Cómo saber si una aplicación de bienestar emocional tiene respaldo

Resumen

La ficha comercial de una aplicación de bienestar emocional presenta con el mismo formato tipos de respaldo de naturaleza distinta: un estudio universitario, un volumen de usuarios satisfechos o una base en terapia cognitivo conductual. Una revisión sistemática con metaanálisis publicada en npj Digital Medicine, que partió de 16.971 registros y retuvo 110 estudios sobre 112 aplicaciones autoguiadas de salud mental evaluadas en ensayos controlados, encontró que la calidad metodológica de los estudios no se asocia con la disponibilidad pública de la aplicación y que el tamaño del efecto de las disponibles, g de 0,33, y el de las no disponibles, g de 0,45, no difiere de forma significativa. Las aplicaciones con evidencia de efecto existen y la disponibilidad en la tienda no las distingue de las demás. La distinción es posible desde fuera del equipo desarrollador mediante cinco criterios con respuesta comprobable en la publicación de cada estudio: la población de prueba, el tamaño y la duración, el comparador, la financiación y la variable medida.

Introducción

La oferta de aplicaciones de bienestar emocional se acompaña de afirmaciones de respaldo heterogéneas. Una ficha puede mencionar un estudio universitario, otra un número elevado de usuarios satisfechos y una tercera una base en terapia cognitivo conductual. Las tres afirmaciones comparten formato y describen respaldos de naturaleza distinta.

La disponibilidad pública tampoco ordena esa heterogeneidad: los datos de síntesis disponibles indican que la calidad metodológica de los estudios no guarda relación con que una aplicación pueda descargarse. La verificación del respaldo requiere criterios propios, comprobables desde fuera del equipo desarrollador y sin formación clínica, porque los estándares de publicación científica obligan a declarar los elementos que esos criterios examinan.

Tipos de respaldo y su jerarquía

Bajo la palabra estudio caben diseños con alcances distintos.

En un extremo está la evidencia de aceptación o beneficio percibido. Se pregunta a quienes usaron la aplicación si les pareció útil, si la recomendarían y si seguirían usándola. Es la más frecuente porque es la más barata de obtener y la más rápida de publicar, y describe la experiencia de uso. Una aplicación puede obtener una aceptación alta sin modificar ninguna de las variables que motivaron su descarga.

En el otro extremo está la revisión sistemática con metaanálisis. Reúne todos los ensayos publicados sobre una intervención, valora su riesgo de sesgo y calcula un efecto combinado. Es la evidencia más costosa de producir y la menos abundante, y también la única que permite estimar cuánto efecto cabe esperar en promedio.

Entre ambos está el ensayo controlado individual, que compara a quienes usaron la aplicación con un grupo que no la usó. En su diseño se deciden la mayoría de las cuestiones que los criterios de evaluación examinan.

La certificación ocupa un plano separado. Un producto puede cumplir requisitos técnicos, superar una evaluación de accesibilidad, ajustarse al RGPD y declarar con claridad que quien responde es una inteligencia artificial, tal como exige el artículo 50 del Reglamento europeo desde agosto de 2026. Ninguno de esos requisitos informa sobre el efecto. Un sello acredita aquello que su procedimiento examina, y su lectura como acreditación de eficacia constituye un error de interpretación.

Criterios de evaluación comprobables

La evaluación del respaldo de una aplicación admite cinco criterios con respuesta comprobable desde fuera del equipo desarrollador.

• Población de prueba. Un ensayo con estudiantes universitarios sin diagnóstico informa poco sobre personas de sesenta años con insomnio crónico. El criterio compara la muestra descrita en el estudio con la población de destino.
• Tamaño y duración. Un piloto de veinte participantes durante dos semanas explora sin acreditar. La duración pesa tanto como el tamaño, porque muchos efectos aparecen en la primera semana por novedad y desaparecen en la cuarta.
• Comparador. Es el elemento del diseño que más condiciona la conclusión. La comparación con un grupo sin intervención mide la suma del efecto de la aplicación y del efecto de la atención recibida; la comparación con una lista de espera añade el efecto de la expectativa; la comparación con una intervención alternativa ya establecida responde a la pregunta pertinente, la de si la aplicación aporta algo por encima de lo que ya existía.
• Financiación. La financiación por parte de quien comercializa el producto no invalida un resultado, y exige un examen más atento del diseño, del registro previo del protocolo y de la publicación de los resultados negativos.
• Variable medida. El recuento de aperturas de la aplicación, de días consecutivos de uso o de ejercicios completados describe el uso. El cambio en una escala validada de sintomatología, con evaluación previa y posterior y grupo de comparación, describe el efecto. La presentación del primero como si fuera el segundo es la confusión más extendida del sector.

Los cinco criterios tienen respuesta comprobable porque existen estándares que obligan a declararla. Un ensayo bien publicado sigue CONSORT y la descripción de la intervención sigue TIDieR, de modo que la ficha del estudio contiene la población, el comparador y las medidas.

