Upload
mignon
View
41
Download
1
Embed Size (px)
DESCRIPTION
Seminario Nº 5 Diseño Metodológico : Ámbito Geográfico. Población y Muestra. Tabulación y Análisis de Datos. Universidad Nacional Mayor de San Marcos Doctorado en Ciencias de la Salud. Mag. Ivonne Bernuí Leo. 01-08-2009. Ámbito Geográfico. Ámbito Geográfico. - PowerPoint PPT Presentation
Citation preview
1
Universidad Nacional Mayor de San MarcosDoctorado en Ciencias de la Salud
Mag. Ivonne Bernuí Leo
Seminario Nº 5
Diseño Metodológico :
Ámbito Geográfico. Población y Muestra. Tabulación y Análisis de
Datos
01-08-2009
2
Ámbito Geográfico
3
Ámbito Geográfico
Delimitación espacial del proyecto de investigación. Descripción del área de estudio donde recogerán
los datos. Es importante delimitar el área a investigar: una
ciudad, una calle, un país. Como regla general puede decirse que la
descripción del área de estudio, debe contener todos los aspectos que la diferencian de otras áreas y que puedan ser de importancia al realizar la investigación y al interpretar los hallazgos.
Pineda EB, de Alvarado EL. Metodología de la Investigación. 3ª edición. Serie Paltex Nº 47. Organización Panamericana de la Salud. 2008. pp. 172-3.
4
Lugar (país, zona geográfica, área urbana o rural).
Ubicación (delimitación geográfica). Tamaño (población, tamaño de la
institución). Institución (hospital, centro de salud,
escuela, entre otros).
Ámbito Geográfico
Pineda EB, de Alvarado EL. Metodología de la Investigación. 3ª edición. Serie Paltex Nº 47. Organización Panamericana de la Salud. 2008. pp. 172-3.
5
Población y Muestra
cuantitativa
6
Conjunto de individuos que guardan similitud entre sí en los aspectos que son relevantes para los objetivos de la investigación.
Por limitaciones económicos y de tiempo; Falta de recurso humano calificado para realizar
las observaciones o para obtener las mediciones necesarias y
Dificultades geográficas y logísticas.
Población
Ardila J, Rodríguez MN, Gil F. Capítulo 8: Población y Muestreo. En Ruiz AM, Morillo LE. Epidemiología Clínica. Editorial Médica Panamericana. Bogotá. Colombia. 2004.
7
Sub-conjunto de la población, que permite inferir, estimar o extrapolar los resultados de la observación a la población.
Consecuencias de no tener el tamaño adecuado: Por defecto no podremos ser precisos al estimar
los parámetros y además no encontraremos diferencias significativas cuando en la realidad sí existen.
Por exceso, podríamos estudiar un número innecesario de pacientes.
Ardila J, Rodríguez MN, Gil F. Capítulo 8: Población y Muestreo. En Ruiz AM, Morillo LE. Epidemiología Clínica. Editorial Médica Panamericana. Bogotá. Colombia. 2004.
MUESTRA
8
Calculo del tamaño de Muestra
9
Criterio: recursos disponibles (máximo tamaño posible); plan de análisis (mínimo tamaño deseable).
Tamaño absoluto: N=100, n=30 (30%), pero si N=50000 y n=500 (1%)
Muestra grande no necesariamente representativa.
> variabilidad > tamaño. Si se planean comparaciones de
grupos, asegurarse de 20 – 30 unidades por casilleros.
Criterios
10
Existen varias fórmulas para determinar el tamaño de la muestra.
Dos más comunes: Variable principal es una
proporción. Variable principal es un promedio.
Debemos conocer ciertas características de población ANTES de empezar el estudio.
TAMAÑO DE LA MUESTRA
11
Fórmula para Proporciones
n = N z2 p q / d2 (N-1) + z2 p q
Wayne, D. Bioestadística. Trad. 5ª ed. Ingles. Pag. 206
n = Tamaño de muestraN = poblaciónz = nivel de confianzap = proporción estimada de la poblaciónq = 1 – p d = Precisión ó error máximo permisible
12
Tamaño de Muestra: Proporciones
n = 360 * (1.96)2 * 0.38 * 0.62 2 (0.05)2 (360-1) + (1.96)2 * 0.38 * 0.62
n = 182 niños
N = 360z = 95% (1.96)p , prevalencia de Ret. Crec. = 38% q , prevalencia niños crec. Normal =
62% d = 5%
Universo : Niños < 6 años. PPJJ “Chavín Huantar” .VES
Variable Principal: Prevalencia Retardo Crecimiento
13
n = N z2 2 / d2 (N-1) + z2 2
Wayne, D. Bioestadística. Trad. 5ª ed. Ingles. Pag. 203
Fórmula para Medias
n = Tamaño de muestraN = Poblaciónz = nivel de confianzas2 = Varianza poblacional d = Precisión ó error máximo permisible
14
n = 608 * (1.96)2 * 625 = 144 100 * 607+ (1.96)2 * 625
n = Tamaño de muestraN = 608z = 95% (1.96)
2 = 625d = 10
Tamaño de Muestra: Media
Wayne, D. Bioestadística. Trad. 5ª ed. Ingles. Pag. 203
Universo : Mujeres Socias de Comedores. Distrito Surco
Variable Principal: Promedio de Consumo de Energía
15
n = Z *2p(1- p) + Z * p1(1- p1)+p2(1- p2) 2
(p1-p2)2
Pita S. Determinación del tamaño muestral serie [Metodología de la investigación]. Fisterra.com [Portal de internet]. 2001[último acceso 2009 junio 30]. Disponible http://www.fisterra.com/mbe/investiga/9muestras/9muestras.asp.
