
Cómo diseñar un estudio de potenciales relacionados con eventos (ERP)
Christian Burgos
Actualizado el
16 nov 2026

Cómo diseñar un estudio de potenciales relacionados con eventos (ERP)
Christian Burgos
Actualizado el
16 nov 2026

Cómo diseñar un estudio de potenciales relacionados con eventos (ERP)
Christian Burgos
Actualizado el
16 nov 2026
Diseñar un estudio de potenciales relacionados con eventos (ERP, por sus siglas en inglés) implica mucho más que seleccionar un sistema de EEG o registrar la actividad cerebral. Antes de comenzar la recolección de datos, los investigadores deben definir una pregunta científica clara, determinar el proceso cognitivo que desean investigar, seleccionar un paradigma experimental adecuado y diseñar un estudio capaz de aislar los procesos neuronales de interés. Estas decisiones determinan la calidad de los datos y las conclusiones que se pueden extraer del estudio.
Este artículo analiza las consideraciones clave que implica el diseño de un experimento de ERP, desde la formulación de una pregunta de investigación hasta la recolección de datos fiables e interpretables.
Comience con la pregunta de investigación
Cuando las personas se encuentran por primera vez con los potenciales relacionados con eventos (ERP), a menudo se centran en la tecnología. Se imaginan electrodos de EEG, registros de ondas cerebrales llenos de color y software especializado analizando respuestas neuronales con precisión de milisegundos.
Sin embargo, los investigadores experimentados suelen concebir los estudios de ERP de manera muy diferente.
Mucho antes de colocar los electrodos o de recopilar datos, los investigadores toman una serie de decisiones que determinan si un experimento responderá a su pregunta científica. Identifican el proceso cognitivo que desean investigar, seleccionan una tarea experimental adecuada, definen los eventos que se medirán y desarrollan condiciones que permitan aislar respuestas neuronales específicas de los múltiples procesos que ocurren de forma simultánea [1], [2].
En otras palabras, la investigación exitosa con ERP comienza con el diseño experimental y no con la tecnología de EEG.
Comprender esta distinción es uno de los pasos más importantes para diseñar un estudio de ERP eficaz.
Defina la pregunta de investigación
Un experimento de ERP debe comenzar con una pregunta científica y no con un componente de ERP en particular.
Por ejemplo, un investigador puede querer entender cómo cambia la atención durante el aprendizaje, cómo se actualiza la memoria de trabajo, cómo las personas detectan errores o cómo responde el cerebro a estímulos inesperados. Cada una de estas preguntas refleja un proceso cognitivo diferente y puede requerir un paradigma experimental distinto.
Una vez establecida la pregunta de investigación, los investigadores pueden seleccionar los componentes de ERP con mayor probabilidad de aportar información sobre ese proceso. Componentes como el P300, el N170, la negatividad de disparidad (MMN) o la negatividad relacionada con el error (ERN) son valiosos porque décadas de investigación los han vinculado a aspectos específicos de la percepción, la atención, la memoria o el control cognitivo [2]. Por lo tanto, el componente de ERP se convierte en una herramienta para investigar la cognición y no en el objetivo del estudio en sí mismo.
Esta secuencia es importante porque el diseño experimental siempre debe estar al servicio de la pregunta de investigación. Comenzar con una hipótesis cognitiva ayuda a garantizar que cada decisión posterior, desde el diseño de la tarea hasta el análisis estadístico, respalde el objetivo científico.
Diseñar tareas que aíslen la actividad cerebral
Uno de los mayores puntos fuertes de los potenciales relacionados con eventos es su excepcional resolución temporal, que permite a los investigadores observar la actividad neuronal a medida que se desarrolla en cuestión de milisegundos. Sin embargo, esa precisión también plantea un desafío.
En un momento dado, el cerebro realiza múltiples operaciones cognitivas de forma simultánea. La percepción visual, la atención, la memoria, la toma de decisiones y la preparación motora pueden superponerse en el tiempo, contribuyendo a la señal de EEG registrada en el cuero cabelludo.
Por lo tanto, el desafío para los investigadores consiste en diseñar un experimento que aísle el proceso cognitivo específico que desean investigar y, al mismo tiempo, minimice la influencia de la actividad neuronal no relacionada.
Kappenman et al. explican que limitarse a registrar EEG durante un experimento cualquiera rara vez produce datos que puedan interpretarse de manera inequívoca. En cambio, los experimentos de ERP deben diseñarse de modo que la operación cognitiva investigada varíe mientras que los factores no relacionados se mantengan lo más constantes posible. Esto facilita atribuir los cambios en la forma de onda del ERP al proceso estudiado y no a otra actividad neuronal simultánea [3].
Los investigadores logran esto mediante paradigmas experimentales cuidadosamente controlados. Las tareas oddball, los paradigmas Go/No-Go, las tareas Flanker, las tareas Stroop y otros paradigmas cognitivos se han utilizado ampliamente porque activan de manera fiable procesos cognitivos específicos y limitan la variabilidad innecesaria. Por lo tanto, seleccionar la tarea adecuada es tan importante como seleccionar el componente de ERP en sí.
Paradigma | Qué hace el participante | Proceso cognitivo | Componentes comúnmente estudiados |
|---|---|---|---|
Oddball | Responde a estímulos diana infrecuentes entre estándares frecuentes | Detección de estímulos inesperados o relevantes para la tarea | P300 (aproximadamente 250–500 ms) |
Oddball auditivo pasivo | Escucha sin responder mientras se presentan tonos infrecuentes | Detección automática de cambios auditivos | Negatividad de disparidad (aproximadamente 100–250 ms) |
Go/No-Go | Responde ante estímulos "go" y se abstiene ante los "no-go" | Inhibición de respuesta | N2 y P3 |
Flanker | Identifica un objetivo central rodeado de distractores | Monitoreo de conflictos y errores | Negatividad relacionada con el error (dentro de unos 100 ms tras un error) |
Stroop | Nombra el color de la tinta de palabras congruentes o incongruentes | Interferencia y control cognitivo | N450 |
Visualización de rostros vs. objetos | Observa rostros e imágenes que no son rostros | Percepción facial | N170 |
Los eventos importan más que el registro continuo
A diferencia de los análisis tradicionales de EEG que pueden examinar la actividad neuronal continua, la investigación de ERP se centra en la respuesta del cerebro a eventos específicos.
