Variabilidad en Salud: Conceptos,

Medición y Herramientas

Dr. Cristian Saavedra V

Profesor Gestión en Salud
Santiago 2023
 TEMARIO
• Nociones de control estadístico de procesos.
• Variabilidad común y variabilidad de causa especial
• Variabilidad en la práctica clínica (concepto y ejemplos)
• Estandarización de la práctica clínica (protocolos, guías, normas,
etc.)
• Gráficos de tendencia para el análisis de la variabilidad
 ¿POR QUE MEDIR?
• Toda mejora requiere cambio, pero no todo cambio es una
mejora.
• La clave para identificar cambio que se traduce en mejora:
Medición.

1. Determinar y definir
indicadores clave

Medición 2. Recolectar cantidad

adecuada de data
(componentes)

3. Analizar e Interpretar
la data

J C Benneyan, R C Lloyd, P E Plsek Statistical process control as a tool for

research and healthcare improvement. Qual Saf Health Care 2003;12:458–464
 ¿POR QUE MEDIR?
1. Determinar y definir
indicadores clave

Medición 2. Recolectar cantidad

adecuada de data
(componentes)
SPC permite analizar e interpretar
3. Analizar e Interpretar datos a través de gráficas, e
la data identificar si los cambios en el
proceso se traducen en cambios en
los resultados

J C Benneyan, R C Lloyd, P E Plsek Statistical process control as a tool for

research and healthcare improvement. Qual Saf Health Care 2003;12:458–464
 TODO PROCESO PRESENTA VARIACION
• Variabilidad existe en los personas, procesos y sistemas, y en los
resultados producidos por los sistemas.

• Conocer y entender la variación, y como manejarla es uno de los

conceptos centrales introducidos en la gestión de la calidad
(Deming)

• Las consecuencias de no entender la variabilidad incluyen:

agregar desperdicio al sistema, aumentar variabilidad en los
resultados, aumentar la frustración en la organización

Fuente: Stoecklein M. Understanding and misunderstanding variation in

healthcare : Case study. March 2015 createvalue.org.
 TIPOS DE VARIACION
Ejercicio
• Tome una hoja de papel y dibuje (con su mano más hábil), 9
letras “a” (minúsculas) de la manera más perfecta posible, pero
en el menor tiempo.

• Ahora tome el lápiz con su mano izquierda (o derecha si es

zurdo/a) y dibuje una siguiente letra a justo al lado de la ultima,
en el menor tiempo posible.

Swersey A. Introduction to Statistical Process Control. Class note Yale

School of Management, 2006
 TIPOS DE VARIACION

1) Causa Común (sistémica): Inherente al proceso

2) Causa Especial (específica): herramienta defectuosas, nuevo

empleado no entrenado)

Swersey A. Introduction to Statistical Process Control. Class note Yale

School of Management, 2006
 TIPOS DE VARIACION

Causa Común Causa Especial

(aleatoria o no atribuible) (No aleatoria o atribuible)

Inherente al diseño del proceso No inherentes al diseño del

proceso

Causas regulares u ordinarias Causas irregulares o no naturales

Afecta todos los resultados del Afecta algunos, no todos los
proceso componentes del proceso

Proceso estable predecible Proceso inestable

Swersey A. Introduction to Statistical Process Control. Class note Yale

School of Management, 2006
 DOS TIPOS DE CAUSAS ESPECIALES

No intencionadas: El sistema está

inestable por causas inesperadas (desastres
naturales, COVID19, falta médico en urgencia)

Intencionadas: Estamos intentando de

rediseñar el sistema

Swersey A. Introduction to Statistical Process Control. Class note Yale

School of Management, 2006
 Si no entendemos la variación, estaremos
tentados a

• Negar la información cuando no cumple con la expectativas

• Ver tendencias donde no las hay
• Tratar de explicar variación de causa común como causa especial
• Culpar o dar crédito innecesario
• Distorsionar el proceso
• ¡MATAR al mensajero!

Institute of Healthcare Improvement (IHI), Apunte de clase: Introducción

a la variación
 Si no entendemos la variación, estaremos
tentados a

• Negar la información cuando no cumple con la expectativas

• Ver tendencias donde no las hay
• Tratar de explicar variación de causa común como causa especial
• Culpar o dar crédito innecesario
• Distorsionar el proceso
• ¡MATAR al mensajero!

