Muestreo - chospab.es

1 Muestreo Introducci n En este documento ofrecemos un resumen sobre el concepto de Muestreo , y los tipos de Muestreo existentes. Adem s, adjuntamos una hoja para el c lculo de tama os muestrales en auditor as de historias cl nicas ( ). No pretendemos, ni mucho menos, ser exhaustivos. Simplemente ofrecemos una peque a herramienta que pueda servir de apoyo en la evaluaci n de los distintos indicadores de calidad. Concepto de Muestreo El Muestreo es una herramienta de la investigaci n cient fica. Su funci n b sica es determinar que parte de una realidad en estudio (poblaci n o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblaci n. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observaci n de s lo una parte de ella, se denomina error de Muestreo .

2 Obtener una muestra adecuada significa lograr una versi n simplificada de la poblaci n, que reproduzca de alg n modo sus rasgos b sicos. Terminolog a Poblaci n objeto: conjunto de individuos de los que se quiere obtener una informaci n. Unidades de Muestreo : n mero de elementos de la poblaci n, no solapados, que se van a estudiar. Todo miembro de la poblaci n pertenecer a una y s lo una unidad de Muestreo . Unidades de an lisis: objeto o individuo del que hay que obtener la informaci n. Marco muestral: lista de unidades o elementos de Muestreo . Muestra: conjunto de unidades o elementos de an lisis sacados del marco. Muestreo probabil stico El m todo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblaci n, y dicha probabilidad no es nula para ning n elemento.

3 Los tipos de muetreo probabil stico son: - Muestreo aleatorio simple. - Muestreo sistem tico. - Muestreo aleatorio estratificado. - Muestreo por conglomerados (clusters) Muestreo aleatorio simple Muestreo equiprobabil stico: Si se selecciona una muestra de tama o n de una poblaci n de N unidades, cada elemento tiene una probabilidad de inclusi n igual y conocida de n/N. Ventajas: - Sencillo y de f cil comprensi n. - C lculo r pido de medias y varianzas. - Se basa en la teor a estad stica, y por tanto existen paquetes inform ticos para analizar los datos. Desventajas: - Requiere que se posea de antemano un listado completo de toda la poblaci n. - Cuando se trabaja con muestras peque as es posible que no represente a la poblaci n adecuadamente. Muestreo sistem tico Procedimiento: - Conseguir un listado de N elementos.

4 - Determinar un tama o de muestra n. - Definir un intervalo de salto k; K=N/n. - Elegir un n mero aleatorio, r, entre 1 y k (r=arranque aleatorio). - Seleccionar los elementos de la lista. Ventajas: - F cil de aplicar. - No siempre es necesario tener un listado de toda la poblaci n. - Cuando la poblaci n est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos. Desventajas: - Si la constante de Muestreo est asociada con el fen meno de inter s, se pueden hallar estimaciones sesgadas. Muestreo aleatorio estratificado El azar no es una garant a de representatividad. Este Muestreo pretende asegurar la representaci n de cada grupo en la muestra. Cuanto m s homog neos sean los estratos, m s precisas resultar n las estimaciones.

5 Ventajas: - Tiende a asegurar que la muestra represente adecuadamente a la poblaci n en funci n de unas variables seleccionadas. - Se obtienen estimaciones m s precisas. Desventajas: - Se ha de conocer la distribuci n en la poblaci n de las variables utilizadas para la estratificaci n. - Los an lisis son complicados, en muchos casos la muestra tiene que ponderarse (asignar pesos a cada elemento). Muestreo por conglomerados - Los conglomerados se caracterizan porque la variaci n en cada grupo es menor que la variaci n entre grupos. - La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de Muestreo seleccionadas en la etapa anterior. Ventajas: - Es muy eficiente cuando la poblaci n es muy grande y dispersa. Reduce costes. - No es preciso tener un listado de toda la poblaci n, s lo de las unidades primarias de Muestreo .

