Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Caso práctico
Susana en una de sus rotaciones coincide con Miguel, un facultativo del laboratorio
que, en ese momento, está comprobando en el ordenador los resultados de una grá ca
de control de calidad realizada a partir de unos controles de glucosa.
-¿Es necesario realizar estas tareas de control de calidad con frecuencia? -pregunta
Susana.
-Sí -contesta el facultativo.- Con los datos obtenidos a partir de los controles, podemos
calcular la media y la desviación estándar de los resultados y, a partir de esas medidas
estadísticas, representar grá camente todo el proceso para decidir si debemos o no
aceptar la serie analítica que estamos realizando. Además, de este modo podemos
detectar los errores que se comenten en el laboratorio.
-Esa sería una actividad de control de calidad interno, ¿verdad? -pregunta Susana.
-Efectivamente, veo que conoces los conceptos relacionados con la calidad, añade el
analista.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 1/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Reflexiona
Con seguridad que te has sometido en alguna ocasión a un análisis de sangre. Una vez
realizado, has recogido los resultados y los has entregado a tu médico, que te ha
diagnosticado y tratado teniéndolos en cuenta. ¿Te has planteado la posibilidad de que
esos datos fueran erróneos? ¿Has pensado en las implicaciones que ello podría tener en
tu estado de salud?
Puesto que los errores son inherentes a cualquier actividad humana, los laboratorios también
están sometidos a ellos. En esta unidad temática vas a estudiar los diversos mecanismos que
pueden aplicarse en un laboratorio con el n de evitar esos errores y de conseguir resultados
dotados de la su ciente abilidad, exactitud y precisión. También conocerás qué métodos
nos van a asegurar la consecución de un nivel de calidad debidamente contrastado y de qué
manera un laboratorio es certi cado o acreditado en este sentido.
Para alcanzar los objetivos anteriores, será necesario que aprendas algunos conceptos
estadísticos que permitirán obtener datos numéricos a partir de los cuales podrás realizar los
cálculos necesarios para determinar el nivel de calidad alcanzado por el laboratorio.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 2/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Caso práctico
-¡Ah, como ocurre en las elecciones generales con las encuestas previas a la votación! -
concluye Carlos.
Lo primero que debes saber en relación con la estadística es su de nición. Se entiende por
estadística "el conjunto de métodos matemáticos capaces de recoger, clasi car, representar y
resumir datos, así como de extraer conclusiones cientí cas a partir de ellos".
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 3/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Si analizas la de nición anterior, verás que aparece dividida en dos partes que, a su vez,
de nen las dos grandes vertientes de la estadística:
Estadística descriptiva: Recoge, clasi ca, representa y resume los datos obtenidos en
cualquier experimento.
Estadística inferencial: Alcanza conclusiones válidas a partir de la información obtenida
en el experimento.
La información con la que trabaja la estadística suele ser incompleta. Para que entiendas esta
a rmación, puedes plantearte la siguiente suposición: Imagina que quieres conocer los
valores de colesterol en sangre de los niños y niñas de tu población. Como te será
prácticamente imposible medir el citado elemento a todos ellos, lo que deberás hacer es
tomar a un grupo reducido de niños y niñas y, tras medirles el colesterol en sangre, extender
los resultados a toda la población infantil que querías estudiar.
Entendemos por población al conjunto de todos los elementos o individuos que presentan
una o varias características comunes que pueden ser objeto de estudio.
Entendemos por muestra a una parte representativa de la población que queremos estudiar.
En el ejemplo anterior has trabajado con una muestra de niños y niñas. Dicha muestra es
sólo una parte (información incompleta) del total de la población, pero gracias a las técnicas
estadísticas podremos extender las conclusiones obtenidas en la muestra a toda la población.
Para que la muestra sea válida y te permita extraer conclusiones a partir de ella, será
necesario que tenga un tamaño adecuado (que puede determinarse mediante ciertos
cálculos) y, además, que sea representativa de la población. Para ello será imprescindible que
todos los individuos de esa población tengan las mismas posibilidades de ser elegidos, que la
muestra reproduzca la distribución de la población (por ejemplo, en porcentaje de hombres y
mujeres) y que la elección de un individuo no in uya en la elección de otro cualquiera. Para
conseguir todo esto, debes recurrir a métodos aleatorios, es decir, basados en el azar. En
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 4/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
estas circunstancias, la muestra resultante será una muestra aleatoria, que es con la que te
interesa trabajar.
