1. DiplomadoGestin Operativa paraProcesos de Acreditacin en Salud2012BIOESTADISTICAAPLICACION CONTROL DE CALIDADPedro Cortes AlfaroTecnlogo MedicoMagister en Administracin en Salud

2. Composicin de un dato de laboratorioVariabilidad Pre-analticaValor(estimada como irrelevante)Resultado de la muestra verdadero Variabilidad analtica(imprecisin analtica total)Bias AnalticoVariabilidad Biolgica Intrnseca (una constante) VARIABILIDAD TOTAL Variabilidad Analtica + Bias Analtico = ERROR TOTAL(imprecisin analtica total) 3. Control Externo de la Calidad 4. 1. Un grupo de laboratorios analiza la misma muestra.2. Presentan sus resultados a una central.3. Se calculan las medias y SDs para caracterizar el desempeo de un grupo de laboratorios.4. Se generan informes para comparar el desempeo de un laboratorio individual con el del grupo par.5. El desempeo de un laboratorio individual se compara con los valores target establecidos por mtodos de referencia o laboratorios de referencia. 5. Objetivos fundamentales:-Comparacin de resultados con otrosmtodos en otros laboratorios.- Verificar la exactitud de los mtodos yasegurar que el desempeo estable delos mtodos se encuentra alineado conlos valores verdaderos o correctos. 6. Callum G. Fraser: BIOLOGICAL VARIATION: FROM PRINCIPLES TOPRACTICE Error Total(TE) puede ser calculado de diferentesformas. La manera mas usual es agregando elbias (sesgo) y precision linealidad. TE = bias + 2SD ( or CV) TE = bias + 3SD ( or CV) TE = bias + 4SD ( or CV) TEa= bias + 1,65 SD ( or CV) TEa= BA + 1,65 CVA 7. valor verdaderoprobabilidadmedida b medida aerroraleatorioerror sistemtico 80 90100110120resultado medicin-15 0tamao error sistemtico 8. Bias: Modelos de EstimacinDe que forma podemos estimar el Bias denuestros mtodos?1)- Comparacin de Mtodos.2)- Esquemas Interlaboratorio o Peer Group.3)- Control de Calidad Externo.- Regresin- T test4)- Estudios de Recuperacin, verificacin de laveracidad .5)- Otros. 9. Bias: Comparacin de MtodosLos estudios de comparacin de mtodos se llevan a cabo aefectos de determinar el error sistemtico del ensayo(cantidad) que est siendo evaluado.Se realizan analizando muestras con el nuevo mtodo y unmtodo de comparacin.Sobre la base de las diferencias observadas entre los dosmtodos se calcula el error sistemtico.Las diferencias observadas se analizan en los distintos nivelesde decisin mdica de la cantidad (analito) en cuestin, parajuzgar sobre la aceptabilidad del mtodo.Brindan informacin importante sobre la naturaleza del error(sistemtico o constante). 10. Bias: Comparacin de Mtodos ObjetivoEl propsito fundamental de los estudios de comparacin demtodos es determinar si dos mtodos son estadsticamentecomparablesPara que esto sea cierto se deben dar tres condiciones:1- La pendiente no debe ser significativamente diferente de 1.2- La interseccin no debe ser significativamente diferente de 0.3- No debe existir diferencia significativa en los niveles dedecisin mdica. 11. Bias: Comparacin de MtodosFactores a Considerar1)- Mtodo de Comparacin.2)- Nmero de muestras a analizar.3)- Corrida Simple Vs. Duplicados.4)- Duracin del estudio.5)- Estabilidad de las muestras. 12. Bias: Comparacin de MtodosMtodo de Comparacin-Se habla de mtodo de comparacin.-Debera seleccionarse un mtodo de referencia para asegurarla veracidad de los resultados que genera.