Control de calidad de datos

Presentación del tema: "Control de calidad de datos"— Transcripción de la presentación:

1 Control de calidad de datos
Traducción al español, Dr en C Nicolás Padilla Raygoza, Facultad de Enfermería y Obstetricia de Celaya, Universidad de Guanajuato, México o por Naila Baig Ansari Investigadora Dept de Ciencias de la Salud Comunitaria Universidad Aga Khan Karachi, Pakistán

2 ¿Quién soy? Educación: M en C (Epidemiología), La Universidad Aga Khan, Tesis: Atención y prácticas de alimentación y su asociación con stunting entre niños residentes en among young children residing in Karachi-s squatter settlements BBA (Administración), The College of William and Mary, Williamsburg, VA, USA, 1989 Intereses de investigación: Epidemiología de la conducta y nutricional, temas metodológicos en métodos de evaluación dietética, seguridad de los alimentos en viviendas y temas relacionados al género, atención y prácticas de alimentación , amnejo de datos y diseño de cuestionarios

3 Objetivos de aprendizaje
Conocer los pasos necesarios para asegura la calidad y control de datos en varios estadios de un estudio Entender las diferencias entre prueba piloto y pre-test Entender la importancia de diseño de los instrumentos para colección de datos Entender como los datos pueden ser manejados usando un auditoría y las varias técnicas que pueden ser usadas para inspeccionar la base de datos, ya completada.

4 Objetivos de realización
Conocer la diferencia entre aseguramiento de calidad y control de calidad y formas de asegur ambas. Conocer los objetivos de una prueba piloto y un pre-test Entender como los instrumentos de colección de datos deberán ser diseñados y codificados. Ser capaz de manejar datos usando una auditoría Ser capaz de inspeccionar base de datos buscando errores y rectificarlos.

5 Control de calidad de datos
Aseguramiento de calidad Actividades para asegurar la calidad de los datos antes de su colección Control de calidad Monitoreo y mantenimiento de la calidad de los datos durante la conducción del estudio Manejo de datos Manejo y proceso de datos en todo el estudio

6 Pasos para asegurar la calidad
Especifique la hipótesis del estudio Especifique el diseño general para probar la hipótesis del estudio  Desarrolle un protocolo del estudio total Elija o prepare instrumentos específicos Desarrolle procedimientos para colección y procesamiento de datos  Desarrolle manuales de operación Entrene al equipo  Certifique al equipo Use equipo certificado, pre-test y pilotee los instrumentos y procedimientos de colección y procesamiento de datos. Si es necesario, modifique los pasos 2-4 y re-entrene al equipo en base a los resultados del paso 6.

7 Aseguramiento de calidad: estandarización de procedimientos
¿Por qué es importante la estandarización? Para alcanzar el mayor nivel posible de uniformidad y estandarización de procedimientos de colección de datos en toda la población en estudio. Preparación del escrito del manual de operación Detalladas descripciones de exactamente como realizar los procedimientos específicos de cada intrumento de colección de datos (por ejemplo tensión arterial) Pregunta por pregunta instrucciones a los entrevistadores Descripciones detalladas son necesarias para maximizar la probabilidad de que las tareas sean realizadas uniformemente. Por ejemplo, descripción de procedimiento para medición de la tensión arterial debería incluir la calibración del aparato con que se mide la tensión arterial, la posición del participante, la cantidad de tiempo en reposo antes y entre mediciones, el tamaño del brazalete, la posición del brazalete en el brazo.

8 Aseguramiento de calidad: entrenamiento del equipo
El enfoque es familiarizar a cada miembro del equipo con los procedimientos bajo su responsabilidad. Certificación de entrenamiento de los miembros del equipo para realizar un procedimiento específico. Extenso entrenamiento de entrevistadores es crucial ya que serán la primera fuente de nuestra colección de datos. Su entrenamiento debería incluir herramientas de entrevista, procedimientos de procesamiento, hacer citas para entrevistas y citas, calibración de instrumentos, etc. El entrenamiento debería involucrar técnicos laboratoristas y aquellos encargados de clasificar datos obtenidos de exámenes. Si es necesario, deberá efectuarse periódicas recertificaciones. Un miembro del equipo deberá ser re-entrenado si durante la recertificación su realización es inadecuada.

9 Aseguramiento de calidad: pretest y prueba piloto
Involucra evaluar procedimientos específicos sobre una muestra para detectar errores importantes Prueba piloto Ensayo formal de procedimientos del estudio Intenta reproducir el completo flujo de operaciones en una muestra tan similar como sea posible a los participantes del estudio Pre-prueba y prueba piloto son con frecuencia usados como sinónimos pero no lo son. Pre-prueba puede ser realizada en dos etapas … 1° sobre una muestra por conveniencia de colegas, amigos; es sólo para tener una idea del tiempo que toma, el flujo de las cuestiones, etc. 2ª fase de pre-prueba deberá ser más formal donde le procedimiento ( usualmente el cuestionario) es administrado en aproximadamente el 10% de nuestra muestra en una muestra tan similar como sea posible a los participantes en el estudio PERO NO EN LA MISMA AREA) Prueba piloto es la prueba de todo el proceso incluyendo el cuestionario.

