Medicina Basada en la Evidencia
Inferencia estadística: estimación del tamaño muestral… – 561 – ción general, la precisión de nuestra estimación la ob- tendremos de la diferencia entre la prevalencia de la población general y la que nosotros creemos que va a tener la población desfavorecida. Si existe información publicada de que en la población general hay un 18% de obesidad y nos parece que sería relevante encontrar una prevalencia entre la población desfavorecida de, al menos, un 25%, la precisión requerida será la diferencia entre ambas cifras: 7%. En la calculadora introduciremos el 25% esperado y el ±7% de precisión que buscamos. Si las muestras han sido seleccionadas de forma aleatoria y son suficientemente grandes, los resultados serán representativos de lo que ocurre en la población, pero siempre van a tener cierto grado de error por imprecisión, que será inversamente proporcional al tamaño muestral El segundo factor que hay que considerar es la dife- rencia clínicamente importante . Usando el ejemplo an- terior, si no podemos intuir cuál es la prevalencia en la población desfavorecida, tendremos que establecer qué diferencia de prevalencia consideraríamos sufi- ciente para tener “importancia clínica”. En este ejemplo, parece sensato asumir que una diferencia de prevalen- cia de obesidad de, al menos, el 5% es clínicamente im- portante, ya que supone un aumento relativo del 27% de la prevalencia (0,05 / 0,18 = 0,27), lo que puede tener impacto en la salud cardiovascular de la población. El tercer factor, la factibilidad , condiciona en la prác- tica muchas estimaciones del tamaño muestral. Con frecuencia, el investigador tiene limitaciones de reclu- tamiento para alcanzar determinados tamaños mues- trales, por lo que cae en la tentación de restringir sus objetivos de precisión. Si el cálculo del tamaño mues- tral supera su capacidad de reclutamiento, no es excep- cional que se busquen objetivos menos precisos. Así, si una precisión de ±5% implica un tamaño muestral inaccesible, se explora el tamaño necesario para otros objetivos, por ejemplo, 7% o 10%. Debemos advertir que esta actitud resulta poco rigurosa, ya que cuando el objetivo de precisión necesario es del 5%, si no somos capaces de reclutar la muestra requerida, lo más razo- nable es renunciar a realizar el estudio o bien buscar la colaboración de otros grupos de investigación con los que ampliar el reclutamiento. Como hemos comentado previamente, aunque podría- mos hacer los cálculos de tamaño muestral a partir de las fórmulas del error estándar, en la práctica recomen- damos utilizar calculadoras epidemiológicas. Es prefe- rible dedicar más nuestra atención a los parámetros que debemos utilizar para su cálculo que al proceso matemático. Existen diversas calculadoras epidemiológicas, muchas de ellas de fácil manejo y de acceso gratuito, unas para ejecución en línea (por ej.: Granmo, Powerandsamplesi- ze.com ) y otras para su instalación en ordenadores per- sonales (por ej.: Ene, EPIDAT, Gpower, PS) y dispositivos móviles (por ej.: n4Studies). Veamos un ejemplo práctico: Comenzaremos con el supuesto anteriormente men- cionado de estimación de una proporción. Recorde- mos: prevalencia esperada de obesidad 25%, con una precisión de ±7%. Para ello, utilizaremos la calculadora Granmo ( https://laalamedilla.org/Investigacion/Recur- sos/granmo.html ) . Cuando accedemos al programa, la opción que por defecto aparece es la comparación de dos proporciones independientes (en la versión en cas- tellano, menú “Proporciones” y opción “Dos proporcio- nes independientes”); para nuestro ejemplo debemos seleccionar la opción “Estimación poblacional”. En la Figura 2 se reproduce la pantalla correspondiente con los datos necesarios ya incorporados. Hemos dejado en blanco la casilla destinada a la po- blación de muestreo disponible (si la población del área desfavorecida es limitada, debe introducirse aquí, para ajustar el tamaño muestral a la población disponi- ble) y a 0 el porcentaje de reemplazo (podríamos haber puesto aquí el porcentaje esperado de pérdidas para compensarlas en la estimación del tamaño muestral). Recordamos que este programa pide proporciones (de 0 a 1), no porcentajes. Cuando hemos insertados todos los datos, accionamos el botón “Calcula” y el programa nos indica que se necesitan 147 sujetos. Veamos otro ejemplo práctico: Para calcular la estimación del tamaño muestral de una comparación de proporciones emplearemos los datos de un estudio que trata de encontrar una diferencia de Figura 2. Cálculo del tamaño muestral para una estimación de una proporción con Granmo Disponible en: https://laalamedilla.org/Investigacion/Recursos/granmo.html
RkJQdWJsaXNoZXIy MTAwMjkz