jueves, 26 de mayo de 2022

CLASE 4: MUESTREO

- La muestra se analiza y a través de la inferencia se extrapola a la población

- La muestra se obtiene a través del muestreo

¿Por qué hacemos muestreo en epidemiología?

• Toda información sobre enfermedad y eventos asociados se obtiene a través de surveys

“estudios descriptivos”.

• Por ejemplo, al abordar una situación sanitaria partimos estimando prevalencia (parámetros
poblacionales)

• Estos estudios involucran seleccionar individuos de una población, una muestra, y medir
características como:

- Estatus de una enfermedad

- Producción de leche

- Peso al nacimiento

- Cualquier característica productiva

• Cuando un estudio descriptivo (survey) involucra toda una población= CENSO

• En epidemiología un objetivo importante es medir la frecuencia de una enfermedad, por

ejemplo:

- Prevalencia

- Incidencia

Ejemplo: varroasis

1
 Otros conceptos importantes sobre el muestreo

1. ERROR DE MUESTREO

• Es la diferencia entre el valor real (parámetro poblacional) y el valor estimado de la muestra

(estimador/ estadístico de la muestra) *el parámetro poblacional siempre es desconocido

• No es predecible y no se puede eliminar, pero se puede reducir mediante díselos de estudio

e cientes y aumentando el tamaño de la muestra para que sea más exacta la medida.

• Para estimar y “hacerse cargo” (reconocer que existe) del error de muestreo se usan los
intervalos de con anza (rango de con anza que le damos a un estadístico, reconociendo
que no sabemos el valor real pero sabemos que tenemos un cierto % de con anza de que
el verdadero parámetro poblacional se encuentra entre ciertos valores)

2. CONSIDERACIONES SOBRE EL MARCO DE MUESTREO

Marco de muestreo MM: listado concreto desde de donde se toma la muestra, por ej, listado
de apiarios que fueron tendidos por Prodesal en los últimos 3 años.

• Algunos MM comunes en Medicina Veterinaria:

- Listado de predios animales (ej: vacas lecheras)

- Listado de clínicas veterinarias

- Listado de mataderos

• Muchas veces los MM son elegidos por practicidad, pese a que deben ser insesgados y al
azar, para facilitar el trabajo del investigador.

• A veces no se puede generar un MM, por ejemplo, en estudio de perros vagos, ya que no
existe un listado de ellos y no están agrupados en ningún lugar físico

• Dependiendo del estudio hay MM que son más o menos apropiados, por ej, en un estudio
sobre rabia las clínicas veterinarias no son el mejor MM ya que no incluyen a los perros
vagos

3. CONSIDERACIONES SOBRE LA UNIDAD DE MUESTREO

Unidad de muestreo UM: unidad que compone el marco de muestreo, por ej, cada apiario de
listado.

• Las unidades de muestreo pueden ser:

- Animales individuales

- Rebaños, grupos, predios, comunas

• Es exible:

- Prevalencia individual: Prevalencia de rebaños:

Es importante de nir que es un rebaño afectado, por ej, un estudio con mastitis, un rebaño
afectado puede ser incluso con 1 vaca afectada. Lo de ne el investigador

2
fi
fl
fi
fi
fi
fi
fi
TIPOS DE MUESTREO

1. No probabilistico

2. Probabilistico

1. MUESTREO NO PROBABILISTICO

• La muestra no es al azar

• Inapropiado para estudios descriptivos donde se quiere estimar un parámetro poblacional

• Tipos:

• Por juicio propio: el investigador incluye a unidades que el considera como representativas

• Por conveniencia: son seleccionadas porque son mas fáciles de muestreo

• Dirigido: intencionado, se seleccionan las unidades por factores que los hacen elegibles (ej:
factores de riesgo, como ser cachorros en el caso de parvovirus)

*su objetivo es diferente, es detectar una enfermedad o demostrar su ausencia

2. PROBABILISTICO

• Procedimiento insesgado, cada UM debe tener la misma probabilidad de ser incluida en la

muestra (distinta de cero)

• Cada unidad de muestreo se elige con independencia de las demás

• Supone la aplicación de un procedimiento formal de selección al azar del MM

• Procedimiento que se conoce como muestreo aleatorio

• El MM es fundamental para el muestreo aleatorio. Cuando no se cuenta con él es muy difícil

que la muestra sea realmente al azar

MUESTREO PROBABILISTICO
- MUESTREO ALEATORIO

a) Procedimiento

• Enumeración de las unidades de la población de 1 a N

• Se extrae una serie de n numeros entre 1 y N, mediante un sistema que utilice el azar