Fórmula para Comparar Proporciones
n = sujetos necesarios en cada uno de las muestrasZ = Valor Z correspondiente al riesgo deseadoZ = Valor Z correspondiente al riesgo deseadop1 = Valor de la proporción en el grupo de controlp2 = Valor de la proporción en el grupo de tratamiento. p = Media de las dos proporciones p1 y p2.
16
n = 2 ( Z + Z)2 *S2
d2
Pita S. Determinación del tamaño muestral serie [Metodología de la investigación]. Fisterra.com [Portal de internet]. 2001[último acceso 2009 junio 30]. Disponible http://www.fisterra.com/mbe/investiga/9muestras/9muestras.asp.
Fórmula para Comparar Medias
n = Tamaño de muestraZ = Valor Z correspondiente al riesgo deseadoZ = Valor Z correspondiente al riesgo deseados2 = Varianza poblacional d = Precisión ó error máximo permisible
17
Tamaño muestral ajustado a las pérdidas
Posibles pérdidas por pérdida de información, abandono, no respuesta
Por lo que se debe incrementar el tamaño muestral respecto a dichas pérdidas.
El tamaño muestral ajustado a las pérdidas se puede calcular:
Muestra ajustada a las pérdidas = n (1 / 1–R)• n = número de sujetos sin pérdidas
• R = proporción esperada de pérdidas Así por ejemplo si se calculó 48 como tamaño de
muestra y se espera tener un 15% de pérdidas el tamaño muestral necesario seria: 48 (1 / 1-0.15) = 56 pacientes en cada grupo.
18
Tipos de Muestreo
19
Tipo de muestreo
más importante que
tamaño de muestra
Fuente:
20
Cuatro Muestras Diferentes de
2, 3, 5, 10 personas
UNIVERSO =
15 personas
2
Media Poblacional= 16 naranjas ⁄ mes
6 12
18 3020
810
14 2622
16 24
4
nNaranjas/
per cap/ mesx
2 6, 14 10
3 16, 18, 8 14.0
5 26, 14, 18, 2, 28
17.6
10 22,16,24,22,8,14,28,20, 2
15.8
21
PROBABILISTICO NO PROBABI-LISTICO
Aleatorio Simple
TIPOS DE MUESTREO
Por conve-
niencia
Por cuotas
Estrati-ficado
Conglo-merado
SistemáticoDeliberado
Fuente:
22
Probabilístico TODOSTODOS
elementos universo misma probabilidad
de ser seleccionados
Cuenta con un Marco Muestral
23
Muestreo sistemático
Se basa en aplicar una regla sistemática simple, como elegir uno de cada ‘n’ individuos.
24
POBLACION
25
Estratificado por un Factor
26
Estratificado por 2 factores
27
MUESTREO ALEATORIO ESTRATIFICADO
Ejemplo: Listado de 2000 personas con HTA, y se necesitan 250 personas. Se conoce que la HTA varía en función del sexo y presencia de obesidad.
Modificación del MAS, para que la muestra presente misma distribución que la población en relación a determinadas variables.
Estimaciones más precisas.
Población se divide en estratos en función de las categorías de la (s) variable (s). Se forman sub-grupos que
son mutuamente excluyentes.
Requiere: Conocer en población
distribución de las variables de estratificación.
Marco Muestral
Hombres
Mujeres Total
Obesidad 240 (12%)
320(16%)
560(28%)
No obesidad
960(48%)
480(24%)
1440(72%)
Hombres
Mujeres Total
Obesidad 30 (12%)
40(16%)
70(28%)
No obesidad
120(48%)
60(24%)
180(72%)
Población
Muestra
28
Por conglomerados
UGEL (UPM)
Instituciones Educativos(USM)
Ejemplo: Evaluación
Antropométrica en Escolares
de Lima Metropolitana
Unidad de Análisis
AULAS (UTM)
ESCOLARES
Unidad PrimariaMuestreo
U. SecundariaMuestreo
U. Terciaria Muestreo
Muestreo por etapas:
30
Estructura típica de un diseño muestral de hogares
Característica Posible definición
Estrato Regiones
Tipo de comunidad
U Primaria Secciones censales
Pueblos en áreas rurales
Manzanas en áreas urbanas
U Secundaria Viviendas
U Terciaria Miembros de las viviendas
U observación Individuos
31
Elección de los elementos depende de las causas relacionadas con las características de la investigación.
se desconoce la probabilidad de elección de cada unidad o elemento del universo No se puede estimar el error muestral, no se pueden hacer inferencias.
Muestro No probabilístico, por conveniencia
32
Muestro No probabilístico, por conveniencia
Selección depende de características relacionadas con la investigación.
Se desconoce la ‘p’ de elección de cada unidad del universo
No se puede estimar el error muestral, no se pueden hacer inferencias.
Es útil para los estudios piloto.
Pineda EB, de Alvarado EL. Op cit pag. 138-9.
33
Muestro No probabilístico, por conveniencia
Muestreo de casos extremos o inusuales. Muestreo de máxima variabilidad Muestras homogéneas Muestreo de casos típicos Muestreo de informantes clave.
Pineda EB, de Alvarado EL. Op cit pag. 138-9.
34
Muestreo por avalancha / cadena / bola de nieve
35
Compromiso entre lo deseable y lo viable
36
Recolección datos
Carolina Blossiers