Conceptos de Probabilidad en Salud

La Probabilidad es una herramienta fundamental en la investigación médica y en la

práctica clínica. Nos ayuda a cuantificar el riesgo de desarrollar ciertas enfermedades, la
eficacia de tratamientos y a tomar decisiones basadas en la evidencia.

Experimento

 En general: Cualquier acción o proceso cuyo resultado es incierto.

 En salud:
o Ejemplo 1: Realizar un ensayo clínico para evaluar la efectividad de un
nuevo medicamento.
o Ejemplo 2: Estudiar la incidencia de una enfermedad en una población
específica.

Espacio muestral

 En general: Conjunto de todos los posibles resultados de un experimento.

 En salud:
o Ejemplo: En un ensayo clínico, el espacio muestral podría ser: {mejoría,
empeoramiento, sin cambio}.

Suceso o evento

 En general: Subconjunto del espacio muestral.

 En salud:
o Ejemplo: En un estudio sobre enfermedades cardiovasculares, un suceso
podría ser "sufrir un infarto".

Probabilidad

 En general: Medida numérica de la posibilidad de que ocurra un suceso.

 En salud:
o Ejemplo: La probabilidad de desarrollar diabetes tipo 2 en una persona
con obesidad.

Relación con la salud:

 Diagnóstico: La probabilidad se utiliza para evaluar la posibilidad de que un

paciente tenga una determinada enfermedad en función de sus síntomas y
resultados de pruebas.
 Pronóstico: Permite estimar la probabilidad de supervivencia o recuperación de
un paciente.
 Tratamiento: Se emplea para comparar la eficacia de diferentes tratamientos y
seleccionar el más adecuado para cada paciente.
 Prevención: Ayuda a identificar los factores de riesgo y a desarrollar estrategias
para prevenir enfermedades.

1
Ejemplos concretos en salud:

 Epidemiología: La probabilidad se utiliza para calcular la incidencia y

prevalencia de enfermedades en una población.
 Genética: Se emplea para evaluar el riesgo de desarrollar enfermedades
hereditarias.
 Farmacología: Se utiliza para determinar la eficacia y seguridad de nuevos
medicamentos en el cuidado de nuestra salud.

Tipos de Probabilidad y Ejemplos en Salud

1. Probabilidad Clásica o a Priori

 Definición: Se basa en la teoría y en el conocimiento previo de un fenómeno.

 Ejemplo: La probabilidad de sacar cara al lanzar una moneda es 1/2, ya que hay
dos posibles resultados (cara o cruz) y ambos son igualmente probables.
 En salud: La probabilidad de que un bebé nazca varón se estima en 0.51, basada
en datos históricos.

2. Probabilidad Frecuencial

 Definición: Se calcula a partir de la frecuencia con la que ocurre un evento en

un gran número de experimentos.
 Ejemplo: La probabilidad de que llueva en una ciudad específica en un día de
verano se calcula a partir de los registros históricos de precipitaciones.
 En salud: La probabilidad de que un paciente con determinado síntoma
desarrolle una enfermedad específica se calcula a partir de estudios
epidemiológicos.

3. Probabilidad Subjetiva

 Definición: Se basa en la opinión o juicio de un experto, considerando la

información disponible.
 Ejemplo: Un médico estima la probabilidad de que un paciente se recupere de
una enfermedad basándose en su experiencia clínica y en los resultados de las
pruebas.
 En salud: La probabilidad de éxito de un nuevo tratamiento se estima antes de
realizar un ensayo clínico.

4. Probabilidad Condicional

 Definición: Es la probabilidad de que ocurra un evento A, dado que ya ocurrió

otro evento B.
 Ejemplo: La probabilidad de que un paciente tenga cáncer de pulmón, dado que
fuma, es mayor que la probabilidad de que un no fumador tenga cáncer de
pulmón.
 En salud: La probabilidad de que un test diagnóstico sea positivo, dado que el
paciente tiene la enfermedad, se denomina sensibilidad.