Los datos estudiados por la estadística pueden presentar una gran variabilidad de unos
individuos a otros, de ahí que se denominen variables.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 5/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Ya sabes que se encarga de recoger, clasi car, representar y resumir los datos obtenidos a
partir de la muestra con la que estamos trabajando.
Una vez obtenidos dichos datos, lo primero que deberás hacer con ellos es clasi carlos con
ayuda de una tabla de frecuencias. Esta tabla agrupa los datos en categorías (o modalidades)
excluyentes entre sí, indicando el número de veces que se repite cada una de ellas
(frecuencia). A continuación puedes ver una de estas tablas:
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 6/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Autoevaluación
Mostrar retroalimentación
Solución
1. Incorrecto
2. Correcto
3. Incorrecto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 7/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
4. Correcto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 8/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Una vez clasi cados los datos en la tabla de frecuencias, conviene que los representes
mediante alguna representación grá ca. De esta manera te serán más fáciles y atractivos de
interpretar. Existen distintos tipos de grá cas, pero nos interesan especialmente los
diagramas de barras, los histogramas y los polígonos de frecuencias:
Diagramas de barras e histogramas: Son las representaciones grá cas más frecuentes
en el mundo cientí co. Consisten en una serie de rectángulos o barras cuya altura
depende de la frecuencia de cada categoría o intervalo. Si los datos son cualitativos o
cuantitativos discretos, las barras están separadas unas de las otras (diagrama de
barras), pero si son cuantitativos continuos, las barras están pegadas unas a las otras
(histograma).
Polígono de frecuencias.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 9/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Debes conocer
Existen otros tipos de representaciones grá cas que también resultan muy útiles para
interpretar los datos obtenidos de una muestra. En el siguiente documento podrás
conocer uno de ellos, el grá co de sectores, y ver algún ejemplo:
Accede a este enlace y podrás conseguir más información sobre las diferentes
representaciones grá cas utilizadas en estadística:
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 10/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Si repasas la de nición de estadística verás que en ella aparece la frase “resumir datos”. Pues
bien, en general cuando se trabaja con los datos obtenidos de la muestra, se pre ere hacer
uso de una serie de medidas que resumen las características de dicha muestra de manera
representativa. Estas medidas estadísticas pueden ser de dos tipos: De posición y de
dispersión.
La media es la suma de todos los valores de la muestra, dividida entre el número total
de ellos. Se calcula de acuerdo con la siguiente expresión (dónde xi es cada uno de los
datos de la variable, fi su frecuencia y N el número total de datos:
Podrás entender mejor la necesidad de las medidas de dispersión con este ejemplo: Si
partes de los valores 30 y 34 y haces su media, obtendrás el valor 32. Por otra parte, si
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 11/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
tus valores iniciales son 12 y 52, su media también será 32. Puedes observar como en el
segundo caso los datos están mucho más separados que en el primero. Las medidas de
dispersión te hablarían de esta separación.
siguiente expresión:
Ejercicio resuelto
85, 123, 91, 98, 102, 89, 115, 134, 92, 135
Mostrar retroalimentación
Solución al ejercicio 1.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 12/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 13/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Imagina que estás trabajando con alguna variable cuantitativa continua. Si dispones de
muchos datos y los agrupas en intervalos pequeños, te encontrarás con una gran cantidad
de dichos intervalos. Si ahora representas su polígono de frecuencias, al haber tantos puntos
cercanos que unir entre sí, la típica línea quebrada de esta representación grá ca se parecerá
más a una línea curva. Dicha curva podrá ser simétrica respecto de su punto central
(adoptando entonces una forma de campana) o asimétrica respecto de dicho punto
(pudiéndose desviar hacia la izquierda o hacia la derecha).
Campana de Gauss.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 14/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Cada variable aleatoria que siga una distribución normal tendrá su propia media y desviación
estándar y sus curvas normales serán diferentes. Si quieres comparar dos de ellas, primero
tendrás que convertir sus datos en valores comparables, lo que se consigue mediante el
proceso de tipi cación. La tipi cación consiste en convertir los valores de la variable aleatoria
(X) en valores z (también llamados puntuaciones típicas). Lo podrás hacer aplicando la
siguiente expresión:
Gracias a la tipi cación podrás comparar dos variables aleatorias distintas. Puedes verlo en
este ejemplo: Queremos saber si un individuo es más alto que grueso (comparamos la
variable altura con la variable peso). En principio parece una misión difícil, pero la tipi cación
lo permite. Supongamos que la altura sigue una distribución normal de media 175 cm y
desviación estándar 5 cm, y el peso sigue otra distribución normal de media 72 kg y
desviación estándar 6 kg. Si tomamos un individuo de altura 179 cm y peso 75 kg, al tipi car
los datos obtendríamos que la puntuación típica de la altura sería 0,8 y la del peso sería 0,5.