Un evento puede ser la presentación de una imagen, la aparición de una palabra, un tono auditivo, la pulsación de un botón por parte del participante o una retroalimentación que indica si una respuesta fue correcta. Estos eventos cronometrados con precisión permiten a los investigadores alinear los registros de EEG a través de ensayos repetidos y calcular respuestas neuronales promedio que revelan la actividad relacionada con el evento [1].
Dado que los análisis de ERP dependen de una sincronización exacta, los marcadores de eventos se convierten en uno de los elementos más críticos del diseño del estudio. Incluso pequeñas discrepancias entre la presentación del estímulo y el marcado de eventos pueden influir en las mediciones de latencia, especialmente cuando los investigadores investigan procesos cognitivos rápidos que se desarrollan en solo unos pocos cientos de milisegundos.
Investigaciones recientes de validación también han demostrado la importancia del marcado preciso de eventos para mediciones fiables de ERP utilizando sistemas de EEG portátiles [4].
Elegir el número adecuado de ensayos
A diferencia de muchos experimentos conductuales, los estudios de ERP no se basan en una sola observación. En su lugar, los investigadores presentan el mismo tipo de evento muchas veces y promedian las respuestas de EEG resultantes. Este proceso reduce la actividad de fondo continua al tiempo que preserva la respuesta neuronal que ocurre de manera constante tras cada evento [1], [2].
El número de ensayos requeridos depende de varios factores, entre ellos:
El componente de ERP que se está midiendo
La variabilidad esperada de la respuesta
La calidad general de los datos registrados.
Los componentes con amplitudes más pequeñas o mayor variabilidad a menudo requieren ensayos adicionales para producir una relación señal-ruido aceptable. Al mismo tiempo, los investigadores deben considerar los límites prácticos de la recolección de datos. Los experimentos más largos pueden aumentar la fatiga, el movimiento y las pérdidas de atención del participante, factores que pueden introducir artefactos adicionales en el registro [1].
Por lo tanto, diseñar un estudio de ERP eficaz implica equilibrar la fiabilidad estadística con la experiencia del participante. En lugar de recolectar tantos ensayos como sea posible, los investigadores buscan obtener suficientes observaciones de alta calidad para responder a la pregunta científica, manteniendo el compromiso del participante durante todo el experimento.
Factor | Efecto sobre los ensayos necesarios | Respuesta de diseño |
|---|---|---|
Componente de pequeña amplitud | Más ensayos para una relación señal-ruido aceptable | Priorizar este componente en el presupuesto de ensayos |
Alta variabilidad en la respuesta | Más ensayos para estabilizar el promedio | Prueba piloto para estimar la variabilidad antes del estudio principal |
Pérdida esperada de datos en el preprocesamiento | Menos ensayos utilizables que los registrados | Registrar ensayos adicionales para compensar las épocas descartadas |
Fatiga del participante | Sesiones más largas añaden movimiento y parpadeos | Añadir descansos; mantener sesiones realistas |
Equilibrar el control experimental
Cada experimento de ERP contiene variables que los investigadores desean investigar y variables que desean controlar.
Supongamos que un investigador desea examinar cómo responde el cerebro a eventos inesperados utilizando un paradigma oddball. Idealmente, la principal diferencia entre las condiciones experimentales es la probabilidad del estímulo diana, no cambios en el brillo del estímulo, la asignación de respuestas o la dificultad de la tarea. Cuando múltiples variables cambian simultáneamente, resulta difícil determinar qué factor produjo las diferencias observadas en el ERP.
Por esta razón, los investigadores diseñan cuidadosamente los experimentos de modo que los factores no relacionados se mantengan lo más consistentes posible entre condiciones. Kappenman et al. enfatizan que un diseño experimental reflexivo es esencial para aislar el proceso cognitivo investigado en lugar de medir varios procesos neuronales superpuestos a la vez [3].
Una estrategia común es el uso de ondas de diferencia, que comparan las respuestas de ERP entre condiciones experimentales cuidadosamente emparejadas. Al restar la actividad común a ambas condiciones, los investigadores pueden examinar con mayor claridad la respuesta neuronal asociada con la manipulación experimental. Aunque las ondas de diferencia no eliminan todos los desafíos metodológicos, ilustran un principio importante de la investigación de ERP: una interpretación significativa depende de un diseño experimental cuidadoso mucho antes de que comience el análisis estadístico [3].
Planificación para obtener datos de alta calidad
Muchos factores que influyen en la calidad de los datos de ERP se determinan antes de que el primer participante complete el experimento.
La duración de la sesión, la comodidad del participante, la dificultad de la tarea y los procedimientos de registro afectan la calidad de la señal de EEG. Los experimentos largos o exigentes pueden aumentar la fatiga, el movimiento y los parpadeos, mientras que unas instrucciones poco claras pueden introducir una variabilidad innecesaria en las respuestas de los participantes. Estas consideraciones prácticas influyen no solo en la experiencia del participante, sino también en la fiabilidad de los datos resultantes.
La gestión de artefactos también comienza durante la planificación del estudio y no después de la recolección de datos. Aunque las técnicas modernas de preprocesamiento pueden reducir la influencia de ciertos artefactos, no pueden compensar un diseño experimental deficiente o registros con ruido persistente.
Pütz et al. recomiendan considerar la calidad de los datos durante todo el proceso de planificación mediante el diseño de sesiones de registro realistas, proporcionando instrucciones claras a los participantes y recolectando suficientes ensayos para afrontar la pérdida de datos durante el preprocesamiento [1].
