Escolar Documentos
Profissional Documentos
Cultura Documentos
Mentefacto conceptuale como estrategi didcticos s a pedaggic de los concepto bsico de la teora de a s s muestre aplicado en investigaci en salud C onceptuals o s n
M entefacto as a Didactic-Pedagogical s S trategyof the B a sicC o ncep ts the in S am plingT heoryA pplyedto the H ealth R esearch
MilcadesIbez Pinilla*
R esum en
En muestreo poblacional es de vital impor- tancia tener claridad y distinguir: primero, el diseo o tipo de muestreo que se debe utilizar para resolver el problema de investigacin; se- gundo, el tamao de muestra, teniendo en cuenta sus diferentes componentes (varianza, precisin y confiabilidad ); tercero, la seleccin aleatoria, y cuarto, la precisin de las estimaciones (erro- res de muestreo), para determinar si es posible inferir las estimaciones obtenidas de la muestra a la poblacin blanco. La dificultad existente al utilizar los conceptos de la teora de muestreo es entenderlos con absoluta claridad y, por esto, con la ayuda de estrategias didctico-pedaggi- cas como los mentefactos conceptuales (dia- gramas simples jerrquicos que se organizan a partir de proposiciones) es posible la definicin conceptual de estos. En este artculo se presenta la definicin conceptual mediante mentefactos conceptuales de los conceptos ms importantes de muestreo probabilstico poblacional, para obtener muestras representativas de poblaciones en investigaciones en salud. Palabras clave: Mentefacto conceptual, muestreo probabilstico, confiabilidad, precisin.
bility, variance); third, random selection and fourth, the precision estimate (sampling errors), so as to determine if it is possible to infer the obtained estimates from the target population. The existing difficulty to use concepts from the sampling theory is to understand them with absolute clarity and, to achieve it, the help from didacticpedagogical strategies arranged as con- ceptual mentefactos (simple hierarchic dia- grams organized from propositions) may prove useful. This paper presents the conceptual defi- nition, through conceptual mentefactos, of the most important populational probabilistic sam- pling concepts, in order to obtain representative samples from populations in health research. Key Words: Conceptual Mentefacto, Probabilistic Sampling, Reliability, Precision.
Introduccin
Uno de los problemas en todas las reas del conocimiento es la falta de manejo de los conceptos; ocurre de la misma forma en el rea de investigacin y, especficamente, en Epidemiologa y Bioestadstica, que son las principa- les herramienta s para la planeacin, ejecucin y toma de decisiones. Para aprehender (con h) y comprender los conceptos, que son instrumento s de conocimienRecibido M arzo22 de 2006. : Aceptado Abril 18 de 2006. : *Doce Investgador, Investgacin Universi del nte i i dad R osario.
Abstract
In populational sampling it is vitally im- portant to clarify and discern: first, the design or sampling method used to solve the research problem; second, the sampling size, taking into account different components (precision, relia-
Ibez M.
tos, el profesor Miguel de Zubira Samper de la Fundacin Supraordinada: Es una clase que contiene por completo Alberto Merani en Colombia, basa- do en la teora a otra. cognitiva, desarroll propuestas pedaggicas mediante los Exclusiones: Son las clases que se oponen o se excluyen mentefactos concep- tuales, durante el perodo de 1995 mutuamente, se asocia con la operacin de excluir o a 1996. Es- tos mentefactos son muy diferentes a una de negar un nexo entre dos clases adyacentes. las herramientas ms utilizadas y aceptada por la Isoordinada: Establece alguna correspon- dencia no comunidad educativa, a saber: los mapas concep- tuales. total y se asocia con la operacin o nexos entre clases Estos ltimos fueron creados por Joseph Novak, alumno adyacentes. de David Ausubel, y parten de la tesis segn la cual las Infraordinada: Varias subclases de una clase. proposiciones son ins- trumentos de conocimiento. Sin embargo, los mapas conceptuales, no eran Se definir cada una de stas y se realizar