Disponibilidad pública y calidad de la evidencia

Una revisión sistemática con metaanálisis publicada en npj Digital Medicine partió de 16.971 registros y retuvo 110 estudios que evaluaban 112 aplicaciones autoguiadas de salud mental en ensayos controlados. De las 81 aplicaciones únicas identificadas, 42 estaban disponibles al público, alrededor de la mitad.

La calidad metodológica de los estudios, medida con la herramienta Cochrane de riesgo de sesgo, no se asoció con la disponibilidad pública de la aplicación. El tamaño del efecto tampoco distinguió a un grupo del otro: g de 0,33 en las aplicaciones disponibles frente a g de 0,45 en las no disponibles, sin diferencia significativa.

De ambos resultados se sigue que las aplicaciones con evidencia de efecto existen y que una parte de ellas no puede descargarse. La disponibilidad en una tienda responde a decisiones comerciales y de mantenimiento, y funciona como un filtro sin relación con la calidad del estudio.

Un estudio de métodos mixtos publicado en JMIR Human Factors en 2026, firmado por Zych y colaboradores, apunta en la misma dirección desde el extremo contrario: muchas aplicaciones de salud mental disponibles al público no adoptan precauciones como la participación de profesionales sanitarios, la referencia a la literatura o la realización de pruebas que respalden su contenido.

Aplicación de los criterios al piloto Blind Echo Experience

Los criterios admiten su aplicación a cualquier estudio, incluidos los del propio hub. Los resultados de validación del protocolo Blind Echo Experience se publicaron con su población, su tamaño —89 participantes y 119 sesiones a lo largo de seis meses—, su diseño de estudio piloto y la supervisión metodológica que lo acompañó.

Un piloto de ese tamaño explora sin acreditar. La publicación de sus condiciones es lo que permite situarlo en el nivel de evidencia que le corresponde.

Limitaciones de la evidencia disponible

La distribución de los tipos de respaldo en el conjunto del sector carece de cuantificación verificada en las fuentes revisadas: la jerarquía se describe sin cifras de proporción para cada tipo de evidencia.

El metaanálisis se circunscribe a aplicaciones autoguiadas de salud mental evaluadas en ensayos controlados. Sus resultados describen asociaciones entre disponibilidad, calidad metodológica y tamaño del efecto; la ausencia de diferencia significativa entre los tamaños del efecto es una comparación entre grupos y no acredita su equivalencia.

El estudio de JMIR Human Factors es de métodos mixtos y se cita por su conclusión cualitativa; la magnitud del fenómeno que describe queda sin cuantificar en las fuentes revisadas.

El piloto Blind Echo Experience, con 89 participantes y diseño de estudio piloto, explora sin acreditar, y sus resultados no sostienen una afirmación de eficacia.

Conclusiones

La disponibilidad pública de una aplicación de bienestar emocional no informa sobre la calidad de su evidencia: la calidad metodológica de los estudios no se asocia con la disponibilidad y el tamaño del efecto no difiere de forma significativa entre aplicaciones disponibles y no disponibles. Las aplicaciones con evidencia de efecto existen. Su identificación es posible desde fuera del equipo desarrollador mediante cinco criterios comprobables —población de prueba, tamaño y duración, comparador, financiación y variable medida—, porque los estándares de publicación obligan a declarar cada uno. Un sello o una certificación acreditan lo que su procedimiento examina, y la evidencia de efecto requiere su propia verificación. Un estudio piloto, con independencia de quién lo firme, explora sin acreditar.

La escala ERL

La escala ERL que yeshcube desarrolla responde a un hueco concreto. Los Technology Readiness Levels describen la madurez técnica de una tecnología, desde el principio básico hasta el funcionamiento en entorno operativo, y ese análisis deja fuera la calidad de la evidencia, los riesgos éticos, la experiencia de uso y la adecuación al contexto. La ERL documenta esa segunda madurez en seis niveles, y ninguna solución se transfiere por debajo de ERL-3.

El marco es compatible con los estándares de investigación existentes, entre ellos CONSORT para ensayos controlados aleatorizados, STROBE para estudios observacionales y TIDieR para la descripción de intervenciones.

Colaborar en la validación de soluciones digitales

yeshcube desarrolla esta línea dentro de Allies, su sistema de colaboración científica, con cuatro tipologías de socio y tres principios: valor por valor, trazabilidad e independencia. Ningún socio puede vetar una publicación.

Producir la evidencia que estos criterios reclaman pide diseños, muestras y tiempo que ningún equipo reúne solo. El trabajo interesa a grupos de investigación en salud digital y psicología clínica, a organizaciones sanitarias o educativas que evalúan herramientas antes de adoptarlas, y a desarrolladores dispuestos a registrar su protocolo antes de recoger el primer dato.

Descubre nuestro programa Allies →

Rellena nuestro Formulario de Contacto →

Referencias

• npj Digital Medicine. Revisión sistemática con metaanálisis sobre aplicaciones autoguiadas de salud mental evaluadas en ensayos controlados. npj Digital Medicine, 2026. 16.971 registros, 110 estudios, 112 aplicaciones.
• Zych y colaboradores. Estudio de métodos mixtos sobre las precauciones adoptadas por las aplicaciones de salud mental disponibles al público. JMIR Human Factors, 2026, e67944.