1 / 34

TOPICOS DE ESTADISTICA

TOPICOS DE ESTADISTICA. Muestra Cálculo del tamaño mínimo de la muestra. CÁLCULO DE TAMAÑO DE MUESTRA. Muestra. ¿ Representativa?. ¿ Necesito una muestra ?. ¿ Qué se necesita saber para calcularla? ¿ Existe alguna fórmula?. DISEÑO DE ESTUDIO. 1. ESTUDIO SERIE DE CASOS.

lola
Télécharger la présentation

TOPICOS DE ESTADISTICA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. TOPICOS DE ESTADISTICA Muestra Cálculo del tamaño mínimo de la muestra

  2. CÁLCULO DE TAMAÑO DE MUESTRA

  3. Muestra ¿ Representativa?

  4. ¿ Necesito una muestra ? ¿ Qué se necesita saber para calcularla? ¿ Existe alguna fórmula?

  5. DISEÑO DE ESTUDIO 1. ESTUDIO SERIE DE CASOS ¿Es necesario considerar el cálculo de una muestra? ¿ Se realizan pruebas estadísticas?

  6. DISEÑO DE ESTUDIO 2. ESTUDIO DESCRIPTIVO ¿Se requiere muestra? ¿Se conoce el tamaño de la población? ¿ Se realizan pruebas estadísticas?

  7. n =Tamaño de muestra Z2 = 1.962 , valor Z (distribución normal estándar) correspondiente a un nivel de confianza del 95% p = Proporción esperada de la característica que se pretende estudiar q =1- p d = Precisión deseada (generalmente se asume el 5% ( 0.05)) N = Total de la población Fórmula tamaño de muestra para población finita N*Z2 . p . q n = d2 *(N-1)+ Z2. p . q

  8. n =Tamaño de muestra Z2 = 1.962 , valor Z (distribución normal estándar) correspondiente a un nivel de confianza del 95% p = Proporción esperada de la característica que se pretende estudiar q =1- p d = Precisión deseada (generalmente se asume el 5% ( 0.05)) Fórmula tamaño de muestra para población infinita Z2* p * q n = d2

  9. RINITIS ALÉRGICA EN NIÑOS MAYORES DE 6 Y MENORES DE 15 AÑOS CON ASMA BRONQUIAL Y SU RELACIÓN CON EL CONTROL DEL ASMA. ESTUDIO EN ALGUNOS COLEGIOS DE LIMA. Tamaño de muestra Para el cálculo de la muestra se consideró una prevalencia de Asma de 20%, nivel de confianza del 95% y 5% de nivel de precisión. Se utilizó la fórmula para prevalencias con población infinita. n = Z2α P. Q D2 Donde: n = Tamaño mínimo de muestra Z2α = 1.962 , valor tabular de la distribución normal estándar con 95 % de confianza. P = 20%, Prevalencia de Asma. Q = 1- P = 80% D= 5% de error permitido. Haciendo las operaciones indicadas, se obtuvo un n = 246, para efectos del estudio consideraremos n = 255 niños asmáticos de 6 a menores de 15 años.

  10. 3. Estimar el coeficiente de correlación lineal

  11. Correlación entre edad y nivel de colesterol

  12. Fórmula tamaño de muestra para Estimar correlación Z 1-/2 + Z1-/2 0.5 ln ( 1+r ) 1 - r 2 n = + 3 n = Tamaño de muestra Z 1-/2 = 1.96, valor Z (distribución normal standar), correspondienten a un nivel de confianza de 95% Z1-/2 = 0.84, valor Z(distribucion normal estándar), correspondiente a un poder de prueba de 80% r = Magnitud de la correlación que se desea detectar ( estudios previos)

  13. Correlación entre edad y nivel de colesterol en pacientes que acuden al Servico de Endocrinologia. INSN Tamaño de muestra Para el cálculo de la muestra se consideró que el coeficiente de correlación lineal de Pearson entre los valores de edad y el colesterol oscila alrededor de r = 0.4 Z 1-/2 + Z1-/2 0.5 ln ( 1+r ) 1 - r 2 + 3 n = Z 1-/2 = 1.96, Z1-/2 = 0.84 r = 0.4 Haciendo las operaciones indicadas, se obtuvo un n = 47 pacientes para detectar Como significativo un valor del coeficiente de correlación de r = 0.4

  14. DISEÑO DE ESTUDIO 2. ESTUDIO CASOS Y CONTROLES ¿Se requiere muestra para los casos, controles? ¿ Se necesita conocer el tamaño de la población ? ¿ Existe alguna fórmula?

