METODOLOGA DE MUESTREO

Valledor M*. Carreira JMF** *Unidad de Calidad Hospital San Agustn **Unidad de Investigacin Hospital San Agustn

Introduccin
En este documento ofrecemos un resumen sobre el concepto de muestreo, y los tipos de muestreo existentes. Adems, se dispone de una hoja para el clculo de tamaos muestrales en auditoras de Historias Clnicas en Excel (muestreo.xls !ue se aportar o se calcular el tamao a !uien lo solicite. "o pretendemos, ni mucho menos, ser exhausti#os. $implemente ofrecemos una pe!uea herramienta !ue pueda ser#ir de apoyo en la e#aluaci%n 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. btener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reprodu!ca de alg"n modo sus rasgos bsicos.

Terminologa
Poblacin objeto# con$unto de individuos de los que se quiere obtener una informacin. Unidades de muestreo# n"mero de elementos de la poblacin, no solapados, que se van a estudiar. %odo miembro de la poblacin pertenecer a una & slo una unidad de muestreo. Unidades de anlisis# ob$eto o individuo del que ha& que obtener la informacin . Marco muestral# lista de unidades o elementos de muestreo. Muestra# con$unto de unidades o elementos de anlisis sacados del marco.

Muestreo probabilstico
El m'todo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, & dicha probabilidad no es nula para ning"n elemento. (os m'todos de muestreo no probabilisticos no garanti!an la representatividad de la muestra & por lo tanto no permiten reali!ar estimaciones inferenciales sobre la poblacin. (En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilistico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la poblacin. Entre los m'todos de muestreo probabilsticos ms utili!ados en investigacin encontramos# )uestreo aleatorio simple )uestreo estratificado

)uestreo sistemtico )uestreo polietpico o por conglomerados

Ventajas e inconvenientes de los distintos tipos de muestreo probabilstico

CARACTERISTICAS Aleatorio simple Se selecciona una muestra de tama*o n de una poblacin de ! unidades, cada elemento tiene una probabilidad de inclusin igual & conocida de n"!. VENTAJAS INCONVENIENTES

Sencillo & de fcil comprensin. +lculo rpido de medias & varian!as. Se basa en la teora estadstica, & por tanto existen paquetes informticos para anali!ar los datos 3cil de aplicar. -o siempre es necesario tener un listado de toda la poblacin. +uando la poblacin est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos.

,equiere que se posea de antemano un listado completo de toda la poblacin.

+uando se traba$a con muestras peque*as es posible que no represente a la poblacin adecuadamente.

Sistemtico

+onseguir un listado de los - elementos de la poblacin .eterminar tama*o muestral n. .efinir un intervalo /0-1n. Elegir un n"mero aleatorio, r, entre 2 & / (r0arranque aleatorio). Seleccionar los elementos de la lista.

Si la constante de muestreo est asociada con el fenmeno de inter's, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de seleccin

Estrati icado

En ciertas ocasiones resultar conveniente estratificar la muestra seg"n ciertas variables de inter's. 4ara ello debemos conocer la composicin estratificada de la poblacin ob$etivo a muestrear. 5na ve! calculado el tama*o muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la poblacin usando una simple regla de tres.

%iende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas. Se obtienen estimaciones ms precisa Su ob$etivo es conseguir una muestra lo mas seme$ante posible a la poblacin en lo que a la o las variables estratificadoras se refiere. Es mu& eficiente cuando la poblacin es mu& grande & dispersa. -o es preciso tener un listado de toda la poblacin, slo de las unidades primarias de muestreo.

Se ha de conocer la distribucin en la poblacin de las variables utili!adas para la estratificacin.

Con!lomerados

Se reali!an varias fases de muestreo sucesivas (polietpico) (a necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.

El error estndar es ma&or que en el muestreo aleatorio simple o estratificado.

El clculo del error estndar es comple$o.