Institute of Healthcare Improvement (IHI), Apunte de clase: Introducción

a la variación
 Si no entendemos la variación, estaremos
tentados a
• Preocupado del rendimiento del proceso a través del
tiempo
• Enfoque pragmático y holístico
• Busca crear procesos estables y efectivos
GESTOR

• Preocupado de efectividad del tratamiento y

replicabilidad de resultados
• Busca controlar variabilidad a través del diseño
experimental
INVESTIGADOR

• Preocupado de efectividad de su propio tratamiento

• No buscan generalizar resultados o descubrimientos
respecto de alguna terapéutica
PACIENTE - PROVEEDORES

Fuente: The meaning of variation to healthcare managers, clinical and

health-services researchers, and individual patients
 Fuentes de variación en salud

UTILIZACIÓN RESULTADOS PRODUCTIVIDAD Y

FLUJOS
• Disponibilidad de • Conocimiento o destrezas • Cuellos de botella
opciones terapéuticas clínicas (disponibilidad pabellón
(más camas  más o camas)
admisiones) • Adopción variable de
tecnologías e innovación • Características de los
• Preferencias clínicos
profesionales • Sistemas mal diseñados
• Cultura organizacional,
• Ausencia guías clínicas trabajo en equipo,
comunicación interna

Fuente: The NHS confederation Variation in Healthcare: does it matter

and can anything be done? 2004
 Como disminuimos la variación

Ampliar las Mediciones Rediseñar sistemas Involucrar pacientes

Mejorar calidad de datos Ser mas proactivos Liderazgo y jefaturas

Autoregulación Incentivos Revelación pública de

resultados

Fuente: The NHS confederation Variation in Healthcare: does it matter

and can anything be done? 2004
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN
1. Gráficos de tendencia y control

• Útil para identificar cambios en • Útil para identificar variabilidad especial

desempeño • Límites de control definen la variabilidad normal
• Permiten detectar tendencias • Límites usualmente a media +/- 3 ds
iniciales
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN
2. Histograma
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN
3. Pareto Análisis
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN
4. Diagrama Causa-Efecto
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN

5. Estratificación

• Aislar y examinar la variabilidad de cada

causa

• Ej: Hora del día, día de la semana, equipo

clínico, cirujano, y examinar efectos en
resultados quirúrgicos
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN
6. Pautas de checkeo
 HERRAMIENTAS PARA DISMINUIR VARIACIÓN
7. Diagrama de flujo de procesos
 INTRODUCCIÓN AL USO DE
GRÁFICAS DE TENDENCIA (RUN
CHARTS)
CONTEXTO Y APLICACIÓN
 GENERALIDADES
• Herramienta muy utilizada en mejora de la calidad (industrial), poco en salud.
• Permite aprender acerca del rendimiento de nuestros procesos con mínima
complejidad matemática y estadística
• Específicamente, permite identificar si un proceso presenta patrones “no-aleatorios”.
• Usos más comunes:
• Graficar la data para hacer visible el rendimiento de un proceso
• Determinar si los cambios testeados resultan en una mejora
• Determinar si las mejoras realizadas se mantienen en el tiempo
• Permite una mirada de la data con perspectiva temporal vs una perspectiva
estática.
• Habitualmente es el primer paso antes de desarrollar gráficas más complejas como las
gráficas de control
 Partes de una gráfica de tendencia

2. Eje Vertical: 5. Meta:

Indicador (tasa (opcional)
infección,
reclamos %
compensación)
3. Mediana

4. Anotaciones
(complementario)

1. Eje Horizontal: Escala de Tiempo

(día, semana, mes etc). También
número de procedimiento, paciente
 POR QUÉ ES IMPORTANTE
Ejemplo:
• Tiempos de ciclo (duración) de una consulta (incluye tiempos de espera inicial); en 3 unidades.
• Se dispone data 1 año. Se prueba cambio en el proceso en junio
• Se dispone data de promedios antes y después del cambio (incluye test de significancia estadística) y tiempos mensuales

Resultados pre y post cambio Evolución mensual

Cambio sostenible en
el tiempo

Pero…¿es
sostenible
la mejora?

Cambio sostenible,
pero venía ocurriendo
desde antes. ¿Sirvió el
cambio?

Hay mejora, pero el

cambio no es
sostenible
 Como interpretar una gráfica de tendencia

• Cuando se presenta información en salud (indicadores, informes,

FOJA, etc…) las personas habitualmente “sobrerreaccionan” o sub-
reaccionan a un punto de dato o a la información mas reciente.

• Los términos “cambio” o “tendencia” se usan en forma

indiscriminada o de forma subjetiva, da manera de acelerar una
toma de decisión; sin necesariamente conocer reglas estadísticas
básicas.
Como interpretar una gráfica de tendencia

Regla #1 Un cambio: Cambio

6 o más
• Seis o más puntos de datos
consecutivos ya sea sobre o bajo la
mediana
• Valores que caen en la mediana no
suman ni restan (no los considere)
Como interpretar una gráfica de tendencia

Regla #2 Una tendencia Tendencia

5 o más
• Cinco o más puntos consecutivos,
todos hacia arriba o todos hacia
abajo.
• Si el valor de dos puntos
consecutivos es el mismo, no lo
considere
Como interpretar una gráfica de tendencia

Muchas o muy
Regla #3 pocas corridas
Patrón no aleatorio
• Un patrón no aleatorio se
detecta por pocas corridas o
“cruzadas” por sobre la línea
media.
• Una “corrida” es un punto o
una serie de puntos en un lado
de la línea media.
• Si hay muchas corridas, significa
que hay algo más que azar,
influenciando la data.
• Usar Tabla (siguiente
diapositiva)
Como interpretar una gráfica de tendencia
 Como interpretar una gráfica de tendencia N not on median
26
Lower limit
9
Upper limit
19

