Anexo 7
Cálculo del tamaño de la muestra
en situaciones especiales
EVALUACIÓN DE PRUEBAS
DIAGNÓSTICAS
El análisis de este tipo de estudios se basa fundamen-
talmente en el cálculo de la sensibilidad y la especifi-
cidad de la prueba diagnóstica, que son dos propor-
ciones. Por consiguiente, el cálculo del tamaño de la
muestra corresponde a la situación de estimación de
una proporción.
Ejemplo A7.1. Supongamos que un investigador de-
sea determinar la sensibilidad de una nueva prueba
diagnóstica. Basándose en un estudio piloto, espera
que el 85% de los pacientes tengan resultados positi-
vos con esta prueba. Desea estimar este valor con una
precisión del 5% y un nivel de confianza del 95%.
Aplicando la fórmula de la tabla 15.1 (ver pág. 141)
(estimación de un parámetro), se calcula que se re-
quieren 196 sujetos con la enfermedad.
Si el estudio se diseña para seleccionar una sola
muestra de individuos, debe conocerse la prevalencia
de enfermedad en la población que cumple los crite-
rios de selección, para determinar cuántos sujetos
deberán incluirse en el estudio para que existan los
196 enfermos necesarios. Por ejemplo, si se supone
que entre los sujetos que van a ser estudiados el 40%
tendrán la enfermedad, será necesario iniciar el estu-
dio con una muestra de 490 individuos.
Si el estudio se plantea de forma que se deba selec-
cionar una muestra de pacientes y otra de controles, el
número de estos últimos se calculará de la misma
355
forma que el de los casos, pero enfocando la situación
como la estimación de la especificidad esperada.
Ejemplo A7.2. El investigador del ejemplo A7.1 desea
determinar la especificidad de la prueba para descar-
tar la enfermedad, y espera que el 90% de los indivi-
duos sin la enfermedad tengan la prueba negativa.
Desea realizar esta estimación con la precisión del
5% y la confianza del 95%. Utilizando la misma fór-
mula, determinará que son necesarios 138 sujetos sin
la enfermedad.
EVALUACIÓN DE LA CONCORDANCIA
Cuando el objetivo del estudio es estimar la concor-
dancia entre los observadores en el caso de una varia-
ble cualitativa, los datos se analizan mediante el ín-
dice Kappa. El cálculo del tamaño de la muestra
necesario para estimar este índice con una precisión
determinada conlleva problemas prácticos, ya que
obliga a prefijar no sólo el porcentaje total de discor-
dancia esperado, sino también el esperado por azar.
Al depender el cálculo del tamaño de la muestra de
tantas suposiciones, el resultado podría no ser el más
adecuado.
Desde un punto de vista práctico, se asume que
el parámetro que se estima es el porcentaje de des-
acuerdo entre observadores. Se trata, por tanto, de la
estimación de una proporción.
Ejemplo A7.3. Supongamos que se desea evaluar el
grado de concordancia entre dos radiólogos en la lec-
 MÉTODOS DE INVESTIGACIÓN CLÍNICA Y EPIDEMIOLÓGICA
tura de mamografías. En un estudio previo se ha
demostrado que presentan una elevada repetibili-
dad, por lo que sólo interesa evaluar la concordancia
entre observadores. Se espera que el porcentaje de
desacuerdo entre ellos sea de un 20%, aproximada-
mente. Interesa estimar dicho porcentaje con una
precisión del 5% y una confianza del 95%. Aplicando
la fórmula de la tabla 15.1 (estimación de un pará-
metro; pág. 141), se calcula que ambos radiólogos
deberán leer 246 mamografías.
Cuando el objetivo es estimar la concordancia
intraobservador, los supuestos y el cálculo del tamaño
de la muestra necesario son los mismos que para ana-
lizar la repetibilidad de una medida. El cálculo que se
presenta corresponde a la situación en que cada
observador realizará dos mediciones de cada sujeto y
se desea evaluar el grado de concordancia de ambas
mediciones. Lo primero que debe determinarse es el
porcentaje de error (discordancia) entre ambas
medidas que se espera encontrar, así como la preci-
sión con que interesa realizar la estimación y la con-
fianza con que se quiere expresar el resultado. En la
tabla H del final del libro se presentan los resultados
de este cálculo para las situaciones más habituales.
