Muestreo, Que Es y Cual Es La Formula para Su Obtención

Muestreo
Introduccin
En este documento ofrecemos un resumen sobre el concepto de muestreo, y los tipos
de muestreo existentes. Adems, adjuntamos una hoja para el clculo de tamaos
muestrales en auditoras de historias clnicas (muestreo.xls). No pretendemos, ni
mucho menos, ser exhaustivos. Simplemente ofrecemos una pequea herramienta
que pueda servir de apoyo en la evaluacin de los distintos indicadores de calidad.
Concepto de muestreo
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es
determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se
comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir
de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener
una muestra adecuada significa lograr una versin simplificada de la poblacin, que
reproduzca de algn modo sus rasgos bsicos.
Terminologa
Poblacin objeto: conjunto de individuos de los que se quiere obtener una informacin.
Unidades de muestreo: nmero de elementos de la poblacin, no solapados, que se
van a estudiar. Todo miembro de la poblacin pertenecer a una y slo una unidad de
muestreo.
Unidades de anlisis: objeto o individuo del que hay que obtener la informacin.
Marco muestral: lista de unidades o elementos de muestreo.
Muestra: conjunto de unidades o elementos de anlisis sacados del marco.
Muestreo probabilstico
El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de
la poblacin, y dicha probabilidad no es nula para ningn elemento.
Los tipos de muetreo probabilstico son:
- Muestreo aleatorio simple.
- Muestreo sistemtico.
- Muestreo aleatorio estratificado.
- Muestreo por conglomerados (clusters)
Muestreo aleatorio simple

Muestreo equiprobabilstico: Si se selecciona una muestra de tamao n de una
poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y
conocida de n/N.
Ventajas:
- Sencillo y de fcil comprensin.
- Clculo rpido de medias y varianzas.
- Se basa en la teora estadstica, y por tanto existen paquetes informticos para
analizar los datos.
Desventajas:
- Requiere que se posea de antemano un listado completo de toda la poblacin.
- Cuando se trabaja con muestras pequeas es posible que no represente a la
poblacin adecuadamente.
Muestreo sistemtico
Procedimiento:
- Conseguir un listado de N elementos.
- Determinar un tamao de muestra n.
- Definir un intervalo de salto k; K=N/n.
- Elegir un nmero aleatorio, r, entre 1 y k (r=arranque aleatorio).
- Seleccionar los elementos de la lista.
Ventajas:
- Fcil de aplicar.
- No siempre es necesario tener un listado de toda la poblacin.
- Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura
una cobertura de unidades de todos los tipos.
Desventajas:
- Si la constante de muestreo est asociada con el fenmeno de inters, se pueden
hallar estimaciones sesgadas.
Muestreo aleatorio estratificado

El azar no es una garanta de representatividad. Este muestreo pretende asegurar la
representacin de cada grupo en la muestra. Cuanto ms homogneos sean los
estratos, ms precisas resultarn las estimaciones.
Ventajas:
- Tiende a asegurar que la muestra represente adecuadamente a la poblacin en
funcin de unas variables seleccionadas.
- Se obtienen estimaciones ms precisas.
Desventajas:
- Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la
estratificacin.
- Los anlisis son complicados, en muchos casos la muestra tiene que ponderarse
(asignar pesos a cada elemento).
Muestreo por conglomerados
-
Los conglomerados se caracterizan porque la variacin en cada grupo es menor

que la variacin entre grupos.
La necesidad de listados de las unidades de una etapa se limita a aquellas
unidades de muestreo seleccionadas en la etapa anterior.
Ventajas:
- Es muy eficiente cuando la poblacin es muy grande y dispersa. Reduce costes.
- No es preciso tener un listado de toda la poblacin, slo de las unidades prim arias
de muestreo.
Desventajas:
- El error estandar es mayor que en el muestreo aleatorio simple o estratificado.
- El clculo del error estndar es complejo.
Clculo del tamao muestral
Cada estudio tiene un tamao muestral idneo, que permite comprobar lo que se
pretende con una seguridad aceptable y el mnimo esfuerzo posible. Para el clculo
del tamao muestral en cada tipo de estudio existe una frmula estadstica apropiada.
Se basan en el error estndar, que mide el intervalo de confianza de cada parmetro
que se analiza (media aritmtica, porcentaje, diferencia de medias, etc.). La precisin
estadstica aumenta (el error estndar disminuye) cuando el tamao muestral crece.
Para cada caso en concreto, ser necesario consultar un libro de estadstica, o ms
fcil, utilizar algn programa como Epiinfo.
Clculo del tamao muestral en una auditora de historias clnicas

