TIPOS DE ESTUDIOS CLÍNICO EPIDEMIOLÓGICOS

UNIVERSIDAD DE PANAMÁ
FACULTAD DE MEDICINA
ESCUELA DE SALUD PÚBLICA. CARRERA DE NUTRICIÓN
DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL
PROGRAMA DEL CURSO METODOLOGÍA DE LA INVESTIGACIÓN
CURSO
SOBRE METODOLOGÍA DE LA INVESTIGACIÓN
MÓDULO 3: BASES METODOLÓGICAS
OBJETIVO PARTICULAR:
Establecer los elementos metodológicos básicos para el estudio
Por: Manuel Escala Luzcando, MD, MSP, EDS
Panamá
Marzo 2007
ÍNDICE DE TEMAS
87
TEMA No 12.
EL DISEÑO DE LA INVESTIGACIÓN
TEMA No 13.
DEFINICIÓN OPERACIONAL DE LAS VARIABLES
TEMA No 14
UNIDADES DE ANÁLISIS Y SUS CRITERIOS DE INCLUSIÓN Y
EXCLUSIÓN
TEMA No 15
EL UNIVERSO Y LA MUESTRA
88
TEMA No 12
EL DISEÑO DE LA INVESTIGACIÓN
OBJETIVO GENERAL: Analizar las características de los tipos de investigación
OBJETIVOS OPERACIONALES
1. Diferenciar los tipos de estudios
clínico epidemiológicos
2. Reconocer los estudios descriptivos
3. Distinguir las características de los
estudios analíticos
INFORMACIÓN
4. Precisar los requisitos de los estudios
experimentales
5. Prever los sesgos
6. Elaborar el diseño del estudio del
Proyecto
CONTENIDO
1.
2.
3.
4.
5.
Tipos de estudios
Estudios Descriptivos
Estudios Analíticos
Estudios Experimentales
Los Sesgos. Precisión y Validez
TIPOS DE ESTUDIOS CLÍNICO EPIDEMIOLÓGICOS
Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística. Complexo
Hospitalario Juan Canalejo. A Coruña.
Pita Fernández, S. Epidemiología. Conceptos básicos. En: Tratado de Epidemiología Clínica.
Madrid; DuPont Pharma, S.A.; Unidad de epidemiología Clínica, Departamento de Medicina
y Psiquiatría. Universidad de Alicante: 1995. p. 25-47. (Actualizado 28/02/2001)
Los estudios epidemiológicos clásicamente se dividen en Experimentales y No
experimentales. En los estudios experimentales se produce una manipulación de una
exposición determinada en un grupo de individuos que se compara con otro grupo en el que no
se intervino, o al que se expone a otra intervención. Cuando el experimento no es posible se
diseñan estudios no experimentales que simulan de alguna forma el experimento que no se ha
podido realizar (1-5). En la Tabla 1 se resumen los diferentes tipos de estudios. Si ha
existido manipulación pero no aleatorización se habla de estudios Cuasi-experimentales.
Existen diferentes clasificaciones de los diferentes estudios y así también algunos autores
describen los estudios como se señalan en la Tabla 2. (6)
Tabla 1. Tipos de Estudios Epidemiológicos I
Experimentales
No Experimentales
Ensayo clínico
Estudios ecológicos
Ensayo de campo
Estudios de prevalencia
Ensayo comunitario de intervención
Estudios de casos y controles
Estudios de cohortes o de seguimiento
Tabla 2. Tipos de Estudios Epidemiológicos II
DESCRIPTIVOS
En Poblaciones
Estudios ecológicos
En Individuos
A propósito de un caso
Series de casos
Transversales / Prevalencia
89
ANALÍTICOS
Observacionales
Estudios de casos y controles
Estudios de cohortes (retrospectivos y
prospectivos)
Intervención
Ensayo clínico
Ensayo de campo
Ensayo comunitario
Dado el objetivo introductorio de este apartado presentamos muy brevemente las
características fundamentales de los diferentes tipos de estudios.
ESTUDIOS DESCRIPTIVOS.
Estos estudios describen la frecuencia y las características más importantes de un problema
de salud. Los datos proporcionados por estos estudios son esenciales para los
administradores sanitarios así como para los epidemiólogos y los clínicos. Los primeros
podrán identificar los grupos de población más vulnerables y distribuir los recursos según
dichas necesidades y para los segundos son el primer paso en la investigación de los
determinantes de la enfermedad y la identificación de los factores de riesgo (5,6).
Los principales tipos de estudios descriptivos son: los estudios ecológicos, los estudios de
series de casos y los transversales o de prevalencia.
Estudios ecológicos: Estos estudios no utilizan la información del individuo de una forma
aislada sino que utilizan datos agregados de toda la población. Describen la enfermedad en la
población con relación a variables de interés como puede ser la edad, la utilización de
servicios, el consumo de alimentos, de bebidas alcohólicas, de tabaco, la renta per cápita…
Un ejemplo de este estudio sería correlacionar la mortalidad por enfermedad coronaria con
el consumo per cápita de cigarrillos. Estos estudios son el primer paso en muchas ocasiones
en la investigación de una posible relación entre una enfermedad y una exposición
determinada. Su gran ventaja reside en que se realizan muy rápidamente, prácticamente sin
coste y con información que suele estar disponible. Así por ejemplo los datos demográficos y
el consumo de diferentes productos se pueden correlacionar con la utilización de servicios
sanitarios, con registros de mortalidad y registros de cáncer.
La principal limitación de estos estudios es que no pueden determinar si existe una
asociación entre una exposición y una enfermedad a nivel individual. La falacia ecológica
consiste precisamente en obtener conclusiones inadecuadas a nivel individual, basados en
datos poblacionales.
Otra gran limitación de los estudios ecológicos es la incapacidad para controlar por variables
potencialmente confusoras. La asociación o correlación que encontremos entre dos variables
puede ser debida a una tercera variable que a su vez esté asociada con la enfermedad y la
exposición objeto de estudio.
90
Series de casos: Estos estudios describen la experiencia de un paciente o un grupo de
pacientes con un diagnóstico similar. En estos estudios frecuentemente se describe una
característica de una enfermedad o de un paciente, que sirven para generar nuevas
hipótesis. Muchas veces documentan la presencia de nuevas enfermedades o efectos
adversos y en este sentido sirven para mantener una vigilancia epidemiológica.
Estos estudios aunque son muy útiles para formular hipótesis, no sirven para evaluar o testar
la presencia de una asociación estadística. La presencia de una asociación puede ser un hecho
fortuito. La gran limitación de este tipo de estudios es en definitiva la ausencia de un grupo
control.
Estudios transversales: Este tipo de estudios denominados también de prevalencia, estudian
simultáneamente la exposición y la enfermedad en una población bien definida en un momento
determinado. Esta medición simultánea no permite conocer la secuencia temporal de los
acontecimientos y no es por tanto posible determinar si la exposición precedió a la
enfermedad o viceversa.
La realización de este tipo de estudios requiere definir claramente:
La población de referencia sobre la que se desea extrapolar los resultados.
La población susceptible de ser incluida en nuestra muestra delimitando claramente los que pueden
ser incluidos en dicho estudio.
La selección y definición de variables por las que se va a caracterizar el proceso.
Las escalas de medida a utilizar.
La definición de "caso"
Los estudios transversales se utilizan fundamentalmente para conocer la prevalencia de una
enfermedad o de un factor de riesgo.
Esta información es de gran utilidad para valorar el estado de salud de una comunidad y
determinar sus necesidades. Así mismo sirven como todos los estudios descriptivos para
formular hipótesis etiológicas.
ESTUDIOS ANALÍTICOS.
