El documento discute los principios y herramientas para determinar el tamaño de muestra apropiado para un estudio. Explica que el tamaño de muestra depende del diseño del estudio, incluyendo los objetivos, alcance y resultados esperados. También cubre principios como la comparabilidad y generalización, y herramientas estadísticas como modificar la magnitud del efecto, error de estimación o nivel de confianza para lograr el volumen de información necesario.
2. ¿Qué
tamaño
de
muestra
necesito?
Una
de
las
primeras
preguntas
que
debe
realizarse
antes
de
emprender
cualquier
encuesta
o
estudio
es:
¿Qué
tamaño
de
muestra
necesito?
La
respuesta
dependerá
del
diseño
del
estudio;
es
decir,
de
los
objetivos,
naturaleza
y
alcance
del
mismo,
y
del
resultado
previsto
del
mismo.
Todo
esto
deberá
tenerse
en
cuenta
en
la
fase
de
planiFicación
del
estudio.
3. ¿Qué
tamaño
de
muestra
necesito?
• Por
ejemplo,
en
un
estudio
sobre
la
eFicacia
de
un
fármaco
contra
una
enfermedad
mortal
como
el
sida,
en
el
que
sería
importante
un
solo
resultado
positivo,
puede
considerarse
intranscendente
el
tamaño
de
muestra.
En
cambio,
para
el
ensayo
de
una
nueva
vacuna
antipalúdica,
el
número
de
sujetos
de
la
muestra
tendrá
que
ser
suFiciente
para
que
se
puedan
comparar
los
efectos
de
la
vacuna
con
los
de
las
medidas
preventivas
existentes.
4. ¿Qué
tamaño
de
muestra
necesito?
• De
igual
manera,
deben
tomarse
en
cuenta
los
resultados
esperados.
Hay
tres
posibles
tipos
de
resultados.
• El
primer
tipo
son
aquellos
en
los
que
existen
dos
alternativas
(sí/no,
vivo/muerto).
• El
segundo
tipo
es
en
el
que
existen
múltiples
alternativas
que
se
excluyen
entre
sí
(grupos
sanguíneos).
• En
estos
dos
tipos
de
resultados,
los
datos
se
expresan
generalmente
en
forma
de
tasas
o
porcentajes.
5. ¿Qué
tamaño
de
muestra
necesito?
• El
Tercer
tipo
abarca
las
variables
de
respuesta
continua
(peso,
edad).
• El
método
estadístico
adecuado
para
determinar
el
tamaño
de
muestra
dependerá
de
la
doble
necesidad
de
saber
cuál
de
estos
tipos
de
resultados
interesa
al
investigador,
y
evitar
un
gasto
excesivo
de
tiempo
y
de
recursos
a
través
de
una
correcta
planiFicación
del
estudio.
6. ¿Por
qué
necesito
una
muestra
tan
grande?
• Con
frecuencia
los
bioestadísticos
que
colaboran
en
investigación
clínica
escuchan,
incluso
con
algo
de
escepticismo:
"¿Por
qué
necesito
una
muestra
tan
grande?".
• Estamos
de
acuerdo
en
la
importancia
de
reducir
al
máximo
el
número
de
casos
incluidos
en
un
estudio.
No
sólo
por
razones
éticas;
también
los
aspectos
económicos
y
logísticos
aconsejan
evitar
grandes
tamaños
de
muestra.
• Pero
todavía
es
peor
que
por
reducir
en
exceso
el
número
de
casos
el
estudio
no
pueda
aportar
nueva
información
y
no
permita,
por
ejemplo,
la
toma
de
decisiones.
8. Principios
• Principio
de
comparabilidad
Los
resultados
observados
podrán
ser
atribuidos
a
los
tratamientos
en
estudio
si
no
existe
ninguna
otra
diferencia
entre
los
grupos.
Para
imputar
causalidad
se
pretende
suprimir
la
inFluencia
de
posibles
causas
restantes
mediante
una
distribución
idéntica
de
las
mismas
entre
los
grupos
que
se
desea
comparar.
Ello
impone
el
uso
de
la
asignación
aleatoria
o
aleatorización
de
las
unidades
experimentales
a
los
tratamientos
en
estudio.
9. Principios
• Principio
de
generalización
Recurre
a
la
estadística
para
realizar
el
salto
entre
la
muestra
estudiada
y
la
población
sometida
a
estudio.
Cuanto
más
se
aproxime
el
tamaño
de
la
muestra
al
de
la
población,
menor
será
el
riesgo
de
extrapolación.
La
inferencia
estadística
estudia
y
cuantiFica
el
riesgo
de
este
salto
y
la
cantidad
de
información
que
proporciona
la
muestra.
