Acceso usuarios
[1]
;
Zuzunaga-Montoya, Fiorella E.
[2]
;
Huaman-Vega, Christian Humberto
[1]
;
Sanchez-Tamay, Nataly Mayely
[1]
;
Gutierrez de Carrillo, Carmen Inés
[1]
La determinación del tamaño muestral y la evaluación de precisión son elementos cruciales en investigación epidemiológica. Este artículo presenta Calculadora Prevalencia, una herramienta en R que facilita estos cálculos incorporando aspectos metodológicos y logísticos. La calculadora maneja diversos escenarios: poblaciones finitas e infinitas, estratificación y ajustes por sensibilidad/especificidad de instrumentos. Mediante ejemplos prácticos en diferentes contextos (población urbana infinita, población rural finita, muestreo universitario estratificado y análisis de datos existentes), se demuestra su aplicabilidad. La herramienta integra consideraciones logísticas, calculando sujetos a contactar según tasas de rechazo/elegibilidad y estimando tiempos de trabajo de campo. Su versatilidad facilita tanto la planificación prospectiva como la evaluación de datos existentes, mientras que la innovadora incorporación de aspectos logísticos proporciona una visión realista de los recursos necesarios para estudios epidemiológicos exitosos.
Determining sample size and assessing precision are essential components of epidemiological research. This article presents Calculadora Prevalencia, an R-based tool designed to facilitate these calculations by incorporating both methodological and logistical factors. The calculator supports various scenarios, including finite and infinite populations, stratifed sampling, and adjustments for instrument sensitivity and specificity. Its utility is demonstrated through practical examples across diverse contexts: infinite urban populations, finite rural populations, stratifed university sampling, and the analysis of existing datasets. The tool also addresseslogistical considerations, estimating the number of subjects to contact based on rejection and eligibility rates, and projecting expected feldwork duration. Its versatility enables both prospective planning and retrospective data evaluation, while the innovative inclusion of logistical components offers a realistic perspective on the resources needed to carry outsuccessful epidemiological studies.