Estudio de casos y controles: Este tipo de estudio identifica a personas con una
enfermedad (u otra variable de interés) que estudiemos y los compara con un grupo control
apropiado que no tenga la enfermedad. La relación entre uno o varios factores relacionados
con la enfermedad se examina comparando la frecuencia de exposición a éste u otros
factores entre los casos y los controles (5,6) .
A este tipo de estudio que es de los más utilizados en la investigación se le podría describir
como un procedimiento epidemiológico analítico, no experimental con un sentido
retrospectivo, ya que partiendo del efecto, se estudian sus antecedentes, en el que se
seleccionan dos grupos de sujetos llamados casos y controles según tengan o no la
enfermedad.
En los estudios de casos y controles (Tabla 4) tenemos casos expuestos (a), casos no
expuestos (c), controles expuestos (b) y controles no expuestos (d). En este estudio la
frecuencia de exposición a la causa entre los casos (a/c) se compara con la frecuencia de
exposición en una muestra que represente a los individuos en los que el efecto no se ha
producido y entre los que la frecuencia de exposición es (b/d).
91
TABLA 4. Tabla de 2 x 2 en los estudios de Casos y Controles
Casos
Controles
Expuestos
a
b
No expuestos
c
d
Odds ratio (razón de predominio, oportunidad relativa)
Si la frecuencia de exposición a la causa es mayor en el grupo de casos de la enfermedad que
en los controles, podemos decir que hay una asociación entre la causa y el efecto. La medida
de asociación que permite cuantificar esta asociación se llama "odds ratio" (razón de
productos cruzados, razón de disparidad, razón de predominio, proporción de desigualdades,
razón de oposiciones, oposición de probabilidades contrarias, cociente de probabilidades
relativas, oportunidad relativa) y su cálculo se estima:
Los grandes temas que se deben abordar al realizar un estudio de casos y controles son
después de la definición de caso, la selección de los controles y las fuentes de información
sobre la exposición y la enfermedad.
No es el objetivo de este apartado realizar una revisión exhaustiva del diseño de este tipo
de estudios por lo que resumiremos diciendo que la selección de los casos debe:
a. Establecer de forma clara y explícita la definición de la enfermedad y los
criterios de inclusión.
b. Los casos deben ser incidentes ya que los casos prevalentes:
Cambian sus hábitos en relación con la exposición.
Los casos prevalentes pueden ser los sobrevivientes de casos incidentes y la
supervivencia puede estar relacionada con la exposición.
La selección del grupo control debe tener en cuenta:
a.
La función del grupo control es estimar la proporción de exposición esperada en un
grupo que no tiene la enfermedad.
b.
Los controles deben ser representativos de la población de donde provienen los
casos. Los casos y los controles no deben entenderse como dos grupos representativos de
dos poblaciones distintas, sino como dos grupos que proceden de una misma población.
Los controles deben ser comparables a los casos en el sentido de haber tenido la misma
probabilidad de haber estado expuestos.
Estudio de cohortes (o de seguimiento): En este tipo de estudio los individuos son
identificados en función de la presencia o ausencia de exposición a un determinado factor.
En este momento todos están libres de la enfermedad de interés y son seguidos durante un
período de tiempo para observar la frecuencia de aparición del fenómeno que nos interesa.
Si al finalizar el período de observación la incidencia de la enfermedad es mayor en el grupo
de expuestos, podremos concluir que existe una asociación estadística entre la exposición a
la variable y la incidencia de la enfermedad.
La cuantificación de esta asociación la podemos calcular construyendo una razón entre la
incidencia del fenómeno en los expuestos a la variable (le) y la incidencia del fenómeno en los
no expuestos (lo). Esta razón entre incidencias se conoce como riesgo relativo y su cálculo se
estima como (Tabla 5):
92
Tabla 5. Tabla de 2 x 2 en los estudios de Cohortes
Enfermos
Sanos
Expuestos
a
b
No expuestos
c
d
Total
a+c
b+d
Total
a+b
c+d
a+b+c+d
En este tipo de estudio como quiera que los participantes están libres de la enfermedad al
inicio del seguimiento, la secuencia temporal entre exposición y enfermedad se puede
establecer más claramente. A su vez este tipo de estudio permite el examen de múltiples
efectos ante una exposición determinada.
Las ventajas y limitaciones de este tipo de estudio y de los diferentes tipos de estudios se
resumen en la Tabla 6 (6).
Los estudios de cohortes pueden ser prospectivos y retrospectivos dependiendo de la
relación temporal entre el inicio del estudio y la presencia de la enfermedad. En los
retrospectivos tanto la exposición como la enfermedad ya han sucedido cuando el estudio se
inició. En los prospectivos la exposición pudo haber ocurrido o no, pero desde luego lo que aún
no ha sucedido es la presencia de la enfermedad. Por tanto se requiere un período de
seguimiento en el futuro para determinar la frecuencia de la misma.
Tabla 6. Ventajas y limitaciones de los
Ensayos Clínicos
Ventajas
Mayor control en el diseño.
Menos posibilidad de sesgos debido a
la selección aleatoria de los grupos.
Repetibles y comparables con otras
experiencias.
Estudios de Cohortes
Ventajas
Estiman incidencia.
Mejor posibilidad de sesgos en la
medición de la exposición.
Estudios de Casos y Controles
Ventajas
Relativamente menos costosos que los
estudios de seguimiento.
Corta duración.
Aplicaciones para el estudio de
enfermedades raras.
Permite el análisis de varios factores
de riesgo para una determinada
enfermedad.
diferentes estudios epidemiológicos
Limitaciones
Coste elevado.
Limitaciones
de
tipo
ético
y
responsabilidad en la manipulación de la
exposición.
Dificultades en la generalización
debido a la selección y o a la propia
rigidez de la intervención.
Limitaciones
Coste elevado.
Dificultad en la ejecución.
No son útiles en enfermedades raras.
Requieren generalmente un tamaño
muestral elevado.
El paso del tiempo puede introducir
cambios en los métodos y criterios
diagnósticos.
Posibilidad
de
pérdida
en
el
seguimiento.
Limitaciones
No estiman directamente la incidencia.
Facilidad de introducir sesgos de
selección y/o información.
La secuencia temporal entre exposición
y enfermedad no siempre es fácil de
establecer.
93
Estudios Transversales
Ventajas
Fáciles de ejecutar.
Relativamente poco costosos.
Se
pueden
estudiar
varias
enfermedades y/o factores de riesgo a
la vez.
Caracterizan la distribución de la
enfermedad respecto a diferentes
variables.
Precisan poco tiempo para su ejecución.
Útiles
en
la
planificación
y
Administración Sanitaria (Identifican
el nivel de salud, los grupos vulnerables
y la prevalencia).
Limitaciones
Por sí mismos no sirven para la
investigación causal.
No son útiles en enfermedades raras ni
de corta duración.
Posibilidad de sesgos de información y
selección.
Este tipo de estudios son de la suficiente complejidad para requerir, no sólo un equipo
multidisciplinario que los aborde sino una cantidad de recursos suficientes para mantenerlos
a lo largo del tiempo.
ESTUDIOS EXPERIMENTALES.
En los estudios experimentales el investigador manipula las condiciones de la investigación.
