El cálculo del tamaño de la muestra en la investigación científica.
Resumen
Este artículo proporciona una visión general de los enfoques comunes y los factores que afectan la determinación del tamaño de la muestra en varios diseños de estudio, incluyendo estudios experimentales, observacionales, cualitativos y de encuesta. Se discute la metodología utilizada para determinar el tamaño de muestra, junto con los desafíos, limitaciones e importancia de informar la determinación del tamaño de muestra en los estudios de investigación y proporciona pautas para hacerlo. El artículo concluye con la necesidad de que los investigadores consideren cuidadosamente la determinación del tamaño de muestra al diseñar estudios para garantizar resultados válidos y confiables. El artículo proporciona un recurso útil para investigadores y profesionales involucrados en el diseño e implementación de estudios.
Citas
Faul, F., Erdfelder, E., Buchner, A., & Lang, A. G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior research methods, 41(4), 1149-1160.
Feise, R. J. (2002). Do multiple outcome measures require p-value adjustment?. BMC medical research methodology, 2(1), 8.
Gamboa, M.E. (2018). Estadística aplicada a la investigación educativa. Dilemas Contemporáneos: Educación, Política y Valores, 5(2).
Hoenig, J. M., & Heisey, D. M. (2001). The abuse of power: the pervasive fallacy of power calculations for data analysis. The American Statistician, 55(1), 19-24.
Hsieh, F. Y., & Wang, J. J. (2017). Estimating sample size for medical studies using effect size. Statistics in Medicine, 36(23), 3760-3775.
Kheifets, L., et al. (2010). Childhood leukemia and EMF: review of the epidemiologic evidence. Bioelectromagnetics, 31(4), 200-211.
Konietschke, F., Bathke, A. C., Hothorn, L. A., & Brunner, E. (2012). Testing and estimation of purely nonparametric effects using standardized information criteria. Journal of Computational and Graphical Statistics, 21(4), 936-955.
Li, B., Leal, S. M., & Abecasis, G. R. (2017). A robust general framework for the analysis of association studies in pedigrees. Nature Genetics, 49(10), 1521-1527.
Mekonnen, F. A., et al. (2019). The prevalence and associated factors of depression among rural communities in the northwest of Ethiopia: a cross-sectional study. BMC psychiatry, 19(1), 68.
Park, S. J., & Kim, S. H. (2019). The impact of sample size and effect size on type I error and power in hypothesis testing. Communications for Statistical Applications and Methods, 26(1), 45-55.
Perneger, T. V. (1998). What's wrong with Bonferroni adjustments. BMJ, 316(7139), 1236-1238.
Ravanshad, S., et al. (2019). Relationship between dietary intake and breast cancer risk in Iranian women: a case-control study. European journal of clinical nutrition, 73(9), 1207-1215.
Schönbrodt, F. D., & Perugini, M. (2013). At what sample size do correlations stabilize? Journal of Research in Personality, 47(5), 609-612.