Diseñar teniendo en cuenta la calidad de los datos desde el principio ayuda a reducir problemas evitables durante el análisis y mejora la confianza en los resultados finales.
La interpretación comienza antes del análisis
Una de las lecciones más importantes en la metodología de ERP es que la interpretación comienza mucho antes de que los investigadores examinen los datos.
Las formas de onda del ERP no revelan automáticamente el significado de un proceso cognitivo. En su lugar, los investigadores interpretan componentes individuales de ERP sobre la base de décadas de evidencia experimental que vinculan esos componentes con funciones neuronales particulares bajo condiciones experimentales específicas [2]. Las conclusiones que pueden extraerse de un estudio de ERP dependen, por tanto, no solo de los datos registrados, sino también de la solidez del diseño experimental y del cuerpo existente de literatura científica.
Kappenman et al. señalan que la interpretación de un componente de ERP depende de qué tan bien investigaciones previas hayan establecido su relación con el proceso cognitivo que se investiga. Los componentes con mayor validez de constructo respaldan conclusiones con mayor grado de certeza, mientras que otros requieren más cautela y la consideración de explicaciones alternativas [3]. Un diseño de estudio cuidadoso ayuda a garantizar que las respuestas neuronales observadas puedan relacionarse significativamente con la pregunta de investigación en lugar de atribuirse a factores experimentales no controlados.
Pensar en la interpretación durante la fase de planificación anima a los investigadores a diseñar experimentos capaces de responder a preguntas científicas significativas, en lugar de limitarse a producir resultados estadísticamente significativos.
El futuro de la investigación de ERP
Los potenciales relacionados con eventos han sido una piedra angular de la neurociencia cognitiva durante décadas; aun así, el campo continúa evolucionando. Los avances en la tecnología de EEG portátil, la mejora del software experimental y los métodos analíticos cada vez más sofisticados están ampliando dónde y cómo se puede llevar a cabo la investigación de ERP.
Al mismo tiempo, los principios fundamentales del diseño de estudios de ERP se mantienen notablemente consistentes. Un experimento bien diseñado comienza con una pregunta científica clara, selecciona un paradigma cognitivo adecuado, controla cuidadosamente las variables experimentales e interpreta los hallazgos dentro del contexto de la neurociencia establecida. Aunque las nuevas tecnologías siguen mejorando la recolección y el análisis de datos, un diseño experimental reflexivo sigue siendo la base de una investigación significativa con ERP [1], [2].
A medida que los estudios de ERP trascienden los entornos de laboratorio tradicionales hacia aulas, lugares de trabajo y otros entornos del mundo real, estos principios adquieren aún más importancia. Independientemente de dónde se recopilen los datos, una planificación cuidadosa ayuda a garantizar que los investigadores puedan relacionar con confianza la actividad neuronal con los procesos cognitivos que buscan comprender.
Puntos clave
Los estudios de ERP eficaces comienzan con una pregunta de investigación claramente definida en lugar de un componente de ERP específico.
Las tareas experimentales deben aislar el proceso cognitivo que se investiga minimizando las fuentes no relacionadas de actividad neuronal.
Una sincronización precisa de eventos, un número suficiente de ensayos y un control experimental riguroso contribuyen a obtener mediciones de ERP fiables.
Planificar la comodidad del participante y la calidad de los datos antes de que comience el registro puede mejorar tanto la experiencia del participante como la fiabilidad de los datos resultantes.
Una interpretación significativa depende tanto de un diseño experimental cuidadoso como de décadas de investigación que vinculan los componentes de ERP con procesos cognitivos específicos.
Lecturas recomendadas
Qué revelan los potenciales relacionados con eventos sobre el cerebro
¿Qué hace que la investigación cognitiva sea de alta calidad?
Por qué la validez ecológica es importante en la investigación cognitiva
Referencias
[1] C. Pütz, M. Span y M. Lorist, «Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants», STAR Protocols, vol. 6, n.º 2, art. n.º 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2.ª ed. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., «Best Practices for Event-Related Potential Research in Clinical Populations», Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, n.º 2, págs. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur y N. A. Badcock, «It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research», PeerJ, vol. 9, e10700, 2021.
Diseñar un estudio de potenciales relacionados con eventos (ERP, por sus siglas en inglés) implica mucho más que seleccionar un sistema de EEG o registrar la actividad cerebral. Antes de comenzar la recolección de datos, los investigadores deben definir una pregunta científica clara, determinar el proceso cognitivo que desean investigar, seleccionar un paradigma experimental adecuado y diseñar un estudio capaz de aislar los procesos neuronales de interés. Estas decisiones determinan la calidad de los datos y las conclusiones que se pueden extraer del estudio.
Este artículo analiza las consideraciones clave que implica el diseño de un experimento de ERP, desde la formulación de una pregunta de investigación hasta la recolección de datos fiables e interpretables.
Comience con la pregunta de investigación
Cuando las personas se encuentran por primera vez con los potenciales relacionados con eventos (ERP), a menudo se centran en la tecnología. Se imaginan electrodos de EEG, registros de ondas cerebrales llenos de color y software especializado analizando respuestas neuronales con precisión de milisegundos.
Sin embargo, los investigadores experimentados suelen concebir los estudios de ERP de manera muy diferente.
Mucho antes de colocar los electrodos o de recopilar datos, los investigadores toman una serie de decisiones que determinan si un experimento responderá a su pregunta científica. Identifican el proceso cognitivo que desean investigar, seleccionan una tarea experimental adecuada, definen los eventos que se medirán y desarrollan condiciones que permitan aislar respuestas neuronales específicas de los múltiples procesos que ocurren de forma simultánea [1], [2].
En otras palabras, la investigación exitosa con ERP comienza con el diseño experimental y no con la tecnología de EEG.
Comprender esta distinción es uno de los pasos más importantes para diseñar un estudio de ERP eficaz.