-Si el mtodo de comparacin es un mtodo de referencia, lasdiferencias encontradas son asignadas al mtodo en estudio.-Al momento de interpretar los resultados es muy importantesaber cual es la referencia que estamos empleando.- Conceptos relacionados : Trazabilidad; Mtodo Definitivo o deReferencia 13. Bias: Comparacin de MtodosNmero de muestras a analizar-Deben seleccionarse entre 20 y 40 muestras depacientes, de manera tal que se cubra el rango detrabajo del ensayo en estudio.-La calidad de las muestras seleccionadas es msimportante que la cantidad.- Factor crtico: Distribucin de las muestras. 14. Bias: Comparacin de MtodosCorrida Simple Vs. Duplicados-Los duplicados brindan una verificacin sobre lavalidez de las mediciones.-Incrementan costos.- Si no se trabaja con duplicados se deben verificarlos pares de datos al momento que son obtenidos. 15. Bias: Comparacin de MtodosDuracin del estudio-Mnimo 5 das.-Optimo 20 das.-2 a 5 muestras por da. 16. Bias: Comparacin de MtodosEstabilidad de las muestras-Genricamente se recomienda no dejar pasarms de 2 horas para procesar las muestras porambos mtodos.-La estabilidad del analito en la muestra puedeser una limitante.- Ejemplos: Bicarbonato, lactato, amonio, gasesen sangre. 17. Bias: Comparacin de MtodosInterpretacin de resultadosExisten 4 razones o motivos por los cuales se realizanestudios de comparacin entre mtodos:-Clnico-Analtico-Investigacin-Armonizacin 18. Bias: Comparacin de MtodosInterpretacin de resultadosSensibilidad de parmetros estadsticos de tres clases de error Random ProporcionalConstanteSlopeNo SiNoInterceptNo NoSiStd. Err. Est. Si NoNoBias No SiSiStd. Dev. Diff.Si SiSiT Test Si SiSiCorr. Coef, (R)Si NoNoMed. Dec. Pt.No NoNoPredicted Bias No SiSi95% Confs. Limit Si SiSI 19. Bias: Comparacin de MtodosInterpretacin de resultadosStd. Err. Est.(SEE)-Describe la dispersin de los puntos x,y alrededor de lalnea de tendencia central.-Cuanto ms chico sea el SEE mejor correlacionan losmtodos.- Si el desvo estndar de ambos mtodos es idntico, elSEE ser aproximadamente 1,4 veces el desvoestndar tpico. 20. Bias: Comparacin de MtodosInterpretacin de resultadosStd. Err. Est.valores observados(SEE) constanteproporcional valores verdaderos 21. Bias: Comparacin de MtodosAnlisis GrficoEs inicialmente til para detectar outliers.Para los mtodos que supuestamente tienen ungrado de acuerdo importante se utiliza elDifference plot.Permite identificar outliersPermite visualizar errores www.westgard.com 22. Bias: Comparacin de Mtodos Anlisis Grfico AsociadoPermite identificar outliersVerificar la calidad de lasmuestrasRespuesta lineal en el rangoanalticoAcuerdo entre los mtodoswww.westgard.com 23. Bias: Comparacin de Mtodos Diferentes modelos de regresin: Regresin lineal Regresin de Deming Passing-Bablok 24. CLSI EP9-A2, EP15-A2, EP21-A. 25. Bias: Comparacin de MtodosInterpretacin de resultados-Ambos modelos funcionanminimizando la suma de loscuadrados de los residuales.-La regresin regular asumepara hacerlo que le mtodode comparacin es exacto.-Angulo definido por el cocientede los errores relativos de los 2mtodos. 26. Bias: Comparacin de MtodosInterpretacin de resultadosPassing Bablok- Es una aproximacin diferente.- Calcula las pendientes de cada uno de los paresde puntos.-Descarta las pendientes horizontales y verticales yestima-la media del resto.- Descarta outliers. 