Control de la calidad SEQC

2,562 views

Published on

Control de calidad

Published in: Education
1 Comment
1 Like
Statistics
Notes
No Downloads
Views
Total views
2,562
On SlideShare
0
From Embeds
0
Number of Embeds
19
Actions
Shares
0
Downloads
99
Comments
1
Likes
1
Embeds 0
No embeds

No notes for slide

Control de la calidad SEQC

  1. 1. CONTROL DE LA CALIDAD ANALÍTICANotasIndiceINDICE.................................................................................................................................11. INTRODUCCIÓN .............................................................................................................21.1. Objetivos de control de la calidad............................................................................................................... 21.2. Cuantificación de los objetivos de control de la calidad ............................................................................. 22. DEFINICIONES ...............................................................................................................33. LA CALIDAD ANALÍTICA Y SUS ESPECIFICACIONES: INTRODUCCIÓN ...................54. PLANIFICACIÓN DE LA CALIDAD..................................................................................85. CONSTRUCCIÓN DE LOS GRÁFICOS DE CONTROL .................................................95.1. Etapa de aprendizaje.................................................................................................................................. 95.2. Etapa de control........................................................................................................................................ 106. REQUISITOS DE LA CALIDAD.....................................................................................107. MODELOS DE PLANIFICACIÓN DE LA CALIDAD.......................................................117.1. Error sistemático....................................................................................................................................... 117.2. Error aleatorio ........................................................................................................................................... 117.3. Error total .................................................................................................................................................. 128. DIAGRAMAS OPSPECS ...............................................................................................129. REGLAS ESTADÍSTICAS DE DECISIÓN .....................................................................1310. MULTIREGLAS Y “REGLAS DE WESTGARD”...........................................................1411. ¿CUÁLES SON LAS “REGLAS DE WESTGARD”? ....................................................1412. ¿CUÁLES SON OTRAS MULTIREGLAS COMUNES?...............................................1613. ¿CÓMO REALIZAR LAS REGLAS MÚLTIPLES DE CONTROL DE LA CALIDAD?...1614. ¿POR QUÉ UTILIZAR UN PROCEDIMIENTO DE REGLAS MÚLTIPLES DECONTROL DE LA CALIDAD? ...........................................................................................1715. ¿HAY ESTRATEGIAS SIMILARES PARA PRUEBAS DE QC Y PARA PRUEBAS DEDIAGNÓSTICO?................................................................................................................1716. ¿SON LAS CARACTERÍSTICAS DE FUNCIONAMIENTO SIMILARES PARA QC YLAS PRUEBAS DE DIAGNÓSTICO? ................................................................................1817. ¿CÓMO UTILIZAR PRUEBAS MÚLTIPLES PARA OPTIMIZAR LASPRESTACIONES?.............................................................................................................1818. ¿CUÁNDO SE DEBE UTILIZAR UN PROCEDIMIENTO DE REGLAS MÚLTIPLES DEQC? ...................................................................................................................................1819. NECESIDAD DE DEFINIR UN PROTOCOLO DE QC ................................................1920 CURVAS DE POTENCIA..............................................................................................2121. ¿CÓMO EVALUAR LAS PRESTACIONES DE UN PROCEDIMIENTO DE QC? .......2322. CONCEPTO SEIS SIGMA...........................................................................................2523. GESTIÓN DE LA CALIDAD SEIS SIGMA Y REQUISITOS DEL CONTROL DE LACALIDAD DEL LABORATORIO ........................................................................................2623.1. Prestaciones características del control de la calidad............................................................................ 2623.2. Una medida sigma para el diseño del QC.............................................................................................. 2724. CAPACIDAD DE PROCESO .......................................................................................29 1