Defina la pregunta de investigación
Un experimento de ERP debe comenzar con una pregunta científica y no con un componente de ERP en particular.
Por ejemplo, un investigador puede querer entender cómo cambia la atención durante el aprendizaje, cómo se actualiza la memoria de trabajo, cómo las personas detectan errores o cómo responde el cerebro a estímulos inesperados. Cada una de estas preguntas refleja un proceso cognitivo diferente y puede requerir un paradigma experimental distinto.
Una vez establecida la pregunta de investigación, los investigadores pueden seleccionar los componentes de ERP con mayor probabilidad de aportar información sobre ese proceso. Componentes como el P300, el N170, la negatividad de disparidad (MMN) o la negatividad relacionada con el error (ERN) son valiosos porque décadas de investigación los han vinculado a aspectos específicos de la percepción, la atención, la memoria o el control cognitivo [2]. Por lo tanto, el componente de ERP se convierte en una herramienta para investigar la cognición y no en el objetivo del estudio en sí mismo.
Esta secuencia es importante porque el diseño experimental siempre debe estar al servicio de la pregunta de investigación. Comenzar con una hipótesis cognitiva ayuda a garantizar que cada decisión posterior, desde el diseño de la tarea hasta el análisis estadístico, respalde el objetivo científico.
Diseñar tareas que aíslen la actividad cerebral
Uno de los mayores puntos fuertes de los potenciales relacionados con eventos es su excepcional resolución temporal, que permite a los investigadores observar la actividad neuronal a medida que se desarrolla en cuestión de milisegundos. Sin embargo, esa precisión también plantea un desafío.
En un momento dado, el cerebro realiza múltiples operaciones cognitivas de forma simultánea. La percepción visual, la atención, la memoria, la toma de decisiones y la preparación motora pueden superponerse en el tiempo, contribuyendo a la señal de EEG registrada en el cuero cabelludo.
Por lo tanto, el desafío para los investigadores consiste en diseñar un experimento que aísle el proceso cognitivo específico que desean investigar y, al mismo tiempo, minimice la influencia de la actividad neuronal no relacionada.
Kappenman et al. explican que limitarse a registrar EEG durante un experimento cualquiera rara vez produce datos que puedan interpretarse de manera inequívoca. En cambio, los experimentos de ERP deben diseñarse de modo que la operación cognitiva investigada varíe mientras que los factores no relacionados se mantengan lo más constantes posible. Esto facilita atribuir los cambios en la forma de onda del ERP al proceso estudiado y no a otra actividad neuronal simultánea [3].
Los investigadores logran esto mediante paradigmas experimentales cuidadosamente controlados. Las tareas oddball, los paradigmas Go/No-Go, las tareas Flanker, las tareas Stroop y otros paradigmas cognitivos se han utilizado ampliamente porque activan de manera fiable procesos cognitivos específicos y limitan la variabilidad innecesaria. Por lo tanto, seleccionar la tarea adecuada es tan importante como seleccionar el componente de ERP en sí.
Paradigma | Qué hace el participante | Proceso cognitivo | Componentes comúnmente estudiados |
|---|---|---|---|
Oddball | Responde a estímulos diana infrecuentes entre estándares frecuentes | Detección de estímulos inesperados o relevantes para la tarea | P300 (aproximadamente 250–500 ms) |
Oddball auditivo pasivo | Escucha sin responder mientras se presentan tonos infrecuentes | Detección automática de cambios auditivos | Negatividad de disparidad (aproximadamente 100–250 ms) |
Go/No-Go | Responde ante estímulos "go" y se abstiene ante los "no-go" | Inhibición de respuesta | N2 y P3 |
Flanker | Identifica un objetivo central rodeado de distractores | Monitoreo de conflictos y errores | Negatividad relacionada con el error (dentro de unos 100 ms tras un error) |
Stroop | Nombra el color de la tinta de palabras congruentes o incongruentes | Interferencia y control cognitivo | N450 |
Visualización de rostros vs. objetos | Observa rostros e imágenes que no son rostros | Percepción facial | N170 |
Los eventos importan más que el registro continuo
A diferencia de los análisis tradicionales de EEG que pueden examinar la actividad neuronal continua, la investigación de ERP se centra en la respuesta del cerebro a eventos específicos.
Un evento puede ser la presentación de una imagen, la aparición de una palabra, un tono auditivo, la pulsación de un botón por parte del participante o una retroalimentación que indica si una respuesta fue correcta. Estos eventos cronometrados con precisión permiten a los investigadores alinear los registros de EEG a través de ensayos repetidos y calcular respuestas neuronales promedio que revelan la actividad relacionada con el evento [1].
Dado que los análisis de ERP dependen de una sincronización exacta, los marcadores de eventos se convierten en uno de los elementos más críticos del diseño del estudio. Incluso pequeñas discrepancias entre la presentación del estímulo y el marcado de eventos pueden influir en las mediciones de latencia, especialmente cuando los investigadores investigan procesos cognitivos rápidos que se desarrollan en solo unos pocos cientos de milisegundos.
Investigaciones recientes de validación también han demostrado la importancia del marcado preciso de eventos para mediciones fiables de ERP utilizando sistemas de EEG portátiles [4].
Elegir el número adecuado de ensayos
A diferencia de muchos experimentos conductuales, los estudios de ERP no se basan en una sola observación. En su lugar, los investigadores presentan el mismo tipo de evento muchas veces y promedian las respuestas de EEG resultantes. Este proceso reduce la actividad de fondo continua al tiempo que preserva la respuesta neuronal que ocurre de manera constante tras cada evento [1], [2].
El número de ensayos requeridos depende de varios factores, entre ellos:
El componente de ERP que se está midiendo
La variabilidad esperada de la respuesta
La calidad general de los datos registrados.
