Tamaño de muestra: Una introducción práctica
Publicado el mayo 18, 2021 por Saul Crandon
Traductora: Pamela Villacorta Landeo – ADIECS. Asociación para el Desarrollo de la Investigación Estudiantil en Ciencias de la Salud
Revisión de traducción: Camila Ailán Mariano
Visión general
El tamaño de muestra es la proporción de la población general que participa en el estudio. En la mayoría de los casos, es importante que la muestra elegida sea representativa de la población general, de modo que cualquier conclusión extraída del estudio pueda extrapolarse razonablemente a los individuos que no participaron directamente.
Tamaño de muestra
Existen varios métodos diferentes para calcular el tamaño de muestra, con muchos factores alternativos que influyen en ellos. Sin embargo, las características comunes incluyen:
- El nivel de significancia
- El poder del estudio
- El tamaño del efecto estimado
Nivel de significancia
Un nivel de significancia de p <0,05 es universalmente aceptado en la mayoría de los campos de investigación. La Asociación Estadounidense de Estadística define el p-valor como “la probabilidad bajo un modelo estadístico específico de que un resumen estadístico de los datos (por ejemplo, la diferencia media muestral entre dos grupos comparados) sea igual o más extremo que su valor esperado”.
Poder
El poder estadístico es la probabilidad de que un estudio detecte un efecto cuando hay un efecto por detectar. Se calcula como:
Potencia = 1 – error β (error de tipo 2)
Un error de tipo ll es no detectar una diferencia significativa cuando en realidad la hay. Esto suele ocurrir cuando el tamaño de la muestra es demasiado pequeño.
En otras palabras, el poder es la capacidad de evitar un resultado falso negativo, es decir, rechazar correctamente la hipótesis nula cuando en realidad es falsa. Si el poder estadístico es alto, la probabilidad de cometer un error de tipo ll, o concluir que no hay efecto cuando, de hecho, lo hay, disminuye. Entonces, cuando mayor sea el nivel de potencia mejor. Sin embargo, un nivel de potencia del 80% es generalmente aceptable en la mayoría de los estudios de investigación clínica. Otras áreas de investigación tendrán diferentes estándares de niveles de potencia.
Tamaño del efecto estimado
Las estadísticas involucradas en el cálculo de un tamaño de muestra específico pueden volverse bastante complejas. Parte de este cálculo implica la introducción de un “tamaño del efecto estimado”. Cuanto menor sea el tamaño del efecto estimado que desee obtener, mayor debe ser la muestra. Es vital que el tamaño del efecto estimado utilizado en el cálculo esté debidamente justificado. Como esta figura es generada por el usuario, los investigadores pueden manipularla para lograr una la cifra del tamaño de muestra que desean. Para combatir esto, los tamaños del efecto estimado deben basarse en una multitud de fuentes, incluida evidencia previa de alta calidad y la experiencia clínica.
Consideraciones adicionales
También es importante considerar las tasas esperadas de deserción o muerte en el área de investigación relevante. Por lo tanto, el cálculo producirá una reserva de participantes adicionales para tener en cuenta cualquier pérdida inevitable de números. Nuevamente, las tasas exactas de deserción y / o muerte deben basarse en estudios previos.
Los cálculos del tamaño de la muestra siempre deben realizarse antes del inicio del estudio para eliminar cualquier sesgo o desviación de los protocolos del estudio. Otro factor a considerar también es la practicidad. En el mundo real, los tamaños de las muestras suelen verse influidos por las limitaciones de la administración, los costes y los recursos disponibles.
¿Por qué debería molestarme en calcular el tamaño de mi muestra?
Una de las principales razones por las que los estudios deben tener poder estadístico y deben calcularse los tamaños de las muestras es la ética. No es ético someter a los pacientes a una intervención experimental particular si el estudio no tiene el poder estadístico adecuado para poder detectar cualquier diferencia significativa en primer lugar. Esto no solo expone a los participantes a posibles daños innecesarios, sino que también perjudica significativamente tanto los costos como los recursos.
Resumen y enlaces a calculadoras de poder
Los cálculos del tamaño de la muestra generalmente son necesarios para cualquier estudio clínico bien diseñado. La implementación de estos cálculos debe basarse en p-valor aceptables, poder y un tamaño del efecto justificado. Calcular esta cifra a mano puede resultar bastante arduo para el investigador promedio. Como resultado, existen varias calculadoras en línea que pueden resultar útiles. A continuación se muestran algunos enlaces:
http://powerandsamplesize.com/ [Consultado el 31 de marzo del 2021]
http://www.raosoft.com/samplesize.html [Consultado el 31 de marzo del 2021]
https://www.danielsoper.com/statcalc/category.aspx?id=19 [Consultado el 31 de marzo del 2021]
https://www.surveymonkey.co.uk/mp/sample-size-calculator/ [Consultado el 31 de marzo del 2021]
http://www.nss.gov.au/nss/home.nsf/pages/Sample+size+calculator [Consultado el 31 de marzo del 2021]
*Nota de traductor: el enlace citado en el artículo original de esta traducción ya no existe.
Autor y artículo original: Saul Crandon – Sample size: a practical introduction
Referencias:
[1] Bhalerao S, Kadam P. Sample size calculation. Int J Ayurveda Res. 2010;1(1):55-57. [Internet] [Consultado el 31 de marzo del 2021] Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2876926/
[2] Nickson, C. Power and Sample Size Calculation [Internet]. LITFL. Life In The Fast Lane Medical Blog. [Consultado 31 de marzo 2021] Disponible en: https://lifeinthefastlane.com/ccc/power-and-sample-size-calculation/
*Nota de traductor: el enlace citado en el artículo original de esta traducción no es específico. Puedes encontrar la referencia en la siguiente cita: https://litfl.com/power-and-sample-size/