Expected Runs Table 27

28
29
10
10
10
19
20
20
30 11 21
Total number of Lower limit for Upper limit for 31 11 22
data points on the number of the number of 32 11 23
the run chart runs (< than this runs (> than this 33 12 23
that do not fall number runs is number runs is 34 12 24
on the median 'too few') 'too many') 35 12 24
10 3 9 36 13 25
Checking for too 11 3 10 37 13 25
12 3 11 38 14 26
many or too few 13 4 11 39 14 26
runs on a run chart. 40 15 27
14 4 12
41 15 27
Table is based on 15 5 12
42 16 28
16 5 13 43 16 28
about a 5% risk of 17 5 13 44 17 29
failing the run test 18 6 14 45 17 30
for random patterns 19 6 15 46 17 31
20 6 16 47 18 31
of data. 21 7 16 48 18 32
49 19 32
22 7 17
50 19 33
23 7 17
51 20 33
24 8 18 52 20 34
25 8 18 53 21 34
54 21 35
55 22 35
56 22 35
Source: Table 1, Perla et al. (2010), p. 49. 57 23 36
58 23 37
59 24 38
1/3/2015 2
60 24 38
Como interpretar una gráfica de tendencia

Regla #4 Un punto Punto astronómico

astronómico
• Un punto que difiere del resto,
a juicio de todo el grupo
observador
• Se basa en un juicio subjetivo
(no estadístico)
• Enfatiza la importancia de
visibilizar los datos en una
gráfica
 Como interpretar una gráfica de tendencia

Procedimiento sugerido para probar cambios:

1. Cree línea de base
2. Obtenga y “congele” la mediana hacia el futuro.
3. Pruebe el cambio
4. Recolecte al menos 10 puntos de data posterior al cambio (para
aplicar reglas estadísticas 1, 2 y 3.
 Como interpretar una gráfica de tendencia

1. La gráficas de tendencia están diseñadas para detectar señales tempranas de mejora o

empeoramiento de un proceso en el tiempo. Por lo tanto no son capaces de determinar si
un proceso es estable (eso lo veremos con las gráficas de control).
2. Si un porcentaje significativo de la data se distribuye en los extremos (0% o 100%), la
mediana no se puede usar como parámetro para identificar corridas, tendencias y
cambios.
3. El análisis de la gráfica de tendencia requiere entendimiento del contexto y la situación en
la cual la data es recolectada y presentada. El contexto es lo que hace validos las
predicciones y metas
4. Uso de gráfico de control, requiere monitoreo constante de información, para entender la
evolución del proceso (a diferencia de estudios donde se recolectan retrospectivamente
grandes cantidades de datos
Ejercicio: Construcción de Gráfica de
Tendencia
 Instrucciones
Análisis de evolución de reclamos en el CESFAM
A continuación se presentará la data de últimos 12 meses de numero de
reclamos en un CESFAM Andrés Bello
Año Mes Mes Correlativo Número de reclamos
2019 Enero 1 10 Indicaciones
Febrero 2 17 1. Abra la planilla Run Charts
Marzo 3 14 2. Compute los valores de números
Abril 4 4 de reclamo en la columna “value”
Mayo 5 11 hasta el valor 15
3. Borre los valores de la columna
Junio 6 15
value del dato 16 en adelante
Julio 7 8 4. Borre la letra “n” en la columna f
Agosto 8 5 5. Lo que obtendrá es un gráfico de
Septiembre 9 11 tendencia para los meses 1 al 15
Octubre 10 9 de la muestra
Noviembre 11 13 6. Interprete de acuerdo a las reglas
1. Existen cambios?
Diciembre 12 15
2. Tendencias?
2020 Enero 13 14 3. Patrones no aleatorios?
Febrero 14 8
Marzo 15 5
 Instrucciones
Análisis de evolución de reclamos en el CESFAM
A continuación se presentará la data de últimos 12 meses de numero de
reclamos en un CESFAM Andrés Bello
Año Mes Mes Correlativo Número de reclamos
2019 Enero 1 10
Febrero 2 17 Indicaciones
Marzo 3 14
Abril 4 4
1. Compute el resto de valores
Mayo 5 11 hasta el mes de octubre de 2020
Junio 6 15 2. Congele la mediana en el periodo
Julio 7 8 pre-pandemia (digite letra “x” en
Agosto 8 5
Septiembre 9 11 celda F21)
Octubre 10 9 3. Interprete de acuerdo a las reglas
Noviembre 11 13 1. ¿Existen cambios desde el
Diciembre 12 15
2020 Enero 13 14
inicio de pandemia?
Febrero 14 8 2. ¿Tendencias?
Marzo 15 5 3. ¿Patrones no aleatorios?
Pandemia Abril 16 4
Mayo 17 3
Junio 18 7
Julio 19 2
Agosto 20 11
Septiembre 21 14
Octubre 22 4
Variabilidad en Salud: Conceptos,
Medición y Herramientas

Dr. Cristian Saavedra V

Profesor Gestión en Salud
Santiago 2023