Ejemplo A7.4. Consideremos que se desea estimar la
concordancia entre dos lecturas de mamografías reali-
zadas por un mismo radiólogo. Se espera que la discor-
dancia intraobservador se sitúe alrededor del 5%
(e = 0,05). Se requiere una precisión del 5% (i = 0,05) y
una confianza del 95% (Zα = 1,96). Utilizando la tabla
H, se determina que es necesario que el radiólogo lea,
en dos ocasiones, 41 mamografías, aproximadamente.
En muchas ocasiones, se diseña el estudio para eva-
luar simultáneamente la concordancia intra e interob-
servador. La tabla I del final del libro sirve para deter-
minar el número de sujetos necesarios cuando existen
dos observadores que evalúan cada uno de ellos en dos
ocasiones a todos los sujetos de la muestra.
Ejemplo A7.5. En un estudio hipotético se desea eva-
luar simultáneamente la concordancia intra e in-
terobservador de dos radiólogos en la lectura de
mamografías. Se asume que el porcentaje de discor-
dancia entre ambos radiólogos se situará alrededor
del 0,15, y que la probabilidad de error de cada radió-
logo es de 0,05. Interesa que el intervalo de con-
fianza del 95% tenga una amplitud total de 0,10
(Zi = 0,10). Serán necesarias 252 mamografías, cada
356
una de las cuales será leída en 4 ocasiones: 2 por cada
radiólogo.
ESTIMACIÓN DE UN COEFICIENTE
DE CORRELACIÓN
La asociación entre dos variables cuantitativas requie-
re habitualmente la utilización del coeficiente de
correlación r de Pearson. La tabla A7.1 presenta la
fórmula para el cálculo del número de sujetos nece-
sarios en esta situación. La tabla J del final del libro
simplifica esta determinación.
Tabla A7.1. Fórmula para el cálculo
del número de sujetos necesarios
en un estudio cuyo objetivo es
evaluar una asociación entre dos
variables cuantitativas, utilizando
el coeficiente de correlación de
Pearson
[ ]
(Zα + Zβ)
2
N= +3
0,5 In [(1 + r)/(1 – r)]
N: número de sujetos necesarios.
Zα: valor de Z correspondiente al riesgo α fijado (tabla 15.7).
Zβ: valor de Z correspondiente al riesgo β fijado (tabla 15.8).
In: logaritmo natural o neperiano.
r: valor del coeficiente de correlación que se supone que
existe en la población.
Ejemplo A7.6. El objetivo de un estudio es determi-
nar si existe asociación entre la presión arterial sistó-
lica y la edad. Según la literatura, puede esperarse un
valor del coeficiente de correlación cercano a 0,7.
A continuación, se fijan los niveles de error (α = 0,05;
β = 0,10). Utilizando la tabla J se obtiene un tamaño
de 17 individuos.
ENSAYOS CRUZADOS
Los diseños cruzados precisan un número menor de
sujetos, ya que cada uno de ellos actúa como su propio
control, disminuyendo la variabilidad de las respues-
tas. En este tipo de diseños, la variancia tiene dos com-
ponentes. Por un lado, la variabilidad intersujetos de
la respuesta, y por otro, la variabilidad debida al azar y
a otros factores intrasujetos. El cálculo requiere incor-
porar esta descomposición de la variancia, para lo cual
puede realizarse como si se tratara de un estudio de
 CÁLCULO
grupos paralelos, ajustando posteriormente el número
obtenido en función del coeficiente de correlación intra-
clase, que indica la proporción de la variabilidad total
que se debe al componente intersujetos. Incluso si este
coeficiente es tan sólo de 0,5, es decir, que sólo la
mitad de la variabilidad se debe a factores intersujetos,
el tamaño de la muestra puede reducirse a una cuarta
parte del necesario en un estudio paralelo. Dado que
este coeficiente es de difícil cálculo, una norma segura
es utilizar la mitad del tamaño necesario para un estu-
dio paralelo, que asegura una potencia estadística sufi-
ciente. De todas formas, una fórmula aproximada se
presenta en la tabla A7.2.