27. Bias: Comparacin de Mtodos Coeficiente de correlacin (r) Describe el ancho relativo de la elipse queengloba los puntos de la serie de datos.- Es sensible al error aleatorio, al rango de datos y alsigno de la pendiente.- Mide el grado de asociacin entre dos variables. 28. Bias: Comparacin de MtodosInterpretacin de resultadosCmo estimar el Bias en unidades de concentracin yporcentaje a partir de la ecuacin de la recta obtenida delestudio de comparacin de mtodos?Pendiente: 1,0377 (m)Intercepto:5,37 (b)Ecuacin de la recta: Y = m * X + bY = pendiente * X + InterceptoY = 1,0377 * X + 5,37X : Concentracin a la cual se va a evaluar el biasDebera representar un nivel de decisin mdica 29. Bias: Comparacin de MtodosInterpretacin de resultadosY = 1,0377 x X + 5,37Lo que quiero saber es:- Para una muestra que tenga un valor verdadero de Xque valor voy a obtener yo de acuerdo al Bias de mimtodo .- X = 100 mg/dl- Y = 1,0377 x 100 + 5,37-Y = 109,1mg/dl- Para una muestra con un valor verdadero de 100 mg/dlcon mi mtodo yo obtendra un valor de 109,1 mg/dl. 30. Bias: Comparacin de MtodosInterpretacin de resultadosX = 100 mg/dl (valor verdadero)Y = 109,1 mg/dl (valor obtenido)Cul es el Bias en unidades de concentracin?concentracinBias = Valor Obtenido Valor VerdaderoBias = 109,1 100 = 9,1 mg/dl 31. Bias: Comparacin de MtodosInterpretacin de resultadosX = 100 mg/dl (valor verdadero)Y = 109,1 mg/dl (valor obtenido)Cul es el Bias en porcentaje?Bias = Valor Obtenido Valor Verdadero x 1ooValor VerdaderoBias = 109,1 100 x 1oo 100Bias = 9,1 % 32. Bias: Comparacin de MtodosCada punto representa una muestra medida con dos procedimientos.La lnea roja es la recta de regresin y la negra indica la igualdad x=y A Resultados idnticos B Error sistemtico constante positivo 33. Cada punto representa una muestra medida con dos procedimientos.La lnea roja es la recta de regresin y la negra indica la igualdad x=yC Error sistemtico proporcional D Error mixto 34. Bias: Esquemas Interlaboratorio Interpretacin de resultadosLos esquemas interlaboratorio brindan unainformacin muy til para la estimacin del BiasPuntos crticos:-Contra que me comparo.-Valor verdadero.-Trazabilidad.-Tamao del grupo de comparacin.-Niveles de decisin mdica evaluados. 35. Bias: Esquemas InterlaboratorioEvaluemos Nivel 1:Supongamos valor verdadero: Media grupo parLab: 40,07Media grupo par: 39,05Bias: ( 40,07 - 39,05) = 1,02Bias %: (1,02 / 39,05)*100= 2,61% 36. Bias: Esquemas InterlaboratorioEvaluemos Nivel 1:Supongamos valor verdadero: MediaAcumulada del laboratorioLab: 40,07Media acum. Lab.: 40,08Bias: ( 40,07 - 40,08) = -0,01Bias %: (0,01 / 40,08)*100= 0,02% 37. Bias: Esquemas InterlaboratorioEvaluemos Nivel 1:Supongamos valor verdadero: Media delMtodoLab: 40,07Media del Mtodo: 37,72Bias: ( 40,07 - 37,72) = 2,35Bias %: (2,35 / 37,72)*100= 6,2% 38. Bias: Esquemas InterlaboratorioEvaluemos Nivel 2:Supongamos valor verdadero: Media grupoparLab: 185,6Media grupo par: 188,1Bias: ( 185,6 188,1) = -2,5Bias %: (2,5 / 188,1)*100= 1,3% 39. Bias: Esquemas InterlaboratorioEvaluemos Nivel 2:Supongamos valor verdadero: Media Acumuladadel laboratorioLab: 185,6Media acum. Lab.: 186,4Bias: ( 185,6 - 186,4) = -0,8Bias %: (0,8 / 186,4)*100= 0,4% 40. Bias: Esquemas InterlaboratorioEvaluemos Nivel 2:Supongamos valor verdadero: Media del MtodoLab: 185,6Media del Mtodo: 188,1Bias: ( 185,6 188,1) = -2,5Bias %: (2,5 / 188,1)*100= 1,3% 