Este tipo de estudios se utilizan para evaluar la eficacia de diferentes terapias, de
actividades preventivas o para la evaluación de actividades de planificación y programación
sanitarias. Como en los estudios de seguimiento los individuos son identificados en base a su
exposición, pero a diferencia de estos, en los estudios experimentales es el investigador el
que decide la exposición. El gran control que se tiene sobre el diseño facilita la
interpretación de las asociaciones como causales . Para el médico clínico es de gran interés
poder realizar inferencias causales en medio de la incertidumbre que rodea la practica
clínica ya sea en actividades de prevención, de diagnóstico o terapéuticas (7,8).
Los estudios experimentales pueden ser considerados:
1.
Terapéuticos (o prevención secundaria) se realizan con pacientes con una
enfermedad determinada y determinan la capacidad de un agente o un procedimiento para
disminuir síntomas, para prevenir la recurrencia o para reducir el riesgo de muerte por dicha
enfermedad.
2.
Los preventivos (o prevención primaria) evalúan si una agente o procedimiento reduce
el riesgo de desarrollar una enfermedad. Por ello los estudios experimentales preventivos se
realizan entre individuos sanos que están a riesgo de desarrollar una enfermedad. Esta
intervención puede ser sobre una base individual o comunitaria a toda una población
determinada.
Ensayo clínico: Es el estudio experimental más frecuente. Los sujetos son pacientes y
evalúa uno o más tratamientos para una enfermedad o proceso. La validez de este estudio
radica fundamentalmente en que el proceso aleatorio haga los grupos comparables en las
variables más relevantes en relación al problema a estudiar. El diseño del estudio debe
contemplar básicamente:
a.
La ética y justificación del ensayo.
b.
La población susceptible de ser estudiada.
94
c.
La selección de los pacientes con su consentimiento a participar.
d.
El proceso de aleatorización.
e.
La descripción minuciosa de la intervención.
f.
El seguimiento exhaustivo que contemple las pérdidas y los no cumplidores.
g.
La medición de la variable final.
h.
La comparación de los resultados en los grupos de intervención y control.
Ensayos de campo: Tratan con sujetos que aún no han adquirido la enfermedad o con
aquéllos que estén en riesgo de adquirirla y estudian factores preventivos de enfermedades
como pueden ser la administración de vacunas o el seguimiento de dietas.
Ensayos comunitarios: Incluyen intervenciones sobre bases comunitarias amplias. Este tipo
de diseños suelen ser cuasiexperimentales (existe manipulación pero no aleatorización), en
los que una o varias comunidades recibirán la intervención, mientras que otras servirán como
control.
Los estudios experimentales si tienen un diseño cuidadoso con un tamaño muestral
suficiente, un proceso de aleatorización adecuado, una intervención y un seguimiento
perfectamente controlados pueden proporcionar evidencias muy fuertes que nos permitan
emitir juicios sobre la existencia de relaciones causales entre variables.
SESGOS. LA PRECISIÓN Y VALIDEZ DE UN ESTUDIO.
Independientemente del tema y los objetivos de un estudio, que pueden ser de mayor o
menor interés para el lector o para la comunidad científica, lo que siempre se debe perseguir
es que el estudio sea preciso y válido.
Todo estudio debe ser entendido como un ejercicio de medida en cada uno de los apartados
de planificación, ejecución e interpretación. Es por tanto necesario formular unos objetivos
de forma clara y cuantitativa para dejar muy bien sentado desde el principio que es lo que se
quiere medir. Si este primer paso es deficiente o poco claro la calidad de un estudio se
tambalea. (9-11)
La meta fundamental que todo estudio epidemiológico debe perseguir es la agudeza en la
medición. Por ello, que todo lo que amenace esta correcta medición debe ser identificado y
corregido. Los elementos que amenazan estas mediciones son: El Error Aleatorio y el Error
Sistemático.
La carencia de error aleatorio se conoce como precisión y se corresponde con la
reducción del error debido al azar. Para reducir este error el elemento más importante del
que disponemos es incrementar el tamaño de la muestra y con ello aumentamos la precisión.
Los intervalos de confianza y el error estándar se reducen al aumentar el tamaño muestral.
Es por tanto necesario desde un principio preocuparse por el tamaño muestral del estudio
que vamos a realizar definiendo la precisión y la seguridad del mismo. La precisión también se
puede mejorar modificando el diseño del estudio para aumentar la eficiencia de la
información que obtengo de los sujetos del estudio.
La carencia del error sistemático se conoce como validez. Esta validez tiene dos
componentes: La validez interna, que es la validez de las inferencias a los sujetos reales del
95
estudio y la validez externa o generalización en tanto se aplica a individuos que están fuera de la
población del estudio. La validez interna es por tanto un prerrequisito para que pueda darse
la extrema.
La validez interna que es la que implica validez de inferencia para los propios sujetos de
estudio. Se ve amenazada por varios tipos de sesgos.
Entendemos por sesgos los errores sistemáticos en un estudio epidemiológico que producen
una estimación incorrecta de asociación entre la exposición y la enfermedad. En definitiva
producen una estimación equivocada del efecto.
Cuando realizamos un estudio o interpretamos los resultados del mismo nos podemos
preguntar: ¿Podrían los resultados deberse a algo que los autores no han tenido en
consideración?, como por ejemplo:
a.
Los grupos del estudio no son comparables debido a como fueron seleccionados los
pacientes (sesgos en la selección).
b.
Los grupos de pacientes del estudio no son comparables debido a como se obtuvieron
los datos (sesgos en la información).
c.
Los autores no han recogido información (o la han obtenido pero no la han utilizado)
sobre un factor que se relaciona a la vez con la exposición y con el efecto estudiados (factor
de confusión).
Los principales sesgos que comentaremos son los sesgos de selección, observación e
información.
SESGO DE SELECCIÓN
Este sesgo hace referencia a cualquier error que se deriva del proceso de identificación de
la población a estudiar. La distorsión resulta de la forma en que los sujetos han sido
seleccionados. Estos sesgos se pueden cometer:
Al seleccionar el grupo control.
Al seleccionar el espacio muestral donde se realizará el estudio.
Por pérdidas en el seguimiento.
Por la presencia de una supervivencia selectiva.
Los sesgos de selección pueden presentarse también en los estudios de casos y controles,
cuando el procedimiento utilizado para identificar el status de enfermedad (sesgo
diagnóstico) varía o se modifica con el status exposición. Este sesgo se llama "sesgo de
detección".
Los sesgos de selección son un problema fundamental en los estudios de casos y controles y
en los estudios de cohortes retrospectivos donde la exposición y el resultado final ya han
ocurrido en el momento que los individuos son seleccionados para el estudio. Los sesgos de
selección son poco probables en los estudios de cohortes prospectivos porque la exposición
se determina antes de la presencia de enfermedad de interés. En todos los casos, cuando el