• Tabla de números aleatorios

• Computador

• Recursos online

b) Esquemas de muestreo aleatorio

- Muestreo aleatorio simple

- Muestreo sistematico

- Muestreo estrati cado

- Muestreo por conglomerados

- Muestreo multietapa

3
fi
Muestreo aleatorio simple

• Se selecciona un grupo de unidades de muestreo desde el MM por medio de un muestreo

aleatorio

• La probabilidad de selección de cada uno de los elementos que conforman la muestra está
dada por la fracción de muestreo:

N: tamaño población

n: tamaño de la muestra

Ejemplo:

Queremos tomar una muestra de 100 estudiantes de una

población de 5000 estudiantes

La probabilidad de cada estudiante de ingresar a la muestra es del 2%

Muestreo sistemático

• Corresponde a la selección de unidades de muestreo a intervalos iguales, después de haber

seleccionado la primera unidad de manera aleatoria

• Se toma una de cada k unidades, siendo k el espaciamiento de muestreo

• Se toma el primero de manera aleatoria y luego la siguiente unidad

seleccionada es el partidos+k, luego 2k, + 3k y así.

• Es mas adecuado en situaciones donde no tengo el tiempo de realizar el muestreo aleatorio

simple y el MM es relativamente grande

Ejemplo:

Muestreo de hígados para buscar quistes hidatídicos

- En este caso convendrá realizar el muestreo en el matadero y tomar las unidades de

muestreo (hígados) de la misma linea de procesamiento

- En este caso no tendré los hígados s disposición para hacer un muestreo aleatorio, sino que
irán pasando frente a mi rápidamente

- Entonces convendrá ir seleccionando los hígados cada cierto espaciamiento, así tendré la
posibilidad de seleccionar el hígado, almacenarlo y rotularlo

- En este contexto, el muestreo sistemático no requiere conocer con exactitud la población de

estudio. En este caso k se ja en forma arbitraria.

4
fi
 Muestreo estrati cado

• Cuando la variable en estudio se relaciona con diversos estratos (sexo, raza, etc.) dentro de
la población

• Queremos asegurarnos que en la muestra hayan representantes de cada estrato. Tenemos

que muestra todos los estratos

• La población se divide en estratos (i) y se muestrea cada estrato como si fuera una
población independiente, con un muestreo aleatorio simple

• El numero de unidades de muestreo seleccionados por cada estrato (ni) puede ser
determinada por varios métodos. El mas común es:

A jacion proporcional:

• Número de unidades de muestreo seleccionadas por cada estrato es proporcional al tamaño

de la población de cada estrato

• Si la fracción de muestreo general es 5% entonces se muestra el 5% de los elementos

contenidos en cada estrato

Ejemplo:

• Se quiere conocer la opinión de distintos estudiantes de las escuelas de la UOH

• Entraron 1356 en 2020

• Necesitamos una muestra de 50 estudiantes

Podemos mezclar el muestreo multietapa con el estrati cado, por ejemplo, seleccionar ciertos
rebaños, luego seleccionar por raza (estratos), luego por ubres, y así.

Muestreo por conglomerados y muestreo multietapa

• En ocasiones las unidades de muestreo están repartidas en grupos con un componente

espacial, por ej, unidades productivas o predios, clínicas, etc. En “clusters”

• Tomar muestras de cada uno puede ser impráctico y costoso

• Existen dos opciones:

1. Muestreo por conglomerados (2 etapas): se selecciona un grupo de conglomerados

(unidad primaria) y luego se seleccionan todos los animales, muestreo cticio (unidad
secundaria) dentro de esos conglomerado

Ej:

1. Voy a 100 de 500 rebaños al azar 2. Selecciono todos los individuos dentro de los rebaños

2. Muestreo multietapa: se selecciona un grupo de conglomerados (unidad primaria) y luego

se seleccionan algunos animales, muestreo real (unidad secundaria) dentro de esos
conglomerados utilizando muestreo aleatorio. Puede haber mas de dos “niveles” o etapas

5
fi
fi
fi
fi
• El muestreo en cada etapa por lo general es por muestreo aleatorio en alguna de sus
variantes.

Ejemplo de muestreo por conglomerados y muestreo multietapa

Evaluación de E. Coli multiresistente

• Supongamos que queremos conocer la prevalencia en Rancagua y tengo recursos para

muestrear 200 perros

• Consideremos imposible generar el marco de muestreo para perros con dueño

• Entonces será más fácil seleccionar un grupo de clínicas (conglomerados) y, dentro de

éstas, un grupo de perros.

