Tema 2. Métodos de muestreo en investigación en ciencias de la salud

2.1 Definición de población ideal, población real y muestra

Un elemento central de la investigación en ciencias de la salud es la muestra, la cual es entendida como:

Para recolectarla existen diferentes tipos de muestreo, el cual debe ser elegido de manera pertinente para el tipo de investigación que se diseña. Lo anterior, es de gran relevancia ya que permite precisar los pasos requeridos para la selección de la muestra o la forma en cómo será seleccionada. 

En ese orden de ideas, en esta semana dedicarás la revisión a la diferenciación conceptual sobre los términos de población y muestra y en función de ello, abordarás los métodos de muestreo en investigación. Lo anterior, será de utilidad para que puedas ampliar los conceptos básicos sobre investigación y fortalezcas tus habilidades para la comprensión del apartado de material y métodos. En suma, lo revisado te será de utilidad para que puedas elegir la muestra y el método de muestreo para tus propias investigaciones. 

2.2 Cálculo del tamaño de la muestra

Calcular el tamaño de la muestra es un paso fundamental en cualquier investigación para asegurar que los resultados sean fiables y representativos de la población total. Una muestra demasiado pequeña puede llevar a conclusiones erróneas, mientras que una muestra demasiado grande desperdicia recursos valiosos como tiempo y dinero. 💰

El objetivo es encontrar el número mínimo de participantes necesarios para detectar un efecto o una característica de interés con un grado razonable de certeza.

Factores Clave para el Cálculo

Para determinar el tamaño adecuado de la muestra, se deben considerar varios factores clave que se incorporan en las fórmulas estadísticas:

  1. Nivel de Confianza (Confidence Level): Es la probabilidad de que los resultados de la muestra reflejen la realidad de la población. Comúnmente se usa un 95% (o 99%). Un mayor nivel de confianza requiere una muestra más grande.

  2. Margen de Error (Margin of Error): Es el grado de imprecisión que se está dispuesto a aceptar. Indica qué tan cerca se espera que los resultados de la muestra estén del valor real de la población. Un margen común es del 5%. Un margen de error más pequeño exige una muestra más grande.

  3. Variabilidad de la Población (Population Variability): Se refiere a la heterogeneidad o diversidad de la población con respecto a la característica que se estudia. Si la población es muy diversa, se necesita una muestra más grande para capturar esa variabilidad. A menudo se estima a partir de estudios previos o un estudio piloto.

  4. Tamaño de la Población (Population Size): En poblaciones muy grandes, su tamaño tiene poco impacto en el cálculo. Sin embargo, si la población es pequeña (finita), se aplica un factor de corrección que puede reducir el tamaño de la muestra necesario.

2.2.1 Formas de calcular el tamaño de la muestra

Además de diferenciar los términos de población y muestra, debes tener presente que el tamaño de tu muestra es un elemento relevante para realizar una investigación de manera adecuada. Para ello, debemos identificar si la muestra proviene de una población finita o no. En este sentido, debes tener presente que estos dos tipos de poblaciones tienen fórmulas diferentes para calcular el tamaño de la muestra: 

Tema. 2.3 Métodos de muestreo probabilístico

Los métodos de muestreo probabilísticos son técnicas de selección donde cada miembro de la población tiene una probabilidad conocida y distinta de cero de ser incluido en la muestra. Esto garantiza la representatividad y permite generalizar los resultados del estudio a toda la población con un alto grado de confianza. Son el estándar de oro para la investigación cuantitativa rigurosa. 

2.3.1 Muestreo Aleatorio Simple

Es el método más básico y fundamental. Consiste en seleccionar individuos de la población de manera completamente aleatoria, donde cada persona tiene exactamente la misma probabilidad de ser elegida. Es como meter todos los nombres en un sombrero y sacar algunos al azar. Para aplicarlo, se necesita una lista completa de todos los miembros de la población.

  • Característica clave: Máxima aleatoriedad y equidad.

  • Ejemplo: Seleccionar 50 empleados de una lista de 500 usando un generador de números aleatorios.

2.3.2 Muestreo Sistemático

Este método implica seleccionar a los participantes de una lista de manera regular y sistemática. Primero, se elige un punto de partida al azar y luego se selecciona a cada "k-ésimo" individuo de la lista (por ejemplo, cada 10ª persona). El intervalo de muestreo (k) se calcula dividiendo el tamaño de la población entre el tamaño de la muestra deseado.

  • Característica clave: Más sencillo y rápido que el aleatorio simple, pero puede ser sesgado si hay un patrón oculto en la lista.

  • Ejemplo: En un centro de salud con 1,000 pacientes, para obtener una muestra de 100, se elige un paciente al azar entre los primeros 10 y luego se selecciona a cada décimo paciente de la lista.

