Núcleo 9: Población y muestra en investigación

Toda investigación en salud busca responder preguntas sobre una población: ¿cuántos niños internados con COVID-19 desarrollan compromiso renal? ¿Es la acupuntura eficaz en adultos con ciática? ¿Cuál es la prevalencia de hipertensión en Mar del Plata? Pero ninguna investigación puede estudiar a toda la población que le interesa: siempre trabaja con una parte. Esa parte se llama muestra. Esta clase explica cómo se pasa de la pregunta de investigación —que apunta a una población amplia y teórica— a una muestra concreta y manejable, sin perder la posibilidad de generalizar los resultados.

Para lograrlo, el investigador necesita tres cosas. Primero, definir con precisión a qué población quiere referir sus resultados (población blanco). Segundo, delimitar qué subconjunto de esa población tiene disponible para estudiar (población accesible), usando criterios de inclusión y exclusión. Tercero, elegir una técnica de muestreo que le permita seleccionar una muestra representativa de esa población accesible. Si cualquiera de esos pasos falla —si la muestra no representa bien a la población accesible, o la población accesible no representa bien a la población blanco— se produce un sesgo de selección, y los resultados dejan de ser extrapolables.

Para médicos en formación, estos conceptos son esenciales tanto para hacer investigación como para leerla. Cuando se evalúa un artículo científico, una de las primeras preguntas que hay que hacerse es: ¿a qué pacientes aplican estos resultados? ¿Son parecidos a los pacientes que yo atiendo? ¿La muestra del estudio representa adecuadamente a la población sobre la que se quiere concluir? Saber responder eso requiere entender exactamente lo que esta clase enseña.

El punto de partida de cualquier investigación epidemiológica es una pregunta referida a una población. Se llama población al conjunto de individuos que comparten ciertas características específicas —una condición clínica, una exposición, una localización geográfica, un período de tiempo— y sobre los cuales el investigador quiere obtener información. El primer nivel es la población blanco: aquella sobre la cual se plantea la pregunta de investigación y a la cual se quieren generalizar los resultados. Es teórica e inabarcable. Si el investigador pregunta si la testosterona mejora el libido en mujeres menopáusicas, la población blanco son todas las mujeres menopáusicas —pasadas, presentes y futuras—, y eso nunca puede estudiarse en su totalidad.

El segundo nivel es la población accesible: una fracción de la población blanco que está disponible y es potencialmente incluible en el estudio. Se define por características geográficas, temporales y de accesibilidad. Por ejemplo, en el artículo de COVID-19 y compromiso renal, la población blanco son todos los niños internados con COVID-19; la población accesible son los niños internados con COVID-19 en 13 centros de Argentina entre marzo y diciembre de 2020. La diferencia es concreta: el investigador puede conocer y acceder a la población accesible; no puede hacerlo con la población blanco.

El tercer nivel es la muestra: el subconjunto de la población accesible que efectivamente ingresa al estudio. En el artículo, de 528 historias clínicas elegibles se incluyeron 423 pacientes. La muestra es el único nivel sobre el que el investigador puede hacer mediciones concretas. A partir de esas mediciones, usando métodos estadísticos, infiere qué ocurre en la población blanco. Para que esa inferencia sea válida, la cadena de representatividad debe mantenerse: la muestra debe representar a la población accesible, y esta debe representar a la población blanco. Si en algún eslabón esa representatividad se rompe, la inferencia queda comprometida.

En un artículo científico, la población blanco aparece implícita en la pregunta de investigación y se repite en los objetivos y en la hipótesis. Siempre deben estar alineados: no puede definirse una población blanco en la pregunta y luego plantear objetivos sobre una población diferente. La población accesible se define en la sección de métodos, a través de los criterios de selección: los criterios de inclusión y los criterios de exclusión.

La muestra, en cambio, se describe al inicio de la sección de resultados. Muchas veces se presenta como un diagrama de flujo que muestra cuántos individuos eran elegibles, cuántos fueron excluidos y por qué, y cuántos quedaron en la muestra final. En el artículo de compromiso renal, el diagrama de flujo muestra que de 528 elegibles se excluyeron 105 (61 sin laboratorio disponible y 44 con enfermedad renal previa), quedando 423 en la muestra final. Ese diagrama permite evaluar si la muestra resultante podría tener sesgos, porque permite ver qué tipo de pacientes quedaron fuera y por qué.

