La técnica LQAS Lot Quality Assurance Sampling
Upcoming SlideShare
Loading in...5
×
 

La técnica LQAS Lot Quality Assurance Sampling

on

  • 1,111 views

Una técnica de muestreo para distribuciones binomiales

Una técnica de muestreo para distribuciones binomiales

Statistics

Views

Total Views
1,111
Slideshare-icon Views on SlideShare
1,111
Embed Views
0

Actions

Likes
0
Downloads
16
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    La técnica LQAS Lot Quality Assurance Sampling La técnica LQAS Lot Quality Assurance Sampling Presentation Transcript

    • . . LQAS PARA PROGRAMAS YLQAS PARA PROGRAMAS Y PROYECTOSPROYECTOS Anibal Velásquez MD, MScAnibal Velásquez MD, MSc anibal.velasquez@gmail.comanibal.velasquez@gmail.com
    • ¿Qué es LQAS? • Es un método de muestreo que puede ser usado para identificar áreas prioritarias (Ej. Servicios, médicos, etc.) o indicadores que no alcanzan coberturas promedio o que no alcanzan a la meta • • LQAS, consiste en dividir el ámbito de intervención en áreas de supervisión (lote). Los criterios para hacer la división en:
    • Tamaño de la muestra de LQAS • LQAS utiliza pequeñas muestras – Más frecuentemente usa 19 – Mayores tamaños de muestra raramente son necesarias • LQAS fue inicialmente utilizado en 1920s para el control de calidad industrial
    • Más bajo del promedio o de la meta Identificar las razones de la baja cobertura Desarrollar soluciones o acciones focalizadas Mantener el programa en el nivel actual Identificar supervisores y trabajadores de saludque pueden ayudar en las áreas de menor cobertura Cumplen la Meta de cobertura
    • 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% N/A N/A 1 1 2 2 3 4 5 5 6 7 7 8 8 9 10 11 N/A N/A 1 1 2 3 3 4 5 6 6 7 8 8 9 10 11 11 N/A N/A 1 1 2 3 4 4 5 6 7 8 8 9 10 11 11 12 N/A N/A 1 2 2 3 4 5 6 6 7 8 9 10 10 11 12 13 N/A N/A 1 2 2 3 4 5 6 7 8 9 9 10 11 12 13 14 N/A N/A 1 2 2 3 4 5 6 7 8 9 10 11 12 13 14 15 N/A N/A 1 2 2 3 5 6 7 8 9 10 11 11 12 13 14 16 N/A N/A 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 N/A N/A 1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 N/A N/A 1 2 3 4 5 6 8 9 10 11 12 13 14 16 17 18 N/A N/A 1 2 3 4 5 7 8 9 10 12 13 14 15 16 18 19 N/A N/A 1 2 3 4 6 7 8 10 11 12 13 14 16 17 18 20 N/A N/A 1 2 3 4 6 7 9 10 11 13 14 15 16 18 19 21 N/A 1 2 2 4 5 6 8 9 10 12 13 14 16 17 18 20 21 N/A 1 2 3 4 5 6 8 9 11 12 14 15 16 18 19 21 22 N/A 1 2 3 4 5 7 8 10 11 13 14 15 17 18 20 21 23 N/A 1 2 3 4 5 7 8 10 12 13 15 16 18 19 21 22 24 N/A 1 2 3 4 5 7 9 10 12 13 15 17 18 20 21 23 25 N/A 1 2 3 4 5 7 9 11 12 14 16 17 19 20 22 24 26 Alpha and Beta Errors are > 10% Alpha and Beta Errors are > 15% N/A = Not Applicable -- Indicates that LQAS should not be used since coverage is too low for LQAS to detect. 28 29 For all coverage benchmarks (except where noted) LQAS is at least 92% sensitive and specific 27 24 25 30 23 20 21 26 19 16 17 22 15 12 13 18 LQAS Table: Decision Rules for Sample Sizes of 12-30 and Coverage Benchmarks or Average Coverage of 10% to 95% Sample Sizes Coverage Benchmarks or Average Coverage 14
    • Qué nos puede decir una muestra de 19 • Bueno para establecer áreas prioritarias • Bueno para establecer coberturas de AS • Bueno para decidir dónde intensificar la supervisión y dónde invertir más recursos • Bueno para identificar coberturas de conocimientos y prácticas de las de bajas coberturas
    • Qué no nos puede decir una muestra de 19 • No es bueno para calcular coberturas exacta en un área de supervisión; pero puede ser utilizada para calcular coberturas para un programa entero • No es bueno para establecer prioridades de supervisión cuando las coberturas tienen pocas diferencias de coberturas
    • Por qué usar una muestra de 19 • Una muestra de 19 provee un nivel aceptable de error para tomar decisiones; al menos 92% de las veces, identifica si una meta de cobertura ha sido alcanzada o si un AS es substancialmente más bajo del promedio de cobertura de un área programa • Muestra mayores de 19 tienen prácticamente la misma precisión estadística. No proporcionan mejor información y cuestan más
    • Curva de probabilidades de los diversos valores de incumplimiento que podemos encontrar en una muestra de 15 casos extraída de una población con un nivel de incumplimiento de 15%
