1

Universidad Nacional Mayor de San MarcosDoctorado en Ciencias de la Salud

Mag. Ivonne Bernuí Leo

Seminario Nº 5

Diseño Metodológico :

Ámbito Geográfico. Población y Muestra. Tabulación y Análisis de

Datos

01-08-2009

2

Ámbito Geográfico

3

Ámbito Geográfico

Delimitación espacial del proyecto de investigación. Descripción del área de estudio donde recogerán

los datos. Es importante delimitar el área a investigar: una

ciudad, una calle, un país. Como regla general puede decirse que la

descripción del área de estudio, debe contener todos los aspectos que la diferencian de otras áreas y que puedan ser de importancia al realizar la investigación y al interpretar los hallazgos.

Pineda EB, de Alvarado EL. Metodología de la Investigación. 3ª edición. Serie Paltex Nº 47. Organización Panamericana de la Salud. 2008. pp. 172-3.

4

Lugar (país, zona geográfica, área urbana o rural).

Ubicación (delimitación geográfica). Tamaño (población, tamaño de la

institución). Institución (hospital, centro de salud,

escuela, entre otros).

Ámbito Geográfico

Pineda EB, de Alvarado EL. Metodología de la Investigación. 3ª edición. Serie Paltex Nº 47. Organización Panamericana de la Salud. 2008. pp. 172-3.

5

Población y Muestra

cuantitativa

6

Conjunto de individuos que guardan similitud entre sí en los aspectos que son relevantes para los objetivos de la investigación.

Por limitaciones económicos y de tiempo; Falta de recurso humano calificado para realizar

las observaciones o para obtener las mediciones necesarias y

Dificultades geográficas y logísticas.

Población

Ardila J, Rodríguez MN, Gil F. Capítulo 8: Población y Muestreo. En Ruiz AM, Morillo LE. Epidemiología Clínica. Editorial Médica Panamericana. Bogotá. Colombia. 2004.

7

Sub-conjunto de la población, que permite inferir, estimar o extrapolar los resultados de la observación a la población.

Consecuencias de no tener el tamaño adecuado: Por defecto no podremos ser precisos al estimar

los parámetros y además no encontraremos diferencias significativas cuando en la realidad sí existen.

Por exceso, podríamos estudiar un número innecesario de pacientes.

Ardila J, Rodríguez MN, Gil F. Capítulo 8: Población y Muestreo. En Ruiz AM, Morillo LE. Epidemiología Clínica. Editorial Médica Panamericana. Bogotá. Colombia. 2004.

MUESTRA

8

Calculo del tamaño de Muestra

9

Criterio: recursos disponibles (máximo tamaño posible); plan de análisis (mínimo tamaño deseable).

Tamaño absoluto: N=100, n=30 (30%), pero si N=50000 y n=500 (1%)

Muestra grande no necesariamente representativa.

> variabilidad > tamaño. Si se planean comparaciones de

grupos, asegurarse de 20 – 30 unidades por casilleros.

Criterios

10

Existen varias fórmulas para determinar el tamaño de la muestra.

Dos más comunes: Variable principal es una

proporción. Variable principal es un promedio.

Debemos conocer ciertas características de población ANTES de empezar el estudio.

TAMAÑO DE LA MUESTRA

11

Fórmula para Proporciones

n = N z2 p q / d2 (N-1) + z2 p q

Wayne, D. Bioestadística. Trad. 5ª ed. Ingles. Pag. 206

n = Tamaño de muestraN = poblaciónz = nivel de confianzap = proporción estimada de la poblaciónq = 1 – p d = Precisión ó error máximo permisible

12

Tamaño de Muestra: Proporciones

n = 360 * (1.96)2 * 0.38 * 0.62 2 (0.05)2 (360-1) + (1.96)2 * 0.38 * 0.62

n = 182 niños

N = 360z = 95% (1.96)p , prevalencia de Ret. Crec. = 38% q , prevalencia niños crec. Normal =

62% d = 5%

Universo : Niños < 6 años. PPJJ “Chavín Huantar” .VES

Variable Principal: Prevalencia Retardo Crecimiento

13

n = N z2 2 / d2 (N-1) + z2 2

Wayne, D. Bioestadística. Trad. 5ª ed. Ingles. Pag. 203

Fórmula para Medias

n = Tamaño de muestraN = Poblaciónz = nivel de confianzas2 = Varianza poblacional d = Precisión ó error máximo permisible

14

n = 608 * (1.96)2 * 625 = 144 100 * 607+ (1.96)2 * 625

n = Tamaño de muestraN = 608z = 95% (1.96)

2 = 625d = 10

Tamaño de Muestra: Media

Wayne, D. Bioestadística. Trad. 5ª ed. Ingles. Pag. 203

Universo : Mujeres Socias de Comedores. Distrito Surco

Variable Principal: Promedio de Consumo de Energía

15

n = Z *2p(1- p) + Z * p1(1- p1)+p2(1- p2) 2

(p1-p2)2

Pita S. Determinación del tamaño muestral serie [Metodología de la investigación]. Fisterra.com [Portal de internet]. 2001[último acceso 2009 junio 30]. Disponible http://www.fisterra.com/mbe/investiga/9muestras/9muestras.asp.