  2. 2. 25. CRITERIOS DEL LABORATORIO TE VERSUS CAPACIDAD DE PROCESO ...........3026. MATERIALES DE CONTROL......................................................................................3127. ESTRATEGIA PARA LOS PROCEDIMIENTOS FRECUENTES DE MEDIDA YMATERIALES ESTABLES DE CONTROL ........................................................................3128. ESTRATEGIA PARA LOS PROCEDIMIENTOS DE MEDIDA INFRECUENTES OMATERIALES DE CONTROL CON ESTABILIDAD BAJA.................................................3229. EL EFECTO DE LA IMPRECISIÓN SOBRE LA VARIABILIDAD DEL RESULTADO..3330. EL ERROR EN SISTEMAS NO ESTABLES................................................................3631. COMPONENTES DE VARIACIÓN BIOLÓGICA Y ESPECIFICACIONES DE LACALIDAD ANALÍTICA........................................................................................................3632. REQUERIMIENTOS DE CLIA PARA LA CALIDAD.....................................................44BIBLIOGRAFÍA..................................................................................................................451. Introducción1.1. Objetivos de control de la calidadEl laboratorio debe de fijar los elementos que delimitarán las exigencias de calidad para los resultadosfinales. Aunque el deseo de todo profesional sea la consecución de la perfección en la realización de sutrabajo, la realidad del laboratorio y su entorno establecen unos límites que marcan los máximosalcanzables. El intento de aproximarse a dicha perfección puede ser imposible en muchos casos ysumamente costoso en la mayoría. Dado que es imposible controlar estadísticamente la calidadinalcanzable, y aunque los criterios de perfección deban de ser tenidos en cuenta en las diferentesdecisiones, el laboratorio debe de establecer unos límites realistas que permitan obtener la calidadnecesaria con un coste adecuado, y estos deberán de ser los objetivos a considerar en el laboratorio. Elestablecimiento de unos objetivos de calidad realistas y la aplicación estricta de los procesos de calidadseleccionados, proporcionarán unas especificaciones finales de los resultados emitidos que seráncuantificables y que serán muy próximos a los objetivos prefijados.1.2. Cuantificación de los objetivos de control de la calidadPara conocer si los resultados obtenidos para una magnitud concreta son correctos ó incorrectos, esnecesaria la cuantificación de los objetivos de control de la calidad (QC). Esta cuantificación se realizamediante la determinación del error máximo (EM) permitido en los resultados. Existen múltiplesprocedimientos combinables entre sí para poder determinar estos objetivos, es decir, para fijar cual será elmáximo error que el laboratorio admitirá en sus resultados, dichos procedimientos se basan en el interésdiagnóstico de la magnitud, en su importancia en el seguimiento clínico de una enfermedad, en lasvariabilidades biológicas ínter- intraindividual, etc. En algunos países existen legislaciones que imponenpara el registro administrativo de los Laboratorios límites máximos de error por magnitud, estos límitesdeben de ser considerados como los objetivos mínimos a conseguir y pueden ser sumamente útiles para elestablecimiento inicial de los objetivos de QC en la puesta en marcha de un sistema de QC estadístico. Laley federal americana utiliza la Clinical Laboratory Improvement Act (CLIA), que describe los límites de errormáximo para las magnitudes más habituales, y que los expresa mediante un porcentaje del valor diana, unvalor absoluto en unas unidades concretas o mediante un número de desviaciones estándar, dónde losporcentajes y las desviaciones típicas siempre están referidos a los resultados obtenidos mediante un QCexterno. Una vez establecidos los objetivos de QC, el siguiente paso es la determinación de los errorestotales existentes en el Laboratorio para cada una de las magnitudes y que se realizará mediante el cálculodel error sistemático y error aleatorio para cada una de ellas. 2
