Planificación de un estudio
Hipótesis
Objetivos
Definir el tipo de estudio
Identificar la población
Definir variables a estudiar
Desarrollar y probar el instrumento de medida
Construir plan de muestreo
Recolección de los datos
Análisis estadístico
Interpretación, síntesis e información de los resultados
MUESTREO
Población y muestra
Población o Universo (‘population’) es el conjunto sobre el que estamos interesados en obtener conclusiones (hacer inferencia).
Normalmente es demasiado grande para poder abarcarlo.
Muestra (‘sample’) es un subconjunto al que tenemos acceso y sobre el que realmente hacemos las observaciones (mediciones)
Debería ser “representativo”
Esta formado por miembros “seleccionados” de la población (individuos, unidades experimentales).
Muestreo
Definición: es la técnica empleada para recoger una muestra a partir de una población o un subgrupo de la población.
Objetivo: estimar parámetros (por ej. medias, prevalencias, etc), probar hipótesis, es decir inferir sobre la población, basándonos en la información contenida en la muestra.
Introducción
Cuándo muestrear ? Cuando los costos de realizar un censo son económicamente prohibitivos u operativamente imposibles de realizar. Si mi población es pequeña, incluyo todos los individuos.
Ventajas :
rapidez y facilidad de realizar el estudio menor número de sujetos a estudiar menor costo económico mayor validez del estudio mayor número de variables a estudiar controlar y ajustar posibles variables de confusión
Requisitos de la muestra
Cualquier muestra debe reunir dos condiciones para ser representativa del UNIVERSO:
CUALITATIVAMENTE debe ser :
Homogénea: estar compuesta sólo por elementos que pertenecen al Universo previamente definido
Adecuada: al incluir todas las variables esenciales de los elementos que existen en el universo.
No viciada: al presentar variaciones de determinadas variables en mas o menos la misma frecuencia que en el universo. CUANTITATIVAMENTE debe ser lo suficientemente grande.
La representatividad de la muestra viene dada por:
El tamaño muestral
El sistema de muestreo utilizado
Población Objetivo: es aquella población a la cual se pretende extrapolar los resultados que se obtengan.
Unidad de muestreo: es la unidad que podría ser seleccionada a pertenecer en la muestra ( personas, viviendas, barrios,etc).
Marco o Población de estudio: es una lista completa de las unidades de muestreo disponibles en la población y es usado para seleccionar la muestra.
Nomenclatura
Muestra: es un subgrupo de unidades listadas que se seleccionan desde el marco.
Unidad observacional: es o está contenida en la unidad listada que forma parte de la muestra y es sobre la cual se harán mediciones.
Tamaño de la muestra Para un estudio poblacional descriptivo debe conocerse:
Tamaño de la población a la cual se desea extrapolar los resultados: N Frecuencia esperada del evento más cercana al 50%: F Peor resultado esperado: F’ Margen de error de 5% (valor estándar de 0,05): p
N = 25000 pacientes F = 15% F’ = 5% n = 49 pacientes deben ser estudiados
Tamaño de la muestra Para un estudio de cohortes debe conocerse:
Relación expuestos/no expuestos a estudiar: NE:E Probabilidad de que si las dos muestras difieren, esta refleja una diferencia verdadera en las dos poblaciones - nivel de confianza (gralmente 95%): NC Probabilidad de que si las dos poblaciones difieren, las dos muestras mostrarán una diferencia significativa - poder (gralmente 80%): P Frecuencia esperada en el grupo no expuesto: F’ Riesgo relativo esperado: RR
NE:E = 1:2 NC = 95% P = 80% F’ = 5% RR = 2 NE = 368 pacientes y E = 735 pacientes Total = 1103 pacientes
Tamaño de la muestra Para un estudio de casos/controles debe conocerse:
Relación no enfermos (controles)/enfermos (casos) a estudiar: NE:E Probabilidad de que si las dos muestras difieren, ésta refleja una diferencia verdadera en las dos poblaciones - nivel de confianza (gralmente 95%): NC Probabilidad de que si las dos poblaciones difieren, las dos muestras mostrarán una diferencia significativa - poder (gralmente 80%): P Frecuencia esperada en el grupo no expuesto: F’ Odds ratio esperado: OR
NE:E = 1:2 NC = 95% P = 80% F’ = 5% OR = 2 NE = 433 pacientes y E = 866 pacientes Total = 1299 pacientes
Tipos de muestreos
Muestreo Probabilístico : - aleatorio simple - aleatorio sistemático - aleatorio estratificado - en conglomerados - polietápico en conglomerados
Muestreo no Probabilístico : - por cuota - por chance - por juicio - por conveniencia
Muestreo Aleatorio Simple
¿Qué es? Es aquel en el cual cada unidad en la población tiene una probabilidad conocida de ser elegida. También es válido decir, que todas las muestras de tamaño “n” tienen la misma probabilidad de ser seleccionadas.