    • Curvas de probabilidad de los diversos valores posibles de incumplimientos en una muestra de 15 casos si los estándares de incumplimiento en una muestra de 15 casos si los estándares de incumplimiento son de 15% y 50%
    • Ejercicio de LQAS
    • Técnica de muestreo de LQAS • Paso 1. Lista de las unidades de información y población total • Paso 2. Cálculo de la población acumulativa • Paso 3. Calcular el intervalo de muestreo • Paso 4. Elegir un número aleatorio • Paso 5. Iniciar con el número aleatorio y usar el intervalo de muestreo para identificar a las unidades observacionales para las 19 entrevistas o auditorías
    • Ejemplo
    • Paso 1. Lista de servicios y población total Servicio Unidades 1A 170 1B 213 2A 153 2B 113 3A 170 3B 160 3C 150 3D 170 4A 150 4B 150 5A 95 5B 89 6A 150 7A 124 7B 128 7C 125 8A 320
    • Paso 2. Cálculo de la población acumulativa 263032017 231012516 278512815 205712414 193315013 17838912 16949511 159915010 14491509 12991708 11391507 9791606 8191705 6491134 5361533 3832132 1701701 ACUMULADO 263032017 231012516 278512815 205712414 193315013 17838912 16949511 159915010 14491509 12991708 11391507 9791606 8191705 6491134 5361533 3832132 1701701 ACUMULADO
    • Paso 3. Calcular el intervalo de muestreo (IM) • Total de unidades de observación/19 • IM= 2630/19= 138
    • Paso 4. Elegir un número aleatorio • No. aleatorio= 77 • EXCEL: ALEATORIO( ) • Para generar un número real aleatorio entre a y b, use: ALEATORIO()*NÚMERO MÁXIMO • Ejemplo • ALEATORIO()= número de 0 y 1 • ALEATORIO()*100= un número aleatorio igual o superior a 0 pero menor que 100
    • Paso 5. selección de historias clínicas • Se comienza a seleccionar a partir del # aleatorio obtenido 2423 - 25612630 22852310 21472185 20092057 18711933 17331783 NO2694 1457 - 15951599 13191449 11811299 10431129 905979 767819 629649 491536 215 - 353383 77170 CASA/APTOACUM NUMERO DE VIVIENDA 2423 - 25612630 22852310 21472185 20092057 18711933 17331783 NO2694 1457 - 15951599 13191449 11811299 10431129 905979 767819 629649 491536 215 - 353383 77170 CASA/APTOACUM NUMERO DE VIVIENDA
    • Ejercicio
    • Paso 1 Servicios Historias 1A 420 2A 480 3A 360 3B 330 4A 170 5A 170 5B 170 6A 170 7A 100 7B 130
    • Paso 2 Número Historias Acumulado 1 420 2 480 3 360 4 330 5 170 6 170 7 170 8 170 9 100 10 130
    • Paso 3 • Total de HC/19 • IM=
    • Paso 4. Elegir un número aleatorio • Número aleatorio =
    • Selección de HC Número Acumulado Historia seleccionada 1 2 3 4 5 6 7 8 9 10
    • Análisis de la información del LQAS
    • Ficha de tabulación Correcto= 1 Incorrecto=0 Omitido=S error=X # Indicador Respuesta correcta 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 Total correctas Total tamaño de la muestra 1 Cobertura vacunación 95% 2 Lactancia materna niños < 6 meses 100%
    • Tabla resumen de tabulación de todas las AS para línea de base Total de respuestas correctas en cada lote/regla de decisión Tamaño de muestra # Indicador 1 2 3 4 5 Total correctas en el programa 1 2 3 4 5 Total tamaño de muestra en el programa Cobertura promedio/ total correctas/tam año muestra 1 2 3
    • Tabla de decisión
    • Uso de la tabla de decisiones • Después de la línea de base se definen el resultado final y metas anuales • Ejemplo – Línea de base: 10% – Año 1: 30% – Año 2: 50% – Año 3: 70% – Final: 80%
    • Seguimiento Resúmen del tabulado: monitoreo Total de respuestas correctas en cada lote/regla de decisión Tamaño de muestra# Indicador 1 2 3 4 5 Total correctas en el program a 1 2 3 4 5 Total tamaño de muestr a en el progra ma Cobertura promedio/ total correctas/t amaño muestra Cobertura objetivo o Meta 1 2 3
    • Ejemplo
    • Ejemplo de seguimiento
    • ¿Cómo definir prioridades con LQAS? Resultados de LQAS en las áreas de supervisión o lotes Estado de prioridad Debajo de la meta o cobertura esperada Debajo del promedio de la muestra de línea de base (LB) Muy alto Debajo de la meta o cobertura esperada No debajo del promedio de la LB Segundo más alto No debajo de la cobertura esperada Debajo del promedio de la LB Segundo más alto No debajo de la cobertura esperada No debajo del promedio de la LB No es prioridad