1Jerarquía de diseños de estudio
No todos los diseños de estudio ofrecen el mismo nivel de evidencia sobre una relación causal. La jerarquía habitual, de menor a mayor solidez para establecer causalidad:
| Diseño | Lógica | Fortaleza principal |
|---|---|---|
| Serie de casos / reporte de caso | Descripción de uno o pocos casos, sin grupo de comparación | Generador de hipótesis, útil para fenómenos raros — no permite ninguna inferencia causal |
| Estudio transversal | Mide exposición y desenlace simultáneamente en un momento dado | Rápido y económico, útil para prevalencia — no establece secuencia temporal entre exposición y desenlace |
| Casos y controles | Parte del desenlace, mira retrospectivamente la exposición | Eficiente para enfermedades raras (capítulo V.3) — susceptible a sesgos de memoria/selección |
| Cohorte | Sigue en el tiempo a expuestos y no expuestos | Permite calcular incidencia real y riesgo relativo (capítulo V.3), establece secuencia temporal |
| Ensayo clínico aleatorizado | Asigna al azar la exposición/tratamiento | La aleatorización distribuye equitativamente los factores de confusión conocidos y desconocidos entre grupos — el diseño con mayor capacidad de establecer causalidad |
| Revisión sistemática / metaanálisis | Síntesis cuantitativa de múltiples estudios sobre la misma pregunta | Mayor precisión y generalización al combinar evidencia de múltiples fuentes independientes — en la cúspide de la jerarquía de evidencia |
2Por qué el tamaño muestral se calcula antes de iniciar el estudio
Calcular el tamaño muestral de antemano —antes de reclutar el primer participante— no es un mero requisito burocrático de los comités de ética: es una necesidad estadística directamente ligada al poder estadístico (capítulo III.3). Un estudio con una muestra insuficiente para el efecto que se pretende detectar tiene alta probabilidad de cometer un error tipo II (no detectar un efecto real que sí existe), desperdiciando el esfuerzo, el costo y —en investigación con seres humanos— la exposición de los participantes a una investigación cuyo resultado no será concluyente ni siquiera en el mejor de los casos.
3Factores que determinan el tamaño muestral
| Factor | Efecto sobre el tamaño muestral necesario |
|---|---|
| Nivel de significación (α) elegido | Un α más exigente (ej. 0,01 en lugar de 0,05) requiere una muestra mayor |
| Poder estadístico deseado (1−β) | Un poder mayor (ej. 90% en lugar de 80%) requiere una muestra mayor |
| Magnitud del efecto que se busca detectar | Efectos más pequeños requieren muestras mayores para ser detectados de forma confiable; efectos grandes se detectan con muestras más pequeñas |
| Variabilidad de la variable estudiada (desvío estándar) | A mayor variabilidad de los datos, mayor el tamaño muestral necesario para distinguir el efecto real del ruido |
¿Por qué buscar detectar un efecto clínico pequeño exige, matemáticamente, una muestra mucho mayor que buscar detectar un efecto grande? El poder estadístico de una prueba depende de qué tan bien puede distinguirse la señal (el efecto real) del ruido (la variabilidad esperable por azar, cuantificada por el error estándar, capítulo III.1). Un efecto grande produce una diferencia entre grupos que sobresale claramente incluso con relativamente pocas observaciones y, por lo tanto, con un error estándar todavía relativamente amplio. Un efecto pequeño, en cambio, queda fácilmente enmascarado por esa misma variabilidad aleatoria a menos que se reduzca considerablemente el error estándar —lo cual, dado que el error estándar es proporcional a 1/√n (capítulo III.1), exige aumentar sustancialmente el tamaño muestral—. Esta relación no es lineal: para detectar un efecto la mitad de grande que otro, no basta con duplicar la muestra, sino que —dada la relación con la raíz cuadrada de n— suele requerirse aproximadamente cuadruplicarla. Esta es la razón matemática concreta detrás de por qué los ensayos clínicos que buscan detectar diferencias clínicas modestas (frecuentes en enfermedades crónicas con múltiples factores contribuyentes) necesitan reclutar miles de participantes, mientras que estudios sobre efectos dramáticos y evidentes pueden ser concluyentes con muestras mucho más pequeñas.
4Trampas de examen
| Trampa | Por qué confunde | Aclaración |
|---|---|---|
| Pensar que la aleatorización de un ensayo clínico elimina el sesgo de selección de participantes que sí acceden a participar | La aleatorización suena a "control total sobre todos los sesgos posibles" | La aleatorización distribuye equitativamente los factores de confusión entre los grupos de tratamiento comparados dentro del estudio, pero no corrige un sesgo de selección previo en quiénes fueron reclutados para el estudio en primer lugar (capítulo III.1) — ambos son problemas distintos |
| Asumir que duplicar el tamaño muestral duplica la capacidad de detectar un efecto la mitad de pequeño | Parece una relación proporcional directa e intuitiva | Dado que el error estándar es proporcional a 1/√n, la relación entre tamaño muestral necesario y magnitud del efecto detectable no es lineal — reducir a la mitad el efecto detectable exige, aproximadamente, cuadruplicar la muestra |
5Puntos clave
- Jerarquía de evidencia: serie de casos → transversal → casos y controles → cohorte → ensayo clínico aleatorizado → revisión sistemática/metaanálisis.
- El tamaño muestral se calcula de antemano para asegurar poder estadístico suficiente y evitar error tipo II.
- Factores del cálculo: α, poder deseado, magnitud del efecto a detectar, variabilidad de la variable.
- Detectar efectos pequeños exige muestras desproporcionadamente mayores (relación no lineal, vía 1/√n) que detectar efectos grandes.
- La aleatorización controla confusión dentro del estudio, pero no corrige sesgos de selección previos al reclutamiento.