Escolar Documentos
Profissional Documentos
Cultura Documentos
9.1. Introduccin
Las tcnicas de muestreo son un conjunto de tcnicas estadsticas que estudian la forma de seleccionar una muestra representativa de la poblacin, es decir, que represente lo ms fielmente posible a la poblacin a la que se pretende extrapolar o inferir los resultados de la investigacin, asumiendo un error mesurable y determinado. Cuando queremos estudiar alguna caracterstica de una poblacin para obtener el mximo de informacin veraz, se nos plantea un problema relacionado con la eleccin de los individuos. Puesto que no podemos estudiar a toda la poblacin por varias razones (proceso largo y coste elevado, entre otros), debemos elegir estudiar una muestra que sea representativa y que nos permita extrapolar los resultados que obtengamos a la poblacin de referencia. Sin embargo, debemos considerar que el empleo de tcnicas de muestreo implica una serie de ventajas y limitaciones. Entre las ventajas se incluyen una mayor eficiencia en trminos econmicos y mayor rapidez de obtencin de resultados. Por ejemplo, si para realizar nuestro
121
9-CAP 9
121
1/12/06, 13:15
estudio necesitamos una muestra de x pacientes, considerando que sta sea representativa de la poblacin de estudio, y recogemos informacin acerca de x + 100, estamos derrochando ms dinero y tiempo del necesario. Si empleamos slo el tamao muestral necesario, seleccionando la muestra de manera que represente lo ms fielmente posible a la poblacin, podremos obtener tambin mayor validez, puesto que el tiempo y dinero ahorrados se podrn emplear en recoger la informacin o variables del estudio con mayor precisin y fiabilidad, implicando una mayor validez interna final del estudio. Por otra parte, entre las limitaciones de las tcnicas de muestreo se incluyen los errores que se pueden cometer, como son el error aleatorio y el error sistemtico o sesgo, de los que hablaremos en este mismo captulo.
122
9-CAP 9
122
1/12/06, 13:15
9-CAP 9
123
1/12/06, 13:15
maciones ms precisas cuanto ms homogneos sean los elementos del estrato y ms heterogeneidad exista entre estratos. As pues, entre las ventajas de este tipo de muestreo es que tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de la variable de estratificacin seleccionada, sin embargo, debe conocerse la distribucin de la poblacin en las variables de estratificacin, clara desventaja de este muestreo. Para obtener la muestra en cada uno de los estratos pueden aplicarse diferentes fracciones de muestreo, pudiendo ser proporcional al tamao en relacin a la poblacin, es decir, la distribucin se realiza de acuerdo con el peso o tamao de la poblacin de cada estrato. Por ejemplo, si de los 5 millones de hipertensos espaoles hay un 35% de pacientes que fuman, podemos estratificar de manera que en nuestra muestra queden representados al igual que en el total de la poblacin, la misma proporcin de hipertensos fumadores (35%) y de no fumadores (65%).
9-CAP 9
124
1/12/06, 13:15
primero los hospitales y despus de haberlos seleccionado, realizamos el muestreo de pacientes dentro del mismo.
Muestreo sistemtico
Requiere un listado completo de la poblacin. Si la constante de muestreo est relacionada al fenmeno de inters pueden encontrarse estimaciones sesgadas. El error estndar es superior al cometido en el muestreo aleatorio simple o estratificado. El clculo del error estndar es complicado.
9-CAP 9
125
1/12/06, 13:15
la muestra ya que la seleccin de los elementos muestrales dependen en gran medida del criterio o juicio del investigador. La muestra, en este caso, se selecciona mediante procedimientos no aleatorios. Los mtodos anteriores (probabilsticos) no son mejores que los no probabilsticos sino que simplemente nos permiten calcular el error muestral que se est cometiendo. Los tipos de muestreo no probabilstico son: muestreo de conveniencia, muestreo discrecional y muestreo por cuotas, de los que pasaremos a explicar brevemente: o Muestreo de conveniencia. El investigador decide qu individuos de la poblacin pasan a formar parte de la muestra en funcin de la disponibilidad de los mismos (proximidad con el investigador, amistad, etc.). o Muestreo discrecional. La seleccin de los individuos de la muestra es realizada por un experto que indica al investigador qu individuos de la poblacin son los que ms pueden contribuir al estudio. Este muestreo es adecuado si dentro de la poblacin que queremos estudiar, existen individuos que no queremos que se nos escapen por utilizar un mtodo totalmente aleatorio o de conveniencia. o Muestreo por cuotas. Si se conocen las caractersticas de la poblacin a estudiar, se elegirn los individuos respetando siempre ciertas cuotas por edad, gnero, zona de residencia, entre otras que habrn sido prefijadas.
9-CAP 9
126
1/12/06, 13:15
Veamos un ejemplo. Pretendemos estudiar la prevalencia de Diabetes Mellitus 2 y no conocemos el valor aproximado de la proporcin de diabticos en la poblacin. Considerando un nivel de confianza al 95% y una precisin deseada del 6%, la muestra necesaria para nuestro objetivo sera de:
127
9-CAP 9
127
1/12/06, 13:15
Si la poblacin de la que pretendemos estudiar la prevalencia de DM en una cierta ciudad, donde viven 20000 habitantes (poblacin finita), con el mismo nivel de confianza y precisin deseados que en el ejemplo anterior, necesitaramos una muestra de:
Para poblaciones con un nmero de individuos elevado no es necesario disponer del total de la poblacin, puesto que ambas frmulas proporcionan el mismo tamao muestral. o Para estimar una media En el caso de la estimacin de una media, como puede ser el media del colesterol, se debe tener una idea de la varianza (S2) de la distribucin de la variable. Para la estimacin de una media se calcula el tamao muestral como: 1- : nivel de confianza deseado. Z : valor de la distribucin normal para el nivel de confianza 1- . S: desviacin estndar estimada. e: precisin deseada. Como en el caso anterior, el clculo de la muestra en el caso de poblaciones finitas debe calcularse a partir de una nueva frmula, aunque para poblaciones elevadas proporcionan tambin el mismo tamao muestral.
n= N* Z 2 * S2 e * (N-1)+ Z 2 * S2
2
9-CAP 9
128
1/12/06, 13:15
que la eficacia del tratamiento habitual est alrededor del 70% y se considerar el nuevo frmaco clnicamente relevante si alivia el dolor en un 90%. Fijamos el riesgo en 0,05 y deseamos un poder estadstico del 80%:
p1 : valor de la proporcin en el grupo de referencia p2: valor de la proporcin en el grupo del nuevo tratamiento p : media de las dos proporciones p1 y p2
129
9-CAP 9
129
1/12/06, 13:15
siendo
Por ejemplo, supongamos que entre los 264 sujetos estudiados encontramos un 11% de diabticos. Para estimar el verdadero porcentaje de pacientes diabticos, asumiendo que la muestra es representativa de la poblacin, debemos calcular el IC. El IC del 95% tiene por lmites 7,1% y 14,8%, encontrando el verdadero porcentaje de diabticos en la poblacin de estudio entre el estos valores, con el 95% de confianza.
9-CAP 9
130
1/12/06, 13:15
cuidadosamente planteado, se deben identificar todos los posibles orgenes de sesgos e intentar controlarlos. El sesgo de seleccin no suele ser controlable en la fase de anlisis.
131
9-CAP 9
131
1/12/06, 13:15
132
9-CAP 9
132
1/12/06, 13:15