¿Como se realiza ? Se enumera a todas las unidades listadas de la población y utilizando la tabla de números aleatorios o programas estadísticos, se seleccionan las mismas.
Ejemplo de M.A.S.: La población de pacientes con litiasis renal que asisten ambulatoriamente en el servicio de Urología del Hospital de Clínicas es de 836 (N) personas, los clínicos están interesados en recolectar datos para realizar un estudio acerca de posibles factores de riesgo. Para ello deciden tomar una muestra de 100 (n) pacientes, enumeran a toda la población a muestrear y mediante un programa estadístico recolectan la muestra al azar. Está bien seleccionado el número de pacientes? Por qué?
Ventajas y desventajas del M.A.S.
Ventajas: * rapidez * sencillez Desventajas: * se aplica a poblaciones pequeñas
Muestreo Aleatorio Sistemático
Es un muestreo similar al MAS, en donde cada unidad listada tiene igual probabilidad de ser seleccionada y se diferencia en el proceso de selección de la muestra. Debe calcularse el intervalo de muestreo (N / n) Al azar debe escogerse el primer elemento que entrará en la muestra. De ahí en adelante el resto de los elementos se incluirán sistemáticamente de acuerdo al valor del intervalo hallado.
Ejemplo de MA Sistemático
Se quiere estudiar la distribución de parasitosis gastrointestinal en niños menores de 5 años que asisten a un centro asistencial de un barrio de Corrientes. Conociendo que 2300 niños(N) concurren a dicho centro, se quiere muestrear a 100 (n), se calcula el intervalo de muestreo: 2300/100 = 23 Luego se elige un número al azar (por ejemplo 12) y a partir de la historia clínica número 12 se comienza a muestrear siguiendo con la 35, 58, 81 etc, hasta completar las 100 historias clínicas.
1
2
3
4
12
35
58
Ventajas y desventajas del M.A. Sistemático
Ventajas :
* Fácil de realizar. * Bajos costos de muestreo.
Desventajas :
* Es inapropiado cuando los elementos entran en un patrón secuencial.
Muestreo Aleatorio Estratificado
Consiste en clasificar a la población en subgrupos o estratos (sexo,
edad, etc.)
A cada uno de estos estratos se le realiza un MAS por separado.
Puede se “Proporcional” o “No Proporcional”
La idea es producir estratos heterogéneos entre sí en la variable a estudiar, pero homogéneos dentro de cada uno.
Ejemplo de Muestreo Aleatorio Estratificado (proporcional)
Se quiere estudiar los niveles de colesterol sérico en personas mayores de 45 años con cardiopatía isquémica que concurren a determinado centro de salud asistencial. Para ello se tiene en cuenta la variable sexo como de estratificación, conociendo que el 70% de dicha población es de sexo masculino.
Se decide tomar una muestra de 120 personas.
Proporcional: 70% masculino → 84 varones 30% femenino → 36 mujeres
Ventajas y desventajas del M.A. Estratificado
Ventajas:
* Aumento de la precisión sobre el MAS. * Estimaciones separadas para cada estrato. * Bajos costos de muestreo.
Desventajas:
* Es necesario un marco para cada estrato.
Muestreo Aleatorio en Conglomerados
Si en un estudio determinado no hay disponibilidad de una lista de los elementos de la población o resulta complejo construirla
Se realiza la selección de un conjunto de unidades al que se lo denomina “CONGLOMERADO” por ejemplo: escuelas, barrios, manzanas, policlínicos, etc.
