Muchos lectores de esta monografía se preguntarán por qué se ha incluido un capítulo sobre la potencia estadística. Después de todo, a estas alturas el tema de la potencia estadística es en muchos aspectos mundano. Todo el mundo sabe que la potencia estadística es una consideración central de la investigación, y ciertamente la mayoría de los beneficiarios o posibles beneficiarios del Instituto Nacional sobre el Abuso de Drogas comprenden la importancia de incluir un análisis de potencia en las propuestas de investigación. Sin embargo, hay muchas pruebas de que, en la práctica, los investigadores de la prevención no prestan suficiente atención a la potencia estadística. Si lo hicieran, no habrían surgido los resultados observados por Hansen (1992) en una reciente revisión de la literatura sobre prevención. Hansen (1992) examinó la potencia estadística basándose en 46 cohortes seguidas longitudinalmente, utilizando supuestos no paramétricos dada la edad de los sujetos en el momento de la prueba posterior y el número de sujetos. Los resultados de este análisis indicaron que, para que un estudio alcanzara una potencia del 80 por ciento para detectar diferencias entre los grupos de tratamiento y de control, la diferencia entre los grupos en el momento de la prueba posterior tendría que ser de al menos el 8 por ciento (en los mejores estudios) y de hasta el 16 por ciento (en los estudios más débiles). Para que un estudio alcance una potencia del 80 por ciento para detectar diferencias de grupo en el cambio pre-post, 22 de las 46 cohortes habrían necesitado reducciones relativas pre-post superiores al 100 por ciento. Treinta y tres de las 46 cohortes tenían una potencia inferior al 50% para detectar una reducción relativa del 50% en el consumo de sustancias. Estos resultados son consistentes con los hallazgos de otras revisiones (por ejemplo, Lipsey 1990) que han mostrado una falta de poder similar en una amplia gama de temas de investigación. Por lo tanto, parece que, aunque los investigadores son conscientes de la importancia de la potencia estadística (en particular de la necesidad de calcularla cuando proponen una investigación), de alguna manera no consiguen tener una potencia adecuada en sus estudios terminados. En este capítulo se argumenta que el fracaso de muchos estudios de prevención para mantener una potencia estadística adecuada se debe a un énfasis excesivo en el tamaño de la muestra (N) como la única, o incluso la mejor, forma de aumentar la potencia estadística. Es fácil ver cómo se ha llegado a este exceso de énfasis. El tamaño de la muestra es fácil de manipular, tiene la ventaja de estar relacionado con la potencia de forma directa y suele estar bajo el control directo del investigador, salvo las limitaciones impuestas por las finanzas o la disponibilidad de los sujetos. Otra opción para aumentar la potencia es aumentar el alfa utilizado para la prueba de hipótesis, pero como muy pocos investigadores consideran seriamente niveles de significación mucho mayores que el tradicional 0,05, esta estrategia rara vez se utiliza. Por supuesto, el tamaño de la muestra es importante, y los autores de este capítulo no recomiendan que los investigadores dejen de elegir cuidadosamente el tamaño de la muestra. Más bien, sostienen que los investigadores no deberían limitarse a aumentar el N para mejorar la potencia. Es importante tomar medidas adicionales para mantener y mejorar la potencia además de asegurarse de que el tamaño de la muestra inicial es suficiente. Los autores recomiendan dos estrategias generales. Una estrategia consiste en intentar mantener el tamaño efectivo de la muestra inicial para no perder potencia innecesariamente. La otra estrategia consiste en tomar medidas para maximizar el tercer factor que determina la potencia estadística: el tamaño del efecto.