sesgo de selección ocurre, el resultado produce una relación entre exposición y enfermedad
que es diferente entre los individuos que entraron en el estudio que entre los que pudiendo
haber sido elegidos para participar, no fueron elegidos.
96
La evitación de los sesgos de selección depende en gran medida de que el investigador
conozca las fuentes de sesgo potenciales. En los estudios de casos y controles para evitar
sesgos de selección, se recomienda al menos teóricamente, ya que desde el punto de vista
práctico es muy costoso, utilizar dos grupos control. Uno de ellos una muestra poblacional, lo
que posibilita el detectar el posible sesgo de selección al hacer estimaciones del efecto por
separado. Si obtenemos la misma estimación del efecto en los controles poblacionales que
con los otros controles podremos asumir que no hay sesgos en la selección de los mismos. A
pesar de todo siempre existe la posibilidad remota de que las dos estimaciones tuviesen el
mismo grado de sesgo. Otra recomendación es utilizar muchas patologías como grupo control
en lugar de pocas patologías y comprobar que las frecuencias de exposición son similares
entre los diferentes grupos diagnosticados en los controles. En los estudios de seguimiento
se debe asegurar un seguimiento completo en ambos grupos.
SESGO DE INFORMACIÓN U OBSERVACIÓN.
Este sesgo incluye cualquier error sistemático en la medida de información sobre la
exposición a estudiar o los resultados. Los sesgos de observación o información se derivan de
las diferencias sistemáticas en las que los datos sobre exposición o resultado final, se
obtienen de los diferentes grupos. El rehusar o no responder en un estudio puede introducir
sesgos si la tasa de respuesta está relacionada con el status de exposición. El sesgo de
información es por tanto una distorsión en la estimación del efecto por errores de medición
en la exposición o enfermedad o en la clasificación errónea de los sujetos. Las fuentes de
sesgo de información más frecuentes son:
a.
Instrumento de medida no adecuado.
b.
Criterios diagnósticos incorrectos.
c.
Omisiones.
d.
Imprecisiones en la información.
e.
Errores en la clasificación.
f.
Errores introducidos por los cuestionarios o las encuestadoras.
Los errores de clasificación son una consecuencia directa del sesgo de información. Esta
clasificación puede ser "diferencial" si el error de clasificación es independiente para ambos
grupos o "no diferencial" si el error de clasificación es igual para ambos grupos de estudio,
produciéndose una dilución del efecto con una subestimación del mismo.
Los encuestadores pueden introducir errores de clasificación "diferencial" si conocen las
hipótesis del estudio y la condición del entrevistado. Este tipo de problema se puede
controlar por medio de:
a.
Desconocimiento del entrevistado.
b.
Desconocimiento de las hipótesis de estudio.
c.
Utilización de cuestionarios estructurados.
d.
Tiempos de ejecución de la entrevista definitiva.
e.
Utilización de pocos entrevistadores.
97
La prevención y control de sesgos potenciales debe prevenirse durante el diseño del estudio ya
que en el análisis no va a ser posible solucionar los sesgos de selección e información. Por el
contrario los factores de confusión sí pueden ser controlados en el análisis. Dichos factores
de confusión van a producir una distorsión en la estimación del efecto, en el sentido de que
el efecto observado en a población en estudio es una mezcla de los efectos debidos a una
tercera (o más) variables.
Los sesgos, el azar y la presencia de variables confusoras deben finalmente siempre, tenerse
en cuenta, como explicación posible de cualquier asociación estadística ya sea esta positiva,
negativa o no existente; Y es que como señalaba M. Susser en sus reflexiones sobre
causalidad "cuando hay minas por todas partes no debe uno aventurarse sin un detector de
minas" (12).
Bibliografía
1- MacMahon B., Trichopoulos D. Epidemiology: Principles and Methods. 2nd ed. Boston: Lippincott
Williams & Wilkins; 1996. [editor]
2- Jenicek M., Cleroux R. Epidemiología: la lógica de la medicina moderna. Barcelona: Masson; 1996.
3- Armijo R.R. Epidemiología básica en Atención primaria de salud. Madrid: Díaz de Santos; 1993.
4- Rothman K.J. Epidemiología Moderna. Madrid: Ediciones Días de Santos; 1987.
5- Kelsey JL., Thompson WD., Evans AS. Methods in Observational Epidemiology. New York: Oxford
University Press; 1986. [Amazon]
6- Hennekens CH., Buring JE. Epidemiology in Medicine Boston: Litte, Brown and Company; 1987.
7- Sackett DL., Haynes RB., Guyatt GH., Tugwell P. Epidemiología clínica. Ciencia básica para la
medicina clínica. 2ª ed. Madrid: Editorial Médica Panamericana; 1994.
8- Fletcher RH., Fletcher SW., Wagner EH. Epidemiología clínica. 2ª ed. Barcelona: Masson-Williams &
Wilkins; 1998.
9- Kleinbaum DG., Kupper LL., Morggenstern H. Epidemiologic Research. Principles and Quantitative
Methods. Belmont, California: John Wiley & Sons; 1982.
10- Miettinem OS. Theoretical Epidemiology. New York: Jhon Wiley & Sons; 1985.
11- Rothman KJ. (ed). Causal Inference. Chesnut Hill: Epidemiology Resources Inc; 1988.
12- Susser M. Conceptos y estrategias en epidemiología. El pensamiento causal en ciencias de la salud.
México: Biblioteca de la Salud; 1991.
98
CURSO DE METODOLOGÍA DE LA INVESTIGACIÓN
PRACTICA No 12
SELECCIÓN DEL TIPO Y DISEÑO DE LA INVESTIGACIÓN
I. OBJETIVOS:
1. Identificar los tipos de estudio,
2. Establecer el diseño correspondiente a la prueba de hipótesis,
3. Seleccionar el tipo de estudio y el diseño para la investigación propuesta.
II. DOCUMENTOS DE REFERENCIA:
1. Pita Fernández, S. Epidemiología. Conceptos básicos. En: Tratado de Epidemiología Clínica.
Madrid; DuPont Pharma, S.A.; Unidad de epidemiología Clínica, Departamento de Medicina y
Psiquiatría. Universidad de Alicante: 1995. p. 25-47. (Actualizado 28/02/2001)
2. Comité Científico de la Investigación. Manual de procedimientos para la elaboración de trabajos
de investigación. Complejo hospitalario Dr. A. Arias M. Panamá.2004.
III. CONCEPTOS BÁSICOS
“El investigador debe enunciar con claridad el tipo de estudio que realizará y una explicación detallada
de su diseño. En este punto el investigador debe también enunciar las estratégicas y los mecanismos
que va a poner en práctica para reducir o suprimir las amenazas a la validez de los resultados, o sea, los
llamados factores confusores (en la selección y asignación de los sujetos, pérdida de casos, control de
instrumentos, de los observadores, etc.)”. El tipo de estudio se relaciona con el tipo de hipótesis a
probar con respecto a la relación entre las variables. Si la hipótesis se limita a describir las
características de las variables se requiere un estudio de tipo descriptivo. Si la hipótesis plantea
explicación o predicción en la relación entre las variables, requerimos un estudio de tipo analítico, lo
que conlleva a una comparación de grupos o conjuntos. La tipificación de un estudio depende de
cuatro aspectos: simple observación (observacional) vs. intervención controlada (experimental),
descripción (descriptivo) vs. comparación de grupos (analítico), secuencia en el tiempo de las
variables (longitudinal) vs. medición en un mismo lapso (transversal), ocurrencia de los hechos en el