Clculo del tama"o muestral

+ada estudio tiene un tama*o muestral idneo, que permite comprobar lo que se pretende con la seguridad & precisin fi$adas por el investigador. #$e %ue depende el tama"o muestral 6

Variabilidad del parmetro a estimar# .atos previos, estudios piloto o usar 789 como peor estimacin &recisi'n# :mplitud del intervalo de confian!a. Si se estima prevalencia su formato ser 9 Nivel de con ian(a )*+)# habitualmente ;79 o ;;9. 4robabilidad complementaria al error admitido

Si aumentamos el tama*o muestral n , podremos me$orar la calidad de la estimacin bien aumentando la precisin (disminu&e amplitud del intervalo) o bien aumentando la seguridad (disminu&e el error admitido)

#lculo del tama$o muestral en una auditora de %istorias #lnicas

Se trata de una situacin especial, en la que se va a determinar la presencia o ausencia de un determinado documento, por e$emplo (variable dicot'mica). En este caso, ha& que determinar la proporcin esperada de la variable de inter's, la precisin deseada, & el nivel de confian!a. 4odemos aplicar las siguientes frmulas para el clculo del tama*o muestral (si el muestreo es aleatorio). Si conocemos el tama*o de la poblacin usaremos el m'todo para poblaciones finitas. Si por el contrario el tama*o de la poblacin es desconocido o infinito usaremos la otra alternativa. <a& que tener en cuenta que una poblacin infinita puede corresponder a una finita (conocida) en la que se ha definido un muestreo con reempla!amiento (el mismo individuo puede salir muestreado varias veces)

Tama"o de la poblaci'n in inito o desconocido

Tama"o de la poblaci'n inito

n N , p % i

%ama*o muestral %ama*o de la poblacin, n"mero total de historias. =alor correspondiente a la distribucin de >auss 2,;? para 08,87 & @,7A para 08,82. 4revalencia esperada del parmetro a evaluar. En caso de desconocerse, aplicar la opcin ms desfavorable (p08,7), que hace ma&or el tama*o muestral. 2Bp (Si p0C89, q0D89) Error que se prev' cometer. 4or e$emplo, para un error del 289, introduciremos en la frmula el valor 8,2. :s, con un error del 289, si el parmetro estimado resulta del A89, tendramos una seguridad del ;79 (para 08,87) de que el parmetro real se sit"a entre el D89 & el ;89. =emos, por tanto, que la amplitud total del intervalo es el doble del error que introducimos en la frmula.

Estas frmulas estn introducidas en la ho$a de clculo muestreo.&ls 'Excel;D). En ella basta con introducir los distintos parmetros se*alados para obtener el tama*o muestral correspondiente. ,ecomendamos calcular tama*os muestrales para 08,87, & un error 8,2, o ms precisas.

-iblio!ra a 1. 2. 3. 4.
+arrasco E(. El m'todo estadstico en la investigacin m'dica. 7F ed. )adrid. Editorial +iencia. <ulle& SG, +ummings S,. .ise*o de la investigacin clnica. Ed .o&ma. Garcelona 2;;C. Helse& I(, %hompson J., Evans :. )ethods in observational epidemiolog&. -eK Lor/. xford 5niversit& 4ress 2;A?.

)ira EE, >me! E, :rana! E, 4're! E. :uditora de historias clnicas# M+ul es el tama*o adecuado de la muestra6. %odo <ospital 2;;DN octubre# 7AB?O.

&O-.ACI/N 0 12ESTRA

5na poblacin est determinada por sus caractersticas definitorias. 4or lo tanto, el con$unto de elementos que posea esta caracterstica se denomina poblacin o universo. 4oblacin es la totalidad del fenmeno a estudiar, donde las unidades de poblacin poseen una caracterstica com"n, la que se estudia & da origen a los datos de la investigacin. Entonces, una poblacin es el con$unto de todas las cosas que concuerdan con una serie determinada de especificaciones. 5n censo, por e$emplo, es el recuento de todos los elementos de una poblacin. +uando seleccionamos algunos elementos con la intencin de averiguar algo sobre una poblacin determinada, nos referimos a este grupo de elementos como muestra. 4or supuesto, esperamos que lo que averiguamos en la muestra sea cierto para la poblacin en su con$unto. (a exactitud de la informacin recolectada depende en gran manera de la forma en que fue seleccionada la muestra. +uando no es posible medir cada uno de los individuos de una poblacin, se toma una muestra representativa de la misma. (a muestra descansa en el principio de que las partes representan al todo &, por tal, refle$a las caractersticas que definen la poblacin de la que fue extrada, lo cual nos indica que es representativa. 4or lo tanto, la valide! de la generali!acin depende de la valide! & tama*o de la muestra. (e&es del m'todo de muestreo. El m'todo de muestreo se basa en ciertas le&es que le otorgan su fundamento cientfico, las cuales son# (e& de los grandes n"meros# si en una prueba, la probabilidad de un acontecimiento o suceso es 4, & si 'ste se repite una gran cantidad de veces, la relacin entre las veces que se produce el suceso & la cantidad total de pruebas (es decir, la frecuencia 3 del suceso) tiende a acercarse cada ve! ms a la probabilidad 4.

