Sample size in social contact surveys for epidemic modelling

Este estudio determina que un tamaño de muestra de aproximadamente 1.200 a 1.300 participantes es suficiente para obtener estimaciones precisas del número de reproducción (R) en encuestas de contacto social, recomendando establecer este umbral mínimo para mejorar la planificación y la toma de decisiones en salud pública.

Lo esencial

Imagina que quieres predecir cómo se comportará una tormenta en el futuro. Para hacerlo, no necesitas mirar una sola gota de lluvia; necesitas entender el patrón completo de la tormenta: de dónde viene el viento, qué tan fuerte es y cómo se mueven las nubes.

En el mundo de las enfermedades, los científicos hacen algo similar. En lugar de gotas de lluvia, estudian contactos sociales: quién habla con quién, quién se acerca a quién y dónde se juntan las personas. Estos datos son como el "mapa del viento" para los virus. Si sabemos cómo se mueven las personas, podemos predecir cómo se moverá una enfermedad.

Este estudio, realizado por Ellen Brooks-Pollock y Leon Danon, se hace una pregunta muy importante: ¿Cuántas personas necesitamos encuestar para que nuestro mapa del viento sea preciso?

El Problema: ¿Demasiado pocos o demasiados?

Hasta ahora, muchos científicos hacían estas encuestas basándose en lo que podían pagar o en lo que les parecía "suficiente", sin calcular realmente si el número de personas era el correcto.

• Si encuestas a muy poca gente (menos de 200): Es como intentar predecir el clima de todo un país mirando solo el cielo de tu jardín. El resultado puede ser muy errático. Un día sale sol, al otro llueve, y no sabes si es una tormenta real o solo una ráfaga local. En el estudio, esto hacía que las predicciones de contagio variaran locamente.
• Si encuestas a mucha gente (más de 3,000): Es como usar un satélite de alta resolución para mirar una sola hoja de un árbol. Obtienes una imagen increíblemente clara, pero has gastado mucho tiempo y dinero en detalles que no cambiaron mucho tu conclusión final.

La Solución: El "Número Mágico"

Los autores tomaron dos bases de datos gigantes de contactos sociales (una de Europa y otra del Reino Unido) y jugaron a un juego de simulación:

1. Tomaron datos de 200 personas.
2. Luego de 500, 1,000, 2,000, etc.
3. Y calcularon cada vez qué tan seguros estaban de sus predicciones.

¿Qué descubrieron?
Encontraron un punto dulce, un "punto ideal".

• El objetivo: Necesitas encuestar a aproximadamente 1,200 a 1,300 personas.

Piensa en esto como llenar un vaso de agua:

• Con 200 personas, el vaso está casi vacío y el agua se mueve mucho (mucha incertidumbre).
• Al llegar a 1,300 personas, el vaso está lleno hasta el borde y el agua se asienta perfectamente.
• Si sigues añadiendo agua (más personas), el vaso se desborda un poco, pero no obtienes una "mejor" imagen del agua; solo gastas más agua.

¿Por qué es importante esto?

Imagina que eres un capitán de barco (un experto en salud pública) y necesitas decidir si cerrar un puerto (tomar medidas como confinamientos o vacunas) para evitar un tsunami (una epidemia).

• Si usas un mapa hecho con muy pocos datos, podrías cerrar el puerto por miedo a una tormenta que nunca llega, o peor, no cerrarlo cuando sí viene el tsunami.
• Si usas un mapa hecho con 1,300 personas, tienes una brújula mucho más fiable. Sabes que tu predicción es sólida.

En resumen

Este estudio le dice a los científicos: "Dejen de adivinar cuántas personas necesitan encuestar".

• Menos de 1,000: ¡Cuidado! Tus resultados pueden ser muy inestables.
• Entre 1,200 y 1,300: ¡Perfecto! Es el tamaño ideal para tener confianza en tus predicciones sin gastar recursos innecesarios.
• Más de 3,000: Es un lujo que probablemente no necesitas.

Al establecer esta regla, los científicos pueden crear mapas de contagio más precisos, lo que ayuda a los gobiernos a tomar mejores decisiones para proteger a la gente, sin gastar dinero ni tiempo de forma innecesaria. Es como encontrar la receta exacta para un pastel: ni demasiado poca harina (el pastel se deshace) ni demasiada (el pastel queda duro), sino la cantidad justa para que salga perfecto.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los componentes solicitados:

Título: Tamaño muestral en encuestas de contacto social para modelado de epidemias

1. Planteamiento del Problema

Las encuestas de contacto social, que miden patrones de interacción ("quién contacta a quién"), son fundamentales para informar modelos de transmisión de enfermedades infecciosas y estimar el número reproductivo básico ($R$), una métrica crítica para evaluar el riesgo epidémico. Sin embargo, a pesar de su uso generalizado, los cálculos de tamaño muestral no se realizan rutinariamente en el diseño de estas encuestas.

Actualmente, los tamaños muestrales suelen determinarse por consideraciones pragmáticas (presupuesto, logística, canales de reclutamiento) en lugar de cálculos de potencia estadística formal. Esto es problemático porque:

• Las encuestas son observacionales y no prueban una hipótesis única preespecificada, lo que hace que los métodos tradicionales de cálculo de tamaño muestral (basados en tamaños de efecto) no sean directamente aplicables.
• Existe una falta de consenso sobre cuántos participantes son necesarios para obtener estimaciones precisas de $R$ y matrices de contacto, lo que genera incertidumbre en las proyecciones epidemiológicas y la toma de decisiones de salud pública.

