Universidad de Cuenca Facultad de Ciencias Médicas

Maestría en Investigación de la Salud

Módulo V: Metodología de la investigación

Universo y muestra Docente: Dr. José Ortiz S.

Mayo de 2010

Universo y muestra Universo: Conjunto de individuos u objetos de los que se desea conocer algo en una investigación y al que se generalizaran los hallazgos. Muestra: Parte del universo, igual en sus características, excepto por una cantidad menor de individuos en el que se desarrollará la investigación.

2

Dr. José Ortiz

Universo y muestra Fases del diseño muestral: 1. Definir el marco muestral o delimitar la población, quienes van a ser medidos, mediante: listas, directorios, mapas. 2. El tipo de muestra 2.1. Probabilística: todos los individuos tienen la misma posibilidad 2.2. No probabilístico

3

Dr. José Ortiz

Tipos de muestreos • PROBABILÍSTICO – Aleatorio simple – Sistemático – Estratificado – Conglomerado

• NO PROBABILÍSTICO – Por conveniencia – Por cuotas

Para que un muestreo sea probabilístico o aleatorio es requisito que todos y cada uno de los elementos de la población tengan la misma probabilidad de ser seleccionados

Muestra No Probabilística o dirigidas 1) Voluntarios: los cambios no dependen de las características individuales sino de las condiciones del experimento 2) Expertos: opinión de sujetos idóneos 3) Sujeto tipo o caso típico: estudios exploratorios y cualitativos, para profundizar sobre un tema 4) Por cuotas: proporción de variables demográficas

3. Cálculo del tamaño muestral, depende de: 1. 2. 3. 4. 5.

5

Variable cuantitativa (muestreo simple) Variable cuantitativa (muestreo estratificado) Variable cualitativa (muestreo simple) Variable cualitativa (muestreo estratificado) Variables cualitativas y cuantitativas = cualitativa

Dr. José Ortiz

Muestra del tamaño adecuado Consideraciones: • Tamaño reducido: limita las conclusiones • Tamaño grande: malgasto de tiempo, trabajo y dinero • Lo necesario para los requerimientos estadísticos • Lo que se puede hacer

La prueba de una hipótesis estadística es la base para el cálculo del tamaño de la muestra 6 Dr. José Ortiz

La prueba de una hipótesis permite la inferencia • Se parte de una hipótesis nula • La prueba de hipótesis evalúa la validez de la hipótesis nula • Decisión: aceptar o rechazar la hipótesis nula Decisión del estudio Errores

7

Hipótesis de nulidad Verdadera Falsa Acepta Decisión Error de hipótesis nula correcta tipo II Rechaza Error de Decisión hipótesis nula tipo I correcta Dr. José Ortiz

Potencia estadística de la prueba de hipótesis (1-β) •Probabilidad de rechazar una hipótesis que es, en efecto falsa •Probabilidad de detectar una diferencia en niveles de exposición o en tratamientos, cuando la diferencia realmente existe Nivel de confianza (1-α) •Probabilidad de aceptar una hipótesis nula, cuando ésta es cierta •Probabilidad de no detectar diferencias en la exposición o en los tratamientos, cuando la diferencia verdaderamente existe 8 Dr. José Ortiz

Para calcular el tamaño de la muestra importa: 1. El nivel de significancia (α) 2. La potencia del estudio (β) 3. Si las comparaciones son uni o bilaterales

9 Dr. José Ortiz

Cuadro No. 1 Z α para fórmulas de tamaño de muestra para valores seleccionados de α

Comparaciones Unilateral

Bilateral

α

Zα

Zα

0,10 0,05 0,025 0,01

1,28 1,65 1,96 2,33

1,65 1,96 2,24 2,58

10 Dr. José Ortiz

Cálculo de la muestra para estudios descriptivos •

No se trata de probar una hipótesis

•

Método basado en el concepto de intervalos de confianza

•

Especificar un nivel de confianza para el intervalo

•

Nivel de confianza: probabilidad de que el intervalo de confianza contenga a la verdadera proporción de la población

•

A mayor nivel de confianza, más amplio será el intervalo de confianza

11 Dr. José Ortiz

Información necesaria para calcular la muestra d = distancia (o tolerancia): proximidad que se desea obtener en la estimación con respecto a la proporción que interesa 1- α = nivel de confianza de nuestra estimación está dentro de una distancia con respecto a la proporción que interesa. Ejem: 0,95. p = proporción del problema que interesa Si no tenemos información p = 0,5 Fórmula:

n = p*(1-p)*(Zα/d)2 donde α = 1-nivel de confianza Z α: Ver columna de comparación bilateral

12 Dr. José Ortiz

Cálculo de la muestra para una ICA Información previa: po = Proporción de participantes en el grupo de tratamiento control que se espera que presenten el resultado p1 = proporción de participantes en el grupo de tratamiento nuevo que se espera que presenten el fenómeno 2  2 * (Zα + Z β ) * p * (1 − p ) 1 n= *  (1 − f )  ( po − p1 ) 

Donde: f = proporción de sujetos que abandonan el estudio p = (po + p1)/2 Z α = valor del cuadro No. 1 Zβ = valor del cuadro No. 2 13 Dr. José Ortiz

Cuadro No. 1 Z β para fórmulas de tamaño de muestra para valores seleccionados de potencia (1-β) y β β

1-β

Zβ

0,50

0,50

0,00

0,40

0,60

0,25

0,30

0,70

0,53

0,20

0,80

0,84

0,15

0,85

1,03

0,10

0,90

1,28

0,05

0,95

1,65

0,025

0,975

1,96

0,01

0,99

2,33

14 Dr. José Ortiz

Muestra para un estudio de cohorte Información previa: po = Proporción de participantes en el grupo no expuesto que presenten el resultado de interés p1 = proporción de participantes en el grupo expuesto que presenten el resultado de interés 2  2 * (Zα + Z β ) * p * (1 − p ) 1 n= *  (1 − f )  ( po − p1 ) 

Donde: f = proporción de sujetos que abandonan el estudio p = (po + p1)/2 Z α = valor del cuadro No. 1 Zβ = valor del cuadro No. 2 15 Dr. José Ortiz

Muestra para un estudio de casos y controles Información previa: p1 = Estimación de la proporción de individuos entre los casos p0 = Proporción esperada de individuos expuestos entre los controles RP= Posibilidad de aparición del resultado entre los expuestos dividida por las posibilidades del resultado entre los no expuestos. Ods Ratio ó Razón de Momios

 2 * (Zα + Z β )2 * p * (1 − p )  n=  ( po − p1 )   Donde: p = (po + p1)/2 Z α = valor del cuadro No. 1 Zβ = valor del cuadro No. 2 16 Dr. José Ortiz

Cálculo de la Muestra con Epi Info

17

Dr. José Ortiz

18

Dr. José Ortiz

19

Dr. José Ortiz

20

Dr. José Ortiz

4. Selección: siempre de manera aleatoria




Dependerá de los recursos disponibles, del mayor tamaño posible. De los requerimientos del plan de análisis o de las operaciones estadísticas que se realizarán. Para cruce de variables, se requiere 20 a 30 casos en cada subcategoría de variable independiente. Procedimientos de selección 1) Tómbola o fichas en una ánfora 2) Números aleatorios 3) Selección sistemática. K= N \ n 4) Epi Dat 5) Internet www.randomization.com

21

Dr. José Ortiz