2
Aplicaciones de la Probabilidad en Salud

 Diagnóstico: Se utiliza para evaluar la probabilidad de que un paciente tenga

una determinada enfermedad en función de sus síntomas y resultados de
pruebas.
 Pronóstico: Permite estimar la probabilidad de supervivencia o recuperación de
un paciente.
 Tratamiento: Se emplea para comparar la eficacia de diferentes tratamientos y
seleccionar el más adecuado para cada paciente.
 Prevención: Ayuda a identificar los factores de riesgo y a desarrollar estrategias
para prevenir enfermedades.
 Investigación clínica: Se utiliza para diseñar estudios, analizar datos y sacar
conclusiones.

En resumen, la probabilidad es una herramienta fundamental en la toma de decisiones

en el campo de la salud. Al comprender los diferentes tipos de probabilidad y sus
aplicaciones, podemos evaluar mejor la información médica y participar de manera
activa en el cuidado de nuestra salud.

Muestreo en Salud: Diseño Muestral, Errores

Muestrales y No Muestrales
El muestreo es una técnica estadística fundamental en investigación que consiste en
seleccionar una parte representativa de una población para realizar un estudio. En el
ámbito de la salud, el muestreo permite obtener información sobre una población
completa a partir de un grupo más reducido de individuos, lo que resulta en un ahorro
de tiempo y recursos.

Diseño Muestral

El diseño muestral se refiere al proceso de seleccionar la muestra de manera que sea

representativa de la población de estudio. Un buen diseño muestral es esencial para
garantizar la validez de los resultados de la investigación.

Tipos de muestreo:

 Muestreo probabilístico: Cada individuo de la población tiene una

probabilidad conocida y no nula de ser seleccionado.
o Aleatorio simple: Cada individuo tiene la misma probabilidad de ser
seleccionado.
o Estratificado: La población se divide en estratos homogéneos y se
selecciona una muestra aleatoria de cada estrato.
o Por conglomerados: La población se divide en grupos naturales
(conglomerados) y se selecciona una muestra de conglomerados.
o Sistemático: Se selecciona un punto de partida aleatorio y luego se
seleccionan individuos a intervalos regulares.

3
  Muestreo no probabilístico: La selección de los individuos no se basa en el
azar, sino en criterios del investigador.
o Por conveniencia: Se seleccionan los individuos más accesibles.
o Intencional: Se seleccionan individuos con características específicas.
o Bola de nieve: Los participantes reclutan a otros participantes.

Factores a considerar en el diseño muestral:

 Tamaño de la muestra: Determina la precisión de los resultados.

 Heterogeneidad de la población: A mayor heterogeneidad, mayor tamaño de
muestra se requiere.
 Disponibilidad de recursos: Tiempo, dinero y personal.
 Tipo de estudio: Observacional, experimental, etc.

Error Muestral

El error muestral es la diferencia entre el valor de un estadístico calculado a partir de la

muestra y el valor del parámetro correspondiente en la población. Se debe a la
variabilidad natural de las muestras.

Tipos de error muestral:

 Error de muestreo aleatorio: Se produce por el azar en la selección de la

muestra y disminuye al aumentar el tamaño de la muestra.
 Error de no respuesta: Ocurre cuando los individuos seleccionados no
participan en el estudio.

Error No Muestral

El error no muestral se refiere a todos los demás errores que pueden afectar la validez de
los resultados, además del error muestral.

Tipos de error no muestral:

 Errores de medición: Errores en la recolección o procesamiento de los datos.

 Sesgos de selección: Errores en la selección de la muestra.
 Sesgos de información: Errores en la obtención de la información.

Conclusiones

Un buen diseño muestral es fundamental para garantizar la validez y la generalización

de los resultados de una investigación en salud. Es importante considerar tanto el error
muestral como el error no muestral al planificar y realizar un estudio.

Tipos de Muestreo:
Muestreo Probabilístico

4
En el muestreo probabilístico, cada elemento de la población tiene una probabilidad
conocida y no nula de ser seleccionado para formar parte de la muestra. Esto garantiza
que la muestra sea representativa de la población y permite realizar inferencias
estadísticas más robustas.

Muestreo Aleatorio Simple

 Con reposición: Cada elemento puede ser seleccionado más de una vez.
 Sin reposición: Un elemento solo puede ser seleccionado una vez.

Muestreo Sistemático

Se selecciona un punto de partida aleatorio y luego se seleccionan elementos a

intervalos regulares a lo largo de una lista.