Los componentes con amplitudes más pequeñas o mayor variabilidad a menudo requieren ensayos adicionales para producir una relación señal-ruido aceptable. Al mismo tiempo, los investigadores deben considerar los límites prácticos de la recolección de datos. Los experimentos más largos pueden aumentar la fatiga, el movimiento y las pérdidas de atención del participante, factores que pueden introducir artefactos adicionales en el registro [1].
Por lo tanto, diseñar un estudio de ERP eficaz implica equilibrar la fiabilidad estadística con la experiencia del participante. En lugar de recolectar tantos ensayos como sea posible, los investigadores buscan obtener suficientes observaciones de alta calidad para responder a la pregunta científica, manteniendo el compromiso del participante durante todo el experimento.
Factor | Efecto sobre los ensayos necesarios | Respuesta de diseño |
|---|---|---|
Componente de pequeña amplitud | Más ensayos para una relación señal-ruido aceptable | Priorizar este componente en el presupuesto de ensayos |
Alta variabilidad en la respuesta | Más ensayos para estabilizar el promedio | Prueba piloto para estimar la variabilidad antes del estudio principal |
Pérdida esperada de datos en el preprocesamiento | Menos ensayos utilizables que los registrados | Registrar ensayos adicionales para compensar las épocas descartadas |
Fatiga del participante | Sesiones más largas añaden movimiento y parpadeos | Añadir descansos; mantener sesiones realistas |
Equilibrar el control experimental
Cada experimento de ERP contiene variables que los investigadores desean investigar y variables que desean controlar.
Supongamos que un investigador desea examinar cómo responde el cerebro a eventos inesperados utilizando un paradigma oddball. Idealmente, la principal diferencia entre las condiciones experimentales es la probabilidad del estímulo diana, no cambios en el brillo del estímulo, la asignación de respuestas o la dificultad de la tarea. Cuando múltiples variables cambian simultáneamente, resulta difícil determinar qué factor produjo las diferencias observadas en el ERP.
Por esta razón, los investigadores diseñan cuidadosamente los experimentos de modo que los factores no relacionados se mantengan lo más consistentes posible entre condiciones. Kappenman et al. enfatizan que un diseño experimental reflexivo es esencial para aislar el proceso cognitivo investigado en lugar de medir varios procesos neuronales superpuestos a la vez [3].
Una estrategia común es el uso de ondas de diferencia, que comparan las respuestas de ERP entre condiciones experimentales cuidadosamente emparejadas. Al restar la actividad común a ambas condiciones, los investigadores pueden examinar con mayor claridad la respuesta neuronal asociada con la manipulación experimental. Aunque las ondas de diferencia no eliminan todos los desafíos metodológicos, ilustran un principio importante de la investigación de ERP: una interpretación significativa depende de un diseño experimental cuidadoso mucho antes de que comience el análisis estadístico [3].
Planificación para obtener datos de alta calidad
Muchos factores que influyen en la calidad de los datos de ERP se determinan antes de que el primer participante complete el experimento.
La duración de la sesión, la comodidad del participante, la dificultad de la tarea y los procedimientos de registro afectan la calidad de la señal de EEG. Los experimentos largos o exigentes pueden aumentar la fatiga, el movimiento y los parpadeos, mientras que unas instrucciones poco claras pueden introducir una variabilidad innecesaria en las respuestas de los participantes. Estas consideraciones prácticas influyen no solo en la experiencia del participante, sino también en la fiabilidad de los datos resultantes.
La gestión de artefactos también comienza durante la planificación del estudio y no después de la recolección de datos. Aunque las técnicas modernas de preprocesamiento pueden reducir la influencia de ciertos artefactos, no pueden compensar un diseño experimental deficiente o registros con ruido persistente.
Pütz et al. recomiendan considerar la calidad de los datos durante todo el proceso de planificación mediante el diseño de sesiones de registro realistas, proporcionando instrucciones claras a los participantes y recolectando suficientes ensayos para afrontar la pérdida de datos durante el preprocesamiento [1].
Diseñar teniendo en cuenta la calidad de los datos desde el principio ayuda a reducir problemas evitables durante el análisis y mejora la confianza en los resultados finales.
La interpretación comienza antes del análisis
Una de las lecciones más importantes en la metodología de ERP es que la interpretación comienza mucho antes de que los investigadores examinen los datos.
Las formas de onda del ERP no revelan automáticamente el significado de un proceso cognitivo. En su lugar, los investigadores interpretan componentes individuales de ERP sobre la base de décadas de evidencia experimental que vinculan esos componentes con funciones neuronales particulares bajo condiciones experimentales específicas [2]. Las conclusiones que pueden extraerse de un estudio de ERP dependen, por tanto, no solo de los datos registrados, sino también de la solidez del diseño experimental y del cuerpo existente de literatura científica.
Kappenman et al. señalan que la interpretación de un componente de ERP depende de qué tan bien investigaciones previas hayan establecido su relación con el proceso cognitivo que se investiga. Los componentes con mayor validez de constructo respaldan conclusiones con mayor grado de certeza, mientras que otros requieren más cautela y la consideración de explicaciones alternativas [3]. Un diseño de estudio cuidadoso ayuda a garantizar que las respuestas neuronales observadas puedan relacionarse significativamente con la pregunta de investigación en lugar de atribuirse a factores experimentales no controlados.
Pensar en la interpretación durante la fase de planificación anima a los investigadores a diseñar experimentos capaces de responder a preguntas científicas significativas, en lugar de limitarse a producir resultados estadísticamente significativos.
El futuro de la investigación de ERP
Los potenciales relacionados con eventos han sido una piedra angular de la neurociencia cognitiva durante décadas; aun así, el campo continúa evolucionando. Los avances en la tecnología de EEG portátil, la mejora del software experimental y los métodos analíticos cada vez más sofisticados están ampliando dónde y cómo se puede llevar a cabo la investigación de ERP.
