02 Tamaño Muestral

Instituto Científico de LOS ANDES 2012
CALCULO DEL TAMAÑO MUESTRAL

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.
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-α). El nivel de confianza prefijado da lugar a un

coeficiente (Zα). Para una seguridad del 95% = 1.96, para una seguridad del 99% = 2.58.
b) La precisión que deseamos para nuestro estudio.
www.iclan.edu.pe Página 1
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 cuántas 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:
Zα2 = 1.962 (ya que la seguridad es del 95%)
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%)
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
Zα2 = 1.962 (si la seguridad es del 95%)
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%).
¿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 Zα varía, así:

Si la seguridad Zα fuese del 90% el coeficiente sería 1.645
Si la seguridad Zα fuese del 97.5% el coeficiente sería 2.24
A.2. Estimar una media:
Si deseamos estimar una media debemos saber:
a) El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado da lugar a un

coeficiente (Zα). 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 * d es la amplitud del intervalo de
confianza).
c) Una idea de la varianza S2 de la distribución de la variable cuantitativa que se supone
existe en la población.
Ejemplo: Si deseamos conocer la media de la glucemia basal de una población, con una
seguridad del 95 % y una precisión de ± 3 mg/dl y tenemos información por un estudio piloto o
revisión 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 cuántos 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 α)
d) Poder estadístico (1 - β) (riesgo de cometer un error β)
e) Definir si la hipótesis va a ser unilateral o bilateral.
a. Bilateral: Cualquiera de los dos parámetros a comparar (medias o proporciones) puede
ser mayor o menor que el otro. No se establece dirección.
b. 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).
B1. Comparación de dos proporciones:
n
Z  
* 2 p 1  p   Z  * p1 1  p1   p 2 1  p 2 
2
p1  p2 
Donde:
n = sujetos necesarios en cada una de las muestras
Zα = Valor Z correspondiente al riesgo deseado
Zβ = 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 Zα según la seguridad y Zβ según el poder se indican en la Tabla 2 (8).
B2. Comparación de dos medias:
2Z   Z   * S 2
2
n
d2
Donde:
n = sujetos necesarios en cada una de las muestras
Zα = Valor Z correspondiente al riesgo deseado
Zβ = 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 Zα según la seguridad y Zβ según el poder se indican en la Tabla 2 (8).
Tabla 2. Valores de Zα y Zβ más frecuentemente utilizados

Zα
α Test unilateral Test bilateral
0.200 0.842 1.282
0.150 1.036 1.440
0.100 1.282 1.645
0.050 1.645 1.960
0.025 1.960 2.240
0.010 2.326 2.576
Potencia
β (1-β) Zβ
0.010 0.990 2.326
0.050 0.950 1.645
0.100 0.900 1.282
0.150 0.850 1.036
0.200 0.800 0.842
0.250 0.750 0.674
0.300 0.700 0.524
0.350 0.650 0.385
0.400 0.600 0.253
0.450 0.550 0.126
0.500 0.500 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 tratamiento 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.
2Z   Z  2
*S2
n
d2
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%.
n
Z  
* 2 p 1  p   Z  * p1 1  p1   p 2 1  p 2 
2
p1  p2 
n = 48 pacientes. En cada grupo precisamos 48 pacientes.
C. El tamaño muestral ajustado a las pérdidas:
En todos los estudios es preciso estimar las posibles pérdidas 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−R

1
)
Dónde: 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 ( 1−0.15

1
)=56 pacientes en cada grupo.
D. 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.

02 Tamaño Muestral

Cargado por

Copyright:

Formatos disponibles

02 Tamaño Muestral

Cargado por

Información del documento

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

02 Tamaño Muestral

Cargado por

Copyright:

Formatos disponibles

Instituto Científico de LOS ANDES 2012

CALCULO DEL TAMAÑO MUESTRAL

Para determinar el tamaño muestral de un estudio, debemos considerar diferentes situaciones

A. Estudios para determinar parámetros. Es decir pretendemos hacer inferencias a valores

Tabla 1. Elementos de la Inferencia Estadística

A. Estudios para determinar parámetros

Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones,

A.1. Estimar una proporción:

Si deseamos estimar una proporción, debemos saber:

a) El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado da lugar a un

Ejemplo: ¿A cuántas personas tendríamos que estudiar para conocer la prevalencia de

Si la población es finita, es decir conocemos el total de la población y deseásemos saber

Según diferentes seguridades el coeficiente de Zα varía, así:

A.2. Estimar una media:

Si deseamos estimar una media debemos saber:

a) El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado da lugar a un

Si la población es finita, como previamente se señaló, es decir conocemos el total de la

B. Estudios para contraste de hipótesis

La hipótesis bilateral es una hipótesis más conservadora y disminuye el riesgo de cometer un

B1. Comparación de dos proporciones:

Los valores Zα según la seguridad y Zβ según el poder se indican en la Tabla 2 (8).

B2. Comparación de dos medias:

Los valores Zα según la seguridad y Zβ según el poder se indican en la Tabla 2 (8).

Tabla 2. Valores de Zα y Zβ más frecuentemente utilizados

Ejemplo de comparación de dos medias:

Deseamos utilizar un nuevo fármaco antidiabético y consideramos que seria clínicamente

precisamos 20 pacientes en cada grupo.

Ejemplo de comparación de dos proporciones:

n = 48 pacientes. En cada grupo precisamos 48 pacientes.

C. El tamaño muestral ajustado a las pérdidas:

Muestra ajustada a las pérdidas = n ( 1−R

muestral necesario seria: 48 ( 1−0.15

1) Contandriopoulos AP, Champagne F, Potvin L, Denis JL, Boyle P. Preparar un proyecto de

8) Argimón Pallas J.M., Jiménez Villa J. Métodos de investigación aplicados a la atención

También podría gustarte