Como calcular e justificar o tamanho da amostra no TCC

Comece pelo objetivo e estimando em profundidade

Defina se pretende estimar proporção, média, associação ou diferença. Cada objetivo exige parâmetros distintos.

Escolha um desfecho principal e análise antes do cálculo, evitando selecionar fórmula pelo número desejado.

Traduza o objetivo em uma quantidade estatística antes de abrir qualquer calculadora. Estimar prevalência, comparar médias, detectar associação ou desenvolver modelo demanda entradas e fórmulas diferentes. Identifique desfecho principal, escala, grupos e momento de medição. Se existem vários objetivos, escolha aquele que exige maior tamanho ou planeje hierarquia. Um cálculo feito para proporção não justifica automaticamente análise de regressão prevista em outro capítulo.

Justifique cada parâmetro

Registre confiança, precisão, variabilidade, efeito e poder conforme o desenho. Use literatura comparável ou piloto.

Não escolha efeito enorme para reduzir amostra. Faça cenários e mostre sensibilidade às suposições.

Escolha parâmetros com evidência. Precisão deve refletir diferença relevante para interpretação; variabilidade pode vir de estudo semelhante ou piloto; efeito precisa representar mudança cientificamente importante, não o maior valor publicado. Nível de confiança, significância e poder carregam consequências sobre erro. Apresente cenários conservador, esperado e otimista. Se o resultado muda muito com pequena variação, essa incerteza deve entrar no plano e no limite do estudo.

Ajuste ao desenho real

Grupos, pareamento, conglomerados e medidas repetidas alteram dependência e cálculo. População finita pode influenciar.

Amostragem complexa exige efeito de desenho. Consulte estatístico antes da coleta, não depois.

Mapeie dependências do desenho. Participantes recrutados em turmas ou unidades podem ser mais parecidos dentro do grupo, reduzindo informação efetiva. Medidas repetidas exigem correlação esperada; pareamento depende da disponibilidade de pares; alocação desigual muda eficiência. População finita só pode ser usada quando o universo é conhecido e a seleção corresponde ao modelo. Leve esses detalhes ao apoio estatístico antes de fixar número no projeto.

Antecipe perdas e dados ausentes

Aumente convite com taxa justificada, distinguindo recusa, abandono e inelegibilidade. Não confunda convidados com analisados.

Planeje prevenção e tratamento de ausências. Inflar arbitrariamente não corrige viés de não resposta.

Separe tamanho analisável de número de convites. Use experiência do local ou literatura para estimar inelegibilidade, recusa, abandono e perda de medida, cada uma com mecanismo próprio. Planeje prevenção, acompanhamento e registro. Acrescentar porcentagem arbitrária não corrige ausência seletiva. Se a perda provável é alta em um grupo específico, avalie canal de recrutamento e carga do procedimento em vez de apenas multiplicar o total.

Documente software e versão

Registre programa, teste, opção, caudas e parâmetros. Guarde saída e reproduza o cálculo.

Calculadora online sem método ou referência não sustenta decisão. Confira unidades e arredondamento.

Ao usar programa, registre versão, família do teste, hipótese unilateral ou bilateral, parâmetros e saída. Refaça manualmente um caso simples ou peça conferência. Salve arquivo de configuração e captura suficiente para auditoria. Calculadoras podem usar definições diferentes de efeito. Não arredonde para baixo apenas para caber no prazo; se o número é inviável, renegocie pergunta, precisão, desenho ou natureza exploratória com o orientador.

Não aplique fórmula quantitativa à pesquisa qualitativa

Justifique casos por diversidade, profundidade, desenho, acesso e suficiência informacional. Critérios precisam preceder a coleta.

Saturação não é número mágico nem desculpa retrospectiva; descreva monitoramento e limites.

Na pesquisa qualitativa, defina suficiência pela diversidade necessária, profundidade, complexidade do fenômeno e estratégia analítica. Planeje faixa inicial e pontos de revisão, registrando o que novos casos acrescentam. Saturação requer definição do que deixou de emergir e em qual conjunto; não é frase usada depois para justificar quantidade disponível. Estudos de caso, histórias de vida e grupos focais possuem lógicas próprias que precisam estar ligadas ao objetivo.

Relate planejado, recrutado e analisado

Mostre cálculo e fonte dos parâmetros, depois fluxo real e exclusões. Diferenças precisam de explicação.

Amostra adequada não elimina viés de seleção nem garante generalização. Limite conclusão à população alcançada.

Relate o tamanho planejado e sua fundamentação, depois mostre convidados, elegíveis, participantes e analisados. Explique perdas e diferenças entre grupos. Se a meta não foi alcançada, apresente impacto sobre precisão, poder e alcance, sem esconder o fato. Uma amostra numericamente suficiente ainda pode ser enviesada por seleção. Conclusões devem respeitar a população acessível, o método de recrutamento e a incerteza observada.

Antes de fechar o projeto, organize uma reunião de validação com problema, hipótese, desfecho, desenho, análise, parâmetros e restrições na mesma página. O estatístico precisa compreender a pergunta; o orientador precisa entender as consequências do cálculo. Simule cenários de recrutamento por semana e confronte com o calendário, autorizações e capacidade de análise. Se a meta exige mais participantes do que o campo oferece, resolva antes de começar. Alternativas podem incluir ampliar centros, prolongar período, aceitar precisão menor com justificativa, tratar o estudo como piloto ou escolher desfecho mais frequente. Nenhuma mudança deve ser feita somente para produzir número confortável. Defina regra de parada que não dependa de observar significância. Interromper quando aparece resultado favorável aumenta erro e invalida o cálculo original. Em estudos sequenciais, use método próprio planejado. Para modelos com muitos preditores, considere complexidade, eventos disponíveis e validação; regra simplista de participantes por variável pode falhar. Em revisão de prontuários, tamanho disponível não dispensa análise de poder ou precisão e exige relatar qualidade e ausência de dados. Preserve as entradas e a saída do cálculo no repositório do projeto, sem dados pessoais. Na discussão, conecte tamanho à incerteza concreta: intervalos amplos, baixa capacidade de detectar efeitos modestos ou estimativas instáveis. Não confunda resultado não significativo com ausência comprovada. Uma justificativa honesta mostra o que o estudo foi dimensionado para detectar, o que efetivamente conseguiu analisar e quais conclusões permanecem abertas.

Se o estudo compara subgrupos, verifique o tamanho dentro de cada categoria, não apenas o total. Uma amostra aparentemente grande pode deixar estratos com poucos casos e estimativas instáveis. Planeje agrupamentos antes de olhar os resultados e evite fundir categorias somente para obter significância. Em modelos multivariados, examine distribuição do desfecho e colinearidade prevista. Documente decisões de exclusão e não use observações repetidas como participantes independentes. Quando o campo termina, atualize o diagrama amostral e recalcule a precisão obtida com parâmetros observados, apresentando essa análise como avaliação posterior, não como justificativa original. O leitor deve conseguir separar planejamento, execução e consequência estatística. Essa distinção impede que números escolhidos depois dos resultados sejam apresentados como decisão anterior à coleta.

Apresente unidades junto de todos os parâmetros e confira se proporções foram inseridas como fração ou porcentagem conforme o programa. Erros de escala podem alterar drasticamente o resultado sem gerar aviso.