Content uploaded by Jaime Baladron Romero
Author content
All content in this area was uploaded by Jaime Baladron Romero on Sep 17, 2018
Content may be subject to copyright.
181www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
ORIGINAL
Evolución de los parámetros dificultad y discriminación en
el ejercicio de examen MIR. Análisis de las convocatorias
de 2009 a 2017
Jaime Baladrón, Fernando Sánchez-Lasheras, José M. Romeo-Ladrero, José Curbelo,
Paloma Villacampa-Menéndez, Paula Jiménez-Fonseca
Introducción. En España, el procedimiento reglado de acceso a la formación médica especializada tipo MIR exige la supe-
ración de un examen. El examen es un ejercicio tipo test de respuesta múltiple. Superado éste, se bareman los méritos
académicos previos de los aspirantes. La ponderación de ambos valores permite sumarlos y ordenar a los aspirantes por
su puntuación total. Los aspirantes tienen la oportunidad de elegir especialidad y centro de formación en función del nú-
mero de orden obtenido.
Sujetos y métodos. La base de datos utilizada en el presente trabajo contiene las respuestas de un total de 23.809 candi-
datos presentados a los exámenes MIR de las convocatorias comprendidas entre 2009 y 2017. La información disponible
se analizó utilizando el índice de dificultad, índice de dificultad con corrección de los efectos del azar, índice de discrimina-
ción e índice de correlación puntual biserial, y las dificultades y discriminaciones se calcularon usando el modelo de dos
parámetros de la teoría de respuesta al ítem.
Resultados. Los resultados obtenidos en la serie temporal analizada permiten afirmar que la dificultad del examen ha
disminuido en las tres últimas convocatorias. Además, la discriminación alcanza el valor mínimo en la convocatoria de 2016.
Conclusiones. Dado el incremento en los últimos años del número de médicos españoles recién graduados que se presen-
tan al examen, sería deseable mejorar la calidad psicométrica de las preguntas con el fin de que resulten al menos de la
misma calidad como lo eran en los exámenes de convocatorias previas. La inclusión, por parte de la comisión calificadora,
de criterios psicométricos de anulación de preguntas ayudaría a conseguir este objetivo.
Palabras clave. Estudiantes. Medicina. Mediciones educativas. Prueba MIR. Psicometría.
Director del Curso Intensivo MIR
Asturias; Oviedo (J. Baladrón).
Departamento de Matemáticas;
Facultad de Ciencias; Universidad de
Oviedo; Gijón (F. Sánchez-Lasheras).
Editor del blog MIRentrelazados;
Zaragoza (J.M. Romeo-Ladrero).
Servicio de Medicina Interna;
Hospital Universitario La Princesa;
Madrid (J. Curbelo). Graduada en
Medicina; Avilés (P. Villacampa-
Menéndez). Servicio de Oncología
Médica; Hospital Universitario
Central de Asturias; Oviedo, Asturias,
España (P. Jiménez-Fonseca).
Correspondencia:
Dr. Fernando Sánchez Lasheras.
Departamento de Matemáticas.
Facultad de Ciencias. Universidad
de Oviedo. Federico García Lorca, 18.
E-33007 Gijón (Asturias).
E-mail:
sanchezfernando@uniovi.es
Recibido:
03.01.18.
Aceptado:
16.01.18.
Conflicto de intereses:
No declarado.
Competing interests:
None declared.
© 2018 FEM
Evolution of the difficulty and discrimination of the MIR test in recent years. A study of the calls since 2009
to 2017
Introduction. In Spain, the regulated procedures of specialized medical training impose the passing of the MIR test. After
this, the candidates choose the preferred specialty according to the order number obtained. The order number depends
on the score of the applicant in the MIR exam and their academic record.
Subjects and methods. The database used in the present research contains the responses of a total of 23,809 candidates
submitted to the MIR exams since 2009 to 2017. The available information was analyzed using the difficulty index,
difficulty index with correction of random effects, discrimination index, biserial point correlation index, as well as the
difficulties and discriminations calculated using a two parameters model of the Item Response Theory.
Results. The results obtained let us to say that the difficulty of the MIR test has decreased in the last three calls. In addition,
the discrimination reaches the minimum value of the time series in the 2016 MIR test.
Conclusions. Given the increase in recent years in the number of recently graduated Spanish doctors who take the MIR
exam, it would be desirable to try to improve the psychometric quality of the questions in order to be at least as discriminative
as the tests of previous calls. The inclusion by the committee of psychometric criteria of cancellation of questions would
help achieve this objective.
Key words. Educational measurements. Medicine. MIR exam. Psychometrics. Students.
182 www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
J. Baladrón, et al
Introducción
El ejercicio como médico especialista en España re-
quiere estar en posesión del título oficial de la espe-
cialidad correspondiente. Desde la década de los
años cincuenta, la obtención del título de especia-
lista ha estado sometida a diferentes regulaciones.
La Ley de 20 de julio de 1955 sobre enseñanza, títu-
lo y ejercicio de las especialidades médicas, y los
Reales Decretos 2015/1978, de 15 de junio por el
que se regula la obtención del título de médico es-
pecialista [1], y el RD 127/1984, de 11 de enero, por
el que se regula la formación médica especializada
y obtención del título de médico especialista [2]
fueron, sucesivamente, los marcos regulatorios de
las enseñanzas médicas especializadas.
Ya en el presente siglo, el modelo de acceso a la
formación médica especializada ha quedado regu-
lado por la Ley de Ordenación de las Profesiones
Sanitarias (LOPS), Ley 44/2003, de 21 de noviem-
bre de 2003 [3] y sus sucesivas regulaciones. La
existencia de la prueba MIR se remonta a 1978. Es
una prueba nacional de carácter selectivo que se
convoca anualmente y que depende del Ministerio
de Sanidad, Consumo y Bienestar Social y Ministe-
rio de Educación y Formación Profesional.
En los últimos años, la convocatoria de la prueba
se publica oficialmente a finales del mes de septiem-
bre y el examen tiene lugar a finales del mes de ene-
ro o primeros de febrero del año siguiente. El exa-
men de la prueba selectiva de acceso evalúa conoci-
mientos y habilidades clínicas y comunicativas de
los aspirantes.
Si bien a lo largo de los años la preferencia de los
candidatos por las distintas especialidades ha ido
variando [4-7], existen especialidades cuya elección
ha quedado históricamente reservada a los candi-
datos situados en el primer cuartil.
Desde la convocatoria 2009, el ejercicio de exa-
men ha consistido en un test de 225 preguntas, las
primeras de ellas vinculadas a imágenes diagnósti-
cas. Desde la convocatoria 2015, las preguntas tie-
nen cuatro alternativas de respuesta, cuando las
preguntas de las convocatorias anteriores contaban
con cinco opciones. Además, el mencionado ejerci-
cio se completa con otras diez preguntas de reserva
que se activan en caso de que alguna de las 225 pri-
meras preguntas sea anulada por la comisión califi-
cadora del examen. La duración del examen es de
cinco horas y su contenido está relacionado con las
diferentes asignaturas que los médicos han cursado
a lo largo de la licenciatura o grado de medicina.
El objetivo del presente trabajo es evaluar la evo-
lución de la dificultad y discriminación, medidas por
distintas métricas, de los ejercicios de examen de las
convocatorias comprendidas entre 2009 y 2017. Des-
de el punto de vista de los autores, dicha evaluación
permitirá explicar los cambios que se han produci-
do en los resultados obtenidos en las tres últimas
convocatorias y, fundamentalmente, lo ocurrido en
el examen MIR de la convocatoria 2016.