41. valor verdaderoprobabilidadmedida b medida aerroraleatorioerror sistemtico 80 90100110120resultado medicin-15 0tamao error sistemtico 42. Bias: Verificacin de VeracidadRecuperacin 43. Desempeo del MtodoPremisa:Establecer los Requisitos de CalidadConocemos el desempeo de nuestros mtodos en condicionesestables a partir de la verificaciones y validaciones analticas demtodos.Una vez conocido el mtodo como aceptable (cumple con nuestrorequisitos de calidad), trabajamos con control de calidad paraasegurarnos que el mtodo permanece estable en funcin del tiempo.Operando correctamente los datos de desempeo analtico delmtodo obtenidos de las corridas de los controles (esquemasinterlaboratorio), junto con los requisitos de calidad podemos seguircual es el comportamiento del mtodo de acuerdo a nuestrasexpectativas. 44. Desempeo del MtodoLos errores calculados son:- Error Aleatorio: A partir de los protocolos dePrecisin Simple y Compleja.SD y CV- Error Sistemtico: A partir del protocolo deComparacin de Mtodos.Y = Pendiente * X + InterseccinDe la combinacin de conceptos y errores surge ladecisin acerca de la aceptabilidad del mtodo enestudio.Existen varios modelos para esta combinacin.Los ms apropiados son:1-Method Desicion Chart2-Six Sigma 45. Desempeo del MtodoMethod Desicion Chart- Recomendaciones para combinacin de errores: bias + 2SD < TEa bias + 3SD < TEa bias + 4SD < TEa- A partir de los protocolos de evaluacin obtenemos lossiguientes datos:BIAS CV- BIAS y CV se calculan en concentraciones consideradasniveles de decisin mdica. 46. Desempeo del MtodoEl TE a debe expresarse en porcentaje.Si TE a est expresado en concentracin, debetransformarse en porcentaje considerando el nivel dedecisin mdica seleccionado: TE a: 1 mg/dl (Calcio) Nivel de decisin mdica: 11 mg/dl TE a%: (1/11)*100 = 9.1 %TE a: 0.5 mEq/l (Potasio)Nivel de decisin mdica: 3.0mEq/lTE a%: (0.5/3.0)*100 = 16.7 % 47. Desempeo del MtodoCrear el grfico:- Rotular el eje Y como Inexactitud permitida ( BIAS %) yestablecer una escala de 0 a TE a%.- Rotular el eje X como Imprecisin permitida ( CV %) yestablecer una escala de 0 a TE a.0,5 (la mitad)- Dibujar la lnea bias + 2SD uniendo el TE a en el eje Y conel TE a.0,5 en el eje X.- Dibujar la lnea bias + 3SD uniendo el TE a en el eje Y conel TE a.0,33 en el eje X.- Dibujar la lnea bias + 4SD uniendo TE a en el eje Y con elTE a.0,25 en el eje X.- Rotular las zonas ( de derecha a izquierda) como Pobre,Marginal, Bueno y Excelente. 48. Desempeo del Mtodo 49. Desempeo del Mtodo 50. Desempeo del MtodoPobre: El mtodo no cumple con los requerimientos de calidad, nisiquiera trabajando en condiciones de base, por lo tanto, es inapropiadopara ser empleado como mtodo de rutina.Marginal: El mtodo provee la calidad requerida solo bajocondiciones muy controladas. Ser difcil trabajarlo como mtodo derutina y debe establecerse una estrategia de calidad total.(entrenamientode operadores, QC exhaustivo, plan de mantenimiento frecuente, controlde resultados).Bueno: Cumple con los requerimientos de calidad y puede serempleado en forma rutinaria con un QC planificado.(multiregla o N:4)Excelente: Cumple con los requerimientos de calidad y es fcil demanejar con un QC mnimo. 51. Control de procesos Evaluacin de desempeo 53 52. 1 Si X es una variable aleatoria distribuida segn una distribucinN(, ), hallar:p(3 X +3)p(2 X +2)p( X +)54 53. 