Calculadora del tamaño de la muestra para el estudio de prevalencia
Así, el objetivo del presente estudio fue identificar los métodos de selección de la muestra, así como el desempeño y los tipos de métodos de cálculo del tamaño de la muestra adoptados en las tesis de doctorado y disertaciones de maestría desarrolladas en un programa de posgrado en la gran área de la Educación Física.
Las tesis y disertaciones utilizadas en el presente estudio provienen del Programa de Posgrado en Ciencias del Movimiento Humano (PPGCMH) de la Universidad Federal de Rio Grande do Sul (UFRGS) y fueron obtenidas a través de un repositorio digital, siendo así de acceso público, no requiriendo evaluación por parte del Comité de Ética en Investigación. Se incluyeron estudios monográficos de maestría y doctorado presentados entre enero de 2003 y diciembre de 2013, considerando que este estudio forma parte de un proyecto aprobado con colecciones para este período. Estas tesis y disertaciones fueron primero catalogadas e insertadas en el software gestor de referencias EndNote®.
Como criterio de inclusión, se incluyeron sólo los estudios cuantitativos (en el caso de este estudio, aquellos que determinaron un método formal, objetivo y sistemático para la generación de datos numéricos que se utilizaron para establecer relaciones entre variables adoptando métodos estadísticos ya estandarizados en la literatura científica) defendidos en un tribunal calificador durante el período mencionado. También se incluyeron estudios mixtos, con enfoques cuantitativos y cualitativos simultáneamente. Por otro lado, se excluyeron los estudios de naturaleza puramente cualitativa, los estudios de validación de instrumentos de investigación, además de los no disponibles en el repositorio digital.
Cálculo del tamaño de la muestra para un estudio de casos y controles
ResumenLa determinación de un tamaño de muestra adecuado es un requisito previo para cualquier programa de investigación. Un estudio concluido sobre la base de un tamaño de muestra inferior al requerido se denomina “estudio con poca potencia” y su fiabilidad es cuestionable. Un estudio de este tipo puede llevar a conclusiones erróneas y al consiguiente desperdicio de recursos. Por otro lado, un estudio con un tamaño de muestra superior al requerido puede aumentar su fiabilidad, pero consume innecesariamente recursos costosos, lleva mucho tiempo y puede incluso exponer a los sujetos a diversos peligros para la salud. Por lo tanto, el investigador debe buscar un tamaño de muestra adecuado que pueda servir al propósito de este estudio.
2.1 Ejemplo 1: ¿Cómo calcular el tamaño de la muestra para estimar la prevalencia de una enfermedad? La siguiente fórmula sencilla se utiliza para calcular el tamaño mínimo de la muestra en un estudio transversal para estimar la prevalencia o una proporción:
donde n es el tamaño de la muestra, Z es el valor de la desviación normal estándar correspondiente al nivel de confianza. Para un nivel de confianza del 95%, el valor de Z es 1,96 y para el 90%, es 1,645. p es la prevalencia esperada expresada en proporción y este valor se toma del estudio o estudios publicados, que se asemejan a su estudio. En caso de que no haya ningún estudio de este tipo en la literatura, se puede realizar un estudio piloto con un tamaño de muestra menor para tener una idea del valor esperado. El valor estimado en el estudio piloto se utiliza para calcular el tamaño de la muestra. d es la precisión absoluta, también llamada margen de error. Calculemos el tamaño de la muestra necesario para estimar la prevalencia de una enfermedad que se ha comunicado como 20%(0,2) con una precisión absoluta del 3%(0,03) y para un nivel de confianza del 95%. El tamaño de la muestra necesario utilizando la fórmula anterior (9.1) es de 683. Sin embargo, si reducimos el nivel de confianza al 90%, el tamaño de la muestra se reduce a 482. 3 ¿Cambia el tamaño de la muestra cuando el muestreo se realiza a partir de una población finita? La fórmula (9.1) de Cochrane es aplicable cuando el muestreo se realiza a partir de una población grande. Cuando la población es finita o más pequeña, el tamaño de la muestra calculado mediante dicha fórmula (9.1) debe ajustarse como se indica a continuación:
Cálculo del tamaño de la muestra para un estudio de prevalencia transversal
Información de los autoresAutores y afiliacionesAutoresContribucionesKMJ redactó el primer borrador. PL, BMKD y SMZ contribuyeron significativamente con comentarios y sugerencias para mejorar el manuscrito. KMJ programó y construyó la calculadora del tamaño de la muestra incluida como archivo adicional 1. Todos los autores han revisado y aceptado el borrador final. Todos los autores leyeron y aprobaron el manuscrito final.Autor correspondienteCorrespondencia a
Archivo adicionalArchivo adicional 1:Calculadora del tamaño de la muestra. Los autores han proporcionado una calculadora de tamaño de muestra en Excel como material suplementario (archivo adicional 1) para ayudar a guiar a los editores y revisores en el enfoque presentado. Si se publica el artículo, los autores están interesados en ampliar la calculadora de Excel a un sitio web interactivo para facilitar el uso de los métodos por parte de otros investigadores. (XLSX 15 kb)Derechos y permisos
Acceso abierto Este artículo se distribuye bajo los términos de la licencia Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), que permite su uso, distribución y reproducción sin restricciones en cualquier medio, siempre y cuando se dé el debido crédito al autor o autores originales y a la fuente, se proporcione un enlace a la licencia Creative Commons y se indique si se han realizado cambios. La renuncia a la Dedicación de Dominio Público de Creative Commons (http://creativecommons.org/publicdomain/zero/1.0/) se aplica a los datos puestos a disposición en este artículo, a menos que se indique lo contrario.
Fórmula para calcular el tamaño de la muestra para el estudio comparativo
En primer lugar, un estudio demasiado pequeño tiene más probabilidades de generar resultados no concluyentes, incorrectos o espurios. Esto se debe a que un tamaño de muestra más pequeño generará estimaciones que tienen una mayor variación. Estas estimaciones serán entonces menos útiles para modelar 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 los sujetos humanos o a los 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 del estudio. Ya sea el grupo editorial Nature o la Administración Federal de Medicamentos (FDA), un estudio que no justifique el tamaño de su muestra tiene más posibilidades de ser rechazado, examinado o fracasado.