  3. 3. 2. DefinicionesAcción preventiva: acción tomada para eliminar la causa de una no conformidad potencial u otra situaciónpotencialmente indeseable (UNE-EN ISO 9000:2000).Aseguramiento de la calidad: parte de la gestión de la calidad orientada a proporcionar confianza en quese cumplirán los requisitos de calidad (UNE-EN ISO 9000:2000).Calidad: grado en el que un conjunto de características inherentes cumple con los requisitos (UNE-EN ISO9000:2000).• Característica: rasgo diferenciador.• Requisito: necesidad o expectativa establecida, generalmente implícita u obligatoria. “Generalmente implícita” significa que es habitual o una práctica común para la organización, sus clientes y otras partes interesadas que la necesidad o expectativa bajo consideración esté implícita.Calidad: propiedad o conjunto de propiedades de una “cosa” que permiten apreciarla como igual, mejor opeor que las restantes de su especie (Real Academia de la Lengua Española).Calidad: conjunto de características de un producto, proceso o servicio que satisfacen las necesidades delos clientes y en consecuencia hacen satisfactorio el producto: Por lo tanto la calidad consiste en no tenerdeficiencias (J.M. Juran).Control de la calidad: parte de la gestión de la calidad orientada al cumplimiento de los requisitos de lacalidad (UNE-EN ISO 9000:2000).Control de la calidad: consiste en el desarrollo, diseño, producción y comercialización de productos yservicios con una eficacia del coste y una utilidad óptimos, con la compra satisfactoria de parte de losclientes. Para lograr estos fines, todos los departamentos de la empresa tiene que trabajar juntos. Desdeesta óptica se le denomina “control de la calidad total” (Ishikawa).Control de la calidad: se define como un sistema de métodos para la provisión coste–eficaz de bienes oservicios cuya calidad es adecuada a los requisitos del comprador (Normas Industriales Japonesas).Control estadístico de la calidad: es el conjunto de todos los procesos estadísticos que aseguran deforma objetiva la calidad necesaria de los resultados finales obtenidos en los procesos analíticos. El métodoestadístico utilizado es inductivo, ya que aplicamos a una población de datos, muestras reales y controles,las conclusiones obtenidas a partir de una muestra poblacional concreta que son los resultados de losmateriales control, y aunque existen procesos estadísticos aplicables a magnitudes cualitativas ósemicualitativas, el procedimiento descrito es aplicable exclusivamente a magnitudes cuantitativas. Dadoque el control de la calidad estadístico es un proceso puramente matemático, su establecimiento yseguimiento deben ser estrictos en su estudio y aplicación, ya que la introducción de elementos subjetivosimplica la invalidez o el cambio del significado de los resultados numéricos utilizados y/ó obtenidos. En elcontexto de los laboratorios clínicos, se define el control de la calidad como el conjunto de procedimientosacometidos por el personal del laboratorio para el control continuado del funcionamiento y de los resultadosde las medidas, con objeto de decidir si los resultados son suficientemente fiables para ser suministrados alclínico y a los pacientes. Es un proceso estadístico usado para monitorizar y evaluar el proceso analíticoque produce resultados de pacientes. El proceso analítico requiere: • Análisis regulares de los productos de control de la calidad junto con muestras de pacientes • Comparación de los resultados de control de la calidad con los límites específicosControl interno de la calidad: procedimiento que utiliza los resultados de un solo Laboratorio con elpropósito de controlar la calidad (IFCC).Control externo de la calidad: procedimiento que utiliza los resultados de varios Laboratorios que analizanuna muestra, con el propósito de controlar la calidad (IFCC).Curva de potencia: expresión gráfica del funcionamiento de una regla de control, representando enabscisas incrementos de error y en ordenadas probabilidad de rechazo. Si no existe más error que elinherente al método, la probabilidad de falso rechazo será el punto de intersección de la curva con el eje deordenadas. Cuando existe un cierto incremento de este error, la curva representa las probabilidades dedetectarlo.Error inherente al método: imprecisión del método analítico, expresada como desviación estándar, ya quese asume que los datos de control presentan distribución gaussiana.Error tolerable u objetivo de calidad: valor del error por encima del cual los resultados del laboratorio nosatisfacen las necesidades clínicas. Se debe expresar en términos de error global (inveracidad másimprecisión), especificando a qué nivel de decisión médica se define. El nivel de decisión médica es la 3