10 Resultados del pretest y prueba piloto
Pretest del cuestionario, se usa para evaluar: Flujo de preguntas, Presencia de preguntas sensibles, Apropiada categorización de las variables, Claridad de las instrucciones al entrevistador Prueba piloto Además de lo anterior, el flujo del proceso La prueba piloto también puede usarse para evaluar estrategias alternativas para reclutamiento de participantes y colección de datos.

11 Aseguramiento de calidad: manejo de datos
Diseñando la colección de datos Presentación, preguntas a hacer, secuencia de las preguntas, sintaxis de las preguntas, categorías de respuestas, patrones de saltdos Colecte y registre, datos crudos, no procesados (v.gr. edad) Libro de códigos: liga entre el cuestionario y los datos entrados en la computadora Colecte datos crudos siempre que sea posible. Por ejemplo, edad; en lugar de codificar edad en categorías como 18-24, 25-36, 36+, etc., registre la edad actual. Categorías pueden formarse con ellas al usar el programa de computación estadístico. Un libro de códigos contiene nombres de variables, significado, patrones de salto si hay alguno y valores pre codificados así como los códigos de no respuesta, valores desaparecidos.

12 Ejemplo de libro de códigos
Variable P No Significado Código Formato P1Id P1 Pregunta N°. 1-750 C 3 P2Sex P2 Sexo del respondente 1 masculino Femenino N 1.0 P3Child P3 N° de niños 99 no respuesta N 2.0 P4Wt P4 Peso en kg. 999 No registrada N 3.1 P5roof P5 Tipo de techo 1 RCC 2 Cemento 3 De hojas 4 Paja Otras (especifique) En formateando N Numérico N1.0 significa 1 espacio de amplitud N2.1 significa 2 espacios antes del punto decimal y 1 espacio después del punto decimal (Nota: por favor vea el manual del paquete de computación para estadística y refiérase a como debe formatear los datos) C Carácter Categorías de referencia -Si conoce la categoría de referencia desde antes, asegúrese que sea el primero o el último código. Eg. La categoría de referencia del tipo de techo, es RCC, entonces codifique a RCC como 1. RCC y los otros tipos de techos pueden estar en cualquier orden Otros (especifique) no será codificado hasta tener los datos

13 Aseguramiento de calidad: genere un libro de códigos
Nombres de variables Hasta 8 caracteres a-z y 0-9, debe iniciar con una letra Combinación de número de pregunta y descripción (por ejemplo p3edad) Significado: Descripción corta, explicando el significado de la variable SPSS puede incorporar esta información como etiquetas de variables y mostrarlas en la salida de resultados

14 Aseguramiento de calidad: uso de un libro de códigos
Intente y use códigos numéricos Predecir códigos para no respuesta, valores perdidos La pregunta puede no formularse o no aplicar, por ejemplo resultado de embarazo La pregunta fue formulada per el sujeto no la respondió, por ejemplo, salario El sujeto respondió “No sé” El libro de códigos debe incluir tu decisión de como registrar los datos desaparecidos SPSS puede definir ciertos valores como desaparecidos. Recuerde ser consistente con el manejo de información perdida y sus códigos Predecir los códigos a usar en datos perdidos y consérvelo consistente con el formato, por ejemplo, 9, 99, 999 para “No sé”/ 8, 98, para no respuesta / 7, 87, para no aplicable

15 Control de calidad Observación de procedimientos y realización de miembros del personal para identificación de desviaciones obvias del protocolo Estrategias incluyen: Vigilar al personal. Tapando todas las entrevistas y revisar una muestra aleatoria. Supervisión de campo en curso. Edición en el campo por el entrevistador y por el supervisor de campo. Edición en la oficina, la cual incluye codificación. Mantenimiento del libro de log Evaluación estadística de tendencias en el tiempo de cada técnico/observador/entrevistador

16 Manejo de datos: Auditoria
El investigador deberá ser capaz de rastrear cada pieza de información en el documento original: ID incluida en el documento original y en la base de datos Todas las correcciones deberán documentarse y explicarse Todas las modificaciones a la base de datos deberán documentarse por archivos comando Cada análisis deberá ser documentado por un archivo comando Propósito para auditar es Protegernos de errores, pérdida de tiempo y pérdida de información Habilitar auditoria externa (revisión) Algunos principios de auditoria aplican a investigación como en la conservación de cuentas financieras, i.e. los documentos estar de tal forma que es posible regresar de la hoja de balance a las cuentas individuales. Documentación meticulosa desde el inicio al final puede ser una tarea tediosa especialmente cuando las fechas límites tienen que ser encontradas. Sin embargo, su utilidad será completamente apreciada cuando necesitemos hacer algunas modificaciones y volver a hacer el análisis. La auditoria es el mapa de los investigadores de sus búsquedas.

