Por reduzirem a variabilidade, variáveis mais precisas possibilitam uma
diminuição do tamanho de amostra necessário para estudos analíticos e
descritivos. Mesmo uma mudança pequena na precisão pode ter um efeito
significativo. Por exemplo, na estimativa do tamanho de amostra com um
teste t, um decréscimo de 20% no desvio-padrão da variável de desfecho
resultaria em um decréscimo de 36% no tamanho da amostra. Técnicas
para aumentar a precisão de uma variável, tais como medidas em
duplicata, são apresentadas no Capítulo 4.Usar tamanhos desiguais para os grupos
Estudos com número igual de sujeitos nos dois grupos geralmente
alcançam o maior poder estatístico para um dado número total de sujeitos.
Dessa forma, as Tabelas 6A, 6B.1 e 6B.2 nos apêndices pressupõem
tamanhos iguais de amostra nos dois grupos. Às vezes, no entanto, a
distribuição de sujeitos não é igual nos dois grupos, ou é mais fácil ou
mais barato recrutar sujeitos para um grupo que para o outro. Pode
acontecer, por exemplo, de um investigador querer estimar o tamanho de
amostra para um estudo comparando os 30% dos sujeitos de uma coorte
que fumam com os não 70% que não fumam. Outro exemplo seria um
estudo de caso-controle em que o número de indivíduos com a doença é
pequeno, mas em que é possível selecionar um número muito maior de
controles. Em geral, há um ganho considerável de poder quando o
tamanho de um grupo é o dobro do tamanho do outro; no entanto, triplicar
e quadruplicar o tamanho de um dos grupos fornece ganhos
progressivamente menores. Os tamanhos de amostra para grupos
desiguais podem ser computados a partir das fórmulas encontradas no
texto dos Apêndices 6A e 6B ou em calculadores de tamanho de amostra
em softwares estatísticos ou na internet.
A seguir, apresentamos uma aproximação útil (30) para estimar o
tamanho de amostra para estudos de caso-controle sobre fatores de risco e
desfechos dicotômicos, usando c controles por caso (Exemplo 6.9). Se n
representa o número de casos necessários quando há 1 controle para cada
caso (para α, β. e magnitude de efeito especificados), então o número
aproximado de casos (n') necessários quando há cn' controles é:
n' = [(c + 1)] ÷ 2c ] × n