Muestreo Estratificado

La población se divide en subgrupos homogéneos (estratos) y se selecciona una muestra

aleatoria de cada estrato.

 Proporcional: El tamaño de la muestra en cada estrato es proporcional al

tamaño del estrato en la población.
 No proporcional: El tamaño de la muestra en cada estrato no es proporcional al
tamaño del estrato en la población.

Muestreo por Conglomerados

La población se divide en grupos naturales (conglomerados) y se selecciona una

muestra de conglomerados. Luego, se pueden seleccionar todos los elementos de los
conglomerados seleccionados o una muestra aleatoria de ellos.

Muestreo por Etapas

Es una combinación de muestreo por conglomerados y muestreo aleatorio simple. Se

seleccionan sucesivamente muestras de conglomerados a diferentes niveles.

Muestreo No Probabilístico

En el muestreo no probabilístico, la selección de los elementos no se basa en el azar,

sino en criterios del investigador. Aunque es más fácil y económico de implementar, la
representatividad de la muestra no está garantizada y limita la capacidad de generalizar
los resultados.

Muestreo por Criterio

Se seleccionan los elementos que cumplen con ciertos criterios específicos establecidos
por el investigador.

Muestreo por Cuotas

5
Se establece una cuota para cada categoría de la población y se seleccionan elementos
hasta que se cumpla la cuota.

Muestreo por Conveniencia

Se seleccionan los elementos que son más fáciles de acceder o contactar.

Cuándo Utilizar Cada Tipo de Muestreo

La elección del tipo de muestreo depende de diversos factores, como:

 Objetivos de la investigación: ¿Se busca generalizar los resultados a toda la

población o solo a un subgrupo específico?
 Disponibilidad de recursos: ¿Cuánto tiempo, dinero y personal se dispone para
la investigación?
 Conocimiento de la población: ¿Se tiene una lista completa de todos los
elementos de la población?
 Heterogeneidad de la población: ¿La población es homogénea o heterogénea?

Consideraciones Adicionales

 Tamaño de la muestra: El tamaño de la muestra influye en la precisión de los

resultados.
 Error de muestreo: La diferencia entre los resultados obtenidos en la muestra y
los resultados que se obtendrían si se estudiara toda la población.
 Sesgos de muestreo: Errores sistemáticos que pueden afectar la
representatividad de la muestra.

En conclusión, la elección del tipo de muestreo adecuado es crucial para garantizar la

validez y la generalización de los resultados de una investigación. Es importante
considerar los objetivos de la investigación, las características de la población y los
recursos disponibles para seleccionar el diseño muestral más apropiado.

Estimación en Salud:
La estimación es un proceso fundamental en estadística que nos permite inferir
características de una población a partir de una muestra. En el ámbito de la salud, la
estimación se utiliza para calcular parámetros como la prevalencia de una enfermedad,
la eficacia de un tratamiento o la media de una variable biológica.

Estimadores

Un estimador es una estadística calculada a partir de una muestra que se utiliza para
aproximar un parámetro poblacional desconocido. Por ejemplo, la media muestral es un
estimador de la media poblacional.

Propiedades de un buen estimador:

 Insesgado: El valor esperado del estimador es igual al parámetro poblacional.

6
  Eficiente: El estimador tiene una varianza mínima entre todos los estimadores
insesgados.
 Consistente: A medida que el tamaño de la muestra aumenta, el estimador
converge en probabilidad al parámetro poblacional.
 Suficiente: El estimador utiliza toda la información relevante de la muestra.

Estimación Puntual

La estimación puntual consiste en asignar un único valor al parámetro poblacional

desconocido. Este valor se obtiene a partir de la muestra y se utiliza como mejor
estimación del parámetro.

Ejemplos de estimadores puntuales:

 Media muestral: Estima la media poblacional.

 Proporción muestral: Estima la proporción poblacional.
 Varianza muestral: Estima la varianza poblacional.

Intervalos de Confianza

Un intervalo de confianza es un rango de valores que, con una cierta probabilidad

(nivel de confianza), contiene al verdadero valor del parámetro poblacional. Los
intervalos de confianza proporcionan una medida de la precisión de la estimación
puntual.