17 Manejo de datos: manipulación de datos
Entrada de datos Use programa profesional de entrada de datos como EpiData Preparaciones Complete el libro de códigos Examine cuestionarios para inconsistencias obvias, modelos de salto EpiData es una herramienta de fácil uso para entrada de datos simple o programada y para documentación de datos. EpiData puede usarse para crear programas de entrada de datos para EpiInfo. Está disponible en forma libre en

18 Manejo de datos: manipulación de datos
Prevención de error: Sitúe una forma de entrada de datos semejante al cuestionario Defina valores válidos antes de entrar los datos Doble entrada de datos por dos diferentes operadores Compare contenidos para tener una lista de discrepancias (EpiInfo) Corrija errores en ambos archivos y efectúe nueva comparación Use la opción COMPARE en EpiInfo para ver los campos que no son idénticos o similares con el archivo final.

19 Primera inspección de datos. Encontrando errores
Adicione variables y etiquetas de valores a los datos usando un comando de sintaxis Buscando errores Haga impresiones de código de los datos, panorama de las variables, tablas de frecuencia simples de variables apropiadas. compare los códigos creados con los originales códigos y vea si la información etiquetada es correcta Inspeccione las tablas de frecuencia/ resumen generado para valores ilegales o improbable mínimo y máximo de variables e inconsistencias (por ejemplo, 250 años de edad, masculino embarazado, mujer de 23 años con hijo de 19 años). Calcule la tasa de error por Aleatoriamente selecciones 10% o al menos 40 de los cuestionarios y re-entre los mismos en un nuevo archivo. La mayoría de los paquetes estadísticos tienen la opción de crear una sintaxis de comandos. SPSS también usa sintaxis. La ventaja de sintaxis es que podemos re-correr una serie de comandos en cualquier estadio, siendo capaces de duplicar el proceso. Manejando datos inconsistentes Regrese a la fuente Recodifique datos desaparecidos Examine otra información disponible y juzgue cual pieza de información es probable que sea la correcta (no recomendado) Decida cual método y sea consistente. Documente por escrito. Cálculo de la tasa de error Numerador será el número de errores en el archivo final y el denominador será el (número de registros * número de campos) en el nuevo archivo. Tasas de error menor al 0.3% es considerada aceptable.

20 Corrección de errores - documentación
Si errores son descubiertos Haga correcciones en un archivo comando (archivo de sintaxis SPSS), ofrecerá una documentación completa de cambios hechos en la base de datos Si errores son descubiertos cuando se comparan archivos después de la doble entrada de datos Podemos hacer correcciones directamente en los datos entrados, ofreciendo una comparación entre datos entrados y corregidos. Si errores son descubiertos, no vaya directamente a la ventana de datos y corrija los errores debido 1) a que el riesgo de “corregir” la variable o el caso no erróneo, es alto; y 2) el cambio no está documentado y la auditoria es rota.

21 Corrección de errores - documentación
Divida el proceso en distintos y bien definidos pasos y que la documentación de un paso a otro sea consistente. Archivo Una vez que tenga una versión “limpia” de sus datos primarios, guarde una copia en un sitio seguro y realice el trabajo con otra copia.

22 Asegúrese de usar la base de datos correcta
Análisis Asegúrese de usar la base de datos correcta Se recomienda crear archivos de comandos para análisis iniciando con la lectura de la base de datos Descubrimiento tardío de errores e inconsistencias A pesar de los esfuerzos para asegurar la calidad de los datos, podemos aún descubrir errores e inconsistencias en el análisis. Si has estado manteniendo y documentando archivos comando, puedes regresar y modificar las correcciones y volver a correr los archivos comandos. Si no ha mantenido y documentado los archivos comando, puede consumir mucho tiempo y ser riesgos

23 Respaldando vs Archivando
Actividad diaria El propósito es permitir restaurar los datos y documentos en caso de destrucción o pérdida de datos. No sólo bases de datos, pero también archivos de comando de modificaciones de los datos,documentos escritos como protocolo, libro de log y otra informacvión documentada Archivando Toma lugar una vez o varias veces durante la vida del proyecto El propósito es preservar los datos y documentos par un futuro, puede ser, permitir a otros investigadores acceso a la información. El archivo final deberá incluir al menos lo siguiente: Protocolo del estudio Aplicaciones para y permiso del Comité de Ética, etc Instrumentos de la colección de datos (cuestionarios, etc.) Instrucciones de codificación y otras descripciones técnicas Libro de log y otra documentación escrita del procesamiento de datos. Al menos la primera y la última versión de tus datos Todos los comandos de modificación de datos. Los archivos de comandos deberán facilitar la reconstrucción la versión final de la primera versión de los datos