1 etapa: selección de clínicas. Digamos que necesitamos 20. Método: muestreo aleatorio
simple

2 etapa: debo seleccionar 10 perros por clínica. Método: muestreo aleatorio simple

Nota: debemos considerar que en cada etapa podemos estrati car por alguna variable de
interés, como: comuna de la clínica, lugar de residencia del perro, etc.

MUESTREO NO PROBABILISTICO O DIRIGIDO

• Su objetivo es demostrar la ausencia de una enfermedad o detectarla

• No tienen como objetivo determinar un parámetro poblacional

• Se agrupan individuos por estratos donde poseen atributos de riesgo (ej, bacteria de la
mastitis, selecciono vacas con síntomas de mastitis)

• Se muestrean elementos del estrato donde la probabilidad de encontrar la enfermedad sea

mayor, maximizamos la probabilidad de encontrar lo que estamos buscando

• La probabilidad de entrar a la muestra no es igual para todos los individuos

Ejemplo: detectar covid-19

RT-PCR para quienes tienen síntomas, para quienes son contacto estrecho con positivos

¿QUÉ TAMAÑO DE MUESTRA NECESITAMOS?

• Depende del objetivo del estudio (estimar prevalencia, detectar un patógeno, etc.)

• Un factor real que afecta el estudio es la disponibilidad de recursos humanos y económicos

• Disponibilidad de marcos de muestreo, algunos son complicados de generar, y sin ellos es

complejo hacer una muestra al azar

6
fi
 CRITERIOS ESTADÍSTICOS

Precisión o error aceptable absoluto (L): es el rango de error que le daremos

Por ejemplo: un error absoluto de ± 2 % para una prevalencia de 40% corresponde a un rango
aceptable del 38% a 42%

• De ne el intervalo de con anza de la estimación

• Si quiero un intervalo estrecho, necesitaré una mayor precisión, es decir, una muestra
grande

• ¿Cuantas observaciones necesito para estimar la prevalencia con un intervalo de con anza
que tenga una anchura de ± 2 %?

Prevalencia esperada (cuando el muestreo es para estimar prevalencia) “p)

• Se obtiene de otros estudios o estudios pilotos (estudios pequeños)

• Si no hay ningún antecedente o estudios previos, lo más correcto es asumir una prevalencia
del 50%, que es el escenario más exigente en cuanto a tamaño muestral, la que exige el
mayor tamaño muestral

• El 95% corresponde al nivel de con anza y el 5% restante se divide en las dos colas de la
DN

• Importante: al 50% de prevalencia esperada se llega al valor máximo de tamaño muestral, y

luego baja simétricamente.

• Para la prevalencia esperada de 50% es mucho más difícil distinguir quien tiene la
enfermedad porque está repartida a la mitad. En los casos de mayorías (sano o enfermo) de
10% o 90% es más fácil distinguir y ocupamos tamaño muestral bajo.

Al aumentar la precisión, aumento el tamaño de muestra.

7
fi
fi
fi
fi
ESTIMAR EL TAMAÑO MUESTRAL CUANDO QUIERO ESTIMAR PREVALENCIA (una
proporción)

La fórmula del IC para

prevalencia sirve para
despejar n y sacar la fórmula
de tamaño de la muestra:

Por ejemplo: si al calcular la prevalencia me da 37%, el IC va a ser entre

37% y 43% con L= 3%

8
ESTIMAR EL TAMAÑO MUESTRAL CUANDO QUIERO ESTIMAR UNA MEDIA

Por ejemplo, cuando quiero estimar la media de producción de

leche, la media del peso de los corderos del secano de O’Higgins,
etc.

En este caso la prevalencia y su complemento son reemplazadas

por la desviación estándar a priori (o esperada)

9
• Las fórmulas anteriores asumen que el tamaño de la población es nito, o mejor dicho,
desconocido.

• Cuando el tamaño de la población es conocido, el tamaño de la población de estudio N es

pequeña (aprox 1.000) y la fracción de muestreo es relativamente alta (mayor o igual a 5%),
se puede aplicar la corrección para poblaciones nitas, para reducir el tamaño de la
muestra, manteniendo el mismo nivel de precisión

Por ejemplo, se usa en MM pequeños, por ejemplo, si el MM es 500, la fracción de muestreo

es muy alta, por ej, 100.

Fórmula

Donde n’ es el tamaño de la muestra requerido ajustado por

esta corrección, n el tamaño muestral sin el ajuste (que asume
una población de tamaño in nito) y N el tamaño de la población
de estudio

10
fi
fi
fi