  15. Fórmula para tamaño de muestra Comparación de dos Proporciones n =  Z *2p(1- p) + Z * p1(1- p1)+p2(1- p2) 2 ( p1-p2 )2 - n=Sujetos necesarios en cada una de las muestras - Z= 1.96, (riesgo deseado.(5%) - Z=0.84, riesgo deseado.(20%). - p1 = Proporción en el grupo del nuevo tratamiento, intervención o técnica. - p2 = Proporción en el grupo de referencia, placebo, control o tratamiento habitual. p= Media de las proporciones p1 , p2

  16. Factores asociados para distopia genital en pacientes hospitalizadas en elservicio de ginecología del HAL. Septiembre 2006 - Abril 2007 Tamaño muestral: Se calcula tamaño muestral teniendo en cuenta la prevalencia de parto vaginal con distopia genital el cual es de 30% en el grupo de casos y en los controles 15%, con 95% de confianza y 80% de poder de prueba. El número de casos de distopia genital que se presentaron en el 2006, de un total de 789 de procedimientos de cirugía mayor realizados, 249 corresponde a casos de distopia genital. Fórmula: n =  Z *2p(1- p) + Z * p1(1- p1)+p2(1- p2) 2 ( p1-p2 )2 Donde: n= Sujetos necesarios para los pacientes con o sin distopia genital. Z= 1.96, valor tabular de la distribución normal estándar, correspondiente a 95% de confianza Z= 0.84, valor tabular de la distribución normal estándar, correspondiente a 80% de poder de prueba p1 = 30%, Proporción de parto vaginal con distopia genital p2 = 15%, Proporción de parto vaginal sin distopia genital p= Media de las proporciones p1 , p2 Reemplazando los parámetros considerados se obtuvo como muestra mínima 120 para el caso y 120 para el control. Para salvaguardar este tamaño mínimo se consideró tomar como muestra final 177 tanto para el caso como para el control.

  17. DISEÑO DE ESTUDIO 3. ESTUDIO COHORTES

  18. Fórmula para tamaño de muestra 1-P1 P1 + 1-P2 P2 n = Z 1-/2 (Ln (1- ))2 Z 1-/2 = 1.96, 1.Se debe conocer dos de los siguientes parámetros P1 = Proporción de expuestos al factor de estudio que presentaron el evento de interés. P2 = Proporción de no expuestos que presentaron ese mismo evento. Una idea del valor aproximado del riesgo relativo que se desea estimar (RR) 2. La precisión relativa .  = Oscilación mínima con la que se quiere estimar RR, expresada como porcentaje del valor real esperado para este riesgo.

  19. Se desea saber si existen diferencias entre dos terapias diferentes A y B utilizadas habitualmente para tratar un determinado tipo de cáncer.Para ello se plantea realizar un estudio prospectivo en el que se recogerá el status de los pacientes(vivo muerto) al cabo de un año de ser tratados ¿ Cuántos pacientes deberán estudiarse con cada tratamiento si se desea calcular el riesgo relativo con una precisión del 50% de su valor real y una seguridad del 95%?. De experiencias previas se estima que el valor real del riesgo relativo es aprox. igual a 3 y la probabilidad de fallecer entre los pacientes tratados con el tratamiento A de un 20%.

  20. Se tiene : P2 = 0.2 RR = 3, ( RR = P1 P2 ) P1 = P2 * RR = 0.2*0.3 = 0.6 P1 = 0.6 ( Estimado).  = 0.5 Entonces: (1-0.6) 0.6 + (1.0.2) 0.2 (( Ln (1-0.5))2 n = 38 pacientes, para cada grupo n = 1.962

  21. El tamaño de muestra ajustado por pérdidas: El tamaño muestral ajustado a las pérdidas se puede calcular: Muestra ajustada a las pérdidas = n ( 1/1-R) Donde: n = Número de sujetos sin pérdidas R = Proporción esperada de pérdida Así por ejemplo, si hemos calculado un tamaño mínimo muestral de 48 y esperamos tener un 15% de pérdidas, el tamaño muestral necesario sería: n = 48*(1/1-0.15) = 56, pacientes en cada grupo

