Guía para vigilar el consumo de alcohol en las Américas

Anexo 1
PARTE 4 – RESUMEN Y RECOMENDACIONES
Errores estándar en los cálculos de prevalencia
en muestras de diferentes tamaños: algunos ejemplos
prácticos
E s importante seleccionar un tamaño de muestra que permita calcular estimados de
prevalencia dentro de intervalos de confianza aceptables para cada objetivo. También
es importante que tenga poder suficiente para determinar si las diferencias en prevalencia entre
los subgrupos de interés (por ejemplo hombres y mujeres) son importantes. A continuación se
muestran algunos ejemplos.
Suponiendo que un 50% de hombres y un 45% de mujeres informan haber bebido el año
pasado. En una muestra de 1.000, con 500 hombres y 500 mujeres, el cálculo de prevalencia de
50% para los hombres tendría un error estándar de _(0,50)(0,50)/500 = 0,0224 ó 2,24%, y el
cálculo de prevalencia de 45% para las mujeres tendría un error estándar de _(0,45)(0,55)/
500= 0,0222 ó 2,22%. La estadística de la prueba de la importancia de los dos cálculos de
prevalencia sería z = (0.50-0.45)/(_0.0224 2 + 0,0222 2 ) = 1,59. Esto es menor que el valor de
z = 1,96 necesario para la significación estadística al nivel de p