Sujetos y métodos
Base de datos. Muestra poblacional
Las bases de datos que se utilizaron en este estudio
corresponden a las respuestas a las preguntas, que
los propios examinados de cada una de las convo-
catorias de la prueba MIR 2009-2017 introdujeron
en una aplicación web desarrollada para este pro-
pósito por el Curso Intensivo MIR Asturias. Tras la
realización del ejercicio de examen, todos los exa-
minados participantes que quisieron pudieron in-
troducir en la aplicación sus respuestas a las 235
preguntas del examen y su baremo académico, con
objeto de acceder al servicio de corrección del exa-
men y de estimación del número de orden que ob-
tendrían en su convocatoria. La base de datos obte-
nida, una vez eliminados los considerados espurios,
es la que se ha empleado para este estudio.
El número de ejercicios corregidos disponible en
cada convocatoria para su análisis ha sido diferente,
con un mínimo de 1.698 en la convocatoria de 2011
y un máximo de 4.190 en la de 2017. La media de
ejercicios registrados en la aplicación para las con-
vocatorias analizadas fue de 2.684. El número exac-
to de examinados que introdujeron los resultados
en cada una de las convocatorias se recoge en la fi-
gura 1. Como se observa, el porcentaje de médicos de
los que se dispone de información relativa a sus res-
puestas a las preguntas, en las últimas convocatorias,
supera el 30% del total de presentados al examen.
A la hora de analizar los resultados para cada
una de las convocatorias se han considerado única-
mente las 225 preguntas que se han empleado para
el cálculo de la puntuación en cada una de ellas. Es
decir, no se han tenido en cuenta las preguntas anu-
ladas ni las preguntas de reserva que no fueron ac-
tivadas por la comisión calificadora de la prueba en
la plantilla de respuestas definitivas del examen.
Clasificación de las preguntas
Cada pregunta de cada convocatoria se ha clasifica-
do atendiendo a su área temática o asignatura, y al
tipo de pregunta. Respecto al área temática se han
183www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
Dificultad y discriminación en el ejercicio de examen MIR
Figura 1. Número total de presentados a la prueba MIR y número de examinados que introdujeron los
resultados de su prueba en la aplicación web de corrección del examen.
clasificado en: bioestadística y medicina preventiva,
microbiología y enfermedades infecciosas, aparato
digestivo y cirugía digestiva, neumología y cirugía
torácica, cardiología y cirugía cardiaca, nefrología y
urología, ginecología y obstetricia, neurología y neu-
rocirugía, endocrinología y cirugía endocrina, he-
matología, reumatología, pediatría, psiquiatría, ci-
rugía ortopédica y traumatología, dermatología, far-
macología clínica, otorrinolaringología, inmunolo-
gía, oftalmología, anatomía patológica, fisiología,
genética, gestión clínica, anatomía, geriatría, onco-
logía, habilidades comunicativas, cuidados paliati-
vos, cirugía vascular, urgencias, cirugía maxilofa-
cial, cirugía plástica y reparadora, medicina legal y
bioética, bioquímica y radiología.
En lo que respecta al tipo de pregunta, se han
agrupado en cuatro categorías: casos clínicos con
imagen, casos clínicos sin imagen, preguntas negati-
vas y preguntas de test. Bajo la categoría de casos
clínicos, se agruparon todas aquellas preguntas de la
prueba en las que el enunciado contiene numerosos
datos descriptivos del cuadro patológico de un pa-
ciente o de un problema bioestadístico, diferencián-
dose entre las que van asociadas a una imagen y las
que no. Se denominan preguntas negativas aquellas
en donde en su enunciado se pregunta por la opción
incorrecta. Es decir, el enunciado incluye palabras
tales como ‘falso’, ‘excepto’, ‘incorrecta’, ‘no incluye’,
etc. Finalmente, bajo la denominación genérica de
preguntas de test, se incluyen todas las que no se
han clasificado dentro de ninguna de las categorías
anteriores, siendo habitualmente preguntas directas
con enunciados y opciones de respuesta cortas.
Índice de dificultad
El primer indicador que utilizaremos es el índice de
dificultad. Se define como tal el cociente que se ob-
tiene de dividir el número de examinados que acier-
tan la pregunta (A) entre el número total de exami-
nados que se presentaron al examen (N); su fórmula
sería: D = A / N.
Tal y como está definido este índice, un valor
más alto del índice de dificultad significa que se tra-
ta de una pregunta más fácil, con un mayor porcen-
taje de examinados que la aciertan.
Índice de dificultad con
corrección de los efectos del azar
Como se hizo en las publicaciones previas [8,9],
con el fin de calcular el índice de dificultad de cada
una de las preguntas corrigiendo los posibles efec-
tos de acertar por azar, se aplicó la fórmula:
E
A –
K – 1
ID = .
N
En esta ecuación, A representa el número de exa-
minados que responden de forma correcta a la pre-
gunta; E, el número de examinados que la fallan,
incluyendo en esta categoría a todos aquellos que
dejaron la pregunta sin contestar, y N, el número
total de presentados a la prueba. Finalmente, K es el
número de opciones que presentaba la pregunta.
Como se ha señalado, hasta la convocatoria 2014,
cada pregunta tenía cinco posibles opciones de res-
puesta, pero a partir de la convocatoria 2015, el nú-
mero de opciones se redujo a cuatro.
En la bibliografía, existen puntos de corte que
permiten clasificar las preguntas en función del valor
de su índice de dificultad corregido. Para la consulta
de los puntos de corte, véase un trabajo previo de los
autores en el que se analiza la prueba MIR de 2015
[8]. Finalmente cabe destacar que, al igual que en el
índice de dificultad, un valor más alto del índice de
dificultad con corrección de los efectos del azar sig-
nifica que se trata de una pregunta más fácil.
Índice de discriminación
La discriminación de una pregunta es la capacidad
que ésta tiene de distinguir entre los examinados
184 www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
J. Baladrón, et al
que obtienen puntuaciones altas y bajas en la prue-
ba. Así, se dice que una pregunta es discriminativa
si los que la aciertan son, mayoritariamente, los que
obtienen las puntuaciones más altas en el test. En el
presente trabajo, se define el índice de discrimina-
ción por medio de la fórmula:
F – D
DS = 2 ,
N1 + N2
siendo F el número de respuestas correctas en el
grupo fuerte; D, el número de respuestas correctas
en el grupo débil; N1, el número total de examina-
dos que respondió a la pregunta en el grupo fuer-
te, y N2, el número total de examinados que res-
pondió a la pregunta en el grupo débil. Se definen
como grupo débil y grupo fuerte los grupos for-
mados, respectivamente, por el 27% de examina-
dos que obtuvieron las peores calificaciones y el
27% de los examinados que obtuvieron las mejores
calificaciones en el ejercicio de examen de la prue-
ba MIR.
El índice de discriminación representado según
esta fórmula puede tomar valores entre –1 y 1.
Cuanto más alto sea el valor del índice, más discri-
minativa resulta la pregunta. En el caso de este ín-
dice, al igual que en el caso del índice de dificultad
con corrección de los efectos del azar, existe una
clasificación de los valores en diferentes categorías
con puntos de corte que, aunque no se utilizan en el
presente trabajo, pueden también consultarse en
un trabajo previo que analiza el ejercicio de examen
de la convocatoria 2015 [8].