Tabla A7.2. Fórmula para el cálculo
del tamaño de la muestra en un
ensayo cruzado (variable
cuantitativa)
(Zα + Zβ) 2 · sd2
N=
d2
N: número de sujetos necesarios.
Zα: valor de Z correspondiente al riesgo α fijado (tabla 15.7).
Zβ: valor de Z correspondiente al riesgo β fijado (tabla 15.8).
Sd2: variancia muestral de las diferencias individuales.
d: valor mínimo de la diferencia que se desea detectar.
Ejemplo A7.7. Supongamos que se diseña un ensayo
cruzado para comparar dos tratamientos hipogluce-
miantes. La diferencia mínima que se desea detectar
es de 3 mg/dl. De estudios anteriores se sabe que la
variancia muestral de las diferencias es 290. Se acepta
un riesgo α bilateral de 0,05 y una potencia estadísti-
ca del 90% (β = 0,10). Aplicando la fórmula, se obtie-
ne que son necesarios 338 pacientes.
ESTUDIOS DE SUPERVIVENCIA
En los estudios en que el período de seguimiento no
es el mismo en todos los sujetos, ya sea porque entran
en el estudio en fechas diferentes o porque se pier-
den durante el seguimiento, se utilizan técnicas de
análisis que tienen en cuenta este hecho (análisis
de supervivencia).
Para calcular el tamaño de la muestra en estas
situaciones, es necesario fijar la magnitud del efecto
que interesa detectar, que corresponde al cociente
entre el riesgo de desarrollar el suceso en un momen-
to determinado del tiempo en la cohorte expuesta y
DEL TAMAÑO DE LA MUESTRA EN SITUACIONES ESPECIALES
en la cohorte no expuesta. A esta razón se denomina
δ, y es un concepto análogo al de riesgo relativo. El
número de desenlaces δ en cada grupo se puede
determinar con la siguiente fórmula:
δ = [2(Zα + Zβ)2] / (ln δ)2
Donde ln δ indica el logaritmo neperiano de δ.
La tabla K del final del libro presenta el resultado
del cálculo en las situaciones más habituales.
Ejemplo A7.8. Se quiere realizar un estudio de cohor-
tes en el que existan diferentes tiempos de seguimien-
to para cada sujeto, y en el que interesa detectar un
riesgo como mínimo dos veces superior en la cohorte
expuesta en relación con la no expuesta (δ = 2), acep-
tando un error α bilateral de 0,05 y β de 0,20 (poten-
cia: 1 – β = 0,80). La tabla K indica que serán necesa-
rios 33 desenlaces por grupo. Este número indica el
número de desenlaces que deberán observarse, no
el de sujetos que deberán iniciar el estudio. Para cal-
cular el número de personas que deberán iniciarlo, es
preciso conocer o asumir el porcentaje de personas
que se espera que presenten el desenlace en la cohor-
te no expuesta. Si se espera que el 10% de los sujetos
de la cohorte de referencia desarrollará el desenlace,
deberán incluirse 33/0,10 = 330 individuos.
ESTUDIOS DE CASOS Y CONTROLES
CON MÁS DE UN CONTROL POR CASO
En los estudios de casos y controles, a veces puede ser
interesante utilizar dos, o incluso tres, controles por
cada caso. Una forma sencilla para el cálculo en esta
situación es:
m = [(r + 1) · n] / 2r
Donde n es el número de sujetos necesario si los gru-
pos fueran de igual tamaño; m corresponde al número
de casos, y r al número de controles por caso, por lo que
r · m indica el número de controles necesarios.
Ejemplo A7.9. En el ejemplo 15.6 se había calculado
que para realizar un estudio de casos y controles
sobre la asociación entre el infarto agudo de miocar-
dio y el consumo de anticonceptivos orales, eran
necesarios 74 casos y 74 controles. Si se decide utilizar
2 controles por caso, aplicando la fórmula se deter-
mina que m = 55,5, por lo que serán necesarios
56 casos y 112 controles.
357