De aquí deduciríamos que es más alto que grueso en relación a la población a la que
pertenece.
Ejercicio resuelto
Hallar el porcentaje de niños y niñas que nacerán con un nivel hematocrito inferior al
50%, sabiendo que la variable aleatoria "nivel hematocrito en recién nacidos" sigue una
distribución normal de media 48% y desviación estándar 1,5%.
Mostrar retroalimentación
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 15/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Solución al ejercicio 2.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 16/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Cuando has estudiado la estadística descriptiva, has estado trabajando con muestras. Si
ahora quieres extrapolar los resultados de la muestra a toda la población, tendrás que
recurrir a la estadística inferencial. Podrías pensar que lo más fácil es ir directamente al
estudio de la población completa, pero esto es frecuentemente imposible, ya sea por el gran
tamaño de ella o por problemas de accesibilidad o de cualquier otro tipo que impidan su
estudio exhaustivo.
La población, como la muestra, tiene unos parámetros que la de nen. En la muestra hemos
visto que dos de los parámetros más importantes eran la media muestral ( ) y la desviación
estándar muestral (S). Pues bien, la población también dispone de esos parámetros, pero
ahora se denominan media poblacional (µ) y desviación estándar poblacional (σ).
Existen dos grandes tipos de inferencia estadística relacionada con el cálculo de los
parámetros poblacionales a partir de los muestrales: La estimación de parámetros y el
contraste de hipótesis.
Vamos a ver el modo en que se construye un intervalo de con anza para la media
poblacional. Con este n, debes recorrer los siguientes pasos:
expresión:
Ejercicio resuelto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 18/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Mostrar retroalimentación
En el siguiente enlace puedes ver las soluciones a los dos ejercicios de elaboración
de intervalos de con anza para la media poblacional, uno de ellos para muestras
mayores de 30 casos y otro para muestras menores de 30 casos, haciendo uso de
la tabla t Student.
Solución al ejercicio 3.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 19/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Otro tipo de inferencia estadística relacionada con el cálculo de los parámetros poblacionales
a partir de los muestrales es el contraste de hipótesis que estudiarás a continuación.
Hipótesis nula (H0): Sostiene que no hay diferencias signi cativas entre los resultados
poblacionales y los hipotéticos. H0: µ = Valor hipotético.
Hipótesis alternativa (H1): Se acepta si la nula se rechaza, ya que sostiene que existen
diferencias entre los resultados poblacionales y los hipotéticos. H1: µ ≠ Valor hipotético.
A continuación verás los pasos que debes seguir para realizar un contraste de hipótesis para
la media poblacional:
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 20/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
En todo caso, dado que no utilizamos niveles de con anza del 100%, siempre podremos
cometer errores al aceptar o rechazar la hipótesis nula. Dichos errores pueden ser de dos
tipos:
Ejercicio resuelto
Mostrar retroalimentación
Solución al ejercicio 4.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 21/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Desde un punto de vista estadístico, la comparación de dos variables cuantitativas para ver si
están relacionadas entre sí se hace por medio de la correlación, que permite saber qué ocurre
con una de las variables cuando la otra va aumentando o disminuyendo.
Por otra parte, una vez comprobada la relación entre las dos variables, te interesará disponer
de una ecuación matemática que permita predecir el valor de una de las variables tras
conocer un valor de la otra. En estas circunstancias haremos uso de técnicas de regresión.
Para desarrollar estas metodologías, comenzarás por representar grá camente los resultados
de una de las variables (X) frente a los de la otra (Y). El resultado será un conjunto de puntos
que frecuentemente seguirán una tendencia lineal (ascendente o descendente). Dicha
representación grá ca toma el nombre de diagrama de dispersión o nube de puntos.
1. Correlación: Para saber si las dos variables cuantitativas están relacionadas se utiliza el
coe ciente de correlación de Pearson, que se calcula con la siguiente expresión:
El valor de este coe ciente se mueve entre +1 y -1 (el signo indica si la correlación es
positiva o negativa, es decir, ascendente o descendente). Valores cercanos a ±1 indican
alta correlación, mientras que valores cercanos a 0 indican baja correlación.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 22/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
2. Regresión: Si los puntos del diagrama de dispersión de las dos variables tiende a la
linealidad, gracias a la regresión podrás calcular la recta que mejor se adapta a esos
puntos, lo cual te permitirá pronosticar el valor de una variable en función del valor de
la otra.
