Tamaño de muestra en investigación ocular: por qué los estudios pequeños engañan
Un ensayo con 24 participantes y otro con 2.400 pueden publicar conclusiones opuestas sobre el mismo colirio, y ambos aparecer en revistas con revisión por pares. La diferencia rara vez está en el laboratorio: está en cuántas personas se midieron y cómo se eligieron. Estas páginas describen los mecanismos concretos por los que una muestra reducida produce señales falsas en oftalmología, y qué señales de alerta conviene reconocer al leer un resumen.
1. El error aleatorio crece cuando la muestra encoge
En un estudio sobre progresión de queratocono, si el 30 % de los participantes empeora de forma natural en un año, una muestra de 20 personas puede arrojar fácilmente un 15 % o un 45 % solo por azar. Ese rango es tan amplio que cualquier intervención parecerá funcionar o fracasar según a quién le tocó el grupo. El intervalo de confianza refleja esa incertidumbre, pero muchos resúmenes lo omiten y dejan solo el valor central.
El problema se agrava porque las revistas tienden a publicar resultados positivos, y estos son más frecuentes en muestras pequeñas. La literatura metodológica lo llama "efecto de estudio pequeño", y en oftalmología aparece con frecuencia en trabajos sobre lágrima artificial, suplementos con omega-3 o lentes de contacto especializadas.
Por qué importa: un resultado llamativo en un grupo de 25 personas describe a esas 25 personas, no a una población.
2. El poder estadístico insuficiente no es un detalle técnico
Calcular el tamaño necesario exige fijar de antemano cuánta diferencia se considera relevante y con qué variabilidad se espera medirla. En agudeza visual, una mejora de una línea de Snellen puede ser clínicamente trivial, mientras que en campo visual un cambio de 2 dB sí importa. Si el estudio se diseña para detectar 5 dB pero la realidad es 2 dB, la probabilidad de encontrarlo es baja aunque el efecto exista.
Eso produce falsos negativos sistemáticos: intervenciones útiles descartadas por falta de pacientes, no por falta de efecto. También produce lo contrario, porque cuando el poder es bajo, cualquier diferencia que sí se detecta suele estar inflada. El resultado es una literatura con estimaciones exageradas en ambas direcciones.
Por qué importa: un estudio sin poder suficiente no es "neutro"; distorsiona la estimación tanto cuando acierta como cuando falla.
3. La heterogeneidad de la muestra decide más que el número
La composición importa: edad, tiempo de evolución, tratamientos previos, nivel de vitamina D medido en analítica, presencia de enfermedades sistémicas. Si todos comparten el mismo perfil, el resultado solo aplica a ese perfil estrecho.
- Criterios de inclusión demasiado estrictos: el hallazgo no se transfiere a la consulta real.
- Mezcla de etapas distintas sin estratificar: el efecto se diluye y parece nulo.
- Sin registro de variables como zinc o magnesio en suero: no se puede explorar la interacción.
- Controles históricos en lugar de contemporáneos: la comparación arrastra cambios de práctica.
- Abandono diferencial entre grupos: quienes peor evolucionan suelen ser los que se retiran.
Por qué importa: una muestra grande y homogénea puede ser menos informativa que una pequeña y bien estratificada.
4. Los subgrupos pequeños son el terreno favorito del ruido
Cuando un ensayo de 300 participantes se divide en ocho subgrupos de edad, sexo y gravedad, quedan celdas de 15 o 20 personas. Presentar el resultado de una de esas celdas como hallazgo principal ignora que se hicieron múltiples comparaciones. Si se prueban veinte combinaciones, es esperable que una cruce el umbral de significación por puro azar.
El problema se agrava en investigación ocular porque muchas variables son subjetivas o difíciles de medir: síntomas de ojo seco en un cuestionario, sensación de sequedad, tolerancia a lentes. Un registro estructurado —cuaderno de síntomas, panel de laboratorio con marcadores nutricionales— ayuda a reducir esa variabilidad, pero no sustituye a un tamaño de muestra adecuado.
Por qué importa: un subgrupo de 20 personas que "responde mejor" es una hipótesis para futuros estudios, no una conclusión.
Un hallazgo en veinte ojos no es un hallazgo sobre el ojo: es un hallazgo sobre esos veinte ojos.
5. Cómo leer la sección de métodos antes que el resumen
El resumen destaca el resultado; los métodos revelan si merece crédito. Conviene buscar tres cifras: cuántos participantes se reclutaron, cuántos completaron y cuántos había por brazo. Si el número inicial es bajo o si la diferencia entre reclutados y analizados supera el 20 %, la estimación es frágil. También importa si el cálculo de tamaño muestral aparece declarado o si se justifica solo con "estudios previos".
Una lista de preguntas para llevar a la consulta permite traducir esa lectura a decisiones concretas: qué población se estudió, durante cuánto tiempo, con qué comparador y si el resultado se replicó en otro grupo. Es un documento sencillo, y hace visible la diferencia entre un dato y una promesa.
Por qué importa: el número de participantes no es un detalle de formato; es la primera prueba de solidez de un resumen.
6. La replicación pesa más que cualquier estudio aislado
Un ensayo de 40 personas con resultado positivo no debería cambiar una práctica por sí solo. Lo que la cambia, o al menos lo que la respalda, es que varios grupos independientes encuentren algo parecido en poblaciones distintas. En oftalmología esto ocurre con lentitud: los estudios sobre micronutrientes en degeneración macular tardaron años en acumular evidencia suficiente, y parte de las preguntas siguen abiertas.
La replicación también protege contra el sesgo de publicación, porque los resultados nulos de un grupo pequeño cobran sentido cuando otro grupo pequeño llega a la conclusión opuesta. Es un proceso lento y poco vistoso, pero es el que sostiene las recomendaciones generales.
Por qué importa: la coherencia entre estudios independientes informa más que la magnitud de un resultado aislado.
7. Preguntas que conviene hacerse ante cualquier titular ocular
Ante un titular sobre suplementos, lentes o gotas, hay preguntas que separan el dato del ruido. ¿Cuántas personas participaron y cuántas terminaron? ¿Se replicó el efecto? ¿Qué se midió exactamente y con qué instrumento? ¿Se publicó un protocolo antes de empezar o el análisis se hizo a posteriori? ¿Financió el estudio quien vende el producto?
Ninguna de estas preguntas exige formación estadística avanzada. Exigen, eso sí, paciencia para leer más allá del titular y disposición a aceptar que muchas veces la respuesta honesta es "todavía no se sabe". Quien abandona un tema tras una semana de titulares contradictorios suele estar respondiendo al ruido, no a la evidencia.
Por qué importa: un lector que hace estas preguntas deja de depender del entusiasmo del titular.
Claves para recordar
- Muestras pequeñas producen estimaciones inestables y falsos positivos frecuentes.
- Sin poder estadístico suficiente, un resultado nulo no descarta nada.
- La homogeneidad excesiva reduce la aplicabilidad de cualquier hallazgo.
- Los subgrupos pequeños generan hipótesis, no conclusiones clínicas.
- La replicación por grupos independientes es el criterio más informativo.
- Un panel de laboratorio o un cuaderno de síntomas mejora la calidad del dato, no el tamaño de la muestra.