Tanto el ingreso de individuos al estudio como su permanencia a lo largo del tiempo son fundamentales. Un estudio puede comenzar con una muestra representativa y terminar con una que no lo es, si los pacientes que se pierden durante el seguimiento tienen características distintas a los que permanecen. Por eso, los estudios longitudinales deben describir no solo quién entró sino también quién abandonó y qué características tenía.

Los criterios de selección son el conjunto de atributos que define a qué individuos de la población accesible se va a incluir en el estudio. Se dividen en criterios de inclusión —que describen las características que un individuo debe tener para participar— y criterios de exclusión —que describen características que llevan a excluir a alguien aunque cumpla los criterios de inclusión. En el artículo de COVID-19 y compromiso renal, los criterios de inclusión son: estar internado con infección confirmada por SARS-CoV-2, tener entre 1 mes y 18 años de edad, y contar con al menos una determinación de creatinina sérica y/o un estudio de orina completa. El criterio de exclusión es tener enfermedad renal previa o actual no relacionada con COVID-19.

La regla de oro es ser exhaustivo y detallado en los criterios de inclusión y muy parco con los criterios de exclusión. Estos últimos deben limitarse a situaciones que afecten genuinamente la capacidad de dar consentimiento informado, la calidad de los datos o el riesgo de confusión mayor. Dos principios éticos se operacionalizan aquí: la autonomía (se excluye a quienes no puedan decidir libremente su participación, como personas con deterioro cognitivo grave) y la no maleficencia (se excluye a quienes pudieran perjudicarse de participar). Ampliar los criterios de exclusión más allá de lo necesario restringe innecesariamente la muestra y puede comprometer la validez externa del estudio.

Un error frecuente es convertir un criterio de inclusión en su negativa y ponerlo como criterio de exclusión. Si los criterios de inclusión establecen que se incluirán pacientes mayores de 70 años no fumadores, poner en los criterios de exclusión “menores de 70 años y fumadores” es redundante e incorrecto. Los criterios de exclusión nunca son el espejo de los de inclusión: son excepciones genuinas. Si un individuo cumple todos los criterios de inclusión pero tiene un solo criterio de exclusión, es excluido. Pero ese criterio debe estar justificado por una razón metodológica o ética concreta.

La técnica de muestreo es el método mediante el cual se seleccionan las unidades de observación desde la población accesible. Se divide en dos grandes categorías: muestreo probabilístico y no probabilístico. En el muestreo probabilístico —el estándar para hacer inferencias estadísticas válidas— todos los individuos de la población accesible tienen una probabilidad conocida de ser incluidos en la muestra. En el no probabilístico, que caracteriza a la investigación cualitativa, no se busca representación estadística sino comprensión de un fenómeno; los participantes se eligen por ser la mejor fuente de información sobre ese fenómeno.

Dentro del muestreo probabilístico, el más simple es el aleatorio simple: se cuenta con una lista completa de la población accesible y se selecciona al azar a un número determinado de individuos. Requiere esa lista o base de datos preexistente. Un software puede asignar un número a cada individuo y seleccionar aleatoriamente los que van a la muestra. La ventaja es su simplicidad estadística; la limitación es que no siempre se dispone del registro completo de la población accesible.

Cuando los individuos se van incorporando en el tiempo de manera prospectiva, puede usarse el muestreo sistemático: se incluye a uno de cada n individuos (por ejemplo, uno de cada 10 pacientes que se operen de colecistectomía). Su riesgo es que puede haber alguna característica asociada a esa periodicidad: si los pacientes que se operan a la mañana son distintos a los de la tarde, y la periodicidad elegida siempre cae en los de la tarde, se estaría induciendo un sesgo. El muestreo por clusters selecciona no a individuos sino a grupos naturales completos (hospitales, barrios, escuelas) elegidos al azar. Requiere análisis estadísticos específicos que contemplen la estructura de conglomerados. El muestreo estratificado divide la población accesible en estratos (por sexo, edad, gravedad clínica) y selecciona una muestra de cada estrato con probabilidades que pueden ser distintas entre estratos, lo que permite asegurar representación adecuada de grupos pequeños o poco frecuentes.

En el muestreo no probabilístico, el investigador no pretende hacer inferencia estadística de la muestra hacia la población blanco. En cambio, lo que busca es comprender en profundidad un fenómeno particular. Es el enfoque característico de la investigación cualitativa. Las personas que participan no se eligen por representar estadísticamente a la población sino porque son la mejor fuente de información disponible o porque representan perspectivas diversas y valiosas para el fenómeno en estudio.