Toda recta queda de nida por una ecuación cuya fórmula es , dónde "b" es
la pendiente (o inclinación) de la recta y "a" es el punto dónde la recta corta al eje
vertical del diagrama de dispersión. Podremos calcular "a" y "b" con ayuda de las
siguientes expresiones:
Ejercicio resuelto
Ejercicio 5: Correlación.
Mostrar retroalimentación
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 23/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Solución al ejercicio 5.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 24/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Caso práctico
-Estos informes nos los envían instituciones que controlan los niveles de calidad de los
laboratorios y demuestran cómo trabaja el nuestro en relación a otros muchos, les
comenta Victoria.
-Periódicamente nos envían unos materiales de control que nosotros analizamos como
si fueran nuestras muestras. Luego enviamos los resultados y, al cabo del tiempo,
obtenemos la respuesta diciéndonos si estamos en la media de los demás laboratorios
o nos desviamos de ella.
-Para dar los resultados necesitan hacer cálculos estadísticos, ¿verdad? -dice Susana.
-Por supuesto -comenta Victoria.- Sin ellos no podríamos tener resultados ables.
Para comenzar este apartado, lo primero que debes saber es que el control de calidad es un
sistema diseñado para incrementar las probabilidades de que todos los resultados emitidos
por el laboratorio sean válidos y puedan ser utilizados con total con anza por el médico que
los solicitó a la hora de tomar decisiones diagnósticas y terapéuticas. En general, el control de
calidad se lleva a cabo sobre el producto o servicio terminado (resultado analítico en este
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 25/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
caso) y determina la capacidad de este producto o servicio para cumplir las especi caciones
para las que se diseñó.
El objetivo de todo sistema de control de calidad en el laboratorio es detectar los errores que
tienen lugar durante todo el proceso analítico y que pueden invalidar la utilidad médica de los
resultados obtenidos
Debes recordar que todo proceso analítico de obtención de resultados en el laboratorio pasa
por tres fases bien de nidas denominadas fase preanalítica, fase analítica y fase
postanalítica.
Debes conocer
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 26/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
TGL06_CONT_R18_procesoanaltico.pdf 1 / 4
En cada una de estas fases pueden darse errores que anulen el objetivo principal del
laboratorio que, como ya sabes, no es otro que obtener resultados que puedan ser utilizados
con total con anza por el médico solicitante. Así, te podrás encontrar con errores
preanalíticos, analíticos y postanalíticos.
Errores postanalíticos: Se suelen relacionar con fallos en los cálculos a realizar tras la
analítica, confusiones en la expresión de resultados, registro de resultados de un
paciente en el informe de otro, etc.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 28/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Todo método que vayas a utilizar en el laboratorio con el n de realizar un análisis cualquiera
tendrá una serie de características que nos permitirán evaluar su calidad.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 29/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
La trazabilidad de un resultado analítico nos permite conocer en todo momento las etapas
que han conducido a su generación.
En un laboratorio, la trazabilidad debe estar establecida en todas las etapas del trabajo
analítico. Esto quiere decir que afectará a muestras, métodos, procedimientos, datos,
documentos. Gracias a ella se puede volver atrás para detectar posibles errores durante el
proceso analítico.
Autoevaluación
Solución
1. Incorrecto
2. Opción correcta
3. Incorrecto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 30/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 31/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Ya has visto que durante la fase analítica puedes encontrarte con dos tipos de errores
denominados aleatorio y sistemático. Vamos a hablar de ellos:
El error aleatorio afecta a la precisión del método de medida y se detecta gracias a sistemas
de control de calidad internos, con ayuda de medidas estadísticas del tipo de la desviación
estándar y el coe ciente de variación.
2. Error sistemático: Es debido a una misma causa que se repite en el tiempo. Es un error
persistente y no dependiente del azar que frecuentemente se debe a causas
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 32/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Los errores sistemáticos afectan a la exactitud del método de medida y se detectan gracias a
sistemas de control de calidad internos y externos. Su corrección depende en gran medida de
una adecuada calibración de los distintos ensayos que se realizan en el laboratorio.
La suma de los errores aleatorio y sistemático nos da el error total. Por otra parte, existe el
error total máximo permitido, que hace referencia al máximo error aceptable que no
compromete la interpretación del análisis.