pasado (retrospectivo) vs. hechos por ocurrir (prospectivo).
III. PROCEDIMIENTO:
1. Revise la(s) hipótesis de la investigación especificando la forma de medir las variables.
2. Establezca si para probar la hipótesis requiere realizar un procedimiento de intervención que los
investigadores deban controlar (puede ser preventivo, diagnóstico, terapéutico o de rehabilitación).
De ser así, se trata de un estudio de intervención. Si no lo requiere, estamos ante un estudio de
observación… pase al punto 5.
3. Si el estudio es de intervención el diseño puede ser sin grupo de comparación o con grupo de
comparación. Si no hay grupo de comparación, se requiere una medición inicial y, al menos, una
medición posteriormente a la intervención. A este estudio, sin grupo de comparación corresponde un
diseño de antes y después o pre-experimental.
4. Si el estudio requiere un grupo de comparación la selección de una intervención u otra (así sea
simplemente un placebo), el estudio requiere establecer un procedimiento de asignación. Si la
asignación se establece al azahar, estamos ante un experimento verdadero. Si es de tipo
terapéutico, se trata de un Ensayo Clínico Aleatorizado (ECA) y su diseño, de acuerdo con el
99
conocimiento que tengan los participantes (investigados) o investigadores, será de tipo ciego o
doble ciego. Si el estudio no es aleatorizado estamos haciendo un cuasiexperimento (estudio
cuasiexperimental).
5. Los estudios sin intervención del investigador son estudios de Observación. Cuando no hay grupos
de comparación estamos ante un estudio de casos o un estudio ecológico. El estudio de casos
describe uno o varios casos con alguna característica común (generalmente una enfermedad o un
trastorno). El estudio ecológico (es un estudio epidemiológico) describe un conjunto o una
colectividad sin hacer atribuciones individuales. Estos son los usualmente llamados estudios
descriptivos. Cuando se busca medir las características de una población, ya sea a través de un
Censo o de una muestra representativa de la misma, estamos ante un estudio de prevalencia simple.
6. Los estudios sin intervención manipulada por el investigador en los cuales se hacen comparaciones
entre grupos han sido denominados por los epidemiólogos como analíticos. Estos comprenden, hoy
día, estudios de prevalencia híbrido (o analítico), estudios de casos y controles y estudios de
cohortes.
7. En los estudios de prevalencia híbridos se requiere considerara la separación de casos y no casos
para su comparación por lo que implica un cálculo de muestra para comparar dos proporciones. En
este estudio interesa la prevalencia tanto de la enfermedad como del Factor de Riesgo, las cuales se
identifican simultáneamente. La muestra debe ser representativa de la población blanco. Por
naturaleza son estudios transversales.
8. Los estudios de casos y controles requieren la comparación de un grupo de enfermos (o con el
efecto) vs un grupo sin la enfermedad en estudio (o sin el efecto). En ambos grupos se busca la
presencia o ausencia anterior del Factor de Riesgo que se supone causa el efecto. Se trata por
naturaleza de un estudio retrospectivo en el tiempo.
9. Los estudios de cohortes comparan un grupo con el Factor de Riesgo vs un grupo sin el factor de
riesgo, a los cuales se les da seguimiento (Follow-up) por un tiempo determinado para establecer si
se presenta o no la enfermedad o el efecto. Son por naturaleza prospectivos pero, en casos
históricos, puede hacerse retrospectivamente (no concurrentes).
10. La otra característica del tipo de estudio está ligada a la ocurrencia de los hechos en el tiempo.
Si los hechos que estamos midiendo ya han ocurrido, el estudio es retrospectivo, tal como señalamos
para los estudios de casos y controles. Un estudio de casos puede ser retrospectivo (como se hace
mediante la revisión de expedientes) o prospectivo, como ocurre en los estudios de vigilancia
epidemiológica. En efecto, si los hechos no han ocurrido, como generalmente vemos en los estudios
de cohortes, estamos ante un estudio prospectivo. Los estudios de intervención, son, por defecto,
prospectivos, salvo que la intervención no haya sido controlada por el investigador, lo que en el
concepto de algunos autores, se considera un experimento post-facto (Carlos Sabino, “El diseño de
Investigación, capítulo 6, freeserfvers.com, 2004).
11. De acuerdo con la secuencia de las variables, el estudio puede ser Transversal o Longitudinal. En
el transversal no hay relación de secuencia mientras que en el longitudinal sí la hay por lo que
requiere mediciones en tiempos diferentes, aunque ya haya ocurrido los hechos.
100
CURSO DE METODOLOGÍA DE LA INVESTIGACIÓN
PRACTICA No 13
LA DEFINICIÓN OPERACIONAL DE LAS VARIABLES
I. OBJETIVOS:
1. Definir las variables conceptualmente
2. Elaborar una definición operacional que permita medirlas
II. CONSIDERACIONES CONCEPTUALES
Del planteamiento de la hipótesis se derivan las variables de la investigación las cuales podemos
diferenciar en dependiente(s) e independiente(s). Es necesario concluir, como corolario del
marco teórico, cuál es el concepto fundamental de cada una de las variables que han sido
consideradas en la investigación.
Se entiende por variable "una entidad abstracta que adquiere distintos valores, se refiere a
una cualidad, propiedad o características de personas o cosas en estudio y varía de un sujeto a otro
o en un mismo sujeto en diferentes momentos" (Pineda, 1994 pág. 60).
La definición operacional va dirigida a la medición de la variable de manera que en la misma
se debe indicar su indicador si es necesario, sus categorías y los valores correspondientes.
Los valores de las variables se expresan en datos, los cuales pueden ser continuos o
discontinuos de acuerdo con la escala de medición que se utilice. Los datos continuos corresponden a
un valor numérico real con respecto a otro y pueden ser medidos a nivel de razón o a nivel de
intervalos.
El nivel de razón es un número absoluto, mientras que el nivel de intervalo expresa un valor
contenido en un rango del mismo, el cual puede ir desde el límite inferior hasta el superior. Los datos
discretos corresponden a valores que expresan orden o cualidades de las variables denominándoseles
respectivamente ordinales y nominales.
En algunos casos se requiere establecer un indicador que exprese un valor relativo que señale
las posibles categorías de la variable. Entonces, el proceso requiere este paso intermedio para
identificar los datos necesarios para construir este indicador.
El estado nutricional de un sujeto puede categorizarse mediante la relación entre el peso y
la talla, constituyéndose la misma en el indicador (peso/talla2), también conocido como índice de
Quetelet o Índice de Masa Corporal (IMC). Entonces, los datos lo constituyen el peso y la talla,
cuyos valores corresponden a datos continuos. El índice, por su lado, genera datos nominales que
permiten categorizaciones como obeso, sobrepeso, normal, bajo peso y desnutrido, de acuerdo con el
percentil en que se ubique el valor relativo del indicador.
Los datos continuos pueden ser transformados de nivel de razón o a nivel de intervalo, los
cuales pueden ser expresados de manera discreta como valores nominales, sin embargo no puede