  4. 4. concentración a la cual la interpretación clínica del resultado de la prueba resulta crítica (por ejemplo, ellímite superior del intervalo de referencia).Evaluación de la calidad: contraste sistemático y continuado de las actividades implicadas en el control dela calidad.Gestión de la calidad: conjunto de elementos mutuamente relacionados o que interactúan para establecerla política y los objetivos y para lograr dichos objetivos con el fin de dirigir y controlar una organización conrespecto a la calidad (UNE-EN ISO 9000:2000).Gestión de la calidad total: filosofía organizativa integral que conduce a la excelencia y que promueve lamejora continua en todas las áreas, involucrando a todo el personal y a todas las funciones de la empresa,con el objetivo final de satisfacer al cliente.Inestabilidad del sistema analítico (f %): el porcentaje de series con resultados que alcanzan o superan elEM. La inestabilidad representa por tanto la frecuencia de "problemas" del sistema analítico utilizado. Amayor inestabilidad del sistema analítico, más estrictas deberán de ser las reglas estadísticas utilizadas.Infraestructura de la calidad: conjunto de instalaciones, equipos y servicios necesarios para elfuncionamiento de la organización (UNE-EN ISO 9000:2000).Organización: conjunto de personas e instalaciones con una disposición de responsabilidades, autoridadesy relaciones. Esta infraestructura está formada por diversas entidades y organismos autorizados paragarantizar la calidad de los productos y servicios.Límite de control: resultado de la muestra control a partir del cual se rechaza la serie analítica.Generalmente se expresa mediante un múltiplo de la desviación típica inherente al método. La reglaoperativa se abrevia mediante la expresión A L , siendo A la abreviación de un estadístico y L el límite decontrol.Manual de calidad: documento que especifica el sistema de gestión de la calidad de una organización(UNE-EN ISO 9000:2000).Mejora de la calidad: parte de la gestión de la calidad orientada a aumentar la capacidad de cumplir conlos requisitos (UNE-EN ISO 9000:2000).Mejora continua de la calidad: actividad recurrente para aumentar la capacidad para cumplir con losrequisitos (UNE-EN ISO 9000:2000).Objetivo: algo ambicionado, o pretendido, con relación a la calidad (UNE-EN ISO 9000:2000).Planificación de la calidad: parte de la gestión de la calidad enfocada al establecimiento de los objetivosde la calidad y a la especificación de los procesos operativos necesarios y de los recursos relacionadospara cumplir con los objetivos de la calidad. (UNE-EN ISO 9000:2000).Política de la calidad: intenciones globales y orientación de una organización relativas a la calidad tal comose expresan formalmente por la alta dirección (UNE-EN ISO 9000:2000).Probabilidad de error real ( PER% ) : porcentaje de series con resultados que alcanzan o superan el EMsin ser detectadas por el sistema de calidad. Representa de alguna forma las series de resultados que salendel Laboratorio con importantes errores y que el sistema de calidad no ha sido capaz de detectar.Probabilidad de rechazo incorrecta (falsa alarma, probabilidad de falso rechazo): probabilidad de daruna señal de rechazo cuando no hay otro error más que el inherente al método.Probabilidad de detección de error: probabilidad de dar una señal de rechazo cuando el error analíticoestá presente.Procedimiento: manera especializada de realizar una actividad.Proceso: conjunto de recursos y actividades relacionadas entre si que transforman elementos entrantes enelementos salientes.Regla operativa (regla de control): criterio usado para juzgar si una observación de control indica que elmétodo analítico funciona correctamente o no.Serie analítica: conjunto de análisis realizados consecutivamente en el intervalo dentro del cual lainveracidad e imprecisión del sistema de medida se considera que son estables. Es específica de cadasistema analítico. En algunos sistemas incluye todos los resultados calculados y en otros la tarea diaria sesubdivide en grupos (por ejemplo, según las características físicas del analizador), trabajando con variasseries y una sola calibración. El National Committee for Clinical Laboratory Standards (NCCLS) puntualizaque el fabricante debería recomendarla, así como el usuario definirla. El mínimo de observaciones controlpor serie debería ser de uno por concentración. Es importante remarcar que los controles deben tener 4