 Nivel de confianza: La probabilidad de que el intervalo contenga al verdadero

valor del parámetro. Los niveles de confianza más comunes son el 95% y el
99%.
 Margen de error: La mitad del ancho del intervalo de confianza.

Interpretación de un intervalo de confianza: "Estamos 95% seguros de que el

verdadero valor del parámetro poblacional se encuentra entre los límites inferior y
superior del intervalo de confianza."

Aplicaciones en Salud

La estimación en salud se utiliza en diversas áreas:

 Epidemiología: Estimación de la prevalencia y incidencia de enfermedades,

identificación de factores de riesgo.
 Estudios clínicos: Evaluación de la eficacia de nuevos tratamientos,
comparación de diferentes intervenciones.
 Salud pública: Planificación de programas de salud, evaluación de políticas
sanitarias.

Ejemplo: En un estudio clínico para evaluar la eficacia de un nuevo fármaco para tratar
la hipertensión, se calcula la media de la presión arterial en un grupo de pacientes
tratados con el fármaco. La media muestral es la estimación puntual de la disminución
media de la presión arterial en la población. Se construye un intervalo de confianza al
95% para esta media, lo que permite afirmar con un 95% de confianza que la

7
disminución media real de la presión arterial en la población se encuentra dentro de ese
intervalo.

En resumen, la estimación es una herramienta fundamental en la investigación en salud

que nos permite obtener información sobre poblaciones a partir de muestras. Los
estimadores puntuales proporcionan una primera aproximación al valor del parámetro,
mientras que los intervalos de confianza cuantifican la incertidumbre asociada a esta
estimación.

¿Qué es un Intervalo de Confianza?

Un intervalo de confianza es un rango de valores que, con un cierto grado de certeza

(nivel de confianza), contiene al verdadero valor de un parámetro poblacional. En otras
palabras, es una estimación más precisa que un simple punto, ya que nos proporciona un
margen de error.

Intervalos de Confianza para la Media

 ¿Cuándo se utiliza? Cuando queremos estimar el valor promedio de una

variable continua en una población (por ejemplo, la presión arterial media de
una población).
 Fórmula: Depende de si se conoce o no la desviación estándar poblacional. Si
se conoce, se utiliza la distribución normal; si no, se utiliza la distribución t de
Student.
 Interpretación: Con un nivel de confianza del 95%, por ejemplo, podemos
afirmar que estamos 95% seguros de que el verdadero valor de la media
poblacional se encuentra dentro del intervalo calculado.

Intervalos de Confianza para Proporciones

 ¿Cuándo se utiliza? Cuando queremos estimar la proporción de individuos en

una población que poseen una determinada característica (por ejemplo, la
proporción de pacientes que responden a un tratamiento).
 Fórmula: Se basa en la distribución normal, aproximando la distribución
binomial para grandes tamaños de muestra.
 Interpretación: Similar a la interpretación para la media, pero en este caso se
refiere a una proporción.

Intervalos de Confianza para Desviaciones

 ¿Cuándo se utiliza? Cuando queremos estimar la dispersión de los datos

alrededor de la media (por ejemplo, la variabilidad de los niveles de colesterol
en una población).
 Fórmula: Se utiliza la distribución chi-cuadrado.
 Interpretación: Indica un rango de valores dentro del cual se espera que se
encuentre la verdadera desviación estándar poblacional.

Factores que Afectan el Ancho del Intervalo de Confianza

8
  Nivel de confianza: A mayor nivel de confianza, mayor ancho del intervalo.
 Tamaño de la muestra: A mayor tamaño de muestra, menor ancho del
intervalo.
 Variabilidad de los datos: A mayor variabilidad, mayor ancho del intervalo.

Aplicaciones en Salud

 Estudios clínicos: Estimar la eficacia de un nuevo tratamiento, comparar dos

grupos de tratamiento.
 Epidemiología: Estimar la prevalencia de una enfermedad, identificar factores
de riesgo.
 Salud pública: Evaluar el impacto de programas de intervención.

Ejemplo Práctico

Imagina un estudio en el que se mide la presión arterial de 100 pacientes hipertensos. Se

calcula una media muestral de 140 mmHg y un intervalo de confianza del 95% de (135
mmHg, 145 mmHg). Esto significa que estamos 95% seguros de que la presión arterial
media de todos los pacientes hipertensos en la población se encuentra entre 135 y 145
mmHg.