Índice de correlación biserial puntual
A través del índice de correlación biserial puntual
se mide de forma genérica la fuerza de asociación
entre dos variables. En el caso del presente estudio,
lo que se mide es la asociación entre el resultado
obtenido por el examinado en el ejercicio de exa-
men y si éste acertó o falló la pregunta. El índice de
correlación biserial puntual se expresa por medio
de la siguiente fórmula:
µp – µq ID
ρ
bp = × √ ,
σx 1 – ID
siendo µp la puntuación media en el test de los exa-
minados que aciertan el ítem; µq, la puntuación me-
dia en el test de los examinados que fallan el ítem;
σx, la desviación típica de la puntuación total del test,
e ID, el índice de dificultad del ítem. Este índice re-
presenta la proporción de examinados que aciertan
el ítem (D = A / N).
Los resultados de este coeficiente permiten cla-
sificar las preguntas en las siguientes categorías: ex-
celente, si el valor que se obtiene es igual o superior
a 0,40; buena, cuando el valor del índice es igual o
superior a 0,30 pero inferior 0,40; regular, si el valor
del índice es igual o superior a 0,20 pero no llega a
0,30; pobre, si el valor está comprendido entre 0 y
0,20, y pésimo, si el valor es inferior a 0.
De la propia definición del índice se deduce que
cuanto mayor sea su valor, mayor será la relación
entre la obtención de una puntuación alta en el test
y el haber contestado correctamente la pregunta.
Índices de dificultad y discriminación
según la teoría de respuesta al ítem
Como ya se explicó en un artículo previo sobre la
evaluación psicométrica de la prueba MIR [10], la
teoría de respuesta al ítem (TRI) propone una serie
de modelos explicativos de la forma en la que los
individuos responden a las preguntas. Es decir, a
través de la TRI es posible conocer la probabilidad
que cada uno de ellos tiene de acertar las distintas
preguntas que se le presentan en el ejercicio de exa-
men de la prueba MIR. Así, los modelos matemáti-
cos de la TRI son capaces de calcular los dos pará-
metros fundamentales de cada pregunta, como son
la dificultad y la discriminación.
Para el estudio del ejercicio de examen, y tenien-
do en cuenta los resultados obtenidos por los auto-
res en estudios previos [10], se ha optado por utili-
zar el modelo denominado de dos parámetros. En
este modelo, de respuesta dicotómica, si el exami-
nando acierta una pregunta, ésta se codifica como 1,
mientras que si la pregunta se falla o no se contesta,
la respuesta se codifica como 0.
Representando el nivel de conocimiento de cierto
examinado por la variable θ, el modelo de dos pará-
metros que representa la probabilidad de que el i-
ésimo examinado responda de manera correcta a la
pregunta j-ésima se puede expresar por la ecuación:
exp [–1,7 × aj × (θi – bj]
P (uj = 1|θi, aj, bj) = ,
1 + exp [–1,7 × aj × (θi – bj]
donde θi es el nivel de conocimiento del i-ésimo
examinado, aj es el valor de discriminación de la j-
ésima pregunta y bj es el nivel de dificultad de esa
misma pregunta. Así, cuanto mayores sean los va-
lores de aj y bj, mayor será la capacidad de discrimi-
nación y dificultad de la pregunta. El cálculo de los
185www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
Dificultad y discriminación en el ejercicio de examen MIR
valores de dificultad y discriminación para cada una
de las preguntas propuestas se realiza a través de la
metodología del estimador de máxima verosimili-
tud, estando disponible su explicación detallada en
la bibliografía clásica de TRI [11].
Estudios estadísticos
Se estudió la normalidad de las variables continuas
a través del test de Anderson-Darling [12], resul-
tando que ninguna de las variables presentaba nor-
malidad. A continuación, se aplicó el test no para-
métrico de Kruskal-Wallis [13] con el fin de encon-
trar diferencias estadísticamente significativas en
las medianas de los grupos considerados. En aque-
llos casos donde se rechazó la hipótesis nula de
igualdad de todas las medianas de los grupos, se
aplicó el test post-hoc de Dunn [14,15]. En general,
el nivel de significación alfa empleado en el presen-
te trabajo ha sido del 5%, considerándose un nivel
alfa equivalente del 0,7% en caso del test post-hoc
de Dunn con el fin de tener en cuenta el número de
comparaciones múltiples realizado.
Resultados
Número de preguntas por asignatura
La tabla I muestra la distribución por asignaturas
de las preguntas en todos los exámenes de las con-
vocatorias MIR entre 2009 y 2017. La mitad de las
asignaturas son responsables de más del 80% de las
preguntas del examen MIR. El 81,14% de las pre-
guntas utilizadas para la determinación de la pun-
tuación de los examinados correspondieron a las
asignaturas de bioestadística y medicina preventi-
va, aparato digestivo y cirugía digestiva, neumolo-
gía y cirugía torácica, microbiología y enfermeda-
des infecciosas, cardiología y cirugía cardiaca, ne-
frología y urología, obstetricia y ginecología, neuro-
logía y neurocirugía, endocrinología y cirugía en-
docrina, hematología, reumatología, pediatría, psi-
quiatría, cirugía ortopédica y traumatología, der-
matología y farmacología.
Se observa un ligero aumento en el número de
asignaturas preguntadas, pasando de un total de 30
asignaturas en el examen de la convocatoria 2009 a
36 en el examen de la convocatoria 2017.
Algunas asignaturas han aumentado sus pregun-
tas en el último examen analizado. Si se compara el
número medio de preguntas por asignatura en el exa-
men de las convocatorias 2009 a 2016 con el de la
convocatoria 2017, se aprecia que se ha incremen-
tado en dos el número de preguntas de urgencias y
genética. En las asignaturas de oncología, cirugía
maxilofacial, anatomía, bioética, cardiología y ciru-
gía cardíaca, inmunología y medicina legal, se ha
producido un aumento del número de preguntas en
la última convocatoria superior a una e inferior a
dos, cuando se compara con el promedio de los
exámenes de las convocatorias 2009 a 2016. Ade-
más, también cabe destacar que en la prueba MIR
de 2017 por primera vez aparece una pregunta di-
rectamente relacionada con la asignatura de radio-
logía y dos con la de bioquímica.
Como el número de preguntas se mantiene, al
haber asignaturas que aumentan su peso en la prue-
ba, otras deben reducir el suyo. Por ello, en el último
examen analizado, otras asignaturas han experi-
mentado una disminución de su número de pregun-
tas. Así, se observa una reducción de 4,1 preguntas
de reumatología en el examen de la convocatoria
2017 (6 preguntas), comparando éstas con el pro-
medio de las convocatorias 2009 a 2016 (10,1 pre-
guntas). En la asignatura de aparato digestivo y ciru-
gía digestiva, se ha producido una reducción de 3,6
preguntas, y en neumología y cirugía torácica, de
2,5 preguntas. En el caso de hematología, la reduc-
ción fue de 2,3 preguntas, y en el de neurología y
neurocirugía, de 2,1; no existía ninguna otra asigna-
tura en la que la reducción hubiera sido superior a
una pregunta.
Número de preguntas por tipo
La tabla II muestra la distribución de las preguntas
en función de su tipo. El promedio de casos clíni-
cos, con y sin imágenes, en el examen de las convo-
catorias 2009 a 2016 fue de 137,3 frente a 125 en el
examen de la convocatoria 2017.
En relación con las preguntas negativas, su nú-
mero medio en las convocatorias comprendidas en-
tre 2009 y 2016 fue de 29,5, y en la de 2017, de 42.
Por último, el promedio de preguntas de test de
las convocatorias comprendidas entre 2009 y 2016
fue de 58,25, y en la convocatoria 2017, de 58.