  5. 5. concentraciones próximas a los valores de decisión clínica y que según el interés terapéutico, diagnóstico ode decisión, estos valores pueden ser varios para un mismo constituyente.Sistema de la calidad: la organización, los procedimientos, los procesos y los recursos necesarios paraimplementar la gestión de la calidad.Valor predictivo de una señal de rechazo: probabilidad de que una serie analítica actualmente tiene errorcuando el test de control de la calidad rechaza la serie.Valor predictivo de una señal de aceptación: probabilidad de que una serie analítica está actualmente sinerror cuando el test de control de la calidad acepta la serie.3. La calidad analítica y sus especificaciones: introducciónEl laboratorio clínico debe asegurar que la información que produce satisface las necesidades médicas.A lo largo de los años diferentes investigadores han propuesto modelos con criterios que permitiesen allaboratorio comprobar el grado de cumplimiento de sus prestaciones analíticas. En 1999 se reúne un ampliogrupo de profesionales para estudiar y debatir la problemática de las especificaciones. Esta reunión sellamó Conferencia de Estocolmo sobre “Estrategias para establecer especificaciones globales de la calidaden el laboratorio clínico”, y su principal consecuencia fue acordar que debería aplicarse un modelojerárquicamente ordenado para establecer las especificaciones de calidad o. lo que es lo mismo, establecerlos requisitos para la imprecisión (límites de error máximo admisibles) en el laboratorio clínico:• El efecto de la imprecisión sobre los resultados en situaciones clínicas específicas;• Variaciones biológicas intraindividuales;• Recomendaciones de los expertos;• Organizadores de programas de comparación interlaboratorio (de evaluación externa de la calidad);• Establecimiento del “estado del arte” (datos extraídos del programa de la evaluación externa de la calidad o de ensayo de aptitud).Debe señalarse que el documento de consenso recomienda utilizar los criterios más altos de la jerarquía siello es adecuado para el laboratorio y para su utilidad en el trabajo diario.Pero la jerarquía puede cambiar dependiendo del propósito clínico específico. De hecho, se ha aceptadopor consenso que si la variabilidad analítica del laboratorio se mantiene por debajo de la variabilidadfisiológica de las muestras humanas, el informe producido satisfará requisitos médicos para el cribado (quees la identificación de un grupo de pacientes con riesgo de estar afectados por una determinada patología,con respecto a la población general) identificación del caso individual (discriminación del estado de salud deun paciente individual, en principio asintomático), diagnóstico (identificación de la patología concreta queafecta al paciente individual) y monitorización (seguimiento de la evolución del paciente individual). Paraello, el laboratorio debe cumplir las especificaciones de calidad derivadas de los componentes de variaciónbiológica (VB) intra- e interindividual. Esta VB es la fluctuación natural alrededor del punto homeostático (ode equilibrio dinámico) del valor de una magnitud en un líquido biológico.Las ventajas que presenta utilizar la VB para delimitar los requisitos de la calidad analítica son varias:• Objetividad: es un término cuantitativo obtenido directamente del mismo sistema biológico que se emplea para el análisis;• Homogeneidad: se han revisado un gran número de trabajos realizados sobre variabilidad biológica, y de ellos, tras aplicar una metodología de evaluación, se obtuvieron datos de VB intra- e interindivual de diversa magnitudes biológicas1;• Universalidad: los datos de la VB son equivalentes en las diferentes poblaciones sanas estudiadas. No se han observado discrepancias debidas a la edad (exceptuando la infancia), sexo ( con excepción de algunas hormonas sexuales), raza, localización geográfica, hábitos de vida, etc.En función de la cuantía de la VB y de las prestaciones de la tecnología empleada, se pueden aplicar tresniveles de exigencia en la prestación del laboratorio, denominadas mínimo, deseable y óptimo. Todos ellosse expresan en porcentaje y se calculan con las fórmulas siguientes:1 Se pueden consultar en la web de la SEQC. 5