Al mismo tiempo, los principios fundamentales del diseño de estudios de ERP se mantienen notablemente consistentes. Un experimento bien diseñado comienza con una pregunta científica clara, selecciona un paradigma cognitivo adecuado, controla cuidadosamente las variables experimentales e interpreta los hallazgos dentro del contexto de la neurociencia establecida. Aunque las nuevas tecnologías siguen mejorando la recolección y el análisis de datos, un diseño experimental reflexivo sigue siendo la base de una investigación significativa con ERP [1], [2].
A medida que los estudios de ERP trascienden los entornos de laboratorio tradicionales hacia aulas, lugares de trabajo y otros entornos del mundo real, estos principios adquieren aún más importancia. Independientemente de dónde se recopilen los datos, una planificación cuidadosa ayuda a garantizar que los investigadores puedan relacionar con confianza la actividad neuronal con los procesos cognitivos que buscan comprender.
Puntos clave
Los estudios de ERP eficaces comienzan con una pregunta de investigación claramente definida en lugar de un componente de ERP específico.
Las tareas experimentales deben aislar el proceso cognitivo que se investiga minimizando las fuentes no relacionadas de actividad neuronal.
Una sincronización precisa de eventos, un número suficiente de ensayos y un control experimental riguroso contribuyen a obtener mediciones de ERP fiables.
Planificar la comodidad del participante y la calidad de los datos antes de que comience el registro puede mejorar tanto la experiencia del participante como la fiabilidad de los datos resultantes.
Una interpretación significativa depende tanto de un diseño experimental cuidadoso como de décadas de investigación que vinculan los componentes de ERP con procesos cognitivos específicos.
Lecturas recomendadas
Qué revelan los potenciales relacionados con eventos sobre el cerebro
¿Qué hace que la investigación cognitiva sea de alta calidad?
Por qué la validez ecológica es importante en la investigación cognitiva
Referencias
[1] C. Pütz, M. Span y M. Lorist, «Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants», STAR Protocols, vol. 6, n.º 2, art. n.º 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2.ª ed. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., «Best Practices for Event-Related Potential Research in Clinical Populations», Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, n.º 2, págs. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur y N. A. Badcock, «It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research», PeerJ, vol. 9, e10700, 2021.
Diseñar un estudio de potenciales relacionados con eventos (ERP, por sus siglas en inglés) implica mucho más que seleccionar un sistema de EEG o registrar la actividad cerebral. Antes de comenzar la recolección de datos, los investigadores deben definir una pregunta científica clara, determinar el proceso cognitivo que desean investigar, seleccionar un paradigma experimental adecuado y diseñar un estudio capaz de aislar los procesos neuronales de interés. Estas decisiones determinan la calidad de los datos y las conclusiones que se pueden extraer del estudio.
Este artículo analiza las consideraciones clave que implica el diseño de un experimento de ERP, desde la formulación de una pregunta de investigación hasta la recolección de datos fiables e interpretables.
Comience con la pregunta de investigación
Cuando las personas se encuentran por primera vez con los potenciales relacionados con eventos (ERP), a menudo se centran en la tecnología. Se imaginan electrodos de EEG, registros de ondas cerebrales llenos de color y software especializado analizando respuestas neuronales con precisión de milisegundos.
Sin embargo, los investigadores experimentados suelen concebir los estudios de ERP de manera muy diferente.
Mucho antes de colocar los electrodos o de recopilar datos, los investigadores toman una serie de decisiones que determinan si un experimento responderá a su pregunta científica. Identifican el proceso cognitivo que desean investigar, seleccionan una tarea experimental adecuada, definen los eventos que se medirán y desarrollan condiciones que permitan aislar respuestas neuronales específicas de los múltiples procesos que ocurren de forma simultánea [1], [2].
En otras palabras, la investigación exitosa con ERP comienza con el diseño experimental y no con la tecnología de EEG.
Comprender esta distinción es uno de los pasos más importantes para diseñar un estudio de ERP eficaz.
Defina la pregunta de investigación
Un experimento de ERP debe comenzar con una pregunta científica y no con un componente de ERP en particular.
Por ejemplo, un investigador puede querer entender cómo cambia la atención durante el aprendizaje, cómo se actualiza la memoria de trabajo, cómo las personas detectan errores o cómo responde el cerebro a estímulos inesperados. Cada una de estas preguntas refleja un proceso cognitivo diferente y puede requerir un paradigma experimental distinto.
Una vez establecida la pregunta de investigación, los investigadores pueden seleccionar los componentes de ERP con mayor probabilidad de aportar información sobre ese proceso. Componentes como el P300, el N170, la negatividad de disparidad (MMN) o la negatividad relacionada con el error (ERN) son valiosos porque décadas de investigación los han vinculado a aspectos específicos de la percepción, la atención, la memoria o el control cognitivo [2]. Por lo tanto, el componente de ERP se convierte en una herramienta para investigar la cognición y no en el objetivo del estudio en sí mismo.
Esta secuencia es importante porque el diseño experimental siempre debe estar al servicio de la pregunta de investigación. Comenzar con una hipótesis cognitiva ayuda a garantizar que cada decisión posterior, desde el diseño de la tarea hasta el análisis estadístico, respalde el objetivo científico.
Diseñar tareas que aíslen la actividad cerebral
Uno de los mayores puntos fuertes de los potenciales relacionados con eventos es su excepcional resolución temporal, que permite a los investigadores observar la actividad neuronal a medida que se desarrolla en cuestión de milisegundos. Sin embargo, esa precisión también plantea un desafío.
En un momento dado, el cerebro realiza múltiples operaciones cognitivas de forma simultánea. La percepción visual, la atención, la memoria, la toma de decisiones y la preparación motora pueden superponerse en el tiempo, contribuyendo a la señal de EEG registrada en el cuero cabelludo.
Por lo tanto, el desafío para los investigadores consiste en diseñar un experimento que aísle el proceso cognitivo específico que desean investigar y, al mismo tiempo, minimice la influencia de la actividad neuronal no relacionada.