Índice de dificultad
La tabla III muestra los valores medios y desviacio-
nes estándares de las variables dificultad, índice de
dificultad con corrección de los efectos del azar (di-
ficultad corregida), índice de discriminación, coefi-
ciente de correlación punto biserial, e índice de di-
ficultad y discriminación según la TRI.
Cuando se analiza el promedio del índice de difi-
cultad corregida por los efectos del azar de las pre-
186 www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
J. Baladrón, et al
Tabla I. Preguntas del ejercicio de examen por asignatura y convocatoria de prueba MIR entre 2009 y 2017. Porcentaje de preguntas por asignatura y porcentaje de preguntas
acumulado con las asignaturas ordenadas de mayor a menor importancia.
2009 2010 2011 2012 2013 2014 2015 2016 2017 Total Porcentaje Acumulado
Bioestadística y medicina preventiva 23 23 25 22 21 21 15 17 17 184 9,09% 9,09%
Aparato digestivo y cirugía digestiva 18 20 20 18 20 20 21 20 16 173 8,54% 17,63%
Neumología y cirugía torácica 19 16 15 16 15 16 14 13 13 137 6,77% 24,40%
Microbiología y enfermedades infecciosas 11 13 15 15 16 14 16 14 15 129 6,37% 30,77%
Cardiología y cirugía cardiaca 13 13 16 15 13 12 13 14 15 124 6,12% 36,89%
Nefrología y urología 14 13 10 13 12 14 12 13 13 114 5,63% 42,52%
Obstetricia y ginecología 14 13 11 10 9 10 11 11 11 100 4,94% 47,46%
Neurología y neurocirugía 12 12 12 11 11 12 10 9 9 98 4,84% 52,30%
Endocrinología y cirugía endocrina 10 11 11 12 10 13 10 10 10 97 4,79% 57,09%
Hematología 10 10 11 9 12 12 10 9 8 91 4,49% 61,58%
Reumatología 11 11 9 8 13 9 10 10 10 89 4,40% 65,98%
Pediatría 8 8 10 13 10 10 11 9 6 87 4,30% 70,27%
Psiquiatría 10 6 9 7 7 8 8 8 8 71 3,51% 73,78%
Cirugía ortopédica y traumatología 7 11 5 7 4 8 6 6 7 61 3,01% 76,79%
Dermatología 6 5 5 4 5 6 3 5 5 44 2,17% 78,96%
Farmacología clínica 4 6 6 5 5 4 4 5 5 44 2,17% 81,14%
Otorrinolaringología 5 3 4 5 4 4 3 3 5 34 1,68% 82,81%
Inmunología 4 3 4 3 4 3 4 4 2 33 1,63% 84,44%
Oftalmología 5 3 4 4 3 3 3 3 4 32 1,58% 86,02%
Anatomía patológica 4 2 0 4 4 4 5 4 4 31 1,53% 87,56%
Fisiología 3 2 3 3 3 2 5 5 3 29 1,43% 88,99%
Genética 1 4 4 2 3 3 2 3 5 27 1,33% 90,32%
Gestión clínica 4 3 2 2 2 2 4 3 3 25 1,23% 91,56%
Anatomía 1 0 2 2 3 3 4 4 4 23 1,14% 92,69%
Geriatría 1 2 2 2 3 2 3 3 4 22 1,09% 93,78%
Oncología 3 0 2 2 3 1 3 4 3 21 1,04% 94,81%
Habilidades comunicativas 0 4 1 0 0 1 6 3 2 16 0,79% 95,60%
Cuidados paliativos 1 2 2 2 2 0 3 2 0 15 0,74% 96,35%
Cirugía vascular 1 1 1 2 1 3 1 1 4 15 0,74% 97,09%
Urgencias 0 1 1 3 3 1 1 1 2 13 0,64% 97,73%
Cirugía maxilofacial 1 2 1 0 1 1 2 2 3 13 0,64% 98,37%
Anestesiología 1 1 0 2 2 1 1 1 1 10 0,49% 98,86%
Cirugía plástica 0 1 0 1 0 1 1 2 2 8 0,40% 99,26%
Medicina legal 0 0 2 0 1 1 0 2 1 7 0,35% 99,60%
Bioética 0 0 0 1 0 0 0 2 2 5 0,25% 99,85%
Bioquímica 0 0 0 0 0 0 0 0 2 2 0,10% 99,95%
Radiología 0 0 0 0 0 0 0 0 1 1 0,05% 100,00%
Total 225 225 225 225 225 225 225 225 225 2.025 100%
187www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
Dificultad y discriminación en el ejercicio de examen MIR
guntas de los diferentes exámenes, se observa una
tendencia al descenso progresivo de la dificultad de
los exámenes a lo largo de la serie temporal analiza-
da. El examen de la convocatoria 2016 resultó el
más fácil de los años estudiados, con un valor de
0,6909 frente a 0,6750 para el examen de la convo-
catoria 2017 y un promedio de 0,6252 en los exá-
menes de las convocatorias 2009 a 2015.
Índice de dificultad con
corrección de los efectos del azar
Cuando se analiza el índice de dificultad corregida
por los efectos del azar, se observa un comporta-
miento equivalente, siendo el examen de la convo-
catoria 2016 el más fácil de toda la serie temporal
analizada, con un valor de 0,5971, frente a 0,5740
del examen de la convocatoria 2017 y un promedio
de 0,5462 en los exámenes de las convocatorias 2009
a 2015.
Índice de discriminación
En lo referente al promedio de la discriminación, el
examen de la convocatoria 2017 fue también el me-
nos discriminativo de toda la serie temporal anali-
zada, con una diferencia de 0,0910 con respecto al
promedio de los exámenes de las convocatorias an-
teriores.
Índice de correlación biserial puntual
Lo mismo ocurre en relación a la discriminación
medida mediante el coeficiente de correlación bise-
rial puntual, donde el valor promedio obtenido para
el examen de la convocatoria 2017 es el más bajo de
toda la serie temporal analizada y junto con el de
2016 los únicos que, redondeado a dos decimales,
entrarían en la categoría de discriminación ‘regular’
en lugar de en la categoría ‘buena’ de los exámenes
2009 a 2015.
La tabla IV muestra la capacidad discriminativa
de las preguntas del examen de las convocatorias
MIR entre 2009 y 2017. Hay una reducción en el
número de preguntas de alta calidad discriminativa
en los dos últimos exámenes analizados respecto al
promedio de los de convocatorias anteriores. El pro-
medio de preguntas con una discriminación buena
o excelente en el examen de las convocatorias 2009
a 2015 fue de 127,86, que supone más de 37 pre-
guntas por encima de las que presentaron de media
las pruebas de las convocatorias 2016 y 2017.
Si se realiza la comparación únicamente con el exa-
men de la convocatoria 2015, la reducción en el de
la convocatoria 2016 del número de preguntas con
discriminación buena o excelente fue de 26, mien-
tras que si se compara con el de 2017, la reducción
fue de 29. También es muy destacable el aumento
en el examen de 2016 de las preguntas con discri-
minación regular, que ha pasado de 49 preguntas
en la convocatoria 2015 a 81 en dicha convocatoria,
un aumento de 35 preguntas, mientras que en la de
2017 se reducen hasta 65. Nótese que el examen de
la convocatoria de 2016 es el que mayor número
de preguntas tiene en esta categoría de los ocho años
analizados.
Los exámenes con mayor número de preguntas
con discriminación ‘pésima’ de las consideradas pa-
ra el cálculo de las puntuaciones de los examinados
fueron los de las convocatorias 2013, 2015 y 2017,
los dos primeros con un total de 10 preguntas en
esta categoría y el último con un total de 11.