  6. 6. imprecisión error sistemático error total mínimo CV a < 0, 75 CV w ES a < 0,375 CV w + CV b2 2 ET a < k 0, 75 CV w + 0,375 CV w + CV b2 2 2 deseable CV a < 0,50 CV w ES a < 0, 25 CV w + CV b2 2 ET a < k 0,50 CV w + 0, 25 CV w + CV b2 2 2 óptimo CV a < 0, 25 CV w ES a < 0,125 CV w + CV b2 2 ET a < k 0, 25 CV w + 0,125 CV w + CV b2 2 2donde k = 1, 65 (α = 0, 05) ; k = 2,33 (α = 0, 01) ; CV w es el coeficiente de variación biológica intraindividual; CV b es el coeficiente de variación biológica interindividual. Tabla 1.Siempre que sea posible, lo recomendable es utilizar las especificaciones deseables, y en caso de que ellaboratorio tenga dificultades para alcanzarlas, se utilizan las especificaciones mínimas. Lasespecificaciones óptimas son una opción libre para el laboratorio que quiera plantarse el nivel de calidadmás alto.Los datos derivados de la VB han sido ampliamente aceptables parta definir los límites de tolerancia para laimprecisión, el ES (la inveracidad) y el ET (la inexactitud) de las determinaciones analíticas, comoindicadores de su calidad.La aplicación de la VB para la obtención de estos indicadores sigue la siguiente estrategia:1. Diseñar un protocolo de QC interno que optimice el número de controles analizados en cada serieanalítica (conjunto de análisis realizados consecutivamente en el intervalo dentro del cual la inveracidad y laimprecisión del sistema de medida se considera que son estables), utilizar las reglas más adecuadas paradetectar el número máximo de errores y rechace indebidamente el mínimo número de series analíticas. Paraello, el laboratorio debe definir previamente las especificaciones a alcanzar y calcular (conocer) laimprecisión y la inveracidad de cada magnitud biológica.2. Evaluar las prestaciones del laboratorio, una vez implantado el protocolo de QC interno. La inspección delos resultados obtenidos para los controles internos permite conocer la imprecisión y el error sistemático, asícomo detectar las desviaciones de estos indicadores respecto a las especificaciones derivadas de la VB, losresultados generados cumplirán los requisitos de utilidad médica.El QC en el laboratorio clínico es una integración de varios factores:1. Obtención e identificación de la muestra.2. Metodología empleada: • Instrumentación; • Reactivos; • Calibración.3. Mantenimiento de instrumentos: • Recomendaciones del fabricante; • Mantenimiento preventivo.4. QC en: • Material empleado; • Manejo de datos.5. Capacitación y educación continua del personal que realiza las pruebas. 6
  7. 7. nivel modelo subnivel 1 Evaluación del efecto de la prestación Especificaciones de la calidad en situaciones clínicas analítica en las decisiones concretas concretas 2 Evaluación del efecto de la prestación (a) Especificaciones de la calidad generales basadas en la analítica en las decisiones clínicas variabilidad biológica; generales (b) Especificaciones de la calidad basadas en las opiniones de los clínicos 3 Recomendaciones de profesionales (a) Guía de grupos nacionales o internacionales; expertos (b) Guía de expertos individuales o de grupos institucionales 4 Especificaciones de la calidad impuestas por (a) Especificaciones marcadas por ley; regulación o propuestas por organizadores (b) Especificaciones propuestas por organizadores de de programas de evaluación externa de la programas de evaluación externa de la calidad calidad 5 Datos publicados sobre el “estado del arte” (a) Datos sobre el “estado del arte” extraídos de programas de evaluación externa de la calidad o pruebas de aptitud; (b) Metodología individual Tabla 2. Jerarquía de modelos para establecer especificaciones de la calidad (Petersen, 1999) ESPECIFICACIONES DE LA CALIDAD CREACIÓN DE LA CONTROL DE LA CALIDAD ANALÍTICA CALIDAD ANALÍTICA Figura 1. (Petersen, 1996) FASE ANALÍTICA CONTROL DE LA CALIDAD FASE FASE PREANALÍTICA POSTANALÍTICA Figura 2. Preservación de la calidad 7
  8. 8. La calidad se describe a menudo como un viaje. El cambio de organización implicado en la mayoría de losprogramas de la gestión de la calidad puede dar la ilusión de un viaje, pero representa a menudo solamenteun movimiento temporal sin destino bien definido. El esfuerzo describe a veces principalmente donde hemosestado y cómo llegamos al presente, más bien que avanzando a donde necesitamos estar en el futuro. Ellaboratorio se esfuerza en avanzar hacia destinos bien definidos de la necesidad de la calidad, con mapaspara dirigirnos a esos destinos, y con una planificación cuidadosa para proporcionar un viaje sin obstáculos.4. Planificación de la calidadLas actividades de definir el destino para el viaje y de trazar la trayectoria a ese destino son parte de laplanificación de la calidad. La elección del destino depende a menudo de los intereses particulares de losviajeros implicados, de modo que es algo subjetivo y varía con el viajero. La trayectoria a un destino elegidodebe ser objetiva, aunque diversos viajeros deseen ir a diversos destinos. Para la planificación de la calidaden un laboratorio, hay que pensar en el