Los diseños experimentales de caso único son la mejor alternativa para aquellos psicólogos con clínica abierta que desean, no solo llevar a cabo del mejor modo posible su actividad profesional, sino enfocarla a un modelo empírico, que les permita valorarla con datos “objetivos”. Para los pocos que optan por este modelo de trabajo, sin embargo, los datos objetivos son sinónimo de “datos visuales”, siguiendo la vieja tradición de explorar las líneas de tendencia entre la línea base, la evaluación durante el tratamiento y la evaluación postratamiento.

En gran parte esto estaba justificado, o bien porque los análisis estadísticos eran excesivamente complejos para manejarlos fuera del ámbito académico, o bien porque eran demasiado simples y limitados para sustituir a la inspección visual. Sin embargo, esto ha cambiado en los últimos tiempos: los índices no paramétricos de tamaño del efecto y de no solapamiento han cambiado el panorama, y las herramientas para su cálculo más.

Un índice no paramétrico de tamaño del efecto es una medida que cuantifica cuánto cambia una conducta o variable como consecuencia de una intervención, sin requerir supuestos fuertes sobre la distribución de los datos (por ejemplo, normalidad). Por su parte, Los índices de no solapamiento son un tipo de tamaño del efecto especialmente desarrollado para los diseños de caso único. Cuantifican hasta qué punto los valores obtenidos durante la intervención (B) se separan de los obtenidos durante la línea base (A) en la dirección esperada.

• Los índices no paramétricos de tamaño del efecto basados en el no solapamiento cuantifican la magnitud del cambio producido entre las fases de un diseño de caso único a partir del grado en que las observaciones de una fase se diferencian de las de otra en la dirección esperada, sin asumir una distribución determinada de los datos.

Hay muchos índices no paramétricos basados en el no solapamiento, pero algunos de los más destacados son estos:

Índice	Nombre	Idea fundamental
PND	Percentage of Non-overlapping Data	Porcentaje de puntos de B que superan el valor más extremo de A en la dirección esperada.
PEM	Percentage of Data Points Exceeding the Median	Porcentaje de puntos de B que superan la mediana de A.
PAND	Percentage of All Non-overlapping Data	Considera conjuntamente A y B y calcula el porcentaje que queda sin solapamiento tras minimizar los puntos que deberían cambiar de fase.
NAP	Non-overlap of All Pairs	Compara cada observación de A con cada observación de B y calcula la proporción de comparaciones que favorecen a B; los empates cuentan como 0,5.
IRD	Improvement Rate Difference	Diferencia entre la proporción de observaciones que muestran mejoría en B y la proporción correspondiente en A.
Tau / Tau-U	Kendall’s Tau / Tau-U	Compara por pares A y B, considerando comparaciones favorables, desfavorables y empates; Tau-U puede además controlar la tendencia existente en la línea base.

El problema era, ¿Cómo los calculo de una forma fácil y eficiente? y la respuesta, al menos parcialmente, la podemos encontrar en la web de Single Case Research Calculators.

• Single Case Research Calculators es una plataforma web de acceso libre diseñada específicamente para el análisis de datos procedentes de diseños experimentales de caso único. Permite introducir las observaciones obtenidas en las distintas fases de un diseño (p. ej., línea base [A] e intervención [B]) y calcular diferentes índices no paramétricos de tamaño del efecto y de no solapamiento, entre ellos Tau-U, Tau de Kendall, NAP (Non-overlap of All Pairs) e IRD (Improvement Rate Difference). En el caso de Tau-U, la herramienta permite evaluar tanto la tendencia existente dentro de la línea base como el cambio entre las fases A y B, y, cuando procede, estimar el efecto de la intervención corrigiendo la tendencia previa de la línea base. Además del tamaño del efecto, proporciona estadísticos inferenciales asociados, como error estándar, estadístico Z, valor p e intervalos de confianza

El índice TAU-U es especialmente recomendable en diseños experimentales de caso único porque reúne varias propiedades que otros índices de no solapamiento ofrecen solo parcialmente

• Utiliza todas las observaciones de A y B. Compara cada punto de la línea base con cada punto de la intervención, en lugar de depender de un único valor extremo, como ocurre con PND. Por ello es menos sensible a valores atípicos.
• Es no paramétrico. No requiere normalidad ni homogeneidad de varianzas, algo especialmente apropiado para las series cortas habituales en caso único.
• Cuantifica dirección y magnitud. Su escala de −1 a +1 permite distinguir claramente ausencia de cambio (≈0), cambio en la dirección esperada (+) y cambio en la dirección contraria (−).
• Puede incorporar la tendencia de la línea base. Esta es probablemente su principal ventaja frente a NAP. Si el paciente ya estaba mejorando durante A, Tau-U permite descontar esa tendencia al estimar el cambio A–B.
• Permite inferencia estadística. Además del tamaño del efecto pueden obtenerse error estándar, Z, p e intervalos de confianza. Es relativamente fácil de interpretar y calcular, manteniendo una relación estrecha con el Tau de Kendall y con NAP.

El uso es libre y amigable, pero hay que acordarse de citar la fuente:

• Vannest, K. J., Parker, R. I., Gonen, O., & Adiguzel, T. (2016). Single Case Research: Web-based calculators for SCR analysis (Version 2.0) [Web-based application]. Texas A&M University.