Índices de dificultad y discriminación según la TRI
En lo referente a los coeficientes de dificultad y dis-
criminación obtenidos por medio de la TRI, tam-
bién se observa que el examen de la convocatoria
2016 arroja el valor promedio más bajo de toda la
serie temporal analizada, coincidiendo este hecho
con el resultado de los valores psicométricos des-
critos anteriormente utilizando parámetros de la
teoría clásica de los tests (Tabla III).
Análisis de dificultad y discriminación por
número de repeticiones del concepto preguntado
Otra posible forma de clasificar las preguntas del
ejercicio de examen de la prueba MIR es a partir del
número de veces que el concepto preguntado lo ha
sido en los exámenes de convocatorias anteriores
de la prueba. Así, se completa el apartado de resul-
tados con un análisis de dificultad y discriminación
Tabla II. Preguntas en el ejercicio de examen, por tipo y convocatoria, en las pruebas MIR entre 2009
y 2017.
2009 2010 2011 2012 2013 2014 2015 2016 2017 Total
Casos clínicos 92 112 102 109 111 105 115 104 94 944
Casos clínicos con imagen 25 30 29 34 34 34 30 32 31 279
Preguntas negativas 35 22 27 32 29 28 26 37 42 278
Preguntas de test 73 61 67 50 51 58 54 52 58 524
Total 225 225 225 225 225 225 225 225 225 2.025
188 www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
J. Baladrón, et al
de las preguntas de los ejercicios de examen de las
pruebas MIR comprendidas entre las convocatorias
2009 y 2017, teniendo en cuenta el número de veces
que el concepto del ítem se ha preguntado en exá-
menes de convocatorias anteriores de la prueba. Pa-
ra ello, se revisaron todas las preguntas correspon-
dientes a los exámenes de las convocatorias com-
prendidas entre 1980 y 2017. Los resultados se mues-
tran en la tabla V. En esta tabla se observa que el
promedio de la dificultad de cada convocatoria
siempre es menor cuando se trata de conceptos que
se han preguntado tres veces o más, en relación con
los ítems que presentan conceptos que se han pre-
guntado dos veces, o bien conceptos preguntados
únicamente en una convocatoria. Este mismo com-
portamiento se observa también para el caso del
índice de dificultad corregido. En el caso del índice
de discriminación, el resultado convocatoria por
convocatoria no es concluyente porque a veces el
valor medio del índice de discriminación resulta in-
ferior en los ítems con conceptos nunca repetidos
que en aquellos en los que el concepto se había pre-
guntado con anterioridad, mientras que en otros
años ocurre lo contrario. En lo relativo al coeficien-
te de correlación puntual biserial, salvo en el caso
del ejercicio de examen de la convocatoria 2016,
siempre se observa que el valor de la discrimina-
ción medida de dicho coeficiente es superior en las
preguntas relativas a conceptos que se preguntaron
tres veces o más, seguidos por los conceptos pre-
guntados dos veces, respecto a los valores de las
preguntas que versan sobre conceptos nunca repe-
tidos. Finalmente, el análisis de la dificultad TRI in-
dica que éste muestra el mismo comportamiento
que la dificultad y la dificultad corregida, salvo en el
ejercicio de examen de la convocatoria 2016, donde
las preguntas relativas a conceptos repetidos dos
veces resultan ligeramente más fáciles que las pre-
guntas con más de dos repeticiones. Este mismo fe-
nómeno se observa también en el valor de discrimi-
nación calculado según la TRI en las convocatorias
de 2016 y 2017.
La figura 2 muestra los valores promedios de las
variables dificultad, dificultad corregida, discrimi-
nación y coeficiente de correlación puntual biserial
para los exámenes MIR entre las convocatorias
2009 y 2017. Se aprecia que tanto la dificultad como
Tabla IV. Capacidad discriminativa de las preguntas de los ejercicios de examen de las pruebas MIR entre
2009 y 2017. medidas por el índice de correlación biserial puntual.
2009 2010 2011 2012 2013 2014 2015 2016 2017 Total
Excelente 56 50 51 73 74 51 56 25 18 454
Buena 61 73 72 76 72 68 62 67 71 622
Regular 63 54 70 41 38 59 49 81 65 520
Pobre 41 39 26 29 31 39 48 45 60 358
Pésimo 4 9 6 6 10 8 10 7 11 71
Todos 225 225 225 225 225 225 225 225 225 2.025
Tabla III. Valor medio y desviación estándar para las variables dificultad, índice de dificultad con corrección de los efectos del azar, índice de discriminación, coeficiente de correla-
ción puntual biserial, índice de dificultad e índice de discriminación según la teoría de respuesta al ítem (TRI) de las preguntas de los ejercicios de examen de las pruebas MIR entre
2009 y 2017.
2009 2010 2011 2012 2013 2014 2015 2016 2017 Promedio
Dificultad 0,6159
(0,2338)
0,5862
(0,2506)
0,6310
(0,2366)
0,6429
(0,2260)
0,6199
(0,2269)
0,6367
(0,2301)
0,6439
(0,2171)
0,6909
(0,2182)
0,6750
(0,2221)
0,6313
(0,2368)
Dificultad corregida 0,5205
(0,2557)
0,5142
(0,2941)
0,5645
(0,2813)
0,5754
(0,272)
0,5454
(0,2736)
0,5656
(0,277)
0,5379
(0,2837)
0,5971
(0,2874)
0,5740
(0,2922)
0,5552
(0,2807)
Discriminación 0,3613
(0,1687)
0,3356
(0,1613)
0,3357
(0,1862)
0,3596
(0,1793)
0,367
(0,1764)
0,3321
(0,1649)
0,3075
(0,1545)
0,2552
(0,1302)
0,2407
(0,1320)
0,3203
(0,1645)
Coeficiente de correlación
puntual biserial
0,3
(0,1136)
0,2989
(0,1223)
0,3034
(0,1154)
0,3313
(0,1333)
0,3295
(0,1347)
0,2967
(0,1204)
0,2977
(0,1381)
0,2693
(0,1108)
0,2556
(0,1320)
0,2973
(0,1259)
Dificultad TRI –0,8637
(7,039)
–0,5353
(7,875)
–0,5182
(4,343)
–0,4371
(7,631)
–0,4636
(8,813)
–0,3985
(9,434)
–0,3191
(6,216)
–1,6325
(3,584)
–0,7262
(8,3274)
–0,7692
(6,6858)
Discriminación TRI 0,7476
(0,3895)
0,7859
(0,4314)
0,7801
(0,4065)
0,8142
(0,4314)
0,8751
(0,4849)
0,7214
(0,375)
0,7639
(0,4761)
0,7104
(0,4183)
0,6701
(0,4035)
0,7617
(0,4269)
189www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
Dificultad y discriminación en el ejercicio de examen MIR
Tabla V. Valor medio para las variables dificultad, índice de dificultad con corrección de los efectos del azar, índice de discriminación, coeficiente
de correlación puntual biserial, índice de dificultad según la teoría de respuesta al ítem (TRI) e índice de discriminación según la TRI de las pregun-
tas de los ejercicios de examen de las pruebas MIR entre 2009 y 2017, divididas en función del número de veces que se ha repetido el concepto.