El muestreo por conveniencia incluye a los individuos que están más disponibles o accesibles para el investigador. Es el más fácil de implementar pero el que más riesgo tiene de producir una muestra sesgada: los individuos más accesibles no necesariamente representan a todos los demás. El muestreo por bola de nieve es útil cuando se quiere llegar a poblaciones difíciles de identificar o contactar: se comienza con un participante inicial que refiere a otros, que refieren a otros, y así sucesivamente. Es común en investigaciones sobre conductas estigmatizadas, poblaciones vulnerables o grupos de difícil acceso.

La elección del tipo de muestreo depende de la pregunta de investigación, de los recursos disponibles, del tiempo y del personal con que se cuenta. Lo fundamental es elegir la técnica antes de comenzar el estudio, declararla en el protocolo y sostenerla durante toda la investigación. No es metodológicamente correcto cambiar la técnica de muestreo en el medio del estudio.

Los sesgos son errores sistemáticos no intencionales que un investigador comete en el diseño o la ejecución de un estudio y que distorsionan los resultados siempre en la misma dirección. Se distinguen de los errores aleatorios en que no se compensan con más observaciones: siempre van para el mismo lado. Cuando los sesgos afectan la continuidad entre la muestra, la población accesible y la población blanco, se habla de sesgos de selección. Estos pueden ocurrir en dos momentos distintos.

El primero es el sesgo de selección por inclusión: ocurre cuando la muestra que ingresa al estudio no representa adecuadamente a la población blanco. Por ejemplo, si se quieren estudiar adultos con ciática en general pero la muestra solo incluye a pacientes que se atienden en un centro de tercer nivel de alta complejidad, esos pacientes probablemente sean más graves y tengan más comorbilidades que la población general con ciática. Los resultados del estudio pueden ser correctos para esa muestra pero no extrapolables a todos los pacientes con ciática. La muestra deja de ser representativa de la población blanco.

El segundo es el sesgo de selección por permanencia en el estudio: ocurre cuando los pacientes que se pierden durante el seguimiento tienen características distintas a los que continúan. La pérdida en sí no es el problema: lo que importa es si esa pérdida es aleatoria o selectiva. Si se pierden los pacientes más enfermos (porque su deterioro impide que continúen) o los que tienen menor nivel socioeconómico (porque no pueden costear las visitas de seguimiento), la muestra que termina el estudio representa un subgrupo sesgado de la que comenzó. Para minimizarlo se necesitan estrategias de retención activa, sistemas de seguimiento que se parezcan al cuidado habitual y planes explícitos para el manejo de datos faltantes.

El artículo de Martin et al. (2022) es un ejemplo completo de todos los conceptos de esta clase. La población blanco son todos los niños internados con COVID-19 en Argentina. La población accesible son los niños internados con COVID-19 en 13 centros participantes del Comité de Nefrología de la SAP entre marzo y diciembre de 2020. Los criterios de inclusión son: infección confirmada por SARS-CoV-2, edad entre 1 mes y 18 años, y al menos una determinación de creatinina sérica y/o un estudio de orina completa. Los criterios de exclusión son: enfermedad renal previa o actual no relacionada con COVID-19. La muestra resultante son los 423 pacientes efectivamente incluidos.

El tipo de muestreo es por conveniencia: los centros se convocaron a través de los nefrólogos del Comité y no fueron elegidos aleatoriamente de entre todos los centros del país. Esto es una limitación que los propios autores reconocen: el 80% de los casos provino de un solo centro (Hospital de Niños Pedro de Elizalde en CABA), lo que reduce la representatividad geográfica. Los autores también señalan que la política inicial del Ministerio de Salud de internar a todos los niños con COVID-19 —incluso asintomáticos— probablemente resultó en una prevalencia de compromiso renal más baja que la de estudios que incluyeron solo casos graves. Eso es exactamente lo que significa que la forma en que se constituye la muestra influye en el resultado que se obtiene.

El diagrama de flujo del artículo muestra con transparencia que de 528 historias clínicas elegibles, 105 fueron excluidas: 61 por no tener laboratorio disponible y 44 por tener patología renal previa. Esa información permite al lector evaluar si la exclusión fue justificada y si los pacientes excluidos podrían haber tenido características que, de haberse incluido, habrían cambiado el resultado. El lector crítico siempre se pregunta: ¿los 61 pacientes sin laboratorio disponible eran distintos a los que sí lo tenían? ¿Eran más leves y por eso no se les pidió laboratorio, o más graves y por eso no se pudo tomar la muestra? Esas preguntas son el corazón de la lectura crítica de la sección de métodos.