MUESTREO

Muestreo

El principio de representatividad implica que, para que los resultados de una investigación tengan
validez interna, la muestra de sujetos estudiados debe ser representativa de la población de estudio.
En los estudios transversales que estiman un parámetro suelen emplearse técnicas de muestreo
probabilístico, que aumentan la probabilidad de obtener una muestra representativa. Cuando no se
dispone de un listado con los miembros que forman la población de estudio o cuando esta es
dinámica, y la muestra de sujetos se selecciona por métodos como la inclusión consecutiva de los
pacientes que acuden a la consulta y cumplen los criterios de selección, para poder realizar
inferencias también debe asumirse que la muestra seleccionada es representativa de la población de
estudio.
Ventajas del muestreo

• La razón principal para estudiar una muestra y no toda la población es el ahorro en tiempo, dinero
y otros recursos. Es una cuestión de eficiencia. Si se ha calculado que son necesarios 300 individuos,
y la población de referencia la forman 3.000 personas, estudiarlas a todas supone desperdiciar una
buena cantidad de recursos, ya que, si la selección de la muestra y la medición de las variables se
realizan correctamente, se obtendrá un resultado suficientemente válido estudiando una muestra
representativa de 300 personas.
• Una segunda ventaja del muestreo, también relacionada con la validez del estudio, es que las
mediciones tenderán a ser de mayor calidad, ya que se pueden dedicar más esfuerzos al estudiar un
menor número de individuos. Paradójicamente, podría darse el caso de que se obtuvieran
resultados más fidedignos al estudiar una muestra que a toda la población.
• También es un problema de cantidad de información. Al poder invertir más recursos en el estudio
de cada individuo, pueden medirse otras variables, lo que no es posible hacer en toda la población.
Si algunas de estas variables son potenciales factores de confusión, su medición posibilita su control
en el análisis, lo que aumenta la validez de los resultados del estudio.
Planificación del muestreo

• Las unidades de muestreo son los elementos sobre los que se aplicará la técnica de selección. Pueden
ser personas, centros de salud o escuelas, por ejemplo. Si se quiere estimar la prevalencia de
hipertensión arterial (HTA) en una población, serán las personas; si se pretende conocer el número
de escuelas de una provincia en las que se imparte educación sanitaria, serán las escuelas.
• Las unidades de muestreo no tienen que coincidir necesariamente con las unidades de análisis. En un
estudio para conocer la prevalencia de HTA en la población escolar, las unidades de muestreo
pueden ser las escuelas, pero se analiza en cada una la presión arterial de sus alumnos (unidades de
análisis).
• El primer paso para planificar un muestreo suele ser la definición del marco muestral, que es
esencialmente una lista, o forma de identificación, de las unidades de muestreo sobre las que se
aplicará el proceso de selección. La definición de este marco debe ser cuidadosa, ya que condiciona
la interpretación de los resultados.
• El siguiente paso es decidir cómo seleccionar la muestra. En líneas generales, las técnicas de
muestreo pueden clasificarse en probabilísticas y no probabilísticas.
• Técnicas de muestreo
Muestreo probabilístico

• Se define como el proceso de selección en que todos los individuos candidatos tienen una
probabilidad conocida, distinta de cero, de ser incluidos en la muestra. Se utiliza alguna forma de
selección aleatoria para obtener las unidades que serán estudiadas.
• Existe una tendencia a considerar sinónimas las expresiones muestra probabilística y muestra
representativa. El uso de una técnica de muestreo probabilístico tiende a asegurar que se obtendrá
una muestra representativa, en especial si la población y la muestra son de gran tamaño. Sin
embargo, puede que no sea así, ya que el propio azar puede conducir a una muestra que no tenga la
misma distribución de las variables de interés que la población de referencia, sobre todo si su
tamaño es reducido. Por otro lado, pueden obtenerse muestras representativas utilizando técnicas
no probabilísticas.
• En todas las técnicas probabilísticas, la selección de las unidades se realiza al azar y se evita la
posible parcialidad, consciente o inconsciente, de los investigadores. Por esta razón, es más
probable que las muestras tiendan a ser representativas, aunque ello no significa que estén exentas
de error. En realidad, la muestra seleccionada no es más que una de las muchas que podrían
obtenerse de la población de referencia. Es probable que la estimación de la variable obtenida a
partir de una muestra difiera de su verdadero valor en la población de referencia por azar (error
aleatorio o debido al muestreo), y lo es más cuanto menor es el tamaño de la muestra. El uso de
muestras probabilísticas permite la aplicación de técnicas estadísticas capaces de cuantificar este
error aleatorio.
Muestreo aleatorio simple