Tipo de pregunta Dificultad
Dificultad
corregida Discriminación
Coeficiente
de correlación
puntual biserial
Dificultad
TRI
Discriminación
TRI
Año 2009
Preguntado tres o más veces 0,6598 0,5835 0,3774 0,3389 –2,3850 0,9068
Preguntado dos veces 0,5743 0,4717 0,3573 0,3024 –0,3191 0,7512
Preguntado por primera vez 0,5305 0,4287 0,3514 0,2733 0,1121 0,6423
Año 2010
Preguntado tres o más veces 2,1600 0,6244 0,3537 0,3569 –1,1720 0,9813
Preguntado dos veces 1,8852 0,5225 0,3238 0,2866 –0,7867 0,7343
Preguntado por primera vez 1,4508 0,3526 0,3291 0,2543 0,0702 0,6371
Año 2011
Preguntado tres o más veces 0,7269 0,6591 0,3147 0,3344 –1,4423 0,9180
Preguntado dos veces 0,6656 0,6016 0,3663 0,3223 –1,2015 0,8866
Preguntado por primera vez 0,5099 0,3969 0,3480 0,2656 0,6183 0,6170
Año 2012
Preguntado tres o más veces 0,7119 0,6528 0,3762 0,3809 –1,3713 0,9693
Preguntado dos veces 0,6026 0,5209 0,3852 0,3234 –0,0410 0,7767
Preguntado por primera vez 0,5228 0,4197 0,3380 0,2728 0,5749 0,6301
Año 2013
Preguntado tres o más veces 0,6839 0,6174 0,3826 0,3754 –0,7130 1,0606
Preguntado dos veces 0,5934 0,4967 0,3407 0,2998 –1,2118 0,7289
Preguntado por primera vez 0,5264 0,4166 0,3577 0,2874 0,0343 0,7110
Año 2014
Preguntado tres o más veces 0,6837 0,6209 0,3389 0,3278 –1,7010 0,8399
Preguntado dos veces 0,6143 0,5332 0,3644 0,3082 –1,3702 0,7460
Preguntado por primera vez 0,5331 0,4299 0,3074 0,2501 1,4547 0,5526
Año 2015
Preguntado tres o más veces 0,7017 0,6359 0,3327 0,3469 –1,7496 0,9712
Preguntado dos veces 0,6531 0,5703 0,3522 0,3274 0,0252 0,8281
Preguntado por primera vez 0,5678 0,4603 0,2683 0,2452 0,8630 0,5782
Año 2016
Preguntado tres o más veces 0,7778 0,7205 0,2623 0,3059 –2,0799 0,8565
Preguntado dos veces 0,7007 0,6209 0,2703 0,3079 –2,1739 0,9299
Preguntado por primera vez 0,5942 0,4775 0,2447 0,2283 –1,1139 0,5354
Año 2017
Preguntado tres o más veces 0,7757 0,7090 0,2316 0,2852 –2,3674 0,8197
Preguntado dos veces 0,7081 0,6214 0,2584 0,2915 –1,8409 0,8221
Preguntado por primera vez 0,5915 0,4689 0,2439 0,2276 0,6617 0,5342
Promedio
Preguntado tres o más veces 0,8757 0,6471 0,3300 0,3391 –1,6646 0,9248
Preguntado dos veces 0,7775 0,5510 0,3354 0,3077 –0,9911 0,8004
Preguntado por primera vez 0,6474 0,4279 0,3098 0,2561 0,3639 0,6042
190 www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
J. Baladrón, et al
Figura 2. Valores promedios de las variables dificultad (a), dificultad corregida (b), discriminación (c) y coe-
ficiente de correlación puntual biserial (d) para los exámenes MIR entre 2009 y 2017, clasificando las pre-
guntas en función del número de repeticiones del concepto en el ejercicio de examen de la prueba MIR.
a
c
b
d
Figura 3. Curvas de probabilidad de los ejercicios de examen de las pruebas MIR entre 2009 y 2017, re-
presentadas tomando para cada curva el valor medio de probabilidad y discriminación de todas las pre-
guntas del examen de la prueba MIR representada.
la dificultad corregida incrementan su valor pro-
medio (es decir, las preguntas son más fáciles) en
las preguntas relativas a conceptos repetidos frente
a la que alcanzan en conceptos nunca preguntados
con anterioridad. En lo relativo a la discriminación,
las preguntas sobre conceptos ya preguntados con
anterioridad resultan más discriminativas y con va-
lores más altos de coeficiente de correlación pun-
tual biserial que las preguntas que versan sobre con-
ceptos no repetidos, en todas las convocatorias.
La figura 3 muestra las curvas de probabilidad
de los ejercicios de examen de las pruebas MIR en-
tre 2009 y 2017. Estas curvas se han representado
utilizando como coeficientes, en el modelo de dos
parámetros, los valores promedios de dificultad y
discriminación correspondientes a cada uno de los
ejercicios de examen de las convocatorias analiza-
das. Se observa claramente que en el ejercicio de
examen de la convocatoria 2016, para todos los ni-
veles de conocimiento, la probabilidad de acierto
de los examinados es superior a la que tuvieron en
las convocatorias comprendidas entre 2009 y 2015,
así como en la de 2017.
Discusión
Fiabilidad de la prueba MIR
Tanto la fórmula número 21 de Kuder-Richardson
como el alfa de Cronbach son parámetros utiliza-
dos como indicadores de la fiabilidad de una escala;
en la bibliografía se considera que valores de dichos
parámetros superiores a 0,8 son suficientes para ga-
rantizar la alta fiabilidad de un test.
En un trabajo previo publicado por los autores
acerca del ejercicio de examen de la convocatoria
2015 [4], se obtuvo un valor de 0,9459 para la fór-
mula número 21 de Kuder-Richardson y de 0,9579
para el alfa de Cronbach. En el caso de las convoca-
torias de 2016 y 2017, el resultado de la fórmula
número 21 de Kuder-Richardson fue de 0,9403 y
0,9353, respectivamente, y el del alfa de Cron bach,
de 0,9288 y 0,0212, valores similares a los obtenidos
en el ejercicio de examen de la convocatoria 2015.
A pesar de esto, es necesario tener en cuenta lo
indicado por Muñiz [16] a la hora de hacer una in-
terpretación rigurosa del valor de dichos coeficien-
tes. En primer lugar, se debe considerar que el valor,
tanto de la fórmula número 21 de Kuder-Richard-
son como del alfa de Cronbach, aumenta cuando se
incrementa el número de ítems, y en segundo lugar,
en aquellos casos en los que se proponen ítems si-
milares, estos índices también aumentan. Sin que
sea necesario entrar a analizar la similitud de las
preguntas propuestas en el ejercicio de examen de
la prueba MIR, el número de ítems que lo compo-
nen es ya lo suficientemente elevado como para que
los valores de ambos coeficientes estén por encima
de 0,8.
191www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
Dificultad y discriminación en el ejercicio de examen MIR
Cambios en dificultad y discriminación
en el MIR 2016 y 2017
A pesar de que los ejercicios de examen de las con-
vocatorias 2016 y 2017, según estos dos indicadores
de fiabilidad, podría considerarse como muy bue-
nos, se ha constatado también que los parámetros
relativos a su dificultad y discriminación han cam-
biado, siendo el examen propuesto en la convocato-
ria de 2016 más fácil y menos discriminativo que el
resto de exámenes de la serie temporal analizada.
En opinión de los autores, el origen probable de
la menor dificultad de los exámenes de las dos últi-
mas convocatorias es multifactorial, con componen-
tes atribuibles a cambios en las preguntas del exa-
men y a cambios en la población de examinados.