Fórmula para Comparar Proporciones

n = sujetos necesarios en cada uno de las muestrasZ = Valor Z correspondiente al riesgo deseadoZ = Valor Z correspondiente al riesgo deseadop1 = Valor de la proporción en el grupo de controlp2 = Valor de la proporción en el grupo de tratamiento. p = Media de las dos proporciones p1 y p2.

16

n = 2 ( Z + Z)2 *S2

d2

Pita S. Determinación del tamaño muestral serie [Metodología de la investigación]. Fisterra.com [Portal de internet]. 2001[último acceso 2009 junio 30]. Disponible http://www.fisterra.com/mbe/investiga/9muestras/9muestras.asp.

Fórmula para Comparar Medias

n = Tamaño de muestraZ = Valor Z correspondiente al riesgo deseadoZ = Valor Z correspondiente al riesgo deseados2 = Varianza poblacional d = Precisión ó error máximo permisible

17

Tamaño muestral ajustado a las pérdidas

Posibles pérdidas por 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 / 1–R)• n = número de sujetos sin pérdidas

• R = proporción esperada de pérdidas Así por ejemplo si se calculó 48 como tamaño de

muestra y se espera tener un 15% de pérdidas el tamaño muestral necesario seria: 48 (1 / 1-0.15) = 56 pacientes en cada grupo.

18

Tipos de Muestreo

19

Tipo de muestreo

más importante que

tamaño de muestra

Fuente:

20

Cuatro Muestras Diferentes de

2, 3, 5, 10 personas

UNIVERSO =

15 personas

2

Media Poblacional= 16 naranjas ⁄ mes

6 12

18 3020

810

14 2622

16 24

4

nNaranjas/

per cap/ mesx

2 6, 14 10

3 16, 18, 8 14.0

5 26, 14, 18, 2, 28

17.6

10 22,16,24,22,8,14,28,20, 2

15.8

21

PROBABILISTICO NO PROBABI-LISTICO

Aleatorio Simple

TIPOS DE MUESTREO

Por conve-

niencia

Por cuotas

Estrati-ficado

Conglo-merado

SistemáticoDeliberado

Fuente:

22

Probabilístico TODOSTODOS

elementos universo misma probabilidad

de ser seleccionados

Cuenta con un Marco Muestral

23

Muestreo sistemático

Se basa en aplicar una regla sistemática simple, como elegir uno de cada ‘n’ individuos.

24

POBLACION

25

Estratificado por un Factor

26

Estratificado por 2 factores

27

MUESTREO ALEATORIO ESTRATIFICADO

Ejemplo: Listado de 2000 personas con HTA, y se necesitan 250 personas. Se conoce que la HTA varía en función del sexo y presencia de obesidad.

Modificación del MAS, para que la muestra presente misma distribución que la población en relación a determinadas variables.

Estimaciones más precisas.

Población se divide en estratos en función de las categorías de la (s) variable (s). Se forman sub-grupos que

son mutuamente excluyentes.

Requiere: Conocer en población

distribución de las variables de estratificación.

Marco Muestral

Hombres

Mujeres Total

Obesidad 240 (12%)

320(16%)

560(28%)

No obesidad

960(48%)

480(24%)

1440(72%)

Hombres

Mujeres Total

Obesidad 30 (12%)

40(16%)

70(28%)

No obesidad

120(48%)

60(24%)

180(72%)

Población

Muestra

28

Por conglomerados

UGEL (UPM)

Instituciones Educativos(USM)

Ejemplo: Evaluación

Antropométrica en Escolares

de Lima Metropolitana

Unidad de Análisis

AULAS (UTM)

ESCOLARES

Unidad PrimariaMuestreo

U. SecundariaMuestreo

U. Terciaria Muestreo

Muestreo por etapas:

30

Estructura típica de un diseño muestral de hogares

Característica Posible definición

Estrato Regiones

Tipo de comunidad

U Primaria Secciones censales

Pueblos en áreas rurales

Manzanas en áreas urbanas

U Secundaria Viviendas

U Terciaria Miembros de las viviendas

U observación Individuos

31

Elección de los elementos depende de las causas relacionadas con las características de la investigación.

se desconoce la probabilidad de elección de cada unidad o elemento del universo No se puede estimar el error muestral, no se pueden hacer inferencias.

Muestro No probabilístico, por conveniencia

32

Muestro No probabilístico, por conveniencia

Selección depende de características relacionadas con la investigación.

Se desconoce la ‘p’ de elección de cada unidad del universo

No se puede estimar el error muestral, no se pueden hacer inferencias.

Es útil para los estudios piloto.

Pineda EB, de Alvarado EL. Op cit pag. 138-9.

33

Muestro No probabilístico, por conveniencia

Muestreo de casos extremos o inusuales. Muestreo de máxima variabilidad Muestras homogéneas Muestreo de casos típicos Muestreo de informantes clave.

Pineda EB, de Alvarado EL. Op cit pag. 138-9.

34

Muestreo por avalancha / cadena / bola de nieve

35

Compromiso entre lo deseable y lo viable

36

Recolección datos

Carolina Blossiers