un ejemplo, conceptuales, son mapas proposicionales, sin jerarqua ni tomando el concepto de amistad. orden. Por el contrario, los men- tefactos son Al concepto amistad, lo delimitan las siherramientas para organizar el co- nocimiento que s guientes proposiciones en su respectivo orden: tienen estas caractersticas; los mentefactos recurren a simples diagramas y con la ayuda de estos permiten tener Proposiciones claridad en los conceptos (1). Si en investigacin se Supraordinacin: manejan correctamente los conceptos relacionados con (La amistad) es un tipo de relacin inter- personal. P1. muestreo y estos se aplican en los diferentes estudios, Exclusiones: se obtendr con mayor probabilidad un conocimiento P2a. La amistad es diferente del compaeris- mo, por claro para obtener una mues- tra representativa de la requerir la interaccin interpersonal en mltiples poblacin diana de su investigacin. actividades, no tan solo en una. P2b. (La amistad) discrepa del colegaje, pues pertenecer a una profesin, de suyo, no exi- ge intercambios Un mentefacto es un diagrama jerrquico cognitivo interpersonales. Mucho menos, intercambios que organiza y preserva el conocimien- to, en l se plasman prolongados ni nti- mos, como s lo exige la amistad. las ideas fundamentales y se desechan las secundarias. Los Isoordinaciones: mentefactos con- ceptuales realizan dos funciones: P3a. La amistad requiere de altos niveles de organizan las proposiciones y preservan los conceptos as intimidad. alma- cenados, mediante un diagrama simple jerrqui- coInfraordinaciones: Antes de construir un mentefacto conceptual se deben P4a. De acuerdo con el gnero de los participan- tes, (la construir las proposiciones (1). Para es- tructurarla s y amistad) bien podra dividirse en amistad homosocial organizarlas en supraordinadas, ex- clusiones, isoordinadas e y amistad heterosocial. infraordinadas, definidas de la siguiente forma:
Mentefactos
conceptuales
R e v C ie n . S a lu d B o g o ( C o lo m b )ia4 ( E s p e c ia: l6 2 - 7 2 o c t u be de 2 0 06 / 63 . c . t ) , r
Figura 1. Mentefacto conceptual del concepto amistad Esta figura define am istad que es diferente a . compaerismo a colegajey donde su caracterstica y ms importante son los altos niveles de intimidad.
A MI ST A D Co nc ep to
2b. Colegaje (Exclusin)
de en
Antes de definir la muestra en un estudio, se deben establecer los diferentes tipos de pobla- cin, donde la poblacin de estudio se puede caracterizar en diferentes niveles de poblacin: el primer nivel es la poblacin diana o blanco (target), sobre la cual se infieren los resultados de la investigacin, y el segundo nivel es la po- blacin accesible, definida por el marco muestral (mecanismo de identificacin de la poblacin, por
ejemplo, lista, bases de datos y cartografa) y sobre los sujetos con los cuales se tiene acceso directo. Dentro de la poblacin accesible, se apli- can los criterios de seleccin que permiten esta- blecer un tercer nivel, la poblacin elegible, que son los elementos elegidos finalmente y que estn dados por los criterios de seleccin, especficamente los criterios de inclusin y exclu-
sin (2).
La decisin de tomar toda la poblacin o una muestra depende de los objetivos de la investi- gacin, el tamao de la poblacin, los recursos destinados para llevar a cabo el estudio, el tiem- po de realizacin de la investigacin y otros as- pectos no tan relevantes como los anteriores. Cuando al evaluar los aspectos anteriores no es posible tomar toda la poblacin, lo adecuado es tomar una muestra representativa , la cual per- mite mayor economa de tiempo, dinero, perso- nal humano y, principalmente, permite que la calidad de la informacin sea muy alta, compa- rada con la de tomar todos los elementos de la poblacin. Lo anterior, debido a que se puede ejercer un estricto control sobre la recoleccin y depuracin de la informacin y que los errores llamados no-muestrales como la no-respuesta y las inconsistencias de codificacin errada dismi- nuyan; para que esta muestra sea representativa, la muestra debe realizarse mediante muestreo probabilstico (mentefacto 1) (2-4).