+lculo de probabilidades# (a probabilidad de un hecho o suceso es la relacin entre el n"mero de casos favorables (p) a este hecho con la cantidad de casos posibles, suponiendo que todos los casos son igualmente posibles. El m'todo de establecer la probabilidad es lo que se denomina clculo de probabilidad.

.e estas dos le&es fundamentales de la estadstica, se infieren aquellas que sirven de base ms directamente al m'todo de muestreo# (e& de la regularidad estadstica# un con$unto de n unidades tomadas al a!ar de un con$unto -, es casi seguro que tenga las caractersticas del grupo ms grande. (e& de la inercia de los grandes n"meros# esta le& es contraria a la anterior. Se refiere al hecho de que en la ma&ora de los fenmenos, cuando una parte vara en una direccin, es probable que una parte igual del mismo grupo, vare en direccin opuesta. (e& de la permanencia de los n"meros peque*os# si una muestra suficientemente grande es representativa de la poblacin, una segunda muestra de igual magnitud deber ser seme$ante a la primeraN &, si en la primera muestra se encuentran pocos individuos con caractersticas raras, es de esperar encontrar igual proporcin en la segunda muestra.

%ipos de muestras. Muestreo aleatorio simple( la forma ms com"n de obtener una muestra es la seleccin al a!ar. es decir, cada uno de los individuos de una poblacin tiene la misma posibilidad de ser elegido. Si no se cumple este requisito, se dice que la muestra es viciada. 4ara tener la seguridad de que la muestra aleatoria no es viciada, debe emplearse para su constitucin una tabla de n"meros aleatorios. Muestreo estrati)icado( una muestra es estratificada cuando los elementos de la muestra son proporcionales a su presencia en la poblacin. (a presencia de un elemento en un estrato exclu&e su presencia en otro. 4ara este tipo de muestreo, se divide a la poblacin en varios grupos o estratos con el fin de dar representatividad a los distintos factores que integran el universo de estudio. 4ara la seleccin de los elementos o unidades representantes, se utili!a el m'todo de muestreo aleatorio. Muestreo por cuotas( se divide a la poblacin en estratos o categoras, & se asigna una cuota para las diferentes categoras &, a $uicio del investigador, se selecciona las unidades de muestreo. (a muestra debe ser proporcional a la poblacin, & en ella debern tenerse en cuenta las diferentes categoras. El muestreo por cuotas se presta a distorsiones, al quedar a criterio del investigador la seleccin de las categoras. Muestreo intencionado( tambi'n recibe el nombre de sesgado. El investigador selecciona los elementos que a su $uicio son representativos, lo que exige un conocimiento previo de la poblacin que se investiga. Muestreo mi&to( se combinan diversos tipos de muestreo. 4or e$emplo# se puede seleccionar las unidades de la muestra en forma aleatoria & despu's aplicar el muestreo por cuotas. Muestreo tipo( la muestra tipo (master simple) es una aplicacin combinada & especial de los tipos de muestra existentes. +onsiste en seleccionar una muestra Ppara ser usadaP al disponer de tiempo, la muestra se establece empleando procedimientos sofisticadosN & una ve!

establecida, constituir el mdulo general del cual se extraer la muestra definitiva conforme a la necesidad especfica de cada investigacin.