Control de calidad de datos por Naila Baig

Control de calidad de datos por Naila Baig Ansari Investigadora Dept de Ciencias de la Salud Comunitaria Universidad Aga Khan Karachi, Pakistán

¿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 aprendizaje l Conocer los pasos necesarios para asegura la calidad y control de datos en varios estadios de un estudio l Entender las diferencias entre prueba piloto y pre-test l Entender la importancia de diseño de los instrumentos para colección de datos l 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 realización l Conocer la diferencia entre aseguramiento de calidad y control de calidad y formas de asegur ambas. l Conocer los objetivos de una prueba piloto y un pre-test l Entender como los instrumentos de colección de datos deberán ser diseñados y codificados. l Ser capaz de manejar datos usando una auditoría l Ser capaz de inspeccionar base de datos buscando errores y rectificarlos.

Control de calidad de datos l Aseguramiento de calidad l Control de calidad – Monitoreo y – Actividades para asegurar la calidad de los datos antes de su colección 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 calidad 1. 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 de procedimientos l ¿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. l 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 equipo l El enfoque es familiarizar a cada miembro del equipo con los procedimientos bajo su responsabilidad. l Certificación de entrenamiento de los miembros del equipo para realizar un procedimiento específico.

Aseguramiento de calidad: pretest y prueba piloto l Pretest – Involucra evaluar procedimientos específicos sobre una muestra para detectar errores importantes l 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 piloto l 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 l Prueba piloto – Además de lo anterior, el flujo del proceso

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

Ejemplo de libro de códigos Variable P No Significado Código Formato P 1 Id P 1 Pregunta N°. 1 -750 C 3 P 2 Sex P 2 Sexo del respondente 1 masculino 2 N 1. 0 Femenino P 3 Child P 3 N° de niños 99 no respuesta N 2. 0 P 4 Wt P 4 Peso en kg. 999 No registrada N 3. 1 P 5 roof P 5 Tipo de techo 1 RCC N 2. 0 2 Cemento 3 De hojas 4 Paja Otras (especifique)

Aseguramiento de calidad: genere un libro de códigos l 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 p 3 edad) l 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 de códigos l Códigos – Intente y use códigos numéricos l 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 calidad Observación de procedimientos y realización de miembros del personal para identificación de desviaciones obvias del protocolo l 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: Auditoria l 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 l Propósito para auditar es – Protegernos de errores, pérdida de tiempo y pérdida de información – Habilitar auditoria externa (revisión)

Manejo de datos: manipulación de datos l Entrada de datos – Use programa profesional de entrada de datos como Epi. Data l Preparaciones – Complete el libro de códigos – Examine cuestionarios para inconsistencias obvias, modelos de salto

Manejo de datos: manipulación de datos l 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 l l Compare contenidos para tener una lista de discrepancias (Epi. Info) Corrija errores en ambos archivos y efectúe nueva comparación

Primera inspección de datos. Encontrando errores l Adicione variables y etiquetas de valores a los datos usando un comando de sintaxis l 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). l 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 - documentación l 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 l 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 - documentación l Divida el proceso en distintos y bien definidos pasos y que la documentación de un paso a otro sea consistente. l 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.

Análisis l 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 l Descubrimiento inconsistencias tardío de errores e

Respaldando vs Archivando l 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 l 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.