Epidemiología y Salud Pública

Nacional e Internacional
Maestría en Gerencia de Servicios de Salud

Profesor:
Antonio M Quispe MD, PhD
Médico Epidemiólogo
@drantonioquispe
Investigación Epidemiológica
Maestría en Salud Pública

Presentado por:
Antonio M Quispe MD, PhD
Médico Epidemiólogo
Universidad Nacional del Altiplano Puno
@drantonioquispe, #drantonioquispeg
Temario
Unidad II. Muestreo

● Teoría 8: Cálculo de tamaño de muestra

 Unidad 2:
Muestreo
 Teoría 8:
Cálculo de tamaño de muestra
 Muestreo e Inferencia Causal

Población Universo Parámetro

Promedio poblacional Población Objetivo Teórica Promedio poblacional

Población
Marco Muestral
Muestreo Inferencia
Muestra Causal
Muestra Original

DATOS
Muestra Estadístico
Muestra Final
𝚇±𝜎 6 𝚇±𝜎

Antonio M. Quispe MD, PhD

 Diseño, Población y Muestra

Descripción detallada de la “Arquitectura” de un

Diseño de estudio, incluyendo los detalles específicos de la
estudio población estudiada, marco de tiempo, instrumentos,
procedimientos y consideraciones éticas.

Universo de unidades, llámese personas, animales,

Población de registros, evento u otro tipo de unidad de análisis, de la
estudio que puede extraerse una muestra.

Selección de una fracción del total de unidades que

Muestra componen la población de estudio

Antonio M. Quispe MD, PhD

¿Por qué calcular un tamaño de muestra?
“Todo trabajo de investigación en el que se opta por utilizar una técnica de muestreo estadístico
tiene por objeto utilizar la inferencia estadística para extrapolar los resultados de la muestra a la
población objetivo del estudio.

El problema es que durante este proceso se puede

introducir una serie de sesgos que atentan contra la
validez interna y externa del estudio.

El objetivo es estimar el mínimo tamaño

de muestra que garantice que al término
del estudio se podrá probar la hipótesis
principal del estudio.”
Supuestos para el cálculo del tamaño de la muestra
Nivel de significancia
estadística (alfa) ⍺= 0,01 vs. 0,05 vs. 0,10

Poder de estudio (1-B) Poder = 80% vs. 90%

Supuestos
Tamaño del efecto
para el cálculo esperado
Efecto: Grande vs. Pequeño
de tamaño de Tamaño de
Muestra
la muestra: Variabilidad de
outcome
Variabilidad: Alta vs. Baja

Hipótesis Equivalencia vs. Superioridad

No inferioridad

Nro. de Grupos Grupos: 1 vs. 2 vs. >2 grupos

Errores tipo I y II
α = Error Tipo I à Pr(α) = Pr(rechazar H0|H0 verdadera)
β = Error Tipo II à Pr(β) = Pr(No rechazar H0|H0 falsa)
1- β = Poder de estudio à Pr(1- β) = Pr(Rechazar H0|H0 falsa)
Realidad
Ho Ho
Verdadera Falsa
Poder
Rechazar Error tipo I
(1-β)
Ho (α)
Resultado
No rechazar Error tipo II
1-α
Ho (β)
El alfa y la significancia estadística
● El alfa es el error tipo I, es decir, aquel error que se comete al rechazar la hipótesis
nula cuando esta es verdadera.

● El valor p es la probabilidad de rechazar la hipótesis nula (p. e. que la intervención de

interés no tiene ningún efecto sobre el outcome de interés) cuando esta es verdadera.

● La significancia estadística implica que el resultado obtenido es poco probable que

se deba al azar.

● Es importante precisar que no encontrar significancia estadística (por convención, un

valor p < 0.05), no significa que podamos aceptar la hipótesis nula o que hayamos
demostrado que el efecto de interés no existe.

● Al no rechazar la hipótesis nula pueden darse dos escenarios, uno que efectivamente
que la hipótesis nula sea cierta o que no tuvimos el poder de estudio suficiente para
detectar la magnitud del efecto de interés
El beta y el poder de estudio

● El beta es el error tipo II, es decir, aquel error que se comete al NO

rechazar la hipótesis nula cuando esta es falsa.

● El poder de estudio (que se calcula como 1-ß) es la probabilidad de

que rechazar la hipótesis nula cuando esta es efectivamente falsa.

● De manera práctica, el poder de estudio es la probabilidad de

encontrar el efecto de interés cuando este existe en la realidad. De ahí
que mientras mayor el poder de estudio (y menor el ß), mayor será la
probabilidad de probar la hipótesis primaria de un estudio.
La magnitud del efecto de interés o la diferencia esperada

● Cuando planteamos una hipótesis estamos obligados a precisar la magnitud

esperada del efecto de interés o la diferencia esperada, lo cual a su vez es
indispesable para calcular el tamaño de muestra del estudio.

● Este estimado suele tomarse de los antecedentes del estudio, pero cuando estos no
están disponibles o no son confiables la recomendación es realizar un estudio piloto
con una muestra pequeña.

● Es recomendable que el cálculo de la muestra se realice en función del tamaño de

efecto que el investigador desea observar. Este caso podría dar lugar a un tamaño
de muestra muy grande. Sin embargo, se puede optar por modificar el nivel de
significancia o el poder de estudio.
La variabilidad del outcome
● La variabilidad del outocome o desenlace de interés nos ayuda a determinar si el efecto observado
es real o puede estar influenciado por el azar.

