2ee64e0989bc68f8401b38d6\"},\"headline\":\"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO\",\"datePublished\":\"2026-05-16T04:45:05+00:00\",\"dateModified\":\"2026-05-16T04:48:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/\"},\"wordCount\":4081,\"publisher\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"articleSection\":[\"Les conseils des coachs\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/\",\"name\":\"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO - DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"datePublished\":\"2026-05-16T04:45:05+00:00\",\"dateModified\":\"2026-05-16T04:48:12+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"contentUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"width\":900,\"height\":540,\"caption\":\"Desaf\u00eda tu cerebro con actividades divertidas y beneficiosas\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#website\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/\",\"name\":\"Jeux de m\u00e9moire et stimulation cognitive\",\"description\":\"Entra\u00eenez votre m\u00e9moire et votre cerveau avec DYNSEO\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#organization\",\"name\":\"DYNSEO\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/logo-dynseo-new.png\",\"contentUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/logo-dynseo-new.png\",\"width\":5073,\"height\":1397,\"caption\":\"DYNSEO\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/#\\\/schema\\\/person\\\/78ef63df2ee64e0989bc68f8401b38d6\",\"name\":\"DYNSEO\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/es\\\/author\\\/justine\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO - DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/","og_locale":"es_ES","og_type":"article","og_title":"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO - DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria","og_url":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/","og_site_name":"DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria","article_published_time":"2026-05-16T04:45:05+00:00","article_modified_time":"2026-05-16T04:48:12+00:00","og_image":[{"width":900,"height":540,"url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","type":"image\/jpeg"}],"author":"DYNSEO","twitter_misc":{"Escrito por":"DYNSEO","Tiempo de lectura":"20 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#article","isPartOf":{"@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/"},"author":{"name":"DYNSEO","@id":"https:\/\/www.dynseo.com\/es\/#\/schema\/person\/78ef63df2ee64e0989bc68f8401b38d6"},"headline":"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO","datePublished":"2026-05-16T04:45:05+00:00","dateModified":"2026-05-16T04:48:12+00:00","mainEntityOfPage":{"@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/"},"wordCount":4081,"publisher":{"@id":"https:\/\/www.dynseo.com\/es\/#organization"},"image":{"@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#primaryimage"},"thumbnailUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","articleSection":["Les conseils des coachs"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/","url":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/","name":"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO - DYNSEO - Aplicaci\u00f3n educativa y juegos de memoria","isPartOf":{"@id":"https:\/\/www.dynseo.com\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#primaryimage"},"image":{"@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#primaryimage"},"thumbnailUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","datePublished":"2026-05-16T04:45:05+00:00","dateModified":"2026-05-16T04:48:12+00:00","breadcrumb":{"@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#primaryimage","url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","contentUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","width":900,"height":540,"caption":"Desaf\u00eda tu cerebro con actividades divertidas y beneficiosas"},{"@type":"BreadcrumbList","@id":"https:\/\/www.dynseo.com\/es\/que-datos-de-vida-real-se-pueden-recopilar-durante-un-estudio-clinico-dynseo\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/www.dynseo.com\/es\/"},{"@type":"ListItem","position":2,"name":"\u00bfQu\u00e9 datos de vida real se pueden recopilar durante un estudio cl\u00ednico? | DYNSEO"}]},{"@type":"WebSite","@id":"https:\/\/www.dynseo.com\/es\/#website","url":"https:\/\/www.dynseo.com\/es\/","name":"Jeux de m\u00e9moire et stimulation cognitive","description":"Entra\u00eenez votre m\u00e9moire et votre cerveau avec DYNSEO","publisher":{"@id":"https:\/\/www.dynseo.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.dynseo.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.dynseo.com\/es\/#organization","name":"DYNSEO","url":"https:\/\/www.dynseo.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.dynseo.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2022\/05\/logo-dynseo-new.png","contentUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2022\/05\/logo-dynseo-new.png","width":5073,"height":1397,"caption":"DYNSEO"},"image":{"@id":"https:\/\/www.dynseo.com\/es\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/www.dynseo.com\/es\/#\/schema\/person\/78ef63df2ee64e0989bc68f8401b38d6","name":"DYNSEO","url":"https:\/\/www.dynseo.com\/es\/author\/justine\/"}]}},"_links":{"self":[{"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/posts\/617358","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/comments?post=617358"}],"version-history":[{"count":6,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/posts\/617358\/revisions"}],"predecessor-version":[{"id":617364,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/posts\/617358\/revisions\/617364"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/media\/412655"}],"wp:attachment":[{"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/media?parent=617358"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/categories?post=617358"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dynseo.com\/es\/wp-json\/wp\/v2\/tags?post=617358"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}