10. Herramientas
• Por
otro
lado,
existen
una
serie
de
herramientas
estadísticas
que
el
diseño
de
experimentos
pone
a
nuestro
alcance
para
reducir
el
tamaño
muestral.
• El
diseño
de
experimentos
gira
en
torno
a
dos
valores
cruciales:
la
magnitud
del
efecto
que
se
desea
estimar
y
el
error
de
estimación
de
dicho
efecto.
• Para
tener
garantías
de
poder
conseguir
los
objetivos
de
una
investigación,
es
necesario
que
la
información
disponible
tenga
un
volumen
suFiciente
para
poder
ser
extrapolada,
es
decir,
que
el
error
de
estimación
sea
pequeño
respecto
al
efecto
que
se
desea
estimar
11. Herramientas
• Para
alcanzar
este
volumen
de
información
suFiciente,
las
mejores
posibilidades
del
diseño
de
experimentos
consisten
en
modiFicar
alguno
de
los
tres
componentes
de
las
variables
de
la
fórmula.
12. Aumentar
el
valor
del
efecto
• El
valor
del
efecto
es
el
que
es
y
ningún
otro.
No
hay
que
engañarse
aumentando
artiFicialmente
este
valor,
ya
que
sólo
puede
conducir
a
resultados
negativos
que
no
detectan
nada.
• Existen
dos
posibilidades
alternativas
en
el
diseño
experimental:
la
primera
es
concentrarse
en
los
casos
en
los
que
el
efecto
observado
puede
ser
mayor,
pero
se
atenta
contra
el
principio
de
generalización.
• Una
posible
estrategia
consiste
en
conFirmar
en
las
primeras
fases
la
existencia
de
un
efecto,
y
más
adelante
estudiar
la
generalización.
La
segunda
consiste
en
escoger
como
criterio
de
evaluación
aquella
variable
en
la
que
cabe
esperar
un
mayor
efecto.
13. Aumentar
el
número
de
par7cipantes
• Esta
es
una
posibilidad
poco
realista
en
muchos
casos,
pero
que
a
veces
puede
repercutir
en
la
calidad
de
la
información,
por
lo
que
debe
ser
cuidadosamente
estudiada.
14. Disminuir
la
dispersión
• La
dispersión
es
el
resultado
de
la
suma
de
toda
una
serie
de
fuentes
de
variación.
La
variabilidad
se
puede
dividir
en
intraindividual
e
interindividual.
• Para
amortiguar
el
ruido
producido
por
la
variabilidad
interindividual,
el
diseño
de
experimentos
permite
varias
posibilidades:
concentrar
el
estudio
en
un
subgrupo
homogéneo,
estratiFicar,
tomar
el
mismo
sujeto
como
propio
control
aplicando
diseños
cruzados,
etc.
• También
el
análisis
estadístico
permite
reducir
esta
variabilidad
con
un
amplio
abanico
de
herramientas:
mediante
las
comparaciones
de
la
evolución
respecto
a
un
valor
basal
(estudiando
la
diferencia),
o
bien
suprimiendo
la
inFluencia
de
factores
conocidos
sobre
la
variabilidad
ajustando
mediante
métodos
multivariantes.
15. Disminuir
la
dispersión
• La
limitación
de
la
variabilidad
intraindividual
resulta
más
diFícil.
Si
ésta
viene
dada
por
las
condiciones
del
estudio
(hora,
temperatura,
lugar,
etc.),
se
debe
procurar
mantenerlas
constantes.
• Si
la
variabilidad
es
inherente
a
la
medición
en
sí,
baja
Fiabilidad,
para
mejorarla
se
puede
aumentar
el
número
de
mediciones
en
el
análisis
posterior,
tomando
el
promedio
de
dichas
mediciones.
• A
pesar
de
todo,
el
investigador
tiene
la
obligación
de
considerar
el
grado
de
Fiabilidad
de
una
variable,
y
si
éste
no
es
aceptable,
seleccionar
y
estudiar
otras
alternativas
16. Bibliogra=a
1.
Lwanga
SK
&
Lemeshow
S.
Determinación
del
tamaño
de
las
muestras
en
estudios
sanitarios.
Ginebra:
OMS,
1991.
2.
Fleiss
JL.
The
design
and
analysis
of
clinical
experiments.
Nueva
York:
John
Wiley
&
Sons,
1986.
3.
Gómez
C
&
Sanchez,
R.
Calculo
del
tamaño
de
la
muestra
en
psiquiatría
y
salud
mental
(principios
básicos
para
su
estimación).
Rev.
Col.
Psiquiatría,
Vol.
XXVII,
No.
2,
1998.