Qué es una Hipótesis Estadística?

Una hipótesis estadística es una afirmación o conjetura sobre uno o más parámetros de
una población. En el contexto de la salud, estas hipótesis pueden referirse a la eficacia
de un nuevo tratamiento, la relación entre factores de riesgo y enfermedades, o la
comparación de diferentes grupos de pacientes.

Tipos de Hipótesis

 Hipótesis Nula (H₀): Representa la situación por defecto o la ausencia de

efecto. Suele ser una afirmación de igualdad. Por ejemplo: "La nueva droga no
tiene efecto sobre la presión arterial".
 Hipótesis Alternativa (H₁): Es la hipótesis que se desea probar. Suele ser lo
contrario de la hipótesis nula. Por ejemplo: "La nueva droga disminuye la
presión arterial".

Error Tipo I y Tipo II

En el contraste de hipótesis, podemos cometer dos tipos de errores:

 Error Tipo I (α): Rechazar la hipótesis nula cuando esta es verdadera. Es decir,
concluir que hay un efecto cuando en realidad no lo hay. Se relaciona con el
nivel de significancia.
 Error Tipo II (β): Aceptar la hipótesis nula cuando esta es falsa. Es decir, no
detectar un efecto cuando en realidad sí lo hay. Está relacionado con la potencia
de la prueba.

Nivel de Confianza

9
El nivel de confianza es la probabilidad de no cometer un error tipo I. Se representa por
(1-α). Los niveles de confianza más comunes son el 95% y el 99%.

Contraste de Hipótesis

El contraste de hipótesis es un procedimiento estadístico que permite decidir si se acepta

o rechaza la hipótesis nula. Los pasos básicos son:

1. Plantear las hipótesis: Definir claramente la hipótesis nula y la alternativa.

2. Seleccionar el nivel de significancia: Establecer el valor de α (por ejemplo,
0.05).
3. Calcular el estadístico de prueba: Obtener un valor a partir de los datos de la
muestra.
4. Calcular el valor p: La probabilidad de obtener un valor del estadístico de
prueba tan extremo o más extremo que el observado, asumiendo que la hipótesis
nula es cierta.
5. Tomar una decisión: Si el valor p es menor que el nivel de significancia, se
rechaza la hipótesis nula.

Aplicaciones en Salud

 Estudios clínicos: Comparar la eficacia de diferentes tratamientos, evaluar la

seguridad de nuevos fármacos.
 Epidemiología: Identificar factores de riesgo para enfermedades, evaluar la
asociación entre variables.
 Salud pública: Evaluar la efectividad de programas de prevención, comparar
tasas de mortalidad entre diferentes poblaciones.

Ejemplo

Hipótesis: Se quiere evaluar si un nuevo tratamiento para la diabetes reduce los niveles
de glucosa en sangre.

 H₀: La nueva droga no reduce los niveles de glucosa en sangre.

 H₁: La nueva droga reduce los niveles de glucosa en sangre.
 Nivel de significancia: α = 0.05.
 Estadístico de prueba: Se calcula la diferencia entre las medias de los niveles
de glucosa en sangre antes y después del tratamiento.
 Valor p: Si el valor p es menor que 0.05, se concluye que la nueva droga es
efectiva en reducir los niveles de glucosa en sangre.

Conclusión

El contraste de hipótesis es una herramienta fundamental en la investigación en salud.

Permite tomar decisiones basadas en evidencia y evaluar la validez de las afirmaciones
sobre las poblaciones. Es importante comprender los conceptos de hipótesis nula,
alternativa, error tipo I y tipo II, nivel de significancia y valor p para interpretar
correctamente los resultados de los estudios.