Autoevaluación
Mostrar retroalimentación
Solución
1. Incorrecto
2. Correcto
3. Correcto
4. Incorrecto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 33/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
A la hora de valorar la calidad de un proceso analítico cualquiera, tendrás que hacer uso de
una serie de sustancias de referencia. Dichas sustancias podrán ser utilizadas con los
siguientes propósitos:
Los líquidos de referencia pueden tener un origen biológico (humano o animal) o no biológico
(disolución del analito buscado en un medio adecuado). Los podrás encontrar en formato
líquido o lio lizado, en este caso deberás reconstituirlo antes de su uso (este paso debe
hacerse con mucho cuidado, ya que, en caso contrario, puede ser origen de importantes
errores en el laboratorio).
Dependiendo de para qué vayan a ser utilizados en el laboratorio, te encontrarás con los
siguientes tipos de líquidos de referencia:
valores normales (se corresponden con los siológicos) o patológicos (son más altos o
más bajos que los siológicos). Los controles y las muestras se analizan juntos;
dependiendo del grado de conocimiento que el trabajador del laboratorio tenga del
control que está utilizando, distinguimos tres tipos de ensayos de control:
Ensayo ciego: El control pasa desapercibido para el analista, que lo considera una
muestra más.
Ensayo semiciego: El tubo que contiene el control es reconocible para el analista,
pero no sus valores.
Ensayo abierto: El analista puede reconocer el tubo que contiene el control y,
además, tiene acceso a sus valores.
Los controles se utilizan en el laboratorio con una serie de nalidades entre las que
debes tener en cuenta, por su importancia, las siguientes:
Autoevaluación
En el ensayo semiciego se conoce el tubo del control y sus valores. ¿Verdadero o falso?
Verdadero.
Falso.
Solución
1. Incorrecto
2. Opción correcta
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 35/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Puesto que vas a utilizar líquidos de referencia del tipo de los controles en el control de
calidad del laboratorio, será necesario que recojas y proceses los datos que se van generando
al medirlos repetidas veces. Para ello debes recurrir a las grá cas de control.
Las grá cas de control son representaciones grá cas de los resultados obtenidos al hacer
determinaciones de los controles a lo largo del tiempo.
Estas grá cas te darán una información visual de fácil interpretación que te permitirá saber si
los resultados obtenidos con el control (y, por tanto, los obtenidos con las muestras que se
analizan junto al control) son o no correctos y, en consecuencia, el procedimiento analítico
está controlado. Existen distintos tipos de estas grá cas de control, entre las que destacan
las de Levey-Jennings y las de CuSum.
1. Grá cas de Levey-Jennings: Para realizarla, primero debes analizar el control al menos
20 veces en días diferentes; a partir de los resultados obtenidos, calcularás la media y la
desviación estándar. Ahora puedes construir la grá ca colocando en el eje horizontal los
días del mes y en el eje vertical la media (en posición central) y tres marcas por encima
y por debajo de la media, correspondientes a ±1, 2 y 3 desviaciones estándar. Al
prolongar mediante líneas horizontales los valores mencionados antes (media y ±1, 2 y
3 desviaciones estándar), se establecen unas franjas que se corresponden con los
llamados límites de aviso, de alarma y de acción:
Límite de aviso: Incluye la franja que va desde el valor de la media hasta ±1
desviación estándar. Dentro de ella deberían estar 68 de cada 100 resultados.
Límite de alarma: Desde el valor de la media hasta ±2 desviaciones estándar.
Entre sus límites deberían estar 95,45 de cada 100 resultados.
Límite de acción: Va desde el valor de la media hasta ±3 desviaciones estándar. En
su interior deberían estar 99,73 de cada 100 resultados.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 36/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
A partir de aquí, cada día anotarás los resultados obtenidos en el tubo de control. Los
valores obtenidos no deberían sobrepasar la línea correspondiente a la segunda
desviación estándar (ni por arriba, ni por abajo).