Kappenman et al. explican que limitarse a registrar EEG durante un experimento cualquiera rara vez produce datos que puedan interpretarse de manera inequívoca. En cambio, los experimentos de ERP deben diseñarse de modo que la operación cognitiva investigada varíe mientras que los factores no relacionados se mantengan lo más constantes posible. Esto facilita atribuir los cambios en la forma de onda del ERP al proceso estudiado y no a otra actividad neuronal simultánea [3].
Los investigadores logran esto mediante paradigmas experimentales cuidadosamente controlados. Las tareas oddball, los paradigmas Go/No-Go, las tareas Flanker, las tareas Stroop y otros paradigmas cognitivos se han utilizado ampliamente porque activan de manera fiable procesos cognitivos específicos y limitan la variabilidad innecesaria. Por lo tanto, seleccionar la tarea adecuada es tan importante como seleccionar el componente de ERP en sí.
Paradigma | Qué hace el participante | Proceso cognitivo | Componentes comúnmente estudiados |
|---|---|---|---|
Oddball | Responde a estímulos diana infrecuentes entre estándares frecuentes | Detección de estímulos inesperados o relevantes para la tarea | P300 (aproximadamente 250–500 ms) |
Oddball auditivo pasivo | Escucha sin responder mientras se presentan tonos infrecuentes | Detección automática de cambios auditivos | Negatividad de disparidad (aproximadamente 100–250 ms) |
Go/No-Go | Responde ante estímulos "go" y se abstiene ante los "no-go" | Inhibición de respuesta | N2 y P3 |
Flanker | Identifica un objetivo central rodeado de distractores | Monitoreo de conflictos y errores | Negatividad relacionada con el error (dentro de unos 100 ms tras un error) |
Stroop | Nombra el color de la tinta de palabras congruentes o incongruentes | Interferencia y control cognitivo | N450 |
Visualización de rostros vs. objetos | Observa rostros e imágenes que no son rostros | Percepción facial | N170 |
Los eventos importan más que el registro continuo
A diferencia de los análisis tradicionales de EEG que pueden examinar la actividad neuronal continua, la investigación de ERP se centra en la respuesta del cerebro a eventos específicos.
Un evento puede ser la presentación de una imagen, la aparición de una palabra, un tono auditivo, la pulsación de un botón por parte del participante o una retroalimentación que indica si una respuesta fue correcta. Estos eventos cronometrados con precisión permiten a los investigadores alinear los registros de EEG a través de ensayos repetidos y calcular respuestas neuronales promedio que revelan la actividad relacionada con el evento [1].
Dado que los análisis de ERP dependen de una sincronización exacta, los marcadores de eventos se convierten en uno de los elementos más críticos del diseño del estudio. Incluso pequeñas discrepancias entre la presentación del estímulo y el marcado de eventos pueden influir en las mediciones de latencia, especialmente cuando los investigadores investigan procesos cognitivos rápidos que se desarrollan en solo unos pocos cientos de milisegundos.
Investigaciones recientes de validación también han demostrado la importancia del marcado preciso de eventos para mediciones fiables de ERP utilizando sistemas de EEG portátiles [4].
Elegir el número adecuado de ensayos
A diferencia de muchos experimentos conductuales, los estudios de ERP no se basan en una sola observación. En su lugar, los investigadores presentan el mismo tipo de evento muchas veces y promedian las respuestas de EEG resultantes. Este proceso reduce la actividad de fondo continua al tiempo que preserva la respuesta neuronal que ocurre de manera constante tras cada evento [1], [2].
El número de ensayos requeridos depende de varios factores, entre ellos:
El componente de ERP que se está midiendo
La variabilidad esperada de la respuesta
La calidad general de los datos registrados.
Los componentes con amplitudes más pequeñas o mayor variabilidad a menudo requieren ensayos adicionales para producir una relación señal-ruido aceptable. Al mismo tiempo, los investigadores deben considerar los límites prácticos de la recolección de datos. Los experimentos más largos pueden aumentar la fatiga, el movimiento y las pérdidas de atención del participante, factores que pueden introducir artefactos adicionales en el registro [1].
Por lo tanto, diseñar un estudio de ERP eficaz implica equilibrar la fiabilidad estadística con la experiencia del participante. En lugar de recolectar tantos ensayos como sea posible, los investigadores buscan obtener suficientes observaciones de alta calidad para responder a la pregunta científica, manteniendo el compromiso del participante durante todo el experimento.
Factor | Efecto sobre los ensayos necesarios | Respuesta de diseño |
|---|---|---|
Componente de pequeña amplitud | Más ensayos para una relación señal-ruido aceptable | Priorizar este componente en el presupuesto de ensayos |
Alta variabilidad en la respuesta | Más ensayos para estabilizar el promedio | Prueba piloto para estimar la variabilidad antes del estudio principal |
Pérdida esperada de datos en el preprocesamiento | Menos ensayos utilizables que los registrados | Registrar ensayos adicionales para compensar las épocas descartadas |
Fatiga del participante | Sesiones más largas añaden movimiento y parpadeos | Añadir descansos; mantener sesiones realistas |
Equilibrar el control experimental
Cada experimento de ERP contiene variables que los investigadores desean investigar y variables que desean controlar.
Supongamos que un investigador desea examinar cómo responde el cerebro a eventos inesperados utilizando un paradigma oddball. Idealmente, la principal diferencia entre las condiciones experimentales es la probabilidad del estímulo diana, no cambios en el brillo del estímulo, la asignación de respuestas o la dificultad de la tarea. Cuando múltiples variables cambian simultáneamente, resulta difícil determinar qué factor produjo las diferencias observadas en el ERP.
Por esta razón, los investigadores diseñan cuidadosamente los experimentos de modo que los factores no relacionados se mantengan lo más consistentes posible entre condiciones. Kappenman et al. enfatizan que un diseño experimental reflexivo es esencial para aislar el proceso cognitivo investigado en lugar de medir varios procesos neuronales superpuestos a la vez [3].