Una de las preguntas que se hace el investi- gador al escoger su diseo o tipo de muestreo probabilstico es cul es el tamao de muestra adecuado para el estudio? La respuesta a esta pregunta depende de los componentes meto- dolgicos que intervienen en la determinacin del tamao de muestra como son: la formula- cin del problema de investigacin (pregunta y/o hiptesis de investigacin), los objetivos del estudio, el tipo de estudio, los tipos de escala de medicin de las variables de estudio y los parmetros a estimar (prevalencia, Odds ratio, riesgos relativos, diferencia de proporciones, de medias, medianas, etc.) Los componentes matemticos para determi- nar el tamao de muestra poblacional, son: la variabilidad de la(s) variable(s) dependiente(s), calculada por la varianza (mentefacto 2); la pre- cisin del estimador (mentefacto 3); la con- fiabilidad de la estimacin (mentefacto 4); tamao de la poblacin; potencia (en caso de evaluar hiptesis de investigacin). Finalmente, la seleccin de los sujetos (unidades mues- trales) de estudio del tamao de muestra obtenido; para mantener las probabilidades, debe realizarse en forma aleatoria (mentefacto 5) y no por azar ni por conveniencia. La desventaja del muestreo probabilstico est dada por no tomar toda la poblacin completa y esto da origen a un tipo de error llamado error de muestreo, que resulta de haber tomado solo una muestra de toda la poblacin. Cada una de estas posibles muestras da resultados en alguna medida diferentes entre s. La variabilidad que se observa entre todas muestras posibles constituye el error de muestreo, el cual no se conoce pero puede ser estimado a partir de los datos suministrados por la muestra seleccionada. El error de muestreo se mide por el error estndar de un estimador y se define como la raz cuadrada positi-
va de la varianza de la variable del estimador dividido por el tamao de muestra y ajustado por el factor de correccin por finitud (mentefacto 6). En general, el error estndar mide el grado de precisin con que el estimador, basado en la mues- tra, se aproxima al resultado que se habra obte- nido si se hubiera tomado a todos los sujetos de la poblacin (5, 9). En conclusin, para definir muestra repre- sentativa se debe tener en cuenta que el tipo de muestreo debe ser probabilstico, con un tama- o de mnimo de muestra basado en las varia- bles principales del estudio y con una alta precisin (<=5%) y confiabilidad (>= 95%), la seleccin de los sujetos debe ser aleatoria y aposteriori deben medirse los errores estndar de muestreo y estar dentro de los parmetros de calidad de estimaciones dado por el departamen- to de estadstica del Canad, con los cuales se pueden inferir los resultados (estimaciones) a la poblacin diana o blanco de estudio.
R e v C ie n . S a lu d B o g o ( C o lo m b )ia4 ( E s p e c ia: l6 2 - 7 2 o c t u be de 2 0 06 / 65 . c . t ) , r
En un muestreo probabilstico como se defi- ni se Diseo muestral tienen en cuenta las probabilidades, que en este caso Mentefacto 1. Muestreo probabilstico (figura estn dadas por el cociente entre el tamao de la muestra 2) Proposiciones y el de poblacin: Supraordinada:
p=
17%
P1. El muestreo probabilstico es uno de los ti- pos de muestreo de investigacin. Exclusiones
Donde un estudiante tiene una probabilidad de 0.17 P2a. Diferente del no-probabilstico, por cuanto los (17%) de pertenecer a la muestra. La seleccin fue en elementos no tienen una probabili- dad forma aleatoria mediante la fun- cin aleatoria conocida de ser seleccionadas, como ocurre en las (distribucin uniforme (0,1)), con la cual se garantizaron muestras probabilsticas. las probabilidades que tenan los estudiantes de los Isoordinadas colegios distritales tcnicos de conformar la muestra. P3a. En el muestreo probabilstico, los elemen- tos Al realizar el estudio (a posteriori) se esti- m una tienen una probabilidad conocida de ser prevalencia de consumo de cigarrillo del 41.1% (IC seleccionadas. 95%: 38.4%, 43.9%) con un error estndar simple de P3b. En el muestreo probabilstico se utiliza un 0,01420183 y un error estndar relativo de 3.40% sistema de seleccin aleatoria, que ga- rantiza (considerado como un buen estimador con calidad A la probabilidad especfica de cada unidad de ser segn es- tndares del Canad). Con estos errores se seleccionada. pue- de estimar la precisin de la estimacin de la P3c. La representatividad de la muestra frente a prevalencia de consumo de cigarrillo obtenida de la la poblacin blanco es medible en mues- treos muestra con respecto a la poblacin total de estudiantes probabilsticos, mediante el error de muestreo o tcnicos de Bogot en el 2006. Por tcnicamente llamado error estndar. lo tanto, teniendo en cuenta la definicin de Infraordinada P4a. Los tipos de muestreo probabilstico son: m u c o
P4b. Otra clasificacin que se puede realizar en los muestreos probabilsticos es: 1. Sin reemplazamiento. 2. Con reemplazamiento.