6 Desventajas: - El error estandar es mayor que en el Muestreo aleatorio simple o estratificado. - El c lculo del error est ndar es complejo. C lculo del tama o muestral Cada estudio tiene un tama o muestral id neo, que permite comprobar lo que se pretende con una seguridad aceptable y el m nimo esfuerzo posible. Para el c lculo del tama o muestral en cada tipo de estudio existe una f rmula estad stica apropiada. Se basan en el error est ndar, que mide el intervalo de confianza de cada par metro que se analiza (media aritm tica, porcentaje, diferencia de medias, etc.). La precisi n estad stica aumenta (el error est ndar disminuye) cuando el tama o muestral crece. Para cada caso en concreto, ser necesario consultar un libro de estad stica, o m s f cil, utilizar alg n programa como Epiinfo.

7 C lculo del tama o muestral en una auditor a de historias cl nicas Se trata de una situaci n especial, en la que se va a determinar la presencia o ausencia de un determinado documento, por ejemplo (variable dicot mica). En este caso, hay que determinar la proporci n esperada de la variable de inter s, la precisi n deseada, y el nivel de confianza. Podemos aplicar las siguientes f rmulas para el c lculo del tama o muestral (si el Muestreo es aleatorio). Tama o de la poblaci n desconocido Tama o muestral= z2pq/i2 Donde: z. Valor de z, 1,96 para =0,05 y 2,58 para =0,01. p: Prevalencia esperada del par metro a evaluar. En caso de desconocerse, aplicar la opci n m s desfavorable (p=0,5), que hace mayor el tama o muestral. q=1-p i= Error que se prev cometer.

8 Por ejemplo, para un error del 10%, introduciremos en la f rmula el valor 0,1. As , con un error del 10%, si el par metro estimado resulta del 80%, tendr amos una seguridad del 95% (para =0,05) de que el par metro real se sit a entre el 70% y el 90%. Vemos, por tanto, que la amplitud total del intervalo es el doble del error que introducimos en la f rmula. Tama o de la poblaci n conocido Tama o muestral=N z2pq/(i2(n-1) + z2pq) Donde: N: tama o de la poblaci n, n mero total de historias. z. Valor de z, 1,96 para =0,05 y 2,58 para =0,01. p: Prevalencia esperada del par metro a evaluar. En caso de desconocerse, aplicar la opci n m s desfavorable (p=0,5), que hace mayor el tama o muestral. q=1-p i= Error que se prev cometer. Estas f rmulas est n introducidas en la hoja de c lculo que se adjunta, realizada en Excel97.

9 En ella basta con introducir los distintos par metros se alados para obtener el tama o muestral correspondiente. Recomendamos calcular tama os muestrales para =0,05, y un error 0,1, o m s precisas. Algunas consideraciones para el c lculo del tama o muestral en estudios de calidad del INSALUD. Cuando el n mero de pacientes o historias a estudiar no supera los 50, lo m s razonable es estudiarlos a todos. En caso contrario, si el estudio supone un esfuerzo considerable, se requerir seleccionar una muestra, puesto que no tiene mucho sentido emplear esfuerzos en estudiar de forma exhaustiva una poblaci n muy grande. Uno de los aspectos m s importantes es seleccionar correctamente la muestra para el estudio. Al igual que en a os anteriores, junto con la metodolog a definitiva se enviar un anexo denominado para ayudar a aquellas personas que lo precisen en el proceso de selecci n de la muestra, as como una hoja de c lculo en Excel 97 , para la obtenci n del tama o muestral.

10 Se recomienda utilizar los siguientes par metros en la hoja de c lculo: - Usar la versi n poblaci n conocida , introduciendo dicha poblaci n. - Utilizar el nivel del 95% de seguridad ( =0,05, z=1,96) - Utilizar una precisi n del 5% al 10% (error i, 0,05-0,1). La precisi n del 5% es la ideal, pero requiere tama os muestrales bastante elevados. La precisi n del 10% puede ser suficiente en la mayor a de los casos. - Utilizar la frecuencia esperada del par metro, utilizando los resultados de estudios pilotos o de a os anteriores. Se recomienda que, en caso de no conocer dicha frecuencia esperada, se debe introducir 0,5 en la hoja, que es el caso m s desfavorable (obliga al mayor tama o muestral posible). Si se siguen estas recomendaciones, se obtendr n resultados finales m s comparables entre hospitales.