Al examinar las grá cas de Levey-Jennings pueden observarse ciertas alteraciones del
tipo del desplazamiento (o desviación de todos los valores hacia arriba o hacia abajo), la
tendencia (desviación progresiva hacia arriba o hacia abajo), la oscilación (presencia de
numerosos valores tanto claramente por encima como claramente por debajo de la
media) o el salto (presencia de un valor aislado claramente por encima o por debajo de
la media). Las dos primeras situaciones indican errores sistemáticos, mientras que las
dos últimas indican errores aleatorios,
2. Grá cas de CuSum: Son similares a las anteriores, pero en el eje vertical se representa la
diferencia entre el resultado del día y el valor medio de forma acumulativa. Estas
grá cas detectan las tendencias de una forma más clara que las de Levey-Jennings
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 37/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Las grá cas de Levey-Jennings suelen ser las más utilizadas en el control de calidad de los
laboratorios. Pues bien, los datos obtenidos tras la determinación de los controles a lo largo
del mes y su posterior representación grá ca deben ser interpretados utilizando para ello
una serie de reglas de decisión que determinarán si debes aceptar o rechazar la serie
analítica.
Regla 12s: Un valor de control excede la media por más de dos desviaciones estándar. Es
una señal de alerta que obliga a revisar el resto de las reglas.
Regla 13s: Un valor de control excede la media por más de 3 desviaciones estándar.
Sugiere un error aleatorio.
Regla 22s: Dos valores de control consecutivos exceden la media por más de dos
desviaciones estándar, pero menos de 3. La desviación de los controles debe ser en la
misma dirección. Sugiere un error sistemático.
Regla R4s: La diferencia entre dos controles consecutivos es mayor de 4 desviaciones
estándar. Cada uno de estos controles va en dirección contraria. Sugiere un error
aleatorio.
Regla 41s: Cuatro valores de control consecutivos exceden la media, en la misma
dirección, por más de una desviación estándar. Sugiere un error sistemático.
Regla : Diez valores de control consecutivo exceden la media en la misma dirección.
Sugiere un error sistemático.
Si observas que se cumple la regla 12s, debes revisar secuencialmente si también se cumple
cualquiera de las demás reglas. Si esto ocurre, rechazarás los resultados de la serie analítica.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 38/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Autoevaluación
Mostrar retroalimentación
Solución
1. Incorrecto
2. Incorrecto
3. Correcto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 39/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Los sistemas de gestión de calidad tratan de evaluar cómo y por qué se hacen las cosas,
documentar cómo se van a hacer y registrar los resultados para mostrar que efectivamente
se han realizado.
Pero, ¿qué es calidad? De una manera muy general, debes considerar que calidad de un
producto o servicio es la forma en que dicho producto o servicio se ajusta a los resultados
que se esperan de él. La ISO (Organización Internacional para la Estandarización) la de ne
como “la totalidad de rasgos y características de un producto o servicio que conllevan la
aptitud de satisfacer necesidades preestablecidas o implícitas”.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 40/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Si se actúa sobre estos tres aspectos, se estará cerca del concepto de calidad total.
La calidad total es la losofía o estilo de una empresa en la que todo su personal fomenta y
practica de manera participativa la mejora continua de la calidad.
Para alcanzar la calidad total es imprescindible elaborar una correcta plani cación del
funcionamiento del laboratorio, desarrollar un adecuado sistema de participación del
personal, disponer de un equipamiento material acorde con las necesidades del laboratorio y
llevar a cabo una buena política de formación continuada y de motivación del personal. Todo
ello debe estar minuciosamente documentado.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 41/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
En todo circuito de calidad nos encontraremos con una serie de fases que hay que recorrer
secuencialmente y que funcionan en forma de rueda, de tal manera que, una vez alcanzada la
última fase, debemos recomenzar el proceso para que la mejora del laboratorio sea continua.
Los circuitos de calidad se basan en el modelo Deming, también llamado ciclo PECA (o, en
inglés, PDCA: Plan, Do, Check, Act), que atraviesa las siguientes etapas:
1. (P) Plani car y organizar el sistema de control de calidad. En esta etapa deben jarse
los objetivos a conseguir.
2. (E) Ejecutar el sistema de control de calidad. En el laboratorio, la ejecución se basa en la
puesta en marcha de los sistemas de control de calidad interno y externo que veremos
a continuación.
3. (C) Controlar y evaluar los datos obtenidos en comparación con los objetivos jados en
la primera fase.
4. (A) Actuar en el sentido de aplicar las medidas correctoras que sean necesarias con el
n de mejorar los resultados.
La fase de ejecución del control de calidad incluye, como ya has visto, la puesta en marcha de
los controles de calidad interno y externo. Gracias a ellos podremos valorar estadísticamente
los datos obtenidos y tomar las decisiones pertinentes. Vamos a hablar de ellos.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 42/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
A partir de los resultados obtenidos con los controles de calidad internos a lo largo del mes,
se calcula la media, la desviación estándar y el coe ciente de variación, lo que nos permite
conocer la precisión del laboratorio.
