Encuestas de salud

No basta si la encuesta tiene un diseño muestral complejo, que es lo habitual en las encuestas de salud: estratifican, agrupan por conglomerados y ponderan. Aplica a cualquier encuesta que no sea una muestra aleatoria simple, desde un estudio propio hasta una encuesta nacional o autonómica ya existente. Calcular el porcentaje bruto, como si cada persona entrara en la muestra con la misma probabilidad y de forma independiente, puede producir dos problemas: una estimación sesgada, porque ignora que unos perfiles pesan más que otros en la población, e intervalos de confianza demasiado estrechos, que aparentan una precisión que el muestreo no respalda. El análisis correcto incorpora el diseño declarado, con sus estratos, sus conglomerados y sus pesos, de modo que la estimación represente a la población diana y la incertidumbre reportada sea coherente con el diseño muestral, no una cifra optimista que no se sostiene.

Analizar una encuesta con su diseño significa incorporar al cálculo los estratos, los conglomerados y las ponderaciones con que se construyó la muestra, en lugar de tratarla como un conjunto de observaciones independientes y equiprobables. Aplica a toda encuesta de muestreo complejo. Cambia el resultado en dos planos: en las estimaciones puntuales, porque las ponderaciones corrigen que unos perfiles estén sobre o infrarrepresentados respecto a la población; y en la precisión, porque los conglomerados suelen reducir la información efectiva, ya que dos personas del mismo hogar o sección se parecen más que dos al azar, y eso ensancha los intervalos de confianza frente a lo que daría una aleatoria simple. Ignorar el diseño no es un matiz técnico menor: puede cambiar la significación estadística o la anchura de los intervalos de confianza, o desplazar una prevalencia estimada. Por eso el diseño muestral no es algo que quede en el trabajo de campo: condiciona cada número que sale del análisis.

No es peor: son más anchos porque reflejan la incertidumbre que el diseño impone, no porque el método sea peor, sino porque deja de asumir una precisión que el diseño no justifica. Aplica a toda encuesta con conglomerados, donde el cálculo por defecto da una precisión ficticia. La agrupación por conglomerados reduce la información efectiva de la muestra: si dos personas del mismo hogar tienden a parecerse, cada nueva persona del mismo conglomerado aporta menos información nueva que una elegida al azar, y el tamaño muestral "efectivo" es menor que el nominal. Las varianzas ajustadas por diseño, calculadas mediante Taylor linearization o métodos de replicación, recogen ese efecto de diseño, de modo que el intervalo de confianza exprese lo que la encuesta realmente permite afirmar. Un intervalo estrecho calculado ignorando el diseño no es más preciso: es engañoso. La anchura correcta es la incertidumbre compatible con el diseño, la que protege de concluir más de lo que el muestreo respalda.

La no respuesta diferencial se aborda mediante ponderación y calibración, de modo que la estimación represente mejor a la población diana y no solo a quien respondió. Aplica siempre que ciertos perfiles contestan menos y quedan infrarrepresentados, que es lo habitual. El proceso parte de las ponderaciones inversas a la probabilidad de selección, cuánto pesa cada persona según cómo entró en la muestra, las ajusta por no respuesta para reducir la infrarrepresentación observable de los grupos que contestaron menos y las calibra contra los totales poblacionales conocidos, como la distribución por edad, sexo o territorio, para alinear la muestra con la población. Conviene precisar el alcance: la ponderación corrige el desajuste observable respecto a las variables de calibración disponibles, pero no garantiza eliminar todo sesgo de no respuesta si quienes no contestan difieren en aspectos no recogidos. Es una corrección defendible y estándar, no una garantía de representatividad perfecta, y sus supuestos se hacen explícitos.

Se necesitan los datos de la encuesta y, de forma crítica, las variables que declaran su diseño muestral: el identificador de estrato, el de conglomerado y los pesos o ponderaciones, además de la documentación de cómo se construyó la muestra. Aplica a todo análisis de encuesta de muestreo complejo, propio o ya existente. Sin esas variables de diseño, una encuesta compleja no puede analizarse correctamente, porque el cálculo de varianzas necesita saber cómo se agruparon y ponderaron los casos. El cliente aporta los datos y la información del diseño, o, en una encuesta oficial, esta suele venir documentada; el servicio declara correctamente el diseño, revisa la coherencia de las ponderaciones, evalúa el patrón de no respuesta y prepara la calibración antes de estimar. No hace falta que el cliente sepa manejar ese diseño, pero sí que la información exista: si una encuesta se recogió con diseño complejo pero no conserva las variables que lo declaran, recuperar ese diseño a posteriori puede ser limitado o imposible, según la documentación disponible.

El tamaño de muestra de una encuesta con conglomerados se calcula incorporando el efecto de diseño esperado, no con la fórmula de la muestra aleatoria simple, que puede infradimensionarla si no se incorpora el efecto de diseño. Aplica al diseño de una encuesta nueva, antes del trabajo de campo. Una encuesta por conglomerados suele necesitar más muestra que una aleatoria simple para alcanzar la misma precisión, porque la información efectiva por individuo es menor; calcular el tamaño con la fórmula simple puede dejar la encuesta corta. El cálculo parte de la precisión deseada y del efecto de diseño esperable según la estructura de conglomerados, y presta atención especial a las desagregaciones que importan: si se va a estimar por subgrupo o por territorio, el tamaño debe garantizar precisión suficiente en esas particiones, no solo en el total. Así la encuesta no se queda corta justo donde se necesita la estimación. El reparto se mantiene: el servicio dimensiona y diseña el muestreo; la recogida de campo corresponde al cliente o al organismo que ejecuta la encuesta.

Una encuesta de salud conviene cuando no existen registros administrativos completos de lo que se quiere medir, o cuando los registros solo capturan a quienes acuden al sistema y se necesita una fotografía representativa de toda la población. Aplica a la decisión entre generar datos primarios con una encuesta o explotar datos ya recogidos. Un registro administrativo refleja a quien entra en contacto con el servicio —diagnosticado, atendido, facturado—, lo que deja fuera a quien tiene la condición pero no acude, e introduce el sesgo de quién usa el sistema. Una encuesta con muestreo probabilístico estima sobre una muestra que representa a la población diana, incluyendo perfiles que pueden estar infraobservados en los registros administrativos, aunque su alcance depende también del marco muestral y de la no respuesta. No siempre una excluye a la otra: pueden combinarse, y la calibración de una encuesta puede apoyarse en fuentes administrativas. Si la pregunta es la prevalencia poblacional de algo que el sistema no registra de forma completa, la encuesta es la vía; si el registro cubre de forma suficiente a la población y la variable de interés, explotarlo puede bastar.

Se entregan las estimaciones poblacionales con su diseño incorporado: proporciones, medias y modelos de regresión con los errores estándar ajustados por el diseño, los intervalos de confianza calculados mediante Taylor linearization o replicación, y las desagregaciones por subgrupo demográfico o territorio verificando que la precisión sigue siendo suficiente en cada partición. Aplica a quien necesita estimaciones válidas de prevalencia, factores de riesgo o uso de servicios sobre una población, o un análisis comparable en el tiempo de una encuesta nacional o autonómica. El entregable documenta el diseño declarado, las ponderaciones y la calibración aplicadas, de modo que las estimaciones sean trazables y reproducibles con cada nueva oleada sobre la misma base metodológica. El reparto se mantiene: el cliente o el organismo recoge los datos de campo y decide sobre la política; el servicio diseña el muestreo cuando la encuesta es nueva, la analiza con su diseño y entrega estimaciones ponderadas y ajustadas al diseño, con incertidumbre coherente con el muestreo.