transformarse los datos de manera inversa.
Las variables pueden generar, a través de sus indicadores, subvariables, las cuales pueden ser
tratadas como otras variables.
III. PROCEDIMIENTO:
1.
Cada una de las variables a considerar debe ser definida conceptualmente, fundamentándose
en la revisión bibliográfica.
101
2.
3.
4.
5.
6.
7.
8.
9.
Defina la(s) variable(s) dependiente(s). Ejemplo "La desnutrición es una deficiencia de
nutrientes para el normal funcionamiento y desarrollo de un individuo de acuerdo con sus
necesidades para la edad y el sexo".
Defina la(s) variable(s) independiente(s).de la misma manera.
Señale su naturaleza y la escala de medición
Establezca, de ser necesario, el indicador de la variable
Indique las categorías de la variable según la escala de medición establecida
Señale los valores correspondientes a cada categoría.
Qué instrumento, de ser necesario, utilizará para medir los valores de la variable?
Elabore la definición operacional de manera que nos permita identificar su indicador, las
categorías y sus valores.
Ejemplo de definición operacional de una variable y sus características
Nombre
Definición
de
la conceptual
variable
Nivel
de
ingreso
Nivel
con
económico
relación a
la
satisfacció
n de las
necesidade
s básicas
Sexo
Estado
Nutricional
Indicador
Categorías
Relación entre
el
ingreso
familiar y el
número
de
miembros de la
familia
NI=
ingreso
familiar / N°
de miembros
Pobreza
extrema
Valores
Ingreso per
cápita <50
al mes
Ingreso per
Pobreza
cápita < 75
al mes
Ingreso per
No pobreza cápita > 75
al mes
Masculino
Masculino
Condición
orgánica
que
determina
el género.
Fenotipo
Equilibrio
entre
la
ingesta de
alimentos y
el consumo
de energía
necesario
para
mantener
las
funciones
del
organismo
Indice de Bajo Peso
masa
coporal
Normal
IMC = Peso
(Kg)
/
Sobrepeso
2
2
Talla (m)
Femenino
Obesidad
Femenino
Definición operacional
Ingreso
familiar
per
cápita de acuerdo con la
satisfacción de la canasta
básica
familiar
estableciendo
las
categorías
pobreza
extrema (<50), pobreza
(50-<75)
y no pobreza
(>75)
Condición orgánica que
determina
el
género.
Masculino o femenino
<
18.5
2
Kg/m
Equilibrio de ingesta vs
18.5 – 24.9 consumo de energía según
IMC: < 18.5 Kg/m2 Bajo
Kg/m2
peso, 18.5 – 24.9 Kg/m2
25 – 29.9 Normal, 25 – 29.9 Kg/m2
Kg/m2
Sobrepeso, > 30 Kg/m2
2
> 30 Kg/m Obesidad.
102
CURSO DE METODOLOGÍA DE LA INVESTIGACIÓN
PRACTICA No 14
CRITERIOS DE INCLUSIÓN Y EXCLUSIÓN
Especifica los criterios de inclusión y exclusión
Identifica aparatos y procedimientos con detalle
I. OBJETIVOS:
Establecer los criterios de inclusión y exclusión de los sujetos
II. DOCUMENTO DE REFERENCIA:
1. Smith PG, Morrow RH. Ensayos de campo de intervenciones en salud en países en desarrollo. 2ª
edición. Washington: OPS, 1998:27-28.
III. PROCEDIMIENTO:
Una vez determinado el tamaño de la muestra debemos especificar los requisitos de los sujetos
para ser incluidos en el estudio. Estos requisitos corresponden a los criterios de inclusión y de
exclusión de los sujetos de la investigación.
Los estudios poblacionales no requieren otros criterios diferentes de los que determinan la(s)
hipótesis de la investigación. En estos casos, al menos que se determine previamente que el estudio
se hará en determinado grupo de edad y sexo, el criterio de inclusión y exclusión estará
determinado por la procedencia de los sujetos.
Los estudios analíticos comparan grupos por lo que se requiere establecer los requisitos de cada
grupo, de tal manera que no se produzca errores en la comparación durante el análisis.
1. Considere el tipo y diseño de estudio establecido para la investigación.
2. Si el estudio es descriptivo, señale si hay algún requisito que cumplir para ser incluido en el
mismo, como por ejemplo, vivir en la localidad desde al menos 3 meses.
3. Si el estudio es analítico considere la fuente de los sujetos.
4. En casos y controles , los casos son los que presentan el efecto ( enfermedad, complicación o
consecuencia) y los controles los que no lo presentan. Los mejores controles son sujetos
sanos, sin embargo, puede seleccionarse pacientes con otra enfermedad siempre que sus
factores de riesgo no sean los mismos según la revisión de la literatura.
5. En los estudios de cohortes los criterios de inclusión en cada grupo corresponden en primer
lugar a la exposición y a la no exposición al factor de riesgo en estudio. Además deben
establecerse otras características que se haya determinado previamente.
6. En los estudios experimentales, los grupos han de ser lo más semejante posibles, procurando
que la variable diferente sea la intervención.
103
TEMA No 15
EL UNIVERSO Y LA MUESTRA
OBJETIVO GENERAL: Describir el universo plantear la muestra
OBJETIVOS OPERACIONALES
1. Diferenciar los tipos de hipótesis a
comprobar.
2. Calcular el tamaño de la muestra para
estimar parámetros
3. Calcular el tamaño de la muestra para
INFORMACIÓN
contrastar hipótesis.
CONTENIDO
1. Tipos de situaciones
2. Estimación de parámetros
3. Contraste de hipótesis
Determinación del tamaño muestral
Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Juan
Canalejo. A Coruña
CAD ATEN PRIMARIA 1996; 3: 138-14.
Todo estudio epidemiológico lleva implícito en la fase de diseño la determinación del tamaño
muestral necesario para la ejecución del mismo (1-4). El no realizar dicho proceso, puede llevarnos a
dos situaciones diferentes: primera que realicemos el estudio sin el número adecuado de pacientes,
con lo cual no podremos ser precisos al estimar los parámetros y además no encontraremos
diferencias significativas cuando en la realidad sí existen. La segunda situación es que podríamos
estudiar un número innecesario de pacientes, lo cual lleva implícito no solo la pérdida de tiempo e
incremento de recursos innecesarios sino que además la calidad del estudio, dado dicho incremento,
puede verse afectada en sentido negativo.
Para determinar el tamaño muestral de un estudio, debemos considerar diferentes situaciones
(5-7)
:
A. Estudios para determinar parámetros. Es decir pretendemos hacer inferencias a valores
poblacionales (proporciones, medias) a partir de una muestra (Tabla 1).
B. Estudios para contraste de hipótesis. Es decir pretendemos comparar si las medias o las
proporciones de las muestras son diferentes.
104
Tabla 1. Elementos de la Inferencia Estadística
A. Estudios para determinar parámetros
Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones, medias) a
partir de una muestra.
A.1. Estimar una proporción:
Si deseamos estimar una proporción, debemos saber:
a) El nivel de confianza o seguridad (1(Z ). Para una seguridad del 95% = 1.96, para una seguridad del 99% = 2.58.
b) La precisión que deseamos para nuestro estudio.
c) Una idea del valor aproximado del parámetro que queremos medir (en este caso una proporción).
Esta idea se puede obtener revisando la literatura, por estudio pilotos previos. En caso de no tener
dicha información utilizaremos el valor p = 0.5 (50%).
Ejemplo: ¿A cuantas personas tendríamos que estudiar para conocer la prevalencia de diabetes?
Seguridad = 95%; Precisión = 3%: Proporción esperada = asumamos que puede ser próxima al 5%; si
no tuviésemos ninguna idea de dicha proporción utilizaríamos el valor p = 0,5 (50%) que maximiza el
tamaño muestral:
donde:
2
= 1.962 (ya que la seguridad es del 95%)

