Como calcular el tamaño de muestra para un estudio

Cálculo del tamaño de la muestra Estudio observacional

Un aspecto de vital importancia de cualquier estudio es determinar el tamaño de muestra adecuado para responder a la pregunta de investigación. Este módulo se centrará en las fórmulas que pueden utilizarse para calcular el tamaño de la muestra necesario para producir una estimación del intervalo de confianza con un margen de error especificado (precisión) o para garantizar que una prueba de hipótesis tenga una alta probabilidad de detectar una diferencia significativa en el parámetro.

Los estudios deben diseñarse de modo que incluyan un número suficiente de participantes para abordar adecuadamente la pregunta de investigación. Los estudios que tienen un número inadecuado de participantes o un número excesivamente grande de participantes son un desperdicio en términos de tiempo de los participantes e investigadores, recursos para llevar a cabo las evaluaciones, esfuerzos analíticos, etcétera. Estas situaciones también pueden considerarse poco éticas, ya que se puede haber puesto en peligro a los participantes como parte de un estudio incapaz de responder a una pregunta importante. Los estudios mucho más amplios de lo necesario para responder a las preguntas de la investigación también son un despilfarro.

Regla empírica del tamaño de la muestra

Esta explicación de términos de investigación apareció por primera vez en una columna periódica titulada "Lo que los investigadores entienden por..." que se publicó en el boletín At Work del Instituto de Trabajo y Salud durante más de 10 años (2005-2017). La columna cubría más de 35 términos de investigación comunes utilizados en las ciencias sociales y de la salud. La colección completa de términos definidos está disponible en línea o en una guía que puede descargarse del sitio web.

Pocos de nosotros leemos informes de investigación con la intención de criticar la metodología. Los resultados son la atracción principal, el motivo de la lectura en primer lugar. Pero los investigadores dedican gran parte de su tiempo a planificar cómo se llevarán a cabo sus estudios. ¿No deberíamos prestar más atención? Como le dirá cualquier investigador decente, los resultados de un estudio son tan buenos como su diseño. El tamaño de la muestra y la potencia son elementos clave del diseño de un estudio.

El tamaño de la muestra se refiere al número de participantes u observaciones incluidos en un estudio. Este número suele representarse por n. El tamaño de una muestra influye en dos propiedades estadísticas: 1) la precisión de nuestras estimaciones y 2) la potencia del estudio para extraer conclusiones.

Cálculo del tamaño de la muestra Estudio de cohortes

El nivel de confianza es una medida de certeza sobre la exactitud con la que una muestra refleja la población estudiada dentro de un intervalo de confianza elegido. Los niveles de confianza más utilizados son el 90%, el 95% y el 99%, cada uno de los cuales tiene su puntuación z correspondiente (que puede calcularse utilizando una ecuación o tablas ampliamente disponibles, como la que se proporciona a continuación) en función del nivel de confianza elegido. Tenga en cuenta que el uso de puntuaciones z presupone que la distribución del muestreo es normal, como se ha descrito anteriormente en "Estadísticas de una muestra aleatoria". Dado que un experimento o encuesta se repite muchas veces, el nivel de confianza indica esencialmente el porcentaje de veces que el intervalo resultante hallado a partir de pruebas repetidas contendrá el resultado verdadero.

En estadística, un intervalo de confianza es un rango estimado de valores probables para un parámetro de población, por ejemplo, 40 ± 2 o 40 ± 5%. Tomando como ejemplo el nivel de confianza del 95%, comúnmente utilizado, si se tomara una muestra de la misma población varias veces y se hicieran estimaciones del intervalo en cada ocasión, en aproximadamente el 95% de los casos, el verdadero parámetro de la población estaría contenido en el intervalo. Obsérvese que la probabilidad del 95% se refiere a la fiabilidad del procedimiento de estimación y no a un intervalo concreto. Una vez calculado el intervalo, éste contiene o no el parámetro poblacional de interés. Algunos factores que afectan a la amplitud de un intervalo de confianza son: el tamaño de la muestra, el nivel de confianza y la variabilidad dentro de la muestra.

Cálculo de la potencia de la muestra

En primer lugar, un estudio demasiado pequeño tiene más probabilidades de generar resultados no concluyentes, incorrectos o espurios. Esto se debe a que una muestra de menor tamaño generará estimaciones con mayor variación. Estas estimaciones serán entonces menos útiles para modelizar y comprender las verdaderas cuestiones subyacentes de interés en un estudio.

En segundo lugar, los estudios que tienen más probabilidades de fracasar debido a un tamaño de muestra inadecuado se consideran poco éticos. Esto se debe a que exponer a sujetos humanos o animales de laboratorio a los posibles riesgos asociados a la investigación sólo se justifica si existe una posibilidad realista de que el estudio aporte información útil. Además, un estudio demasiado grande se enfrenta al mismo problema ético y también desperdiciará recursos escasos como dinero, sujetos y tiempo.

Por estas razones, la justificación del tamaño de la muestra es una parte estándar del diseño de un estudio. Tanto si se trata del Nature Publishing Group como de la Federal Drug Administration (FDA), un estudio que no justifique el tamaño de su muestra tiene más posibilidades de ser rechazado, sometido a escrutinio o fracasado.