10
EJERCICIOS:

Ejemplo Práctico: Modelo Binomial en Salud

Ejercicio: Supongamos que la probabilidad de que un paciente con una determinada

enfermedad se recupere completamente con un nuevo tratamiento es de 0.7. Si se trata a
10 pacientes, ¿cuál es la probabilidad de que exactamente 8 se recuperen?

 n = 10
 p = 0.7
 k=8

Fórmula: P(X = k) = (n sobre k) * p^k * (1-p) ^(n-k)

 Usando la fórmula binomial: P(X = 8) = (10 sobre 8) * 0.7^8 * 0.3^2 ≈ 0.233

 n: número de ensayos
 k: número de éxitos
 p: probabilidad de éxito en cada ensayo

Ejercicio Práctico de Teoría del Muestreo en Salud

1.- Escenario:

Imagina que trabajas en un centro de salud y quieres evaluar la efectividad de un nuevo

programa de educación sobre hábitos saludables en pacientes con diabetes tipo 2. La
población objetivo son todos los pacientes con diabetes tipo 2 registrados en el centro.

Objetivos del estudio:

 Estimar la proporción de pacientes que aumentan su conocimiento sobre el

manejo de la diabetes después de participar en el programa.
 Comparar los niveles de hemoglobina glicosilada (HbA1c) antes y después del
programa.

Diseño muestral propuesto:

11
Dado que la población de pacientes con diabetes tipo 2 es diversa en cuanto a edad,
sexo y duración de la enfermedad, se propone un muestreo estratificado. Los estratos
serían:

 Estrato 1: Pacientes menores de 60 años.

 Estrato 2: Pacientes de 60 años o más.

Dentro de cada estrato, se seleccionará una muestra aleatoria simple de pacientes que
cumplan con los criterios de inclusión del estudio (por ejemplo, diagnóstico de diabetes
tipo 2, seguimiento en el centro al menos un año).

Tamaño de la muestra:

Para determinar el tamaño de la muestra, se pueden utilizar fórmulas estadísticas

considerando:

 El nivel de confianza deseado (por ejemplo, 95%).

 El margen de error aceptable.
 La proporción estimada de pacientes que aumentarán su conocimiento (basada
en estudios previos o datos piloto).

Procedimiento:

1. Identificación de la población: Se elaborará una lista de todos los pacientes

con diabetes tipo 2 registrados en el centro.
2. Estratificación: Se clasificará a los pacientes en los dos estratos definidos.
3. Selección de la muestra: Se utilizará un generador de números aleatorios para
seleccionar a los pacientes de cada estrato.
4. Recolección de datos: Se aplicará un cuestionario para evaluar el conocimiento
sobre el manejo de la diabetes antes y después del programa. Además, se
solicitarán los resultados de las pruebas de laboratorio (HbA1c) en ambas
ocasiones.
5. Análisis de datos: Se calcularán las proporciones de pacientes que aumentaron
su conocimiento en cada estrato y se compararán los niveles de HbA1c antes y
después del programa utilizando pruebas estadísticas apropiadas (por ejemplo,
prueba t de Student para muestras pareadas).

Consideraciones adicionales:

 Sesgo de selección: Es importante minimizar el sesgo de selección al invitar a

participar en el estudio solo a aquellos pacientes que cumplan con los criterios
de inclusión.
 Pérdida de seguimiento: Se debe considerar la posibilidad de que algunos
pacientes abandonen el estudio antes de finalizar.
 Ética: Se debe obtener el consentimiento informado de todos los participantes y
garantizar la confidencialidad de los datos.

2.- Escenario: Un equipo de investigadores desea evaluar la prevalencia de hipertensión

arterial en una población de adultos mayores de 50 años en una ciudad de tamaño
medio.

12
Diseño del Estudio:

1. Definición de la Población:
o Población objetivo: Todos los adultos mayores de 50 años residentes en
la ciudad.
2. Marco Muestral:
o Directorio telefónico: Se utilizará el directorio telefónico como marco
muestral, aunque se reconoce que podría subestimar a personas sin
teléfono fijo.
3. Diseño Muestral:
o Muestreo aleatorio simple estratificado: Se estratificará la población
por género (hombres y mujeres) y rango de edad (50-64 años y 65 años o
más). Dentro de cada estrato, se seleccionará una muestra aleatoria
simple.
4. Tamaño de la Muestra:
o Se calculará el tamaño de la muestra considerando la prevalencia
estimada de hipertensión, el nivel de confianza deseado (95%) y el
margen de error aceptable.
5. Procedimiento de Selección:
o Se generarán números aleatorios para seleccionar a los individuos dentro
de cada estrato.
o Se contactará a los individuos seleccionados por teléfono para invitarlos
a participar en el estudio.
6. Recolección de Datos:
o Se realizará una entrevista telefónica para obtener información sobre
factores de riesgo de hipertensión (edad, sexo, antecedentes familiares,
hábitos de vida, etc.) y se medirá la presión arterial.