Es aquella técnica en la que cada unidad del marco muestral tiene la misma probabilidad de ser
escogida y en la que cada una de las posibles muestras del mismo tamaño tienen la misma
probabilidad de ser escogidas. El muestreo aleatorio simple es, pues, un procedimiento
equiprobabilístico, pero no todo método equiprobabilístico es aleatorio simple.
Como se deduce del ejemplo anterior, el primer paso es preparar una lista de las unidades de
muestreo, numerándolas, por ejemplo, de forma secuencial. Este proceso puede ser fácil y rápido si la
población de referencia se encuentra en una base de datos informatizada, o muy laborioso si se realiza
manualmente y la población es amplia. A continuación, se seleccionan tantos números aleatorios
como elementos debe tener la muestra. Esta técnica es sencilla y de fácil comprensión, y permite el
cálculo rápido de medias y variancias. Requiere, sin embargo, que se conozca de antemano la lista
completa de todas las unidades de muestreo. Si la lista contiene fallos u omite segmentos de la
población, se perderán las ventajas propias del muestreo aleatorio, ya que todas las unidades no
tendrán la misma probabilidad de aparecer en la muestra.
Muestreo aleatorio estratificado

• Se trata de una modificación del método anterior que intenta asegurar que la muestra presente la
misma distribución que la población en relación con determinadas variables.
• La población se divide en estratos en función de las categorías de las variables por las que se desea
estratificar, formando subgrupos con alguna característica en común y mutuamente excluyentes. A
continuación, se escoge una muestra aleatoria de cada estrato, manteniendo las proporciones
observadas en la población de referencia (muestreo aleatorio estratificado proporcional).
• Los estratos deben definirse en función de variables que puedan influir sobre los resultados. Si se
desea determinar la prevalencia de HTA en una comunidad, posibles factores de confusión serían,
entre otros, la edad, el sexo o la presencia de obesidad, ya que son variables relacionadas con la
presencia de HTA. Si se aplicara un muestreo aleatorio simple, podría obtenerse una muestra en la
que la distribución de estas variables no fuera la misma que en la población, lo que conduciría a un
sesgo en los resultados. Un muestreo estratificado por estos factores garantizaría una distribución
similar a la de la población de referencia.
• La correcta aplicación de esta técnica requiere que se conozca la distribución en la población de
la(s) variable(s) empleada(s) para la estratificación y que la variabilidad entre los distintos estratos
sea lo más amplia posible, mientras que dentro de cada estrato debe ser lo más pequeña posible.
Así, se obtendrán subgrupos homogéneos respecto a la posible variable de confusión (todos los
miembros de un estrato la presentan o no) y heterogéneos entre sí (miembros de distintos estratos
no comparten la variable).
• En general, con el muestreo estratificado se obtienen estimaciones más precisas que con el muestreo
aleatorio simple, porque la variancia total se basa en la de cada uno de los estratos y estos son más
homogéneos que la población. El aumento de precisión que se consigue depende de las diferencias
entre los estratos. Cuanto mayor sea esta diferencia, y menor la variabilidad dentro de cada estrato,
mayor será la reducción de la variancia que se produce. Por tanto, siempre que se utiliza un
muestreo estratificado, debe tenerse en cuenta en el análisis, al realizar las estimaciones.
• Cuando alguno de los estratos tiene un tamaño reducido, puede desaparecer esta ventaja, ya que
disminuiría la precisión de la estimación en dicho estrato y podría afectar a la de la estimación
global. En esta situación, puede aplicarse un muestreo no proporcional que sobrerrepresente este
estrato, aplicando sobre él una fracción de muestreo diferente. Esta alternativa dificulta el análisis,
ya que la estimación del parámetro en el global de la muestra deberá hacerse a partir de cada
estrato por separado, y ponderando la diferente variabilidad de cada uno de ellos. De hecho, el
muestreo no proporcional se utiliza más cuando la finalidad es realizar comparaciones entre los
estratos, con el fin de asegurar que cada uno de ellos tiene el tamaño suficiente para obtener
estimaciones con la suficiente precisión.
Muestreo en múltiples etapas