Figura 2. Mentefacto conceptualdel conceptode muestreoprobabilstico (1). E sta figura define muestreo probabilstico que es diferente al no-probabilsticoy donde las caractersticas s importantesque lo diferencianes m que en ste se conocenlas probabilidades conform arla muestra,la seleccindebe ser aleatoria y se generan de estim adores precisinde la muestrapara de inferir a la poblacin.
1.Tipos de
Muestreo Probabilstico
2a. Muestreo noprobabilstico
Tamao de muestra Mentefacto 2. Varianza (figura 3) Proposiciones Supraordinada P1. Un componente para la determinacin del tamao de muestra en un estudio es la varianza. Exclusiones P2a. Diferente de la precisin, debido a que sta mide el error admisible del estimador frente al parmetro y no la variabilidad de las ob-
P2b. Diferente de la confiabilidad, debido a que sta mide la confianza o probabilidad que el estimador se encuentre dentro de un inter- valo de precisin. Isoordinada
P3a. La varianza mide la variabilidad o disper- sin de las observaciones de la variable de- pendiente del estudio. Infraordinada P4a. Se pueden medir dos tipos de varianza, la muestral y la poblacional
ssssgggg algg
R e v C ie n . S a lu d B o g o ( C o lo m b )ia4 ( E s p e c ia: l6 2 - 7 2 o c t u be de 2 0 06 / 67 . c . t ) , r
Figura3. Mentefacto conceptualdel conceptode la varianza(2). Esta figura define la varianza diferente a precisiny confiabilidad, y donde la caractersticams importante que la diferencia es que sta m ide la dispersinde las observaciones la variabledependiente. de
Varianza
4a. Muestral
4a.Poblacional
que el estimador se encuentre dentro de un intervalo, dado por la precisin. Isoordinadas Proposiciones P3a. La precisin mide la exactitud o cantidad de error Supraordinada mximo que se puede tolerar de la estimacin P1. La precisin de la estimacin de la variable frente al parmetro, antes de obtener los dependiente es un componente para la deresultados del estudio. terminacin del tamao de muestra. Infraordinada Exclusiones P4a. Se pueden medir dos tipos de precisin en la P2a. Diferente de la varianza que mide la varia- bilidad o determinacin del tamao de muestra, la absoluta dispersin de las observaciones de la variable y relativa. dependiente del estudio y no el error admisible de la estimacin. P2b. Diferente de la confiabilidad, debido a que sta mide la confianza en probabilidad
Figura 4. Mentefacto conceptualdel conceptode precisin (3). E sta figura define la precisin diferente a la variabilidady confiabilidad, y donde la caractersticams importante que la diferenciaes que sta mide el error admisiblede estimadorfrente al parmetropoblacional.
Precisin
2a.Variabilidad
2b. Confiabilidad
4a. Absoluta
4a. Relativa
Mentefacto 4. Confiabilidad
Proposiciones Supraordinada P1. La confiabilidad de la estimacin de la va- riable dependiente del estudio es un com- ponente para la determinacin del tamao de muestra en un estudio. Exclusiones
P2a. Diferente de la varianza que mide la varia- bilidad o dispersin de las observaciones
de la variable dependiente del estudio y no la confiabilidad de la estimacin. P2b. Diferente de la precisin, debido a que sta mide el error admisible del
estimador frente al parmetro y no la confiabilidad de la estimacin. Infraordinada P4a. Se pueden medir dos tipos de confiabilidad, una relacionada con la muestra y otra con hiptesis estadsticas.
R e v C ie n . S a lu d B o g o ( C o lo m b )ia4 ( E s p e c ia: l6 2 - 7 2 o c t u be de 2 0 06 / 69 . c . t ) , r
Figura 5. Mentefacto conceptualdel conceptode confiabilidad (4). E sta figura define la confiabilidad diferente a variabilidady precisin,y donde la caractersticams importante que la diferencia es que sta m ide la probabilidaddel estimadordada por una precisinestablecida.