Z

p = proporción esperada (en este caso 5% = 0.05)

q = 1 – p (en este caso 1 – 0.05 = 0.95)

d = precisión (en este caso deseamos un 3%)
105
Si la población es finita, es decir conocemos el total de la población y deseásemos saber cuántos del
total tendremos que estudiar la respuesta seria:
donde:

N = Total de la población

Z

p = proporción esperada (en este caso 5% = 0.05)

q = 1 – p (en este caso 1-0.05 = 0.95)

d = precisión (en este caso deseamos un 3%).
2
= 1.962 (si la seguridad es del 95%)
¿A cuántas personas tendría que estudiar de una población de 15.000 habitantes para conocer la
prevalencia de diabetes?
Seguridad = 95%; Precisión = 3%; proporción esperada = asumamos que puede ser próxima al 5% ; si
no tuviese ninguna idea de dicha proporción utilizaríamos el valor p = 0.5 (50%) que maximiza el
tamaño muestral.
Según diferentes seguridades el coeficiente de Z varía, así:

Si la seguridad Z fuese del 90% el coeficiente sería 1.645

Si la seguridad Z fuese del 95% el coeficiente sería 1.96

Si la seguridad Z fuese del 97.5% el coeficiente sería 2.24

Si la seguridad Z fuese del 99% el coeficiente sería 2.576
A.2. Estimar una media:
Si deseamos estimar una media: debemos saber:
a. El nivel de confianza o seguridad (1lugar a un coeficiente (Z ). Para una seguridad del 95% = 1.96; para una
seguridad del 99% = 2.58.
b. La precisión con que se desea estimar el parámetro (2
intervalo de confianza).
*
d es la amplitud del
c. Una idea de la varianza S2 de la distribución de la variable cuantitativa que se
supone existe en la población.
106
Ejemplo: Si deseamos conocer la media de la glucemia basal de una población, con una seguridad del
95 % y una precisión de
bibliográfica que la varianza es de 250 mg/dl
Si la población es finita, como previamente se señaló, es decir conocemos el total de la población y
desearíamos saber cuantos del total tendríamos que estudiar, la respuesta sería:
B. Estudios para contraste de hipótesis:
Estos estudios pretenden comparar si las medias o las proporciones de las muestras son diferentes.
Habitualmente el investigador pretende comparar dos tratamientos. Para el cálculo del tamaño
muestral se precisa conocer:
a. Magnitud de la diferencia a detectar que tenga interés clínicamente
relevante. Se pueden comparar dos proporciones o dos medias.
b. Tener una idea aproximada de los parámetros de la variable que se estudia
(bibliografía, estudios previos).
c. Seguridad del estudio (riesgo de cometer un error
d. Poder estadístico (1 e. Definir si la hipótesis va a ser unilateral o bilateral.

Bilateral: Cualquiera de los dos parámetros a comparar (medias o
proporciones) puede ser mayor o menor que el otro. No se establece
dirección.

Unilateral: Cuando se considera que uno de los parámetros debe ser
mayor que el otro, indicando por tanto una dirección de las
diferencias.
La hipótesis bilateral es una hipótesis más conservadora y disminuye el riesgo de cometer un error
de tipo I (rechazar la H0 cuando en realidad es verdadera).
107
B.1. Comparación de dos proporciones:
Donde:

n = sujetos necesarios en cada una de las muestras

Z = Valor Z correspondiente al riesgo deseado

Z = Valor Z correspondiente al riesgo deseado

p1 = Valor de la proporción en el grupo de referencia, placebo, control o
tratamiento habitual.

p2 = Valor de la proporción en el grupo del nuevo tratamiento,
intervención o técnica.

p = Media de las dos proporciones p1 y p2
Los valores Z según la seguridad y Z según el poder se indican en la Tabla 2
(8)
.
B.2. Comparación de dos medias:
Donde:

n = sujetos necesarios en cada una de las muestras

Z = Valor Z correspondiente al riesgo deseado

Z = Valor Z correspondiente al riesgo deseado

S2 = Varianza de la variable cuantitativa que tiene el grupo control o de
referencia.

d = Valor mínimo de la diferencia que se desea detectar (datos
cuantitativos)
Los valores Z según la seguridad y Z según el poder se indican en la Tabla 2
Tabla 2. Valores de Z y Z más frecuentemente utilizados
Z
0.200
Test unilateral
Test bilateral
0.842
1.282
(8)
.
108
0.150
0.100
0.050
0.025
0.010
1.036
1.282
1.645
1.960
2.326
1.440
1.645
1.960
2.240
2.576
Potencia
0.01
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
(1-
Z
0.99
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50
2.326
1.645
1.282
1.036
0.842
0.674
0.524
0.385
0.253
0.126
0.000
Ejemplo de comparación de dos medias:
Deseamos utilizar un nuevo fármaco antidiabético y consideramos que seria clínicamente eficaz si
lograse un descenso de 15 mg/dl respecto al tto. Habitual con el antidiabético estándar. Por
estudios previos sabemos que la desviación típica de la glucemia en pacientes que reciben el
tratamiento habitual es de 16 mg/dl. Aceptamos un riesgo de 0.05 y deseamos un poder estadístico
de 90% para detectar diferencias si es que existen.
precisamos 20 pacientes en cada grupo.
Ejemplo de comparación de dos proporciones:
Deseamos evaluar si el Tratamiento T2 es mejor que el tratamiento T1 para el alivio del dolor para lo
que diseñamos un ensayo clínico. Sabemos por datos previos que la eficacia del fármaco habitual está
alrededor del 70% y consideramos clínicamente relevante si el nuevo fármaco alivia el dolor en un
90%. Nuestro nivel de riesgo lo fijamos en 0.05 y deseamos un poder estadístico de un 80%.
109
n = 48 pacientes. En cada grupo precisamos 48 pacientes.
El tamaño muestral ajustado a las pérdidas:
En todos los estudios es preciso estimar las posibles perdidas de pacientes por razones diversas
(pérdida de información, abandono, no respuesta….) por lo que se debe incrementar el tamaño
muestral respecto a dichas pérdidas.
El tamaño muestral ajustado a las pérdidas se puede calcular:
Muestra ajustada a las pérdidas = n (1 / 1–R)

