Medicina Basada en la Evidencia

Diseños metodológicos – 108 – En líneas generales, existen dos tipos de muestras: muestras de conveniencia y muestras de probabilidad. Muestreo de conveniencia o no probabilístico En muchas ocasiones, es la técnica de muestreo más sencilla. Elegimos una muestra de sujetos que están fácilmente asequibles y disponibles. Por ejemplo, los pacientes que acuden a nuestra consulta durante un periodo de tiempo. El problema de este tipo de mues- treos es que la muestra puede no ser representativa de la población de estudio, lo cual compromete la genera- lización de las conclusiones obtenidas a partir de nues- tros resultados. Muestreo probabilístico Estas técnicas tienen en común el hecho de que todos los sujetos del marco muestral (la población accesible para ser seleccionada) tienen una probabilidad cono- cida y distinta de cero de ser incluidos en la muestra. Las pruebas de significación estadística para extraer inferencias en la población se basan en la utilización de este tipo de muestreo. El más sencillo de los mues- treos probabilísticos es el muestreo aleatorio simple , en el que todos los sujetos del marco muestral tienen la misma probabilidad de ser seleccionados, para lo cual debemos conocer previamente toda la población. En este caso, la probabilidad de ser seleccionado es inde- pendiente de los sujetos, lo que asegura una mayor re- presentatividad de la muestra y nos permite generalizar los resultados con mayor seguridad. El muestreo aleatorio simple es, como hemos visto, una técnica equiprobabilística, pero en algunas ocasiones interesa que los elementos de muestreo del marco no tengan todos las mismas probabilidades de ser inclui- dos en la muestra, ya sea por características de la po- blación o de determinadas variables de estudio. En el muestreo por cuotas o estratos (muestreo alea- torio estratificado) se eligen sujetos de forma que en la muestra se mantenga la misma proporción que en la población. La población se divide en estratos en fun- ción de las categorías de las variables por las que se desea estratificar, y que puedan influir en los resulta- dos (contundentes o modificadoras de efecto) y mutua- mente excluyentes. Pensemos, por ejemplo, qué carac- terísticas, como el peso, el sexo o la raza, son impor- tantes para el estudio. En estos casos, la selección se hace de forma que asegure la misma proporción dentro de la muestra que la que se observa en la población (muestreo aleatorio proporcional). El problema es que, al tener distinta probabilidad de ser seleccionado, po- demos favorecer de forma inadvertida alguna otra ca- racterística, comprometiendo la representatividad de la muestra. En otras ocasiones, la población puede estar dividida en estratos que interese tener en cuenta a la hora de realizar el estudio. Pensemos en un muestreo entre dis- tintas zonas geográficas, diferentes en tamaño o densi- dad de población. Si realizamos un muestreo aleatorio simple, puede ocurrir que las zonas más pequeñas que- den poco representadas en la muestra. En estos casos puede realizarse un muestreo estratificado, que intenta asegurar que la muestra tenga la misma distribución que la población de donde procede. De esta forma, la estimación global estará ponderada según la fracción a la que pertenece cada estrato. Con el muestreo seleccionamos un subgrupo representativo de la población a estudio. El muestreo probabilístico es el patrón de oro para asegurar la posibilidad de generalizar a la población; el muestreo aleatorio simple es el más sencillo de los muestreos probabilísticos El muestreo multietápico consiste en seleccionar, en una primera fase, unidades de muestreo primarias y, en una segunda fase, muestrear en cada unidad, con lo que obtenemos unidades secundarias. Puede con- tener varias etapas y en cada una de ellas se puede realizar una técnica distinta de muestreo. Un ejemplo sería si queremos estudiar la prevalencia de la diabe- tes mellitus en la edad escolar. Para ello seleccionaría- mos las escuelas de forma aleatoria y dentro de estas elegiríamos una muestra aleatoria de los individuos. Es muy útil cuando la población de referencia es muy grande y está dispersa; su principal desventaja es que, si las unidades primarias están formadas por indivi- duos similares en relación con la variable resultado, perdemos precisión y su estimación sería menor que si realizáramos un muestreo aleatorio simple. En el muestreo sistemático , se elige una constante de muestreo (K) que se obtiene dividiendo el total de la población por el tamaño de muestra que hemos ele- gido. Dentro de las K unidades primeras se elige una muestra al azar y se le va sumando la constante de for- ma sucesiva hasta completar el tamaño muestra. Veamos un ejemplo: Queremos conocer la calidad asistencial en el Ser- vicio de Urgencias de Pediatría de un hospital en el último año. Supongamos que se han visitado 10 000 pacientes y escogemos muestras de 1000 pacientes. La constante de muestreo sería 10 000/1000 = 10. Des- pués hacemos un muestro aleatorio simple de los diez primeros. Supongamos que elegimos al 8. A partir de ahí vamos sumando 10 historias cada vez; así obten- dríamos la 18, 28, 38, y así sucesivamente