Introducción: Desde hace aproximadamente 15 años se utiliza un examen final unificado (EFU) como evaluación de la materia de grado Pediatría en la Universidad de Buenos Aires (UBA). Tiene semejanzas con los exámenes que utilizan preguntas basadas en elementos claves (ECs). El EFU incluye “opciones castigo” para el cálculo del puntaje final. No se ha estudiado hasta el momento su validez ni la confiabilidad. Los objetivos son investigar la validez de constructo y la confiabilidad del EFU y analizar el impacto de la inclusión o no de las “opciones castigo” en la proporción de reprobados y en la confiabilidad del mismo.

Material y métodos: Se utilizó un diseño de grupos extremos para evaluar la validez de constructo. Se calcularon los coeficientes alfa de Cronbach y G para evaluar la confiabilidad. Se usaron t-test y el chi2 para comparar los resultados.

Resultados: Se analizaron cuatro EFUs del 2011 que rindieron 1613 alumnos. Las diferencias de la media del puntaje del EFU y del porcentaje de reprobados fueron significativas al comparar grupos extremos. El alfa de Cronbach y el coeficiente G fue menor a 0,70 y mejoraron considerablemente al calcular el puntaje final sin tener en cuenta las opciones “castigo”. La proporción de reprobados entre los cuatro EFU fue más estable con el puntaje sin opciones “castigo”. Conclusión: Se demostró la validez de constructo del EFU para evaluar resolución de problemas clínicos en Pediatría. La confiabilidad fue baja al incluir las opciones “castigo” en el puntaje final y mejoró considerablemente al no incluirlas.