• Esta técnica consiste en seleccionar unidades de muestreo de una población (unidades primarias) y,
en una segunda etapa, obtener una muestra de cada una de las unidades primarias (unidades
secundarias). Por ejemplo, si se desea estudiar la prevalencia de escoliosis en niños de edad escolar,
una manera de seleccionar la muestra sería elegir al azar escuelas y, dentro de cada una, una
muestra de niños. Se pueden usar el número de etapas que sean necesarias y, en cada una de ellas,
aplicar un método diferente de muestreo (simple, estratificado, sistemático). Cuando en el estudio
se incluyen todas las unidades secundarias (es decir, la fracción de muestreo es del 100%), se
denomina muestreo en conglomerados.
• Esta técnica es útil cuando la población de referencia es muy grande y está dispersa, como en el
caso de la población escolar de un país o una gran ciudad. El uso de una técnica aleatoria simple
sería muy costoso, ya que la muestra incluiría a pocos estudiantes de cada institución y los
investigadores tendrían que ir a casi todas ellas para entrevistarlos o examinarlos, con lo que se
rentabilizaría muy poco cada viaje. Además, es probable que no se disponga de un listado de todos
los niños en edad escolar de una ciudad, pero sí de una lista de escuelas, y que cada una de ellas
tenga el listado de sus alumnos.
Su desventaja principal es que si las unidades primarias contienen personas similares en relación con
el fenómeno de interés, la precisión de la estimación será menor que si se utiliza un muestreo
aleatorio simple, por ejemplo. Si se considera un estudio sobre los hábitos alimentarios de una
comunidad y se encuesta a 100 individuos obtenidos mediante un muestreo aleatorio simple, el grado
de información y la precisión de las estimaciones no será igual que si se estudian 100 individuos
(unidad secundaria) procedentes de 25 familias (unidad primaria). Los hábitos alimentarios son muy
parecidos entre miembros de una misma familia, por lo que, en realidad, es casi como si solo se
estudiara a 25 personas. Además, si una o varias familias son muy numerosas, contribuirán de una
forma desproporcionada al tamaño de la muestra.
Muestreo sistemático

• Este procedimiento se basa en aplicar alguna regla sistemática simple, como elegir uno de cada n
individuos. Los pasos a seguir son los siguientes: en primer lugar, se calcula la constante de muestreo
(k), dividiendo el total de la población candidata por el tamaño de la muestra deseado. A
continuación, se extrae la primera unidad al azar entre las k primeras unidades de muestreo, y se le
suma la constante, sucesivamente, hasta completar el tamaño de la muestra.
• La primera ventaja del muestreo sistemático es que es fácil de aplicar y, en ocasiones, es más
cómodo y práctico que el muestreo aleatorio simple. Es más sencillo, por ejemplo, escoger todas las
historias cuyo número termina en cero que a partir de un listado de números aleatorios. La segunda
es que no siempre es necesario tener de antemano una lista completa y exhaustiva de toda la
población. Los sujetos se pueden ir seleccionando a medida que el estudio avanza, siempre y
cuando lleguen en algún orden preestablecido, como por ejemplo, los pacientes que acuden a una
consulta. La tercera ventaja es que, cuando la población de referencia está ordenada siguiendo una
tendencia conocida (de mayor a menor, de más viejo a más joven, etc.), el muestreo sistemático
asegura una cobertura de unidades de todos los tipos. Si interesa extraer una muestra de los
médicos de una provincia y el colegio profesional tiene las listas ordenadas por el año de
licenciatura, podría darse el caso de que con un muestreo aleatorio simple predominaran los
médicos de una determinada edad. Sin embargo, con un muestreo sistemático, se aseguraría una
muestra que representara todos los años de licenciatura.
• La limitación más importante para su uso aparece cuando la constante que se aplica está
relacionada con el fenómeno que se quiere medir. En este caso se pueden hallar estimaciones muy
distorsionadas de los parámetros poblacionales.
• Las ventajas y desventajas de cada uno de los métodos de muestreo probabilístico se encuentran en
la tabla 17.2.
Muestreo no probabilístico