2. Metodología

Los autores emplearon un enfoque mixto que combina una revisión rápida de la literatura con simulaciones estadísticas:

• Revisión Rápida: Se realizó una búsqueda en PubMed (2008-2025) para identificar estudios primarios de encuestas de contacto social relacionadas con enfermedades infecciosas. Se extrajeron datos sobre el tamaño muestral y el contexto geográfico de 107 encuestas únicas derivadas de 57 estudios.
• Análisis de Sensibilidad y Simulación: Se utilizaron dos grandes conjuntos de datos históricos como referencia:
  1. POLYMOD: Una encuesta europea de 2005 con 7.290 participantes.
  2. Encuesta de Contacto Social del Reino Unido (UKSCS): Realizada en 2010 con 5.861 participantes.
• Métodos de Estimación: Se aplicaron dos enfoques para estimar $R$ a partir de los datos de contacto:
  1. Valor propio dominante: Utilizando matrices de mezcla por edad (aplicable a POLYMOD).
  2. Suma de cuadrados de los números reproductivos individuales ($R^2$): Para capturar la heterogeneidad individual (aplicable a UKSCS, donde no se registró la edad del contacto).
• Procedimiento de Muestreo: Se generaron muestras repetidas (200 iteraciones) de tamaños variables (desde 100 hasta el máximo disponible) sin reemplazo a partir de los conjuntos de datos completos.
• Métricas de Evaluación: Se calcularon la media, el rango, la desviación estándar (S.D.) de las estimaciones de $R$ y la estadística de Kolmogorov-Smirnov (KS) para medir la divergencia entre las distribuciones de las muestras pequeñas y la población completa (considerada como referencia de 5.000 individuos).

3. Contribuciones Clave

• Caracterización de la Práctica Actual: Proporciona el primer panorama cuantitativo de los tamaños muestrales utilizados en la literatura científica reciente, revelando una gran variabilidad y la ausencia de justificación estadística formal.
• Cuantificación de la Incertidumbre: Establece una relación cuantitativa entre el tamaño de la muestra y la precisión de las estimaciones de $R$, demostrando cómo la variabilidad disminuye a medida que aumenta el número de participantes.
• Recomendación Práctica: Define un umbral de tamaño muestral mínimo basado en evidencia empírica para el uso general en modelado de epidemias, superando la dependencia de estimaciones arbitrarias.

4. Resultados

• Revisión de Literatura: De las 107 encuestas analizadas, el tamaño muestral osciló entre 30 y más de 10.000 participantes. La mediana fue de 1.438 participantes. Un cuarto de las encuestas incluyó a menos de 1.000 participantes.
• Impacto en la Precisión de $R$:
  • Tamaños pequeños (<200): Generan una variabilidad extremadamente alta en las estimaciones de $R$. Por ejemplo, con el método de $R^2$, el rango de estimaciones fue de 0 a 6.8.
  • Zona de Gains Significativos: La precisión mejora drásticamente hasta alcanzar aproximadamente 1.300 participantes. En este punto, la reducción de la desviación estándar se estabiliza.
  • Saturación: Incrementar la muestra por encima de 3.000 participantes produce ganancias marginales en la precisión.
• Estadísticas Específicas:
  • Para el método de valor propio dominante (POLYMOD), una muestra de ~1.100 individuos fue suficiente para estabilizar la distribución.
  • Para el método de $R^2$ (UKSCS), se requirió una muestra de ~1.300 para reducir significativamente la divergencia (estadística KS < 0.5).
  • Las muestras de 1.200-1.300 participantes mostraron una estabilidad comparable a muestras mucho más grandes (4.000-5.000).

5. Significado e Implicaciones

• Recomendación de Diseño: El estudio concluye que un tamaño muestral mínimo de 1.200 a 1.300 participantes es suficiente para el uso general en encuestas de contacto social destinadas al modelado de epidemias.
• Calidad de la Evidencia: Las encuestas con menos de 1.000 participantes deben utilizarse con precaución para parametrizar modelos de transmisión, ya que introducen una incertidumbre significativa en las proyecciones de riesgo.
• Eficiencia de Recursos: Sugiere que muchas encuestas actuales con tamaños muy grandes (>3.000) podrían estar sobremuestreando, lo que implica un gasto innecesario de recursos y una carga excesiva para los participantes sin un beneficio proporcional en la precisión del modelo.
• Política Pública: Establecer un estándar mínimo de tamaño muestral mejorará la comparabilidad entre diferentes estudios y contextos geográficos, fortaleciendo la inteligencia epidemiológica y la toma de decisiones coordinadas durante pandemias.
• Limitaciones: Se reconoce que la calidad de los datos (fatiga del encuestado, subregistro) es independiente del tamaño muestral y que las distribuciones de contactos "cola pesada" (individuos muy conectados) requieren diseños de muestreo específicos para capturar la varianza adecuadamente.

En resumen, este artículo proporciona la base estadística necesaria para transformar el diseño de las encuestas de contacto social de una práctica basada en la conveniencia a una basada en la evidencia, optimizando la relación costo-beneficio para la vigilancia epidemiológica.