n = número de sujetos sin pérdidas

R = proporción esperada de pérdidas
Así por ejemplo si en el estudio anterior esperamos tener un 15% de pérdidas el tamaño muestral
necesario seria: 48 (1 / 1-0.15) = 56 pacientes en cada grupo.
Bibliografía
1 - Contandriopoulos AP, Champagne F, Potvin L, Denis JL, Boyle P. Preparar un proyecto de
investigación. Barcelona: SG Editores ; 1991.
2 - Hulley SB, Cummings SR. Diseño de la investigación clínica. Un enfoque epidemiológico. Barcelona:
Doyma; 1993.
3 – Cook TD., Campbell DT. Quasi-Experimentation. Design & Analysis Issues for Field Settings.
Boston: Houghton Mifflin Company; 1979.
4 - Kleinbaum DG., Kupper LL., Morgenstern H. Epidemiologic Research. Principles and Quantitative
Methods. Belmont, California: Lifetime Learning Publications. Wadsworth; 1982.
5 – Dawson-Saunders B, Trapp RG. Bioestadística Médica . 2ª ed. México: Editorial el Manual
Moderno; 1996.
6 – Milton JS, Tsokos JO. Estadística para biología y ciencias de la salud. Madrid: Interamericana
McGraw Hill; 2001.
7 - Martín Andrés A, Luna del Castillo JD. Bioestadística para las ciencias de la salud. 4ª ed. Madrid:
NORMA; 1993.
8 – Argimón Pallas J.M., Jiménez Villa J. Métodos de investigación aplicados a la atención primaria
de salud. 2ª ed. Barcelona: Mosby-Doyma; 1994.
110
CURSO DE METODOLOGÍA DE LA INVESTIGACIÓN
PRACTICA No 15
DEFINICIÓN DEL UNIVERSO Y LA MUESTRA
I. OBJETIVOS:
1. Establecer la población de referencia del estudio
2. Estimar el tamaño de la muestra.
II. DOCUMENTOS DE REFERENCIA:
1.
Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística. Complexo
Hospitalario Juan Canalejo. A Coruña. CAD ATEN PRIMARIA 1996; 3: 138-14.
2. Pértigas Diaz, S., Pita Fernández, S. Cálculo de tamaño muestral en estudios de casos y
controles. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Juan
Canalejo. A Coruña, España, 2002.
3. Pértigas Diaz, S. Pita Fernández, S. Cálculo de tamaño muestral para la determinación de
factores pronósticos. Unidad de Epidemiología Clínica y Bioestadística. Complexo
Hospitalario Juan Canalejo. A Coruña, España, 2002
III. PROCEDIMIENTO:
El Universo corresponde al conjunto o población de donde proceden los sujetos del estudio,
el cual puede tratarse de la población de una división política administrativa, una localidad, o un
grupo de individuos que acude a un sitio de atención en un período determinado. El universo es más
amplio en los estudios descriptivos y más específico en los analíticos.
La muestra es un conjunto extraído del universo que preferiblemente es representativo del
mismo aunque no siempre es posible. El muestreo o forma de tomar la muestra determina la
representatividad de la muestra con respecto al universo.
La muestra puede o no ser aleatoria (tomada al azahar) y por consiguiente representativa o no.
Por conveniencia o por dificultad, la muestra puede no ser representativa, pero en todo caso se
requiere determinar el tamaño mínimo de la muestra para poder aplicar las pruebas estadísticas que
rechacen o acepten la hipótesis. En estudios experimentales, la muestra puede ser correspondiente
al universo de estudio, el cual depende de los casos o pacientes disponibles para la investigación, aún
así, podemos referirnos a una población de referencia, de donde proceden estos pacientes.
7. Especifique el Universo o, al menos, la población de referencia.
8. Determine el tamaño de la muestra, lo cual depende del tamaño del universo y la prefijación
de los valores de alfa y beta para los errores tipo I y II que se esté dispuesto a tolerar, la
prevalencia esperada de la variable dependiente, la variable independiente y la precisión del
resultado esperado.
9. Utilice el programa Statcal del paquete EpiInfo 3.3.2. en español aplicando automáticamente
la formula requerida según el tipo de estudio. También puede usar el programa Epidat.
Cuando no se cuenta con estadísticos de estudios anteriores se puede aplicar los criterios de
Fraenkel,J.R. & Wallen, N.E. (2000. How to design & evaluate Research in education Boston: McGraw
Hill) y con los resultados preliminares ajustar el tamaño de la muestra.
a) Estudios descriptivos: 100 unidades
b) Estudios de correlación: 50 unidades
c) Estudios analíticos (y experimentales): 30 unidades de cada grupo.
111
A continuación ofrecemos un conjunto de fórmulas para estimar el tamaño de la muestra según
tipo de estudio utilizadas en los programas EpiInfo y Epidat.
Tamaño de la muestra
Proporción de una variable en una población
n’=
Z2 p(1-p)
d2
n =
n`
1+ ( n`/N)
N= Población
n`= muestra máxima
n= tamaño ajustado de la muestra
Z= nivel de confianza
p= proporción esperada en la población
d= precisión absoluta
N= población total
112
Proporción o media de una Población
cuando se conoce el tamaño de la Población
n = NZ2PQ/ d2 (N-1) + Z2PQ
n = NZ2S2/ d2 (N-1) + Z2 S2
Tamaño de la muestra
Estudio comparativo de pruebas diagnósticas.
Hipótesis sobre características de la nueva prueba
n =
(n para cada grupo)
[( V(p1q1)  Vp2(q2)]2
(p1 -p2)2
Za = 1.96
Zb = 0.842 cuando 1-b = 0.80
P es el promedio de P1 y P2
P1 = valor conocido de la sensibilidad, especificidad,
valor predictivo, del valor de referencia
P2 = valores que se esperan obtener de estos mismos
indicadores
q1 = 1-p1
q2 = 1-p2
113
Tamaño de la muestra
Estudio comparativo de pruebas diagnósticas.
Hipótesis sobre concordancia entre las dos
pruebas
4pDis(1-pDis) Z 2
N =
1-a/2
(W)2
Za = 1.96
Dis = número de desacuerdo estimados entre las dos pruebas
W = amplitud determinada de un intervalo de confianza
Tamaño de la muestra
Estudio de prevalencia analítico
[
]
2
(PQ) (1+1/k) (Z1-/2) + [(PEo)(QEo) + {(PEe)(QEe/k) (Z1--)
no =
(PEe – PEo)2
n = no + ne = no + kno
n: tamaño total de la muestra
no: número de sujetos de la muestra no
expuestos
ne: número de sujetos de la muestra
expuestos
k: cociente entre expuestos y no
expuestos= ne/no
PEe: prevalencia de la enfermedad en los
sujetos expuestos
PEo: prevalencia de la enfermedad en los
sujetos no expuestos
P= (PEo + kPEe)/(1+k)
Q= 1-P
Z1-/2= 1.96 cuando = 0.05
QEo= 1-PEo
QEe= 1-PEe
Z1--=1.28 si 1--=0.9;
0.84 si 1--=0.8
Rosner, 1995. Fundamentos de bioestadística. 4ta edición. Belmont: Duxbury Press.
114
Tamaño de la muestra
Estudio de casos y controles
[ Z-
(2pq)] + Z-
(p1q1) + (p0q0)
]2
no =
(p1 – p0)2
p0: proporción de expuestos entre los controles
p= (p1 + p0)/2
q= 1-p
q1 = 1- p1
p1 = p0 R/ [1+ p0 (R-1)]
Tamaño de la muestra
Estudio de cohortes
no =
{ Z- (2pq) + Z- (p1[1+ RR –p1) (1+ RR2) ]}
p1 2 (1–RR)2
p1= incidencia de la enfermedad en los expuestos
p2= incidencia de la enfermedad en los no expuestos
p= p1 (1+ RR)/2
q= 1-p
RR= p1 - p2
2
115
Tamaño de la muestra
Estudio comparativo de dos
proporciones
2()2(PP)
n =
(P1 -P2)2
(n para cada grupo)
Za = 1.96
Zb = 1.282 cuando 1-b = 0.90
P es el promedio de P1 y P2
P1 = proporción estimada de un grupo
P2 = proporción estimada del otro grupo