1.- La media de los pesos de 500 bolsas de glucosa es 70 mg y la desviacintpica 3 mg. Suponiendo que los pesos se distribuyen normalmente, hallar cuntasbolsas pesan:1. Entre 60 mg y 75 mg.2. Ms de 90 mg.3. Menos de 64 mg.4. 64 mg.5. 64 kg o menos.55 54. P(a < Z b ) = P(Z b) [ 1 P(Z a)]1. Entre 60 mg y 75 mg.56 55. P(Z > a) = 1 - P(Z a)2. Ms de 90 mg.57 56. 3. Menos de 64 mg. P(Z a) = 1 P(Z a)4. 64 mg. 58 57. 2 En un control de una estufa se estima que la temperatura mxima enel mes de Octubre, si una distribucin normal, con media 23 ydesviacin tpica 5. Calcular el nmero de das del mes en los que seespera alcanzar mximas entre 21 y 27. P(a < Z b ) = P(Z b) [ 1 P(Z a)] 59 58. 4.- En un servicio de imagenologa una de cada trespacientes requiere Ecotomografia. Si se eligen al azar 90pacientes, calcular la probabilidad de que entre ellas hayapor lo menos 30 pacientes con solicitud de ecotomogafia.60 59. II.- Se ha determinado que la probabilidad de nolograr una tincin de tejido en un proceso normal conun nuevo equipo es de 0,01. Calcular la probabilidadde que entre 8 y 14 tinciones de tejido salgandefectuoso en el nuevo equipo sobre un total de1000 tinciones de tejidos realizados. 60. R: P(8 < x < 14) = 0,8980 - 0,2643 = 0,6337. = 0,01 * 1000 = 10S= S = 3,14P(8 < x < 14) =N = 1000 P (- 0,63 < Z < 1,27)p = 0,01q = 0,9962 61. P(a < Z b ) = P(Z b) [ 1 P(Z a)]P (- 0,63 < Z < 1,27)P(z 1,27) - [1-(z 0,63)]F = 0,8980 ( 1 0,7357)F = 0,8980 - 0,2643F = 0,6337 = 63,37% 63 62. 6.- Se determin la Lipemia con un mtodo colorimtrico de un grupo de 200individuos que padecen hipotiroidismo, obtenindose un promedio de 13 g/l, conun desvo estndar de 0,1 g/l. Se pide calcular la probabilidad de encontrar unpaciente elegido al azar cuyo valor:a) Est entre 13 y 13,2 g/l; b) sea mayor de 13,25 g/l; c) est comprendido entre13,1 y 13,2 g/l64 63. 1.- Que porcentaje de las muestras caen en el rango deseado depureza de 81.5% y 87.5% en el producto, si se analizaron 75 muestrasdeterminando una media de 76.4% y s=112.- Que porcentaje de las muestras no cumplen el rango deseado depureza de 81.5% y 87.5% en el producto, si se analizaron 75 muestrasdeterminando una media de 84.4% y s=53.- utilice tabla del rea debajo de la curva para Z 65 64. Para asegurar un Sistema de Garanta de Calidad se desea saber si uninstrumento de medicin cualquiera est calibrado, desde el punto de vista de laexactitud. Para ello se consigue un valor patrn y se lo mide 10 veces (porejemplo: una pesa patrn para una balanza, un suero control para un mtodoclnico, etc.). Suponiendo que el resultado de estas mediciones arroja una mediade 52,9 y un desvo de 3, usando un patrn de valor 50, se debe determinar si elinstrumento est calibrado y la estimacin de su error sistemtico, si es que seprueba su existencia (no se usan unidades para generalizar el problema). Utilizarun lmite de confianza del 95%66 65. Ho : = 50 el instrumento est calibrado en exactitudH1 : 50 no est calibrado. Hay un error sistemtico 67 66. X2(1 )100% X Z 2< < X + Z 2n n Intervalo de Confianza para ; con Conocida Z 2 68 67. Dada la distribucin del estadstico y el nivel de confianza, se tiene la siguiente igualdad probabilstica:Intervalo de Confianza de Muestras Pequeas para ; con desconocida S SX t 2 < < X + t 2n nPor lo tanto:S SP [X t 2n< < X + t 2n] = 1 tX P 2 Ns o 61 3,5 S. Mtodo con excelente desempeo5S