Consideraciones Adicionales:

 Tasa de respuesta: Se espera una tasa de respuesta del 60%.

 Pérdidas por seguimiento: Se estima una pérdida por seguimiento del 10%.
 Sesgos potenciales:
o Sesgo de selección: Personas con teléfono fijo podrían tener
características diferentes a las que no tienen teléfono.
o Sesgo de no respuesta: Las personas que no participen en el estudio
podrían tener características diferentes a las que sí participan.

Análisis de Datos:

 Descripción de la muestra: Se calcularán las frecuencias y porcentajes de las

variables sociodemográficas y clínicas.
 Estimación de la prevalencia: Se calculará la prevalencia de hipertensión en la
muestra total y en cada estrato.
 Análisis bivariado: Se evaluará la asociación entre la hipertensión y las
variables sociodemográficas y de estilo de vida mediante pruebas de chi-
cuadrado o pruebas t de Student, según corresponda.
 Análisis multivariado: Se utilizará regresión logística para identificar los
factores de riesgo independientes de hipertensión.

13
3.- Escenario: Un equipo de investigadores desea evaluar la prevalencia de hipertensión
arterial en una población de adultos mayores de 50 años en una ciudad de tamaño
medio.

Diseño del Estudio:

1. Definición de la Población:

 Población objetivo: Todos los adultos mayores de 50 años residentes en la

ciudad.

2. Marco Muestral:

 Directorio telefónico: Se utilizará el directorio telefónico como marco muestral,

aunque se reconoce que podría tener ciertas limitaciones (no todos tienen
teléfono fijo, números desactualizados, etc.).

3. Tamaño de la Muestra:

 Se calculará el tamaño de la muestra considerando un nivel de confianza del

95%, un margen de error del 5% y una estimación previa de la prevalencia de
hipertensión del 30%.
 Se utilizará una calculadora de tamaño de muestra o software estadístico para
obtener el número exacto de individuos a encuestar.

4. Diseño Muestral:

 Muestreo aleatorio simple: Se generarán números aleatorios a partir del

directorio telefónico para seleccionar a los participantes.

5. Procedimiento de Muestreo:

 Contacto telefónico: Se contactará a los individuos seleccionados por teléfono

para invitarlos a participar en el estudio.
 Cuestionario: Se aplicará un cuestionario telefónico que incluya preguntas
sobre presión arterial, antecedentes médicos, hábitos de vida, etc.
 Medición de la presión arterial: Se programarán citas para medir la presión
arterial a los participantes que acepten participar.

6. Análisis de Datos:

 Cálculo de la prevalencia: Se calculará la proporción de individuos con

hipertensión en la muestra.
 Intervalos de confianza: Se calcularán los intervalos de confianza para estimar
la prevalencia en la población.
 Análisis descriptivo: Se realizará un análisis descriptivo de las variables
sociodemográficas y de salud.
 Análisis bivariado y multivariado: Se explorarán las asociaciones entre la
hipertensión y otras variables de interés.

14
Posibles Problemas y Soluciones:

 Sesgo de selección: No todos los individuos con teléfono fijo participarán en el

estudio, lo que podría introducir un sesgo. Para mitigar este problema, se podría
realizar un seguimiento de los no respondedores para evaluar si existen
diferencias significativas entre ellos y los participantes.
 Error de medición: La medición de la presión arterial podría no ser precisa si
los participantes no siguen las instrucciones correctamente. Para minimizar este
error, se capacitará al personal encargado de realizar las mediciones.
 Representatividad de la muestra: El directorio telefónico podría no ser
representativo de toda la población, especialmente de los grupos más
vulnerables. Se podrían utilizar otras fuentes de información, como registros
administrativos, para complementar el marco muestral.

Consideraciones Éticas:

 Consentimiento informado: Se obtendrá el consentimiento informado de todos

los participantes antes de iniciar el estudio.
 Confidencialidad: Se garantizará la confidencialidad de los datos de los
participantes.

15