El control de calidad externo se utiliza para valorar los resultados del laboratorio en relación a
otros laboratorios. La mecánica de este control de calidad es la siguiente: Periódicamente se
analiza una muestra (que es enviada a todos los laboratorios participantes por la institución
organizadora) y se determinan en él una serie de parámetros como si de un paciente se
tratara; se envían los resultados y, a continuación, se recibe un informe en el que dichos
resultados se comparan con la media de los obtenidos en todos los laboratorios participantes
en el programa (el resultado de nuestro laboratorio no debe diferenciarse más de una
desviación típica de la media de todos los laboratorios).
El control externo proporciona datos sobre la exactitud del laboratorio en comparación con la
media del resto de los laboratorios.
Gracias a los controles de calidad interno y externo se puede calcular el grado de imprecisión
e inexactitud del laboratorio y los distintos tipos de errores que presenta.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 43/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Tienen su origen en Estados Unidos, dónde, hasta mediados de los años 70, las autoridades
de la FDA (Food and Drug Administration) asumían que los estudios presentados por la
industria farmacéutica para su aprobación cumplían con uno de los requisitos recomendados,
que era el de la abilidad y exactitud de los datos obtenidos durante el experimento. Sin
embargo, dichas autoridades observaron que en algunos estudios presentados por las
compañías farmacéuticas había datos contradictorios y evidencias de prácticas de laboratorio
inaceptables. Eso hizo que en los años 1975 y 1976, los propios laboratorios farmacéuticos
solicitaran a la FDA la redacción y el establecimiento de una normativa que regulase sus
ensayos, a n de corregir y evitar las anomalías observadas.
1. Normativa BPL: Puede de nirse como “un conjunto de requisitos cientí cos, técnicos y
de sentido común para la administración de los laboratorios, tanto en lo referido a los
aspectos de dirección como para la ejecución de sus actividades, con vista a garantizar
la calidad y con abilidad de sus resultados y lograr la aceptación mutua de estos
resultados entre los diferentes países”. La normativa sobre BPL consta de los siguientes
apartados:
Organización y personal del laboratorio.
Programa de garantía de la calidad.
Instalaciones.
Aparatos, material y reactivos.
Sistemas experimentales.
Patrones de referencia y muestras a analizar.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 44/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Las normas ISO que regulan los Sistemas de Gestión de Calidad (SGC) de un laboratorio,
se agrupan en el llamado ISO 9000:2000 y se van actualizando continuamente (ISO
9001:2015, ISO 9004:2018). Los laboratorios clínicos que quieran obtener una
certi cación, deberán implementar la norma ISO 9001:2015, siguiendo las pautas y
cumpliendo con los requisitos que en ella se dictan. Su estructura se ajusta al siguiente
esquema:
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 45/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Visita los siguientes enlaces para conocer con mayor profundidad los principales
aspectos relacionados con la Normativa BPL e ISO 9001:2015.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 46/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Para garantizar la calidad del laboratorio es necesario diseñar un plan o sistema de calidad
que debe quedar minuciosamente descrito en un manual de calidad. El sistema de calidad se
de ne mediante sus documentos, los cuales representan al detalle la plani cación de la
gestión del laboratorio.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 47/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Autoevaluación
Los PNT reducen los riesgos de error por parte de quien realiza el análisis.
Mostrar retroalimentación
Solución
1. Correcto
2. Incorrecto
3. Incorrecto
4. Correcto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 48/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 49/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
A continuación verás los principales aspectos de cada uno de estos tres conceptos
(autorización, certi cación y acreditación), así como del proceso de auditoría que los evalúa.
En este enlace puedes acceder a la página de AENOR y saber más de esta institución
certi cadora de calidad.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 50/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
AENOR.
Este enlace te llevará hasta la página de ENAC en la que podrás conocer sus aspectos
más importantes:
ENAC.
