¿Qué son los métodos de muestreo y cómo se elige el mejor?

Publicado el junio 1, 2021 por

Práctica clínica

Este tutorial presentará los métodos de muestreo y los posibles errores de muestreo que hay que evitar cuando se lleva a cabo una investigación médica.

Contenido:

  1. Introducción a los métodos de muestreo
  2. Ejemplos de diferentes métodos de muestreo
  3. Elección del mejor método de muestreo

 

Introducción a los métodos de muestreo

Es importante entender por qué tomamos muestras de la población; por ejemplo, los estudios son elaborados para investigar las relaciones entre los factores de riesgo y enfermedad. En otras palabras, queremos averiguar si se trata de una asociación verdadera, sin dejar de buscar el mínimo riesgo de errores como: el azar, el sesgo o factor de confusión.

Sin embargo, esto no sería factible para experimentar en toda la población, tendríamos que tomar una buena muestra y tratar de reducir el riesgo de tener errores mediante una técnica de muestreo adecuada.

 

¿Qué es un marco de muestreo?

Un marco de muestreo es un registro de la población objetivo que contiene todos los participantes de interés. En otras palabras, es una lista de la que podemos extraer una muestra.

 

¿Cómo es una buena muestra?

Una buena muestra debe ser un subconjunto representativo de la población que nos interesa estudiar, por lo que cada participante tiene las mismas posibilidades de ser seleccionado al azar en el estudio.

 

Ejemplos de diferentes métodos de muestreo

Podemos elegir un método de muestreo basado en si queremos tener en cuenta el sesgo del muestreo; a menudo se prefiere un método de muestreo aleatorio sobre un método no aleatorio por esta razón. Los ejemplos de muestreo aleatorio incluyen: muestreo simple, sistemático, estratificado y por conglomerados. Los métodos de muestreo no aleatorio son susceptibles de sesgo, y los ejemplos más comunes son: muestreo de conveniencia, intencional, de bola de nieve y de cuotas. En el caso de este blog nos centraremos en los métodos de muestreo aleatorio.

 

Simple:

Ejemplo: Queremos realizar un ensayo experimental en una población pequeña como: empleados en una empresa, o estudiantes en una universidad. Incluimos a todos en una lista y utilizamos un generador de números aleatorios para seleccionar a los participantes

Ventajas: Posibilidad de obtener resultados generalizables, muestreo aleatorio, el marco de muestreo es toda la población, cada participante tiene la misma probabilidad de ser seleccionado.

Desventajas: Menos preciso que el método estratificado, menos representativo que el método sistemático.

 

Sistemática:

Ejemplo: Cada enésimo paciente entrante a la clínica ambulatoria es seleccionado e incluido en nuestra muestra.

Ventajas: Más factible que los métodos simples o estratificados, no siempre se requiere un marco de muestreo

Desventajas: La generalizabilidad puede disminuir si las características de base se repiten en cada enésimo participante.

 

Estratificado:

Ejemplo: Tenemos una gran población (una ciudad) y queremos asegurar la representatividad de todos los grupos con una característica predeterminada como: grupos de edad, origen étnico y género.

Ventajas: Inclusión de estratos (subgrupos), resultados fiables y generalizables.

Desventajas: No funciona bien con variables múltiples.

 

Conglomerados:

Ejemplo: 10 escuelas tienen el mismo número de estudiantes en todo el condado. Podemos seleccionar aleatoriamente 3 de las 10 escuelas como nuestros conglomerados

Ventajas: Fácilmente realizable con la mayoría de los presupuestos, no requiere un marco de muestreo.

Desventajas: Los resultados pueden no ser fiables ni generalizables.

 

¿Cómo se pueden identificar los errores de muestreo?

La selección no aleatoria aumenta la probabilidad de sesgo de muestreo (selección), si la muestra no representa a la población que queremos estudiar. Podríamos evitarlo mediante un muestreo aleatorio y asegurando la representatividad de nuestra muestra con respecto al tamaño de esta.

Un tamaño de muestra inadecuado disminuye la confianza en nuestros resultados, ya que podemos pensar que no hay diferencias significativas cuando en realidad sí las hay. Este error de tipo dos es el resultado de tener un tamaño de muestra pequeño, o de que los participantes abandonen la muestra.

En la investigación médica de enfermedades, si seleccionamos a personas con ciertas enfermedades mientras excluimos estrictamente a los participantes con otras comorbilidades, corremos el riesgo de un sesgo de pureza de diagnóstico en el que no están representados subgrupos importantes de la población.

