Definir população e amostra no TCC de Medicina não é escolher “quantos pacientes preciso” de forma arbitrária — é uma decisão que decorre diretamente do desenho do estudo (prevalência, comparação entre grupos, associação de variáveis) e que precisa ser justificada com uma fórmula e parâmetros explícitos, não com um número redondo escolhido por conveniência. Este guia cobre como definir a população-alvo, os critérios clínicos de inclusão e exclusão, como calcular — e conferir — o tamanho da amostra, e como lidar com perdas amostrais.
População-alvo, população acessível e amostra
Três conceitos que a banca de Medicina cobra com precisão, e que muitos TCCs confundem:
- População-alvo — o grupo sobre o qual você quer generalizar a conclusão (por exemplo, “pacientes hipertensos atendidos na atenção primária no Brasil”).
- População acessível — o subconjunto da população-alvo que você efetivamente pode estudar (por exemplo, “pacientes hipertensos atendidos em uma UBS específica, entre janeiro e junho de determinado ano”).
- Amostra — o subconjunto da população acessível que efetivamente entra no estudo, selecionado por um método de amostragem declarado.
Declarar os três níveis, e não apenas “a amostra”, é o que permite à banca avaliar até onde a conclusão do seu TCC pode ser generalizada — uma amostra de uma única UBS não generaliza para “pacientes hipertensos no Brasil”, mesmo que o cálculo do tamanho da amostra esteja matematicamente correto.
Critérios de inclusão e exclusão clínicos
Critérios de inclusão definem quem pertence à população acessível; critérios de exclusão removem, dessa população, quem não deve entrar no estudo por razões clínicas ou metodológicas específicas. A distinção importa: inclusão é positiva (“adultos com diagnóstico confirmado de X”), exclusão é a remoção de um subconjunto que atenderia à inclusão mas traz um problema específico (por exemplo, “gestantes”, quando a gestação altera o desfecho medido, ou “uso de medicação que interfere no parâmetro avaliado”).
Cada critério precisa de uma justificativa clínica ou metodológica — “excluímos pacientes com insuficiência renal crônica porque o parâmetro X é alterado independentemente da condição estudada, o que confundiria a análise” é o nível de justificativa esperado; “excluímos por não se enquadrarem no perfil” não é. Evite também o erro oposto: multiplicar critérios de exclusão até restar uma população tão específica que o cálculo amostral perde sentido prático diante do tempo disponível para a coleta — cada critério adicional deve responder a uma ameaça real à validade do estudo, não a uma preferência de conveniência do pesquisador.
Qual fórmula usar conforme o desenho do estudo
A fórmula de cálculo amostral depende do que o estudo mede:
- Estudo de prevalência (estimar a proporção de uma condição na população) — fórmula de estimação de proporção, com base em nível de confiança, margem de erro e a prevalência esperada (ou 50%, quando não há estimativa prévia, por ser o cenário mais conservador).
- Estudo de comparação entre dois grupos (por exemplo, tratamento versus controle) — fórmula de comparação de médias ou proporções, que depende também do tamanho de efeito esperado e do poder estatístico desejado — o G*Power é a ferramenta mais usada para esse cálculo.
- Estudo de associação/correlação — depende do tipo de análise planejada (regressão, correlação), com regras práticas de número mínimo de casos por variável independente, quando aplicável.
Este guia detalha o cálculo de prevalência, por ser o mais comum em TCCs de Medicina de graduação; para desenhos de comparação entre grupos com poder estatístico, veja o guia dedicado ao cálculo de amostra no G*Power.
Cálculo amostral passo a passo, com exemplo refeito
A fórmula de estimação de proporção (prevalência) é:
n = Z² × p × (1−p) / e²
Onde Z é o valor da distribuição normal para o nível de confiança escolhido (1,96 para 95%), p é a prevalência esperada da condição (use 0,5 quando não houver estimativa prévia — é o valor que gera o maior tamanho de amostra, portanto o mais conservador), e e é a margem de erro tolerada (expressa como proporção, por exemplo 0,05 para 5 pontos percentuais).
Exemplo ilustrativo (parâmetros fictícios, criados apenas para demonstrar o cálculo — substitua pelos parâmetros reais do seu estudo): confiança de 95% (Z = 1,96), prevalência esperada de 50% (p = 0,5, por não haver estimativa prévia confiável para a condição hipotética estudada) e margem de erro de 5% (e = 0,05).
n = 1,96² × 0,5 × (1−0,5) / 0,05²
n = 3,8416 × 0,25 / 0,0025
n = 0,9604 / 0,0025
n = 384,16 → arredondar para cima: n = 385
Note a regra de arredondamento: tamanho de amostra sempre arredonda para cima, nunca para baixo — 384,16 pacientes não é um número que existe na prática, e arredondar para baixo deixaria a amostra ligeiramente subdimensionada em relação à margem de erro pretendida.
Correção para população finita
Quando a população acessível é pequena e conhecida (por exemplo, o total de pacientes atendidos em uma clínica específica em um período), aplica-se a correção para população finita, que reduz o tamanho de amostra necessário:
n_ajustado = n / (1 + (n−1)/N)
Continuando o exemplo ilustrativo, com uma população acessível hipotética de N = 500 pacientes:
n_ajustado = 385 / (1 + (385−1)/500)
n_ajustado = 385 / (1 + 384/500)
n_ajustado = 385 / (1 + 0,768)
n_ajustado = 385 / 1,768
n_ajustado = 217,76 → arredondar para cima: n_ajustado = 218
Ou seja, dos 385 pacientes que seriam necessários em uma população infinita, a correção para uma população finita de 500 reduz a exigência para 218 — a diferença é grande o suficiente para valer a pena aplicar a correção sempre que N for conhecido e relativamente pequeno.