3a. Probabilidad de que el estimador de un parmetro de la poblacin, est en el intervalo dado por la precisin.
Confiabilidad
2a.Variabilidad
Precisin
2b.
P1. Una forma de seleccin de los sujetos del estudio es de forma aleatoria. Exclusiones
P2a. Diferente de la seleccin por conveniencia que la Isoordinadas realiza a criterio del investigado r. P3a. La seleccin aleatoria es un mecanismo de P2a. Diferente del azar que busca una seleccin escogencia sin sesgo que tiene un mtodo que lo sin sesgo, pero no tiene un mtodo que la garantice. garantiza. Infraordinada P4a. Se pueden tener dos mecanismos aleatorios el de Fan Muller y el coordinado negativo (10) y dos formas de escogencia aleatoria, mediante muestreo aleatorio simple y muestreo sistemtico lineal.
Figura 6. Mentefacto conceptualdel conceptode seleccinaleatoria (5). E sta figura define seleccinaleatora i diferente a conven iencia o azar, y donde la caracterstca ms importante que la diferencia es que en la aleatoria i se utiliza un mtodo vlido de seleccinque garantizalas probabilidades.
1.Seleccin de sujetos
Aleato
ria
4a. Fan Muller 4a. Coordinado negativo 4b. Muestreo aleatorio 4b. Muestreo simple y aleatorio simple y sistemtico sistemtico lineal.lineal.
Precisin
Mentefacto 6. Error estndar de muestreo Proposiciones Supraordinada P1. Un componente para medir la precisin de la muestra frente a la poblacin es el error estndar de muestreo. Exclusiones P2a. Diferente de la desviacin estndar que mide la dispersin o variabilidad de una serie de observaciones de una variable de estudio.
Isoordinadas P3a. El error de muestreo mide la variabilidad o dispersin del estimador de una muestra de tamao n, frente al valor poblacional o parmetro, a partir de los resultados del estudio. Infraordinada P4a. Se pueden medir el error de muestreo de dos formas, con el error estndar simple y con el error estndar relativo.
R e v C ie n . S a lu d B o g o ( C o lo m b )ia4 ( E s p e c ia: l6 2 - 7 2 o c t u be de 2 0 06 / 71 . c . t ) , r
Figura 7. Mentefacto conceptualdel conceptode error de muestreo(6). E sta figura define el error de muestreoy donde la caracterstica ms importante que la diferenciaes que sta m ide el grado de error del estimadordado por la variabilidadde ste frente al parmetro(a posteriori).
3a. Estimacin del grado de error del estimador del estudio frente al parmetro aposteriori.
Error estndar
de muestreo
Agradecimientos
Al profesor de Docencia Universitaria Pedro Daza, por su excelente enseanza pedaggica de los mentefactos conceptuales.
Bibliografa
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Zubira Samper, M. Mentefactos I. Edicin 1. Bogot;1997. Rebagliato, M., Ruiz I. y Arranza, M. Metodologa de investigacin en epidemiologa. Editorial Daz Santos;1996. Pardo de Vlez, G., Cedeo Collazos, M. Investigacin en salud: Factores sociales. Mc-Graw-HillInteamericana;1997. Pineda, lvarez Y Canales, Metodologa de la investigacin. Organizacin Panamericana de la Salud y Organizacin Mundial de la Salud. Segunda edicin;1994: 108-123. Mood, Graybill and Boes. Introduction to the theory of statistics. Mc-Graw-Hill Series in probability and statistics;1974. Ospina Botero, D. Muestreo y aplicaciones (parte terica). Bogot: Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Matemticas y estadstica;1992: 220-229. Cochran, W. Tcnicas de muestreo. Compaa Editorial Continental;1971. Lemeshow, S. Lawanga, K. Stephen, Adequacy of sample size in health studies. John Wiley and Sons;1990. Tryfos, M. Sampling methods for applied research. John Wiley and Sons;1996. Sarndal, Carl-Erik. Swensson Bengt y Wretman Jan. Model Assisted Survey Samplling;Spring 1992.