● Si la variabilidad del outcome es grande, la muestra necesaria también deberá serlo y viceversa, si
la variabilidad es pequeña, la muestra requerida también será menor .

● La variabilidad de las variables continuas es cuantificada mediante la desviación estándar (σ), la

cual mide la variación o dispersión de los datos alrededor de la media, el cual a su vez suele
conceptualizarse como el promedio de las desviaciones de la media (µ).

● El valor de σ puede ser difícil de obtener, pero el investigador puede optar por realizar un estudio
piloto previo o basarse en el σ reportado en anteriores estudios similares.

● En el caso de las variables dicotómicas la variabilidad depende de la proporción de sujetos con el

resultado de interés.

● Para la comparación de dos proporciones, el tamaño de la muestra se calcula utilizando los valores
de la proporción de control (tasa de eventos de referencia), la cual puede obtenerse de la literatura
publicada, y la proporción de tratamiento (tasa de eventos), la cual se deriva una vez elegido el
tamaño del efecto.
 Escenarios más comunes de Cálculo del n

Más de Dos
Dos Muestras Dos Muestras
Una Muestra Muestras
Independientes Pareadas
Independientes

Cuando se requiere Cuando se requiere Cuando se quiere Cuando se quiere

estimar la media comparar la media comparar la media comparar la media
(Escenario 1) o la (Escenario 3) o la (Escenario 5) o la (Escenario 7) o la
prevalencia de un prevalencia de un prevalencia prevalencia
outcome en una outcome entre dos (Escenario 6) de un (Escenario 8) de un
misma población poblaciones outcome entre dos outcome entre dos o
(Escenario 2). muestreadas de poblaciones pareadas más poblaciones
manera por alguna muestreadas de
independiente característica(s) manera
(Escenario 4). particular. independiente

Antonio M. Quispe MD, PhD

Escenarios más comunes de cálculo de tamaño de muestra
Escenario Hipótesis Nula (H0)
Una Muestra 1988
• Una media H0: μ = μ0 vs. HA: μ ≠ μ0
• Una proporción H0: p = p0 vs. HA: p ≠ p0
Dos muestras independientes
• Dos medias H0: μ2 = μ1 vs. HA: μ2 ≠ μ1
• Dos proporciones H0: p2 = p1 vs. HA: p2 ≠ p1
Dos muestras pareadas
• Medias pareadas H0: d = d0 vs. HA: d ≠ d0
• Proporciones pareadas H0: p21 = p12 vs. HA: p21 ≠ p12
Más de dos muestras independientes
• Más de dos medias H0: µ1= µ2=…= µk vs. HA: δ ≠ 0
• más de dos proporciones H0: p1= p2=…= pk vs. HA: δ ≠ 0
Ejemplos de cálculo de tamaño de muestra
Cálculo de tamaño de muestra con R (1/3)
● Intalación
○ Instalando R: https://cran.r-project.org/
○ R studio: https://rstudio.com/products/rstudio/

● Data Management
○ Configure el directorio de trabajo
○ Instale el paquete pwr: install.packages("pwr")
○ Carge el paquete pwr: library(pwr)

● Calcule el tamaño de su muestra

○ Plantee los supuestos: Ho, Ha, alfa, beta, efecto esperado
○ Reporte su estimado: texto, tabla y/o gráfico?
Cálculo de tamaño de muestra con R (2/3)
● Funciones del paquete pwr
Función Cálculo de Muestra para…
pwr.p.test Proporción (un muestra)
pwr.2p.test Dos proporciones (1:1)
pwr.2p2n.test Dos proporciones (1:#)
pwr.t.test Prueba t (1 muestra, 2 muestras, pareado)
pwr.t2n.test Prueba t (dos muestra de diferente n)
pwr.chisq.test Prueba de chi cuadrado
pwr.f2.test Modelo general linear
pwr.r.test Correlación
pwr.anova.test ANOVA unidireccional balanceado
 Fórmulas de Cálculo de Tamaño de Muestra (1/2)

Cálculo de tamaño de muestra para una proporción en una población

𝑍!" ∗ 𝑝# ∗ 𝑞#
𝑛=
𝑑"
Cálculo de tamaño de muestra para comparación de proporciones independientes
$
𝑍! ∗ 2𝑝 1 − 𝑝 + 𝑍" ∗ 𝑝# 1 − 𝑝# + 𝑝$ 1 − 𝑝$
𝑛=
𝑑$

Donde:
• Zα es el valor Z correspondiente al riesgo α fijado
• Zβ es el valor Z correspondiente al riesgo β fijado
• p1 es el valor de la proporción en el grupo control;
• p2 es el valor de la proporción en el grupo experimental
• p es la media aritmética de p1 y p2 (p1 + p2/2) Antonio M. Quispe MD, PhD
Fórmulas de Cálculo de Tamaño de Muestra (2/2)

Cálculo de tamaño de muestra para una media en una población

𝑍!" ∗ 𝑆 "
𝑛=
𝑑"
Cálculo de tamaño de muestra para comparación de medias independientes

"
2 𝑍! + 𝑍$ ∗ 𝑆"
𝑛=
𝑑"
Donde:
• Zα es el valor Z correspondiente al riesgo α fijado
• Zβ es el valor Z correspondiente al riesgo β fijado
• S es la desviación estándar
• y d es el valor mínimo de la diferencia que se desea detectar
Antonio M. Quispe MD, PhD
Gracias por su
atención
Profesor:
Antonio M Quispe MD, PhD
Médico Epidemiólogo
@drantonioquispe