2.3.4 Muestreo Estratificado

En este método, la población se divide primero en subgrupos homogéneos llamados "estratos", según una característica relevante (como edad, género, nivel socioeconómico, etc.). Luego, se realiza un muestreo aleatorio simple o sistemático dentro de cada estrato. Esto asegura que todos los subgrupos importantes estén representados adecuadamente en la muestra.

  • Característica clave: Garantiza la representación de subgrupos específicos y aumenta la precisión de las estimaciones.

  • Ejemplo: Para una encuesta sobre hábitos de salud, se divide a la población en estratos por grupo de edad (18-30, 31-50, 51+) y luego se selecciona aleatoriamente a un número proporcional de personas de cada grupo.

2.3.3 Muestreo por Racimos (o Conglomerados)

Se utiliza cuando la población es muy grande y está dispersa geográficamente. La población se divide en grupos naturales o "racimos" (como ciudades, escuelas u hospitales). En lugar de seleccionar individuos, se seleccionan aleatoriamente racimos enteros y se estudia a todos los individuos dentro de esos racimos seleccionados.

  • Característica clave: Eficiente para poblaciones grandes y dispersas, aunque puede tener un mayor error de muestreo si los racimos no son representativos.

  • Ejemplo: Para estudiar la prevalencia de la hipertensión en un país, se seleccionan al azar 20 ciudades (racimos) y se encuesta a todos los adultos que viven en ellas.

2.4 Métodos de Muestreo No Probabilísticos

Los métodos de muestreo no probabilísticos son técnicas de selección donde los participantes no se eligen al azar. La elección se basa en la conveniencia, el juicio del investigador o la facilidad de acceso. A diferencia de los métodos probabilísticos, no todos los miembros de la población tienen la oportunidad de ser seleccionados.

Estos métodos son más rápidos y económicos, pero sus resultados no se pueden generalizar estadísticamente a toda la población. Son muy útiles en estudios exploratorios, cualitativos o cuando es imposible acceder a una lista completa de la población.

2.3.1 Muestreo Aleatorio Simple

Es el método más básico y fundamental. Consiste en seleccionar individuos de la población de manera completamente aleatoria, donde cada persona tiene exactamente la misma probabilidad de ser elegida. Es como meter todos los nombres en un sombrero y sacar algunos al azar. Para aplicarlo, se necesita una lista completa de todos los miembros de la población.

  • Característica clave: Máxima aleatoriedad y equidad.

  • Ejemplo: Seleccionar 50 empleados de una lista de 500 usando un generador de números aleatorios.

2.3.2 Muestreo Sistemático

Este método implica seleccionar a los participantes de una lista de manera regular y sistemática. Primero, se elige un punto de partida al azar y luego se selecciona a cada "k-ésimo" individuo de la lista (por ejemplo, cada 10ª persona). El intervalo de muestreo (k) se calcula dividiendo el tamaño de la población entre el tamaño de la muestra deseado.

  • Característica clave: Más sencillo y rápido que el aleatorio simple, pero puede ser sesgado si hay un patrón oculto en la lista.

  • Ejemplo: En un centro de salud con 1,000 pacientes, para obtener una muestra de 100, se elige un paciente al azar entre los primeros 10 y luego se selecciona a cada décimo paciente de la lista.

2.3.3 Muestreo por Racimos (o Conglomerados)

Se utiliza cuando la población es muy grande y está dispersa geográficamente. La población se divide en grupos naturales o "racimos" (como ciudades, escuelas u hospitales). En lugar de seleccionar individuos, se seleccionan aleatoriamente racimos enteros y se estudia a todos los individuos dentro de esos racimos seleccionados.

  • Característica clave: Eficiente para poblaciones grandes y dispersas, aunque puede tener un mayor error de muestreo si los racimos no son representativos.

  • Ejemplo: Para estudiar la prevalencia de la hipertensión en un país, se seleccionan al azar 20 ciudades (racimos) y se encuesta a todos los adultos que viven en ellas.

2.3.4 Muestreo Estratificado

En este método, la población se divide primero en subgrupos homogéneos llamados "estratos", según una característica relevante (como edad, género, nivel socioeconómico, etc.). Luego, se realiza un muestreo aleatorio simple o sistemático dentro de cada estrato. Esto asegura que todos los subgrupos importantes estén representados adecuadamente en la muestra.

  • Característica clave: Garantiza la representación de subgrupos específicos y aumenta la precisión de las estimaciones.

  • Ejemplo: Para una encuesta sobre hábitos de salud, se divide a la población en estratos por grupo de edad (18-30, 31-50, 51+) y luego se selecciona aleatoriamente a un número proporcional de personas de cada grupo.