Desde la convocatoria 2015, las preguntas tienen
cuatro alternativas de respuesta, mientras que las pre-
guntas de las convocatorias anteriores tenían cinco
opciones. A pesar de la reducción en el número de
respuestas, la penalización por fallar la pregunta se
ha mantenido en el equivalente a perder una pre-
gunta acertada por cada tres preguntas erróneas. En
consecuencia, la penalización estadística por con-
testar preguntas al azar se ha reducido desde 2015,
lo que ha contribuido a disminuir el número de pre-
guntas no contestadas por la población de examina-
dos en las dos últimas convocatorias. Esto probable-
mente haya favorecido un aumento en las puntua-
ciones de los examinados con menor nivel de cono-
cimientos y peor manejo del ‘riesgo’ de contestar
dudando entre varias opciones de respuesta, lo que
se ha reflejado en que, cada año, la nota de corte del
examen ha afectado a una menor proporción de exa-
minados. Por otra parte, entre las causas de la apa-
rente menor dificultad del examen, habría que citar
el aumento del nivel de conocimiento ‘promedio’
derivado de los cambios en la población de exami-
nados formada, cada año, por un mayor número y
proporción de médicos españoles recién graduados,
tal y como se explicará en el apartado siguiente.
Desde nuestro punto de vista, el cambio de los
valores medios de dificultad de las preguntas del
examen de la convocatoria de 2016 puede ser res-
ponsable, en parte, del descenso en su valor prome-
dio de discriminación. En un examen más fácil
existe un mayor número de examinados con una
probabilidad alta de acertar las preguntas y eso hace
que las preguntas resulten menos discriminativas.
Existe cierta correlación entre dificultad y discrimi-
nación, pero no en todos los casos una pregunta di-
fícil es discriminativa, y al revés. En la convocatoria
de 2017, este efecto se ha atenuado por una dificul-
tad media de las preguntas algo superior.
Cambios en la composición de los
subconjuntos de médicos presentados a las
dos últimas convocatorias de la prueba MIR
¿Son las preguntas de los ejercicios de examen las
únicas responsables del cambio en la dificultad y
discriminación promedio de los exámenes de las
últimas convocatorias MIR? No debe perderse de
vista el hecho de que la composición de la pobla-
ción de médicos presentados a la prueba MIR ha
cambiado mucho en los últimos años, siendo cada
vez un conjunto menos heterogéneo y con mayor
proporción de presentados pertenecientes al sub-
conjunto que mejor resultado obtiene en la prueba:
los recién graduados de universidades españolas.
En opinión de los autores, estos cambios en la com-
posición de los subconjuntos de médicos presenta-
dos en las dos últimas convocatorias de la prueba
realizadas puede ser responsable, al menos en par-
te, de la disminución de la dificultad y discrimina-
ción del ejercicio de examen.
Estudios previos han demostrado que el resulta-
do en el ejercicio de examen de la prueba de los
médicos españoles es mejor que el de los extranje-
ros [17]. Así, de los presentados al examen en la
convocatoria 2017, un 74,44% eran médicos espa-
ñoles, porcentaje que en la de 2012 fue del 61,21%,
y en la de 2009, del 55,82%. Es decir, el porcentaje
de médicos españoles que se presentan al MIR ha
pasado de poco más de la mitad de la población en
la convocatoria 2009 hasta casi el 75% en la convo-
catoria 2017. Como los resultados promedio en el
examen MIR son mejores para el grupo de españo-
les presentados que para el grupo de extranjeros,
este cambio en la composición de la población MIR
puede ser uno de los factores responsables de la
aparente mayor facilidad de los exámenes de las úl-
timas convocatorias.
A ello se suma que, en las últimas convocatorias,
ha aumentado el número y porcentaje de médicos
españoles que además son recién graduados, tanto
por el aumento del numerus clausus de las faculta-
des existentes como por la apertura de nuevas fa-
cultades públicas y privadas en nuestro país. Exis-
ten estudios [17] e informes del Ministerio de Sani-
dad [18] que comunican mejores resultados en el
examen MIR en el subconjunto de médicos presen-
tados más jóvenes, respecto a los no recién gradua-
dos de mayor edad. El análisis de los motivos de
esta realidad excede el objetivo y alcance del pre-
sente trabajo. Podríamos resumir los cambios de-
mográficos en la frase: ‘el MIR es cada año más es-
pañol y más joven’. Este cambio demográfico influye
en la misma dirección y sentido que el anterior-
192 www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
J. Baladrón, et al
mente descrito, haciendo que la población MIR sea
cada año menos heterogénea en su composición y
mejor preparada, lo que a su vez puede ser respon-
sable de parte del descenso de los índices de dificul-
tad y discriminación observados en el análisis psi-
cométrico de los ejercicios de examen MIR de las
convocatorias de 2016 y 2017.
Desde el punto de vista de los autores, otro mo-
tivo que ha contribuido a la menor capacidad dis-
criminativa de los ejercicios de examen de las con-
vocatorias de 2016 y 2017 ha sido la anulación de
un menor número de preguntas respecto a lo que
suele ser habitual. En el examen de estas dos últi-
mas convocatorias se anularon sólo tres y cuatro
preguntas, respectivamente, frente a las siete en
2014 y ocho en 2013. Un número bajo de preguntas
anuladas no sería problemático en sí, salvo porque
en la plantilla activa del examen se dejaron siete
preguntas sin anular con una discriminación pési-
ma, es decir, aquellas cuya probabilidad de ser acer-
tada no se correlacionaba con el conocimiento mé-
dico expresado en el resto de preguntas del examen.
Tal y como se presentó en un trabajo anterior [9],
una anulación de preguntas que invalide aquellas
con una menor calidad psicométrica contribuye a
mejorar la capacidad discriminativa de la prueba.
El descenso del promedio de la discriminación de
las preguntas del examen de las convocatorias de
2016 y 2017 demuestra que la anulación de un me-
nor número de preguntas no significa que la calidad
general de las preguntas restantes en la prueba sea
mejor que las de años anteriores y, por tanto, que el
examen resultante posea una mejor capacidad dis-
criminativa. En opinión de los autores, dejar pre-
guntas no discriminativas sin anular, pudiendo ha-
cerlo por quedar preguntas de reserva disponibles
no utilizadas, supone una pérdida de oportunidad
de mejorar la calidad de la prueba. En este sentido,
parece interesante sugerir la posibilidad de usar una
metodología de anulación de preguntas automati-
zada, similar a la que se usa en Chile en el Examen
Único Nacional de Conocimientos de Medicina
(EUNACOM) [19]. Con el fin de no ser reiterativos
y teniendo en cuenta que ya se explicó en un traba-
jo anterior [9], solamente recordaremos que antes
de la prueba EUNACOM se fijan unos valores de
corte para la dificultad y discriminación, y todas las
preguntas que no cumplen con dichos criterios se
eliminan. A modo de ejemplo, en 2012, se fijó como
criterio de corte de discriminación el que las pre-
guntas tuvieran un valor del coeficiente de correla-
ción puntual biserial de al menos 0,15. La imposi-
ción de un criterio de anulación como el aquí pre-
sentado, junto con otras normas, supone que el nú-
mero de preguntas válidas del EUNACOM varíe de
un año a otro, pero consigue preservar una alta ca-
lidad psicométrica de la prueba. De este modo, en
el caso chileno no se tienen reparos a la hora de
anular preguntas, siempre y cuando dicha anula-
ción contribuya a mejorar la calidad global de la
prueba. Bonillo [17], en su análisis de las pruebas
MIR de 2005 y 2006, ya puso de manifiesto la con-
veniencia de recurrir a la anulación de un mayor
número de preguntas del examen. Podríamos resu-
mirlo con la frase: ‘en el MIR, menos no es más’, y
menos preguntas anuladas no implica más discri-
minación o mayor calidad del examen.