  22. Volver

  23. Una vez calculada el tamaño de muestra, la siguiente pregunta es: ¿Quienes van a conformar nuestra muestra? por:Técnicas de Muestreo Su función básica es determinar que parte de una realidad en estudio (población o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha población. Obtener una muestra adecuada significa lograr una versión simplificada de la población, que reproduzca de algún modo sus rasgos básicos. MUESTREO PROBABILISTICO MUESTREO NO PROBABILISTICO

  24. TIPOS DE MUESTREO MUESTREO PROBABILÍSTICO También se conoce como muestreo aleatorio, la característica de este muestreo es que todos los sujetos de la población de estudio tienen la misma probabilidad de ser seleccionados para formar parte de la muestra. Muestreo aleatorio simple Muestreo sistemático

  25. Tipos de Muestreo Probabilístico • Muestreo Aleatorio Simple (MAS) - Cada unidad tiene la probabilidad equitativa de ser incluida en la muestra. - Lista de todos los individuos de la población de estudio: “marco muestral”. - Selección al azar (tablas de números aleatorios, calculadoras, software).

  26. Tipos de Muestreo Probabilístico Procedimiento • Elaborar el listado de pacientes (Población) sin ningún ordenamiento en particular. • Generar tantos números aleatorios como el tamaño de la muestra (n). Cuyos valores deben estar entre 1y N. • Elaborar el listado de la muestra, seleccionando los pacientes de acuerdo con la ubicación proporcionada por los números aleatorios.

  27. Muestreo Aleatorio Características: • Requiere tabla de números aleatorios. • Eficiente sólo en poblaciones homogéneas • Aplicable en encuestas de pequeña escala.

  28. Ejemplo 1: Selección aleatoria • De una lista de 270 pacientes internos, se desea seleccionar una muestra aleatoria de 30 pacientes. Usando la tabla de números aleatorios los pacientes elegidos para la muestra son los que ocupan la posición: 007, 011, 025, 038, 045, 049, 057, 066, 077, 079, 087, 100, 102, 111, 138, 144, 150, 163, 170, 178, 180, 199, 209, 212, 228, 230, 237, 245, 260, 262

  29. TABLA DE NUMEROS ALEATORIOS

  30. 2. Muestreo Sistemático • No requiere tabla de números aleatorios. • Eficiente sólo en poblaciones homogéneas • La muestra se distribuye uniformemente en toda la población, siempre que exista una “buena” ordenación en el marco de muestreo Características:

  31. Tipos de Muestreo Probabilístico Muestreo Sistemático • Se selecciona individuos del marco muestral a intervalos regulares. • Ejemplo 5, 10, 15, 20, 25, ............ • Lleva a sesgo de selección si el marco muestral está distribuido siguiendo algún patrón particular.

  32. Tipos de Muestreo Probabilístico Procedimiento • Elaborar el listado de pacientes sin ningún ordenamiento. • Calcular el intervalo con la siguiente fórmula: Redondear al entero inferior • Seleccionar aleatoriamente el número de inicio de la serie con una urna de números del 1 hasta k. • Elaborar la lista de la muestra seleccionando los pacientes de acuerdo con la ubicación proporcionada por los números del intervalo.

  33. Ejemplo 1: Selección sistemática simple • De una lista de 270 pacientes internos, se desea seleccionar una muestra sistemática de 30 pacientes. Entonces el intervalo de selección es: k = 270/30 = 9, es exactamente entero. • Luego, se elige un número aleatorio entre 1 y 9 (arranque aleatorio) es a=5. • Los pacientes elegidos para la muestra son los que ocupan la posición: 005, 014, 023, 032, 041, 050, 059, 068, 077, 086, 095, 104, 113, 122, 131, 140, 149, 158, 167, 176, 185, 194, 203, 212, 221, 230, 239, 248, 257, 266

  34. Ejemplo 3: Selección sistemática circular • De la misma lista anterior de 270 pacientes, se desea seleccionar una muestra de 32 pacientes. Entonces el intervalo de selección es: k = 270/32= 8.44  8 (parte entera) Luego,se elige un número aleatorio entre 1 y 270, es a=103. Los pacientes elegidos para la muestra son los que ocupan la posición: 103, 111, 119, 127, 135, 143, 151, 159, 167, 175, 183, 191, 199, 207, 215, 223, 231, 239, 247, 255, 263, 001, 009, 017, 025, 033, 041, 049, 057, 065, 073, 081

More Related