Tipo de amostragem: probabilística ou por conveniência
Depois de calcular o tamanho, declare como os participantes serão selecionados dentro da população acessível. Em estudos clínicos de TCC, a amostragem por conveniência (todos os pacientes elegíveis atendidos em um período, até completar o N calculado) é comum e aceitável, desde que declarada como tal — o problema não é usar amostragem por conveniência, é apresentá-la como se fosse probabilística. Quando a lista completa da população acessível está disponível (por exemplo, todos os prontuários de um período), a amostragem aleatória simples ou sistemática é preferível por reduzir viés de seleção.
Perdas amostrais e taxa de reposição
Em estudos com coleta prospectiva (o paciente é acompanhado ao longo do tempo, ou precisa retornar para um segundo momento de coleta), é comum perder participantes por desistência, perda de seguimento ou dados incompletos. A prática recomendada é somar uma margem de segurança ao N calculado, prevendo essa perda esperada — por exemplo, se a taxa de perda esperada for de 10%, o N final recrutado deve ser N/(1−0,10), não apenas N. Continuando o exemplo ilustrativo, se o N ajustado de 218 fosse para um estudo prospectivo com 10% de perda esperada: 218/0,90 ≈ 242,2 → recrutar 243 participantes para, mesmo com a perda estimada, terminar o estudo próximo do N calculado como necessário.
Declare essa margem — e sua justificativa — no capítulo de metodologia, junto com o que será feito se a perda real exceder a estimativa (recrutamento adicional, ou reconhecimento da limitação na discussão).
Como redigir no capítulo de metodologia
Um parágrafo de amostra completo, no nível de detalhe que a banca de Medicina espera, nomeia: a população-alvo e a população acessível, os critérios de inclusão e exclusão com justificativa, a fórmula e os parâmetros usados no cálculo (com os valores explícitos de Z, p e e), o resultado do cálculo e, se aplicável, a correção para população finita e a margem para perdas, e por fim o método de amostragem dentro da população acessível. Um TCC que apresenta apenas “a amostra foi de 218 pacientes” sem esse encadeamento deixa a banca sem como avaliar se o número é adequado ao desenho proposto.
CEP, Plataforma Brasil e prontuário
Qualquer estudo que envolva pacientes — seja coleta direta, seja análise retrospectiva de prontuários — está sujeito à submissão ao Comitê de Ética em Pesquisa via Plataforma Brasil, conforme as Resoluções CNS nº 466/2012 e nº 510/2016. Estudos retrospectivos de prontuário costumam solicitar dispensa do Termo de Consentimento Livre e Esclarecido (TCLE) ao CEP, mas essa dispensa precisa ser explicitamente concedida pelo comitê — nunca presumida pelo pesquisador. Documente no capítulo de metodologia o número do parecer de aprovação e a data.
Para a estrutura completa do capítulo de metodologia, incluindo a formatação ABNT dos elementos textuais, veja a estrutura completa do TCC pela ABNT. E para comparar esse cálculo de prevalência com o cálculo baseado em poder estatístico (usado em estudos de comparação entre grupos), veja também população e amostra no TCC, que cobre os tipos de amostragem probabilística e não probabilística em mais detalhe.
Perguntas frequentes
Por que usar p = 0,5 quando não sei a prevalência real da condição?
Porque p = 0,5 é o valor que maximiza o produto p × (1−p) na fórmula, gerando o maior tamanho de amostra possível para os demais parâmetros — é a escolha conservadora que evita subdimensionar o estudo quando não há uma estimativa prévia confiável da prevalência.
Preciso aplicar a correção para população finita sempre?
Não. A correção só se aplica quando a população acessível (N) é conhecida e relativamente pequena em relação à amostra calculada. Quando a população é muito grande ou desconhecida, a correção tem efeito desprezível e pode ser omitida.
Amostragem por conveniência invalida o estudo?
Não invalida, mas limita a generalização e precisa ser declarada como limitação na discussão. É o método mais usado em TCCs de Medicina de graduação, justamente pela viabilidade dentro do prazo e recursos disponíveis — o problema é apresentá-la como se fosse aleatória.
Um estudo retrospectivo de prontuários precisa de cálculo amostral?
Depende do desenho: se o estudo analisa todos os prontuários elegíveis de um período (um censo, não uma amostra), o cálculo amostral não se aplica da mesma forma — declare que se trata de um censo da população acessível, não de uma amostra selecionada. Se apenas uma parte dos prontuários elegíveis será analisada, o cálculo amostral se aplica normalmente.
Como decido a margem de perda amostral se não tenho dados prévios do serviço?
Na ausência de dado local, uma prática aceita é adotar uma margem conservadora (10% a 20%, conforme a complexidade do seguimento) e declarar explicitamente que a estimativa é uma convenção adotada na ausência de dado prévio do serviço — nunca apresentar esse percentual como um dado medido quando ele foi apenas estimado.
O orientador pode exigir um N diferente do calculado pela fórmula?
Pode, e às vezes por boas razões práticas (prazo do TCC, disponibilidade real de pacientes no serviço). Quando isso acontece, declare no texto que o N efetivamente coletado ficou abaixo do calculado, explique o motivo e trate essa diferença como limitação metodológica na discussão — omitir a diferença é pior do que declará-la.