Las normas para el proceso de acreditación de los laboratorios son la ISO 17025 (requisitos
generales relativos a la competencia de los laboratorios de ensayo y calibración) y la ISO
15189 (requisitos particulares para la calidad y la competencia de los laboratorios clínicos, con
especial atención a las obligaciones preanalíticas y postanalíticas), cuya última versión es del
año 2013.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 51/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Autoevaluación
Mostrar retroalimentación
Solución
1. Incorrecto
2. Incorrecto
3. Correcto
4. Correcto
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 52/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Con los datos de la tabla anterior, el grá co de sectores quedaría como se indica a
continuación:
0 caries:
1 caries:
2 caries:
3 caries:
>3 caries:
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 53/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
1. Media:
85, 89, 91, 92, 98, 102, 115, 123, 134, 135
Si los datos están agrupados en intervalos, entonces habría que calcular la marca de
clase (valor central del intervalo). Este valor será el que usemos a partir de ahora como
xi.
el primer caso).
2. Desviación estándar:
Debemos elaborar, en primer lugar, la siguiente tabla (utilizando la media del primer
caso: 106,4 mg/dL):
85 -21,4 457,96
89 -17,4 302,76
91 -15,4 237,16
92 -14,4 207,36
98 -8,4 70,56
102 -4,4 19,36
115 8,6 73,96
123 16,6 275,56
134 27,6 761,76
135 28,6 817,96
N=10 ∑=3224,4
Si los datos están agrupados en intervalos, entonces la tabla y los cálculos quedan
como sigue (utilizamos la media del segundo caso: 107 mg/dL):
Tabla de frecuencias con intervalos para los niveles de glucosa, marcas de clase y
cálculos necesarios para la desviación estándar
Niveles glucosa Frecuencia Marca de clase
(mg/dL) absoluta (fi) (xi)
80-90 2 85 -22 484 968
90-100 3 95 -12 144 432
100-110 1 105 -2 4 4
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 55/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
110-120 1 115 8 64 64
120-130 1 125 18 324 324
130-140 2 135 28 784 1568
N=10 ∑=3360
Las diferencias entre las desviaciones estándar de los dos casos tienen el mismo origen
que mencionamos en el apartado de la media.
Las diferencias entre los coe cientes de variación de los dos casos tienen el mismo
origen que mencionamos en el apartado de la media.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 56/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
1. Comenzaremos por tipi car el valor aportado en el enunciado del ejemplo (X = 50%):
El 9,18% de los niños y niñas de esa población nacerán con un nivel hematocrito
superior al 50%.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 57/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
1. Determinar el valor z para el nivel de con anza elegido: Para una con anza del
99%, el valor z es igual a 2,58.
2. Calcular el error típico: Se determina con ayuda de la siguiente expresión:
1. Determinar el valor t para el nivel de con anza elegido: Para una con anza del
95% (error 0,05%) y 24 grados de libertad (N-1), el valor t es igual a 1,7109 (ver
tabla t Student).
2. Calcular el error típico: Se determina con ayuda de la siguiente expresión:
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 58/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 59/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
6. Interpretar: Como el valor hipotético (220 mg/dL) cae dentro del intervalo, debemos
aceptar la hipótesis nula H0, por lo que, con una con anza del 95%, podemos aceptar
que 220 mg/dL es el valor medio del colesterol en sangre para la población de hombres
de 50 años.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 60/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
= =
3. Dado que el coe ciente de correlación puede tomar valores comprendidos entre ±1 y
que cuanto más se aleje del valor 0 indica mayor relación entre las dos variables,
podemos concluir que existe una alta relación entre la dosis de fármaco administrada y
el descenso de los niveles de colesterol en sangre (correlación negativa, es decir,
cuando una variable asciende, la otra desciende).
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 61/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Licencias de recurs
Recurso
Datos del recurso (1)
(1)
Licencia: CC by-sa.
Procedencia:
http://wikimediafoundation.org/wiki/File:October_Rebellion_People%27s_Tribunal.jp
Autoría: Lilli_M.
Licencia: CC by-sa.
Procedencia: http://wikimediafoundation.org/wiki/File:Laboratory_glass_bottles-
set.jpg
Licencia: CC by-nc-sa.
Licencia: CC by.
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 62/63
30/10/2020 Valoración técnica de resultados. Gestión de la calidad.
Autoría: Eduardo.
Licencia: CC by-sa.
Procedencia: http://wikimediafoundation.org/wiki/File:Biology_laboratory.jpg
Licencia: CC by-nc.
Procedencia:
http://www. ickr.com/photos/nonopp/2249513765/sizes/l/in/photostream/
Autoría: ENAC.
Procedencia: http://www.enac.es/web/enac/inicio
Procedencia: http://dpinto.cs.buap.mx/pln/Autumn2010/tstudenttable.pdf
localhost:51238/temp_print_dirs/eXeTempPrintDir_0iwgnr/TGL06_Contenidos/ 63/63