Sesión 09
Uso de herramientas de aseguramiento y control
de calidad de datos
Percy Soto-Becerra, M.D., M.Sc(c)
DIS | IETSI, ESSalud
2023
Curso: Introducción a REDCap para Investigación Clínica
Módulo de Calidad de Datos
Validación de Datos (quality checks)
Proceso de garantizar que los datos se hayan sometido a una “limpieza” para generar un conjunto de datos de alta calidad, correcto, coherente y aplicable.
Es un proceso continuo
Debe planificarse e implementarse antes de la recolección de datos:
aseguramiento de calidad
Debe realizarse desde el inicio y durante toda la recolección de datos:
control de calidad
Proceso de Validación de datos
Antes de iniciar la recolección de datos
¿Cuánto antes debo verificar la calidad?
- Debo implementar el proceso de
aseguramiento de calidadantes de pasar a producción el proyecto.
Aseguramiento de calidad previo pase a Producción
El pase a producción del proyecto es
condición necesariapara recopilar datos reales.IETSI controla este paso en dos puntos:
- Verificar
aseguramiento de calidad. - Verificar
cumplimientode estándareséticosyregulatorios.
- Verificar
La verificación de calidad de parte de IETSI no es tan estricta.
- Confiamos en que saben lo que hacen (tengan cuidado!)
La verificación de cumpliemto de estándares éticos y regulatorios es muy estricta por parte de IETSI.
- No confiamos en nadie hasta no verificarlo rigurosamente (tengan cuidado!)
¿Por qué antes y no después?
Objetivo
Diseñar el formato de recolección de datos que convenga al proyecto y asegure la calidad de los datos.
- Diccionario de datos
- Configuración del proyecto
Beneficio
- Reduce el numero de inconvenientes durante la recolección de datos
- Reduce la carga de apoyo de parte del Administrador de REDCap
- Reduce el tiempo de limpieza de los datos
- Permite obtener datos de altísima calidad
- Veamos algunos ejemplos de problemas de calidad frecuentes (en nuestra experiencia) encontrados antes de iniciar la recolección de datos.
Ejemplo 1 Inconsistencias en codificación de alternativas recurrentes
El clásico ejemplo son las alternativas de Si/No
Otras alternativas recurentes también pueden ser escritas de manera no armonizada.
La herramienta de
Copiar opciones existentespuede ayudar a reducir este error.
Uso de copiar opciones existentes para prevenir errores de codificación
Ejemplo 2 Formatos no asignados a eventos
En formularios longitudinales es importante que cada uno de ellos tenga un evento asignado.
- Si no tiene evento asignado, el formulario no estará disponible.
Ejemplo 3 Errores en crear campos lógicos
- Errores de cálculo
- Errores en lógica de ramificación
- Problemas con la cola de encuestas
- Problemas con invitaciones a encuestas automatizadas
Ejemplo 4 ‘Testing’ insuficiente
Un problema común es que salen a recopilar datos apenas tienen la versión 1 del formulario.
- Casi siempre van a encontrar problemas con los formularios en campo.
- Editar los formularios en producción conlleva el riesgo de perder datos.
Aunque no hay reglas mágicas, recomendamos seguir los siguientes estándares mínimo de testing:
- Haga al menos 3 pruebas con datos simulados (“fake”)
- Al menos realice una exportación de datos
- Revise su pizarra de registros!
- Altamente recomendable: Revisar el proyecto conm un asesor/experto en datos antes de pasar al modo producción.
Pruebe su instrumento antes de pasar a modo produccion
Durante la recolección de datos (validación interna)
Buenas prácticas
- Evitar campos con textos libres
- Definir el tipo de variable de los datos
- No mezcle diferentes tipos de datos en una casilla de respuesta
- Usar las reglas de validación de REDCap
- Reducir la cantidad de datos perdidos
- Evitar espacios en blanco
- Ser consistente a lo largo del estudio usando los mismos códigos
- Configura tu base de datos con la estructura en mente
Durante la recolección de datos (validación externa)
Use la herramienta de
calidad de datosde REDCap.Esta viene con
quality checkspre configurados.También viene con un
constructorde nuevosquality checks.
Encontrar discrepancias (quality checks)
Encontrar discrepancias (quality checks)
Encontrar discrepancias (quality checks)
Encontrar discrepancias (quality checks)
Solucionar discrepancias
Puedes solucionar discrepancia directamente.
O usar
queriespara que otra persona asignada los resuelva y documente su resolución.- Corregido - datos perdidos
- Corregido - error de digitación
- Corregido - error de fuente
- Verificado - información correcta
¿Preguntas?
Hagamos una pausa
Tomemos un descanso de 5 minutos…
Estire las piernas …
Deje de ver las pantallas …
… cualquier , las del celular también.
05:00
Curso: Introducción a REDCap para Investigación Clínica
Sesión 09 Uso de herramientas de aseguramiento y control de calidad de datos Percy Soto-Becerra, M.D., M.Sc(c) DIS | IETSI, ESSalud 2023