• En el muestreo no probabilístico se desconoce la probabilidad que posee cada unidad de ser

incluida en la muestra, y la selección se realiza mediante métodos en los que no interviene el azar.
• El uso de pruebas estadísticas requiere que la muestra analizada sea aleatoria. Su aplicación en
muestras no obtenidas por un método aleatorio se hace asumiendo que están libres de sesgos y que
son representativas de la población de referencia.
• La técnica más frecuente es el muestreo consecutivo. Consiste en seleccionar a los pacientes que
cumplen los criterios de selección especificados en el protocolo del estudio, a medida que acuden a
la consulta durante un período determinado.
• El muestreo consecutivo es la técnica más utilizada en los ensayos clínicos. Si se evalúa la eficacia
de una medida terapéutica contra la gastroenteritis, no se dispone al inicio del estudio de un listado
de la población que desarrollará la enfermedad, por lo que no puede aplicarse un muestreo
aleatorio simple. En esta situación, el equipo investigador se limita a reclutar a los individuos que
cumplen los criterios de selección a medida que son diagnosticados, asumiendo que son
representativos de los sujetos que presentan dicha patología.
• La inclusión de voluntarios es otra técnica de muestreo no probabilístico. En general, es preferible
rechazar su colaboración, ya que las verdaderas razones que llevan a una persona a prestarse para
un estudio sin haber sido seleccionado para ello suelen estar relacionadas con otras características
que afectan a la representatividad de la muestra.
• Otra técnica utilizada en encuestas de opinión y de mercado, pero muy poco en la investigación
epidemiológica, es el muestreo por cuotas, en el que la composición general de la población de
referencia en términos de características como la edad, el sexo, o la clase de educación se decide, o
se conoce, de antemano. Seguidamente, se determina el número de personas requerido, o las
cuotas, para los hombres y las mujeres, según las diferentes edades y la clase de educación, y el
único requerimiento es conseguir el número adecuado de personas para llenar cada una de las
cuotas.
• En algunas ocasiones, en especial cuando tanto el tamaño de la población de referencia como el de
la muestra son muy pequeños, la selección puede hacerse por criterios razonados. Por ejemplo, si se
desea conocer el funcionamiento de los centros de salud de una provincia a través de un análisis
exhaustivo de dos de ellos, es preferible seleccionar los dos centros que puedan considerarse los
más representativos, en vez de dejar la selección al azar.
• En las técnicas adaptativas el diseño del muestreo se adapta en función de las observaciones que se
van realizando durante el estudio, por ejemplo, solicitando a los participantes en un estudio sobre
consumo de drogas que informen al investigador sobre otros consumidores. Dependiendo del
mecanismo de adaptación, reciben nombres como bola de nieve, paseos aleatorios o muestreo en red.
Estas técnicas son especialmente útiles cuando la población de interés es difícil de alcanzar, ya que,
además de la ganancia que suponen en términos de eficiencia en relación con las técnicas
convencionales, pueden ser la única forma operativa de obtener una muestra lo suficientemente
amplia. Su principal inconveniente es que deben aplicarse procedimientos estadísticos que tengan
en cuenta su utilización.
• La figura 17.1 presenta un algoritmo para la selección de la técnica de muestreo.