Se trata de una situacin especial, en la que se va a determinar la presencia o
ausencia de un determinado documento, por ejemplo (variable dicotmica). En este
caso, hay que determinar la proporcin esperada de la variable de inters, la precisin
deseada, y el nivel de confianza. Podemos aplicar las siguientes frmulas para el
clculo del tamao muestral (si el muestreo es aleatorio).
Tamao de la poblacin desconocido
Tamao muestral= z 2pq/i2
Donde:
z. Valor de z, 1,96 para =0,05 y 2,58 para =0,01.
p: Prevalencia esperada del parmetro a evaluar. En caso de desconocerse, aplicar la
opcin ms desfavorable (p=0,5), que hace mayor el tamao muestral.
q=1-p
i= Error que se prev cometer. Por ejemplo, para un error del 10%, introduciremos en
la frmula el valor 0,1. As, con un error del 10%, si el parmetro estimado resulta del
80%, tendramos una seguridad del 95% (para =0,05) de que el parmetro real se
sita entre el 70% y el 90%. Vemos, por tanto, que la amplitud total del intervalo es el
doble del error que introducimos en la frmula.
Tamao de la poblacin conocido
Tamao muestral=N z 2pq/(i2(n-1) + z 2pq)
Donde:
N: tamao de la poblacin, nmero total de historias.
z. Valor de z, 1,96 para =0,05 y 2,58 para =0,01.
p: Prevalencia esperada del parmetro a evaluar. En caso de desconocerse, aplicar la
opcin ms desfavorable (p=0,5), que hace mayor el tamao muestral.
q=1-p
i= Error que se prev cometer.
Estas frmulas estn introducidas en la hoja de clculo muestral.xls que se adjunta,
realizada en Excel97. En ella basta con introducir los distintos parmetros sealados
para obtener el tamao muestral correspondiente.
Recomendamos calcular tamaos muestrales para =0,05, y un error 0,1, o ms
precisas.
Algunas consideraciones para el clculo del tamao muestral en estudios de
calidad del INSALUD.
Cuando el nmero de pacientes o historias a estudiar no supera los 50, lo ms

razonable es estudiarlos a todos. En caso contrario, si el estudio supone un esfuerzo
considerable, se requerir seleccionar una muestra, puesto que no tiene mucho
sentido emplear esfuerzos en estudiar de forma exhaustiva una poblacin muy grande.
Uno de los aspectos ms importantes es seleccionar correctamente la muestra para el
estudio. Al igual que en aos anteriores, junto con la metodologa definitiva se enviar
un anexo denominado Muestreo.doc para ayudar a aquellas personas que lo
precisen en el proceso de seleccin de la muestra, as como una hoja de clculo en
Excel 97 muestreo.xls, para la obtencin del tamao muestral. Se recomienda utilizar
los siguientes parmetros en la hoja de clculo:
- Usar la versin poblacin conocida, introduciendo dicha poblacin.
- Utilizar el nivel del 95% de seguridad ( =0,05, z=1,96)
- Utilizar una precisin del 5% al 10% (error i, 0,05-0,1). La precisin del 5% es la
ideal, pero requiere tamaos muestrales bastante elevados. La precisin del 10%
puede ser suficiente en la mayora de los casos.
- Utilizar la frecuencia esperada del parmetro, utilizando los resultados de estudios
pilotos o de aos anteriores. Se recomienda que, en caso de no conocer dicha
frecuencia esperada, se debe introducir 0,5 en la hoja, que es el caso ms
desfavorable (obliga al mayor tamao muestral posible).
Si se siguen estas recomendaciones, se obtendrn resultados finales ms
comparables entre hospitales.
Este tamao muestral puede calcularse para obtener un resultado representativo de
todos los servicios implicados. En este caso, la poblacin es la total (suma de todos
los pacientes o historias de todos los servicios). Este resultado es vlido para el
INSALUD, pero no es til para gestionar la calidad a nivel de servicio. Es muy
importante conocer el resultado de cada servicio y para ello es necesario conociendo
la poblacin del servicio, calcular la muestra para esa poblacin. Lgicamente, el
nmero de historias a estudiar es mayor, y se deber planificar con cuidado la carga
de trabajo.
Bibliografa
Carrasco JL. El mtodo estadstico en la investigacin mdica. 5 ed. Madrid. Editorial

Ciencia.
Domenech JM. Mtodos Estadsticos en Ciencias de la Salud. Signo. Barcelona 1999.
Hulley SB, Cummings SR. Diseo de la investigacin clnica. Ed Doyma. Barcelona
1993.
Kelsey IL, Thompson WD, Evans A. Methods in observational epidemiology. New York.
Oxford University Press 1986.
Mira JJ, Gmez J, Aranaz J, Prez E. Auditora de historias clnicas: cal es el
tamao adecuado de la muestra?. Todo Hospital 1997; octubre: 58-64.

Muestreo, Que Es y Cual Es La Formula para Su Obtención

Cargado por

Copyright:

Formatos disponibles

Muestreo, Que Es y Cual Es La Formula para Su Obtención

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo, Que Es y Cual Es La Formula para Su Obtención

Cargado por

Copyright:

Formatos disponibles

Muestreo

Muestreo aleatorio simple

Muestreo aleatorio estratificado

Los conglomerados se caracterizan porque la variacin en cada grupo es menor

Clculo del tamao muestral en una auditora de historias clnicas

Cuando el nmero de pacientes o historias a estudiar no supera los 50, lo ms

Carrasco JL. El mtodo estadstico en la investigacin mdica. 5 ed. Madrid. Editorial

También podría gustarte