Una estrategia común es el uso de ondas de diferencia, que comparan las respuestas de ERP entre condiciones experimentales cuidadosamente emparejadas. Al restar la actividad común a ambas condiciones, los investigadores pueden examinar con mayor claridad la respuesta neuronal asociada con la manipulación experimental. Aunque las ondas de diferencia no eliminan todos los desafíos metodológicos, ilustran un principio importante de la investigación de ERP: una interpretación significativa depende de un diseño experimental cuidadoso mucho antes de que comience el análisis estadístico [3].
Planificación para obtener datos de alta calidad
Muchos factores que influyen en la calidad de los datos de ERP se determinan antes de que el primer participante complete el experimento.
La duración de la sesión, la comodidad del participante, la dificultad de la tarea y los procedimientos de registro afectan la calidad de la señal de EEG. Los experimentos largos o exigentes pueden aumentar la fatiga, el movimiento y los parpadeos, mientras que unas instrucciones poco claras pueden introducir una variabilidad innecesaria en las respuestas de los participantes. Estas consideraciones prácticas influyen no solo en la experiencia del participante, sino también en la fiabilidad de los datos resultantes.
La gestión de artefactos también comienza durante la planificación del estudio y no después de la recolección de datos. Aunque las técnicas modernas de preprocesamiento pueden reducir la influencia de ciertos artefactos, no pueden compensar un diseño experimental deficiente o registros con ruido persistente.
Pütz et al. recomiendan considerar la calidad de los datos durante todo el proceso de planificación mediante el diseño de sesiones de registro realistas, proporcionando instrucciones claras a los participantes y recolectando suficientes ensayos para afrontar la pérdida de datos durante el preprocesamiento [1].
Diseñar teniendo en cuenta la calidad de los datos desde el principio ayuda a reducir problemas evitables durante el análisis y mejora la confianza en los resultados finales.
La interpretación comienza antes del análisis
Una de las lecciones más importantes en la metodología de ERP es que la interpretación comienza mucho antes de que los investigadores examinen los datos.
Las formas de onda del ERP no revelan automáticamente el significado de un proceso cognitivo. En su lugar, los investigadores interpretan componentes individuales de ERP sobre la base de décadas de evidencia experimental que vinculan esos componentes con funciones neuronales particulares bajo condiciones experimentales específicas [2]. Las conclusiones que pueden extraerse de un estudio de ERP dependen, por tanto, no solo de los datos registrados, sino también de la solidez del diseño experimental y del cuerpo existente de literatura científica.
Kappenman et al. señalan que la interpretación de un componente de ERP depende de qué tan bien investigaciones previas hayan establecido su relación con el proceso cognitivo que se investiga. Los componentes con mayor validez de constructo respaldan conclusiones con mayor grado de certeza, mientras que otros requieren más cautela y la consideración de explicaciones alternativas [3]. Un diseño de estudio cuidadoso ayuda a garantizar que las respuestas neuronales observadas puedan relacionarse significativamente con la pregunta de investigación en lugar de atribuirse a factores experimentales no controlados.
Pensar en la interpretación durante la fase de planificación anima a los investigadores a diseñar experimentos capaces de responder a preguntas científicas significativas, en lugar de limitarse a producir resultados estadísticamente significativos.
El futuro de la investigación de ERP
Los potenciales relacionados con eventos han sido una piedra angular de la neurociencia cognitiva durante décadas; aun así, el campo continúa evolucionando. Los avances en la tecnología de EEG portátil, la mejora del software experimental y los métodos analíticos cada vez más sofisticados están ampliando dónde y cómo se puede llevar a cabo la investigación de ERP.
Al mismo tiempo, los principios fundamentales del diseño de estudios de ERP se mantienen notablemente consistentes. Un experimento bien diseñado comienza con una pregunta científica clara, selecciona un paradigma cognitivo adecuado, controla cuidadosamente las variables experimentales e interpreta los hallazgos dentro del contexto de la neurociencia establecida. Aunque las nuevas tecnologías siguen mejorando la recolección y el análisis de datos, un diseño experimental reflexivo sigue siendo la base de una investigación significativa con ERP [1], [2].
A medida que los estudios de ERP trascienden los entornos de laboratorio tradicionales hacia aulas, lugares de trabajo y otros entornos del mundo real, estos principios adquieren aún más importancia. Independientemente de dónde se recopilen los datos, una planificación cuidadosa ayuda a garantizar que los investigadores puedan relacionar con confianza la actividad neuronal con los procesos cognitivos que buscan comprender.
Puntos clave
Los estudios de ERP eficaces comienzan con una pregunta de investigación claramente definida en lugar de un componente de ERP específico.
Las tareas experimentales deben aislar el proceso cognitivo que se investiga minimizando las fuentes no relacionadas de actividad neuronal.
Una sincronización precisa de eventos, un número suficiente de ensayos y un control experimental riguroso contribuyen a obtener mediciones de ERP fiables.
Planificar la comodidad del participante y la calidad de los datos antes de que comience el registro puede mejorar tanto la experiencia del participante como la fiabilidad de los datos resultantes.
Una interpretación significativa depende tanto de un diseño experimental cuidadoso como de décadas de investigación que vinculan los componentes de ERP con procesos cognitivos específicos.
Lecturas recomendadas
Qué revelan los potenciales relacionados con eventos sobre el cerebro
¿Qué hace que la investigación cognitiva sea de alta calidad?
Por qué la validez ecológica es importante en la investigación cognitiva
Referencias
[1] C. Pütz, M. Span y M. Lorist, «Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants», STAR Protocols, vol. 6, n.º 2, art. n.º 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2.ª ed. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., «Best Practices for Event-Related Potential Research in Clinical Populations», Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, n.º 2, págs. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur y N. A. Badcock, «It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research», PeerJ, vol. 9, e10700, 2021.

Continúa leyendo