Estos conglomerados constituyen la unidad de muestreo.
La idea es realizar conglomerados lo más heterogéneos dentro de cada uno de ellos y homogéneos entre sí.
Ventajas y desventajas del Muestreo por Conglomerado
Ventajas : o
Reduce costos.
o
En caso que no exista una lista de elementos de la población.
Desventajas: o
Las inferencias que se hacen en dicho muestreo no son tan confiables como las del Muestreo Aleatorio.
o
Menor precisión en las estimaciones.
Muestreos No Probabilísticos:
Muestreo por Juicio: una autoridad elige las unidades que conformarán la muestra.
Muestreo por Conveniencia: se seleccionan aquellas unidades que resulten próximas o disponibles.
Muestreo por cuota: Consiste en seleccionar una muestra cubriendo una “cuota” o cantidad determinada de elementos.
Muestreo por Voluntarios: Es aquel que se realiza con individuos que se ofrecen voluntariamente a participar en un estudio.
VARIABLES
Variables
Una variable es una característica observable que difiere entre los individuos de una población. La información que disponemos de cada individuo es resumida en variables.
En los individuos de la población argentina, de uno a otro es variable:
El grupo sanguíneo
Su nivel de felicidad “declarado”
{Deprimido, Ni fu ni fa, Muy Feliz} Å Var. Ordinal
El número de hijos
{A, B, AB, O} Å Var. Cualitativa
{0,1,2,3,...} Å Var. Numérica discreta
La altura
{1’62 ; 1’74; ...} Å Var. Numérica continua
Tipos de variables
Cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un número (no se pueden hacer operaciones algebraicas con ellos)
Nominales: Si sus valores no se pueden ordenar
Sexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)
Ordinales: Si sus valores se pueden ordenar
Mejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor
Tipos de variables
Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones algebraicas con ellos)
Discretas: Si toma valores enteros
Número de hijos, Número de cigarrillos, número de convivientes
Continuas: Si entre dos valores, son posibles infinitos valores intermedios.
Edad, Altura, Presión intraocular, Dosis de medicamento administrado, temperatura
Es buena idea codificar las variables como números para poder procesarlas con facilidad en un ordenador. Es conveniente asignar “etiquetas” a los valores de las variables para recordar qué significan los códigos numéricos.
Sexo (Cualit: Códigos arbitrarios)
Raza (Cualit: Códigos arbitrarios)
1 = Muy feliz 2 = Bastante feliz 3 = No demasiado feliz
Se pueden asignar códigos a respuestas especiales como
1 = Blanca 2 = Negra 3 = Amarilla, ...
Felicidad Ordinal: Respetar un orden al codificar.
1 = Hombre 2 = Mujer
0 = No sabe 9 = No contesta...
Estas situaciones deberán ser tenidas en cuentas en el análisis. Datos perdidos (‘missing data’)
Aunque se codifiquen como números, debemos recordar siempre el verdadero tipo de las variables y su significado cuando vayamos a usar programas de cálculo estadístico. No todo está permitido con cualquier tipo de variable.
Los posibles valores de una variable suelen denominarse modalidades.
Las modalidades pueden agruparse en clases (intervalos)
Edades:
Hijos:
Menos de 20 años, de 20 a 50 años, más de 50 años Menos de 3 hijos, De 3 a 5, 6 o más hijos
Las modalidades/clases deben forman un sistema exhaustivo y excluyente
Exhaustivo: No podemos olvidar ningún posible valor de la variable
Mal: ¿Cuál es su color del pelo: (Rubio, Moreno)? Bien: ¿Cuál es su grupo sanguíneo?
Excluyente: Nadie puede presentar dos valores simultáneos de la variable
Estudio sobre el ocio
Mal: De los siguientes, qué le gusta: (deporte, cine) Bien: Le gusta el deporte: (Sí, No) Bien: Le gusta el cine: (Sí, No) Mal: Cuántos hijos tiene: (Ninguno, Menos de 5, Más de 2)