Además, puede producirse un sesgo de medición durante la recopilación de los factores de riesgo por parte de los participantes (sesgo de recuerdo) o la evaluación de los resultados, donde las personas que viven más tiempo se asocian con el éxito del tratamiento, cuando en realidad las personas que murieron no se incluyeron en la muestra o en el análisis de los datos (sesgo de supervivencia).

 

Elección del mejor método de muestreo

Siguiendo los pasos que se indican a continuación podríamos elegir el mejor método de muestreo para nuestro estudio de forma ordenada.

 

Objetividad de la investigación

En primer lugar, una pregunta y un objetivo de investigación precisos nos ayudarían a definir nuestra población de interés. Si el tamaño de nuestra muestra calculada es pequeño, sería más fácil obtener una muestra aleatoria. Si, por el contrario, el tamaño de la muestra es grande, deberíamos comprobar si nuestro presupuesto y recursos pueden soportar un método de muestreo aleatorio.

 

Disponibilidad del marco de muestreo

En segundo lugar, tenemos que comprobar la disponibilidad de un marco de muestreo (Simple), si no, podríamos hacer una lista propia (Estratificada). Si ninguna de las dos opciones es posible, podríamos utilizar otros métodos de muestreo aleatorio, por ejemplo, el muestreo sistemático o conglomerados.

 

Diseño del estudio

Además, podríamos considerar la prevalencia del tema (exposición o resultado) en la población, y cuál sería el diseño de estudio adecuado. Asimismo, comprobando si nuestra población objetivo es muy variada en sus características de base. Por ejemplo, una población con grandes subgrupos étnicos podría estudiarse mejor con un método de muestreo estratificado.

 

Muestreo aleatorio

Finalmente, el mejor método de muestreo es siempre el que mejor pueda responder a nuestra pregunta de investigación y, al mismo tiempo, permita que otros puedan hacer uso de nuestros resultados (generalizabilidad de los resultados). Cuando no podemos permitirnos un método de muestreo aleatorio, siempre podemos elegir entre los métodos de muestreo no aleatorio.

 

 

Conclusión

En resumen, ahora entendemos que la elección entre los métodos de muestreo aleatorio o no aleatorio es multifactorial. A menudo podemos estar tentados de elegir una muestra de conveniencia desde el principio, pero eso no sólo disminuiría la precisión de nuestros resultados, sino que nos haría perder la oportunidad de producir una investigación más sólida y fiable.

 

 

Traductora: Thatiane Desiree Ramírez Porras – Asociación para el Desarrollo de la Investigación Estudiantil en Ciencias de la Salud (ADIECS)

Revisora: Susana Hidalgo – Universidad UTE

Autor y artículo original: Mohamed Khalifa, What are sampling methods and how do you choose the best one?

 

Bibliografía:

  1. Taherdoost H. Sampling Methods in Research Methodology; How to Choose a Sampling Technique for Research [Internet]. International Journal of Academic Research in Management. 2016 [cited 18 April 2021]. Available from: http://elvedit.com/journals/IJARM/wp-content/uploads/Sampling-Method-in-Research-Methodology_-How-to-Choose-a-Sampling-Technique-for-Research.pdf
  2. Omair A. Sample size estimation and sampling techniques for selecting a representative sample [Internet]. Saudi Commission Journal of Health Specialties. 2014 [cited 18 April 2021]. Available from: https://www.thejhs.org/article.asp?issn=2468-6360 

*Nota de traducción: el link citado en el artículo original de esta traducción ya no existe. Puedes encontrar esta referencia en la siguiente cita:

Omair A. (PDF) Sample size estimation and sampling techniques for selecting a representative sample [Internet]. ResearchGate. 2014 [cited 18 April 2021]. Available from: https://www.researchgate.net/publication/272784832_Sample_size_estimation_and_sampling_techniques_for_selecting_a_representative_sample

 

  1. Delgado-Rodríguez M, Llorca J. Bias. [Internet]. Journal of Epidemiology and Community Health. 2004 [cited 18 April 2021]. Available from: https://jech.bmj.com/content/58/8/635 

Tags:

Mohamed Khalifa

Research Fellow, General Practitioner Ver más entradas from Mohamed

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subscribe to our newsletter

You will receive our monthly newsletter and free access to Trip Premium.