Post on 04-Feb-2017
Control de calidad de datosControl de calidad de datos
porNaila Baig Ansari
InvestigadoraDept de Ciencias de la Salud Comunitaria
Universidad Aga Khan Karachi, Pakistán
¿Quién soy?¿Quién soy?Educación:M en C (Epidemiología),
La Universidad Aga Khan, 2001. 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
Objetivos de aprendizajeObjetivos 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.
Objetivos de realizaciónObjetivos 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.
Control de calidad de datosControl 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
Pasos para asegurar la calidadPasos para asegurar la calidad1. Especifique la hipótesis del estudio
2. Especifique el diseño general para probar la hipótesis del estudio Desarrolle un protocolo del estudio total
3. Elija o prepare instrumentos específicos
4. Desarrolle procedimientos para colección y procesamiento de datos Desarrolle manuales de operación
5. Entrene al equipo Certifique al equipo
6. Use equipo certificado, pre-test y pilotee los instrumentos y procedimientos de colección y procesamiento de datos.
Aseguramiento de calidad: estandarización Aseguramiento de calidad: estandarización de procedimientosde 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
Aseguramiento de calidad: entrenamiento del Aseguramiento de calidad: entrenamiento del equipoequipo
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.
Aseguramiento de calidad: pretest y prueba pilotoAseguramiento de calidad: pretest y prueba piloto
Pretest– 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
Resultados del pretest y prueba pilotoResultados 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
Aseguramiento de calidad: manejo de datosAseguramiento 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
Ejemplo de libro de códigosEjemplo de libro de códigosVariable P No Significado Código Formato
P1Id P1 Pregunta N°. 1-750 C 3P2Sex P2 Sexo del respondente 1 masculino
2 FemeninoN 1.0
P3Child P3 N° de niños 99 no respuesta N 2.0P4Wt P4 Peso en kg. 999 No
registradaN 3.1
P5roof P5 Tipo de techo 1 RCC2 Cemento 3 De hojas4 PajaOtras
(especifique)
N 2.0
Aseguramiento de calidad: genere un libro Aseguramiento de calidad: genere un libro de códigosde 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
Aseguramiento de calidad: uso de un libro Aseguramiento de calidad: uso de un libro de códigosde códigos
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”
Control de calidadControl 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
Manejo de datos: AuditoriaManejo 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)
Manejo de datos: manipulación de datosManejo 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
Manejo de datos: manipulación de datosManejo 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
Primera inspección de datos. Encontrando erroresPrimera 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.
Corrección de errores - documentaciónCorrección 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.
Corrección de errores - documentaciónCorrección 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.
AnálisisAnálisis
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
Respaldando vs ArchivandoRespaldando vs Archivando Respaldando
– 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.