Por último, y siendo conscientes del reto que ello
supone, insistimos en la necesidad de conseguir un
examen MIR de la máxima discriminación posible
porque, en general, una disminución en la discrimi-
nación hace que se incremente el efecto del azar en
las puntuaciones obtenidas. En un examen menos
discriminativo, muchas de las puntuaciones de los
examinados se concentran en un rango estrecho y
pequeñas variaciones en el resultado de un exami-
nado, fruto del azar, se traducen en grandes cam-
bios en el número de orden final que los examina-
dos obtendrán en la prueba y, por tanto, en la posi-
bilidad de acceder o no a la especialidad deseada.
Además, tampoco hemos de olvidar que la ten-
dencia iniciada en los últimos años de disminución
del número de médicos extranjeros que se presen-
tan a la prueba, así como el aumento en términos
absolutos y proporcionales del número de médicos
españoles recién egresados, con unos conocimien-
tos más homogéneos que el de los médicos que se
presentaban en 2009-2010, hacen cada año más di-
fícil para los examinadores el conseguir un examen
suficientemente discriminativo. Desde nuestro pun-
to de vista constituye todo un reto, y a la vez una
necesidad, intentar aumentar la capacidad discri-
minativa del examen MIR, como mínimo hasta los
valores previos al examen de la convocatoria 2016.
Con ello se conseguiría que las puntuaciones obte-
nidas midieran de forma más precisa los conoci-
mientos del candidato y redujeran el efecto del azar
en la puntuación de la prueba.
Una pregunta a la que contestan de forma co-
rrecta los médicos que menos conocimiento han
demostrado en el resto de preguntas, es decir, con
discriminación negativa, parece evidente que debe-
ría anularse porque probablemente se haya contes-
tado al azar. Cada pregunta anulada por discrimi-
nación negativa aumenta la discriminación del exa-
men final, que es el promedio de la discriminación
de las preguntas que lo constituyen. En nuestra opi-
nión, sería conveniente utilizar al menos la totali-
193www.fundacioneducacionmedica.org FEM 2018; 21 (4): 181-193
Dificultad y discriminación en el ejercicio de examen MIR
dad de las diez preguntas de reserva para sustituir,
durante el proceso de anulaciones realizado por la
comisión calificadora, a otras tantas de peor calidad
psicométrica que se hubieran incluido entre las 225
primeras del examen.
Como limitación fundamental de este trabajo
destaca que, a diferencia del estudio de Bonillo [17],
en nuestro análisis no hemos podido acceder a la
información de los resultados de todos los candida-
tos presentados a la prueba, sino solamente a una
muestra de ellos; si bien en todas las convocatorias
está formada por más de 1.600 candidatos (y en las
últimas convocatorias MIR supera el 30% de los exa-
minados), presenta un sesgo porque no se accede
de forma aleatoria a examinados de todos los nive-
les de conocimiento, sino únicamente de los que
introdujeron los resultados de su examen por deci-
sión propia en la aplicación informática del Curso
Intensivo MIR Asturias.
Como reflexión final del presente trabajo, cabe
destacar que la confección de un examen de alta ca-
lidad se hace cada año más exigente para el exami-
nador, que debe seleccionar o elaborar un conjunto
de preguntas con una dificultad y discriminación
adaptadas a una población formada por un mayor
número y una mayor proporción de médicos recién
egresados de facultades de medicina españolas. Si
esto no se tiene en cuenta, la prueba podría perder
calidad. Una de las herramientas de la que se dis-
pone para mejorar la calidad psicométrica sería la
anulación a posteriori de algunas de las preguntas
propuestas.
Bibliografía
Real Decreto 2015/1978, de 15 de julio, por el que se regula 1.
la obtención de títulos de especialidades médicas. Boletín
Oficial del Estado, n.º 206, de 29 de agosto de 1978. p. 20172-4.
Real Decreto 127/1984, de 11 de enero, por el que se regula 2.
la formación médica especializada y la obtención del título
de médico especialista. Boletín Oficial del Estado, n.º 26, de
31 de enero de 1984. p. 2524-8.
Ley 44/2003, de 21 de noviembre, de ordenación de las 3.
profesiones sanitarias. Boletín Oficial del Estado, n.º 280,
de 22 de noviembre de 2003. p. 41442-58.
Murias-Quintana E, Sánchez-Lasheras F, Fernández-Somoano A, 4.
Romeo-Ladrero JM, Costilla-García SM, Cadenas-Rodríguez M,
et al. Análisis de la elección de la especialidad de radiodiagnóstico
en el examen MIR desde el año 2006 hasta 2015. Radiología
2017; 59: 232-46.
Curbelo J, Romeo JM, Fernández-Somoano A, Sánchez-5.
Lasheras F, Baladrón J. Endocrinología y nutrición: evolución
de la elección de la especialidad en los últimos años.
Endocrinología, Diabetes y Nutrición 2017; 64: 329-31.
Curbelo J, Fernández-Somoano A, Romeo JM, Villacampa T, 6.
Sánchez-Lasheras F, Baladrón J. La elección de la especialidad
medicina intensiva: análisis de los últimos 10 años. Medicina
Intensiva 2018; 42: 65-8.
Curbelo J, Galván-Román JM, Sánchez-Lasheras F, Romeo JM, 7.
Fernández-Somoano A, Villacampa T, et al. Aparato digestivo:
evolución de la elección de la especialidad en los últimos años.
Rev Esp Enf Dig 2017; 109: 614-8.
Baladrón J, Curbelo J, Sánchez-Lasheras F, Romeo-Ladrero JM, 8.
Villacampa T, Fernández-Somoano A. El examen al examen
MIR 2015: aproximación a la validez estructural a través de
la teoría clásica de los tests. FEM 2016; 19: 217-26.
Baladrón J, Sánchez-Lasheras F, Villacampa T, Romeo-9.
Ladrero JM, Jiménez-Fonseca P, Curbelo J, et al. Propuesta
metodológica para la detección de preguntas susceptibles de
anulación en la prueba MIR. Aplicación a las convocatorias
2010 a 2015. FEM 2017; 20: 161-75.
Baladrón J, Sánchez-Lasheras F, Villacampa T, Romeo-10.
Ladrero JM, Jiménez-Fonseca P, Curbelo J, et al. El examen
MIR 2015 desde el punto de vista de la teoría de respuesta al
ítem. FEM 2017; 20: 29-38.
Lord FM. Applications of item response theory to practical 11.
testing problems. Hillside, NJ: Lawrence Erlbaum; 1980.
Anderson TW, Darling DA. Asymptotic theory of certain 12.
‘goodness-of-fit’ criteria based on stochastic processes.
Annals of Mathematical Statistics 1952; 23: 193-212.
Kruskal WH, Wallis A. Use of ranks in one-criterion variance 13.
analysis. J Am Stat Assoc 1952; 47: 583-621.
Dunn OJ. Multiple comparisons among means. J Am Stat Assoc 14.
1961; 56: 52-64.
Dunn OJ. Multiple comparisons using rank sums. Technometrics 15.
1964; 6: 241-52.
Muñiz J. Teoría clásica de los tests. Madrid: Pirámide; 2002.16.
Bonillo A. Pruebas de acceso a la formación sanitaria 17.
especializada para médicos y otros profesionales sanitarios en
España: examinando el examen y los examinados. Gac Sanit
2012; 26: 231-5.
Ministerio de Sanidad, Servicios So ciales e Igualdad. Formación 18.
médica especializada . URL: http://sis.msssi.es/fse/. [11.12.2017].
Examen Único Nacional de Conocimientos de Medicina. 19.
Resultados EUNACOM-ST 2011. URL: http://www.eunacom.
cl/resultados/resultados-actuales.html. [29.11.2017].