destino como la calidad deseada o requerida para una prueba. Hayque reconocer que este requisito de calidad varía de laboratorio a laboratorio dependiendo de los serviciosclínicos proporcionados por la organización sanitaria, las prácticas profesionales establecidas, y las normasque hay que cumplir. Este requisito de calidad debe estar definido para comenzar un proceso objetivo deplanificación de la calidad, según lo reseñado en el siguiente esquema:• Definir los requerimientos de la calidad;• Valorar las prestaciones del método;• Valorar las prestaciones del QC;• Utilizar las herramientas del QC;• Evaluar las características de Rechazo;• Seleccionar las reglas de control y el número de medidas del(los) control(es);• Adoptar la estrategia total del QC;• Valorar de nuevo para el cambio. RESULTADO VALOR VARIABILIDAD PREANALÍTICA DE LA VERDADERO (estimada como irrelevante) MUESTRA SESGO VARIABILIDAD ANALÍTICA ANALÍTICO (imprecisión analítica total) VARIABILIDAD BIOLOGICA INTRÍNSECA (una constante) VARIABILIDAD TOTAL VARIABILIDAD ANALÍTICA SESGO ERROR (imprecisión analítica total) + ANALÍTICO = TOTAL Figura 4. Composición de un dato de laboratorio. 8
  9. 9. Los pasos siguientes incluyen la valoración de las prestaciones características del método, obteniendo lascaracterísticas de rechazo de los procedimientos candidatos de QC, seleccionando las reglas apropiadasdel control y el número de las medidas del control, adoptando una estrategia completa o total de QC, yfinalmente valorándola de nuevo para los cambios cuando sean necesarios. La actividad misma de laplanificación se puede apoyar por diferentes herramientas y la tecnología. Todas éstas herramientas ytecnología de la planificación todavía requieren el conocimiento del destino (requisito de calidad), así comoel punto de partida (características de las prestaciones del método, las características de rechazo del QC).Sin embargo, pueden utilizar esta información en diversas maneras de desarrollar un plan para el viaje.Los detalles prácticos de cómo la planificación de la calidad se puede realizar en un laboratorio dependende las herramientas y de la tecnología particulares de la planificación del QC que se utilicen. Éstas puedenincluir herramientas básicas tales como gráficos de la función potencia y del error crítico, herramientas másavanzadas tales como modelos de planificación de la calidad y cartas de Especificaciones de Operación(OPSpecs charts), e incluso tecnología informática, como el programa Validator que automatiza la selecciónde los procedimientos de QC.5. Construcción de los gráficos de controlLos gráficos para el control de productos industriales fueron desarrollados inicialmente por W. Shewhart en1931, con el principal objetivo de investigar si un proceso se encuentra bajo control estadístico. El elementoclave en los gráficos de control es la muestra de control, que servirá para construir el gráfico y monitorizar elestado del procedimiento analítico. Esta muestra, que tiene que ser estable en el tiempo, puede ser:• Una sustancia patrón;• Una muestra sintética adicionada;• Un material de referencia o un material de referencia certificado;• Una muestra real.En la mayoría de estas muestras el valor de la concentración o propiedad que se desea monitorizar ya vienedada (en las sustancias patrón, materiales de referencia o materiales de referencia certificados), o bien seconoce de una forma muy exacta (en el caso de muestras sintéticas fortificadas). Pero en el tipo demuestras de control más utilizado (una muestra real), se desconoce el valor de la concentración o propiedada controlar. En este tipo de muestras la estimación de la concentración o propiedad a monitorizar se debellevar a cabo analizando la muestra de control con el método analítico una vez se ha acabado de verificar sutrazabilidad.El fundamento de los gráficos de control se basa en la asunción de la normalidad de los resultados demedida: cuando se lleva a cabo algún proceso (por ejemplo, un método de análisis) de forma sistemática,es decir, bajo las mismas fuentes de influencia o variación, el proceso se verá afectado por erroresaleatorios que conducirán a una distribución normal de los resultados. Esta afirmación es una consecuenciadel teorema del límite central. Se dirá que el método analítico está bajo control si los resultados obtenidoscon este método siguen las características de una distribución normal. Por ejemplo, aproximadamente el 67% de los resultados han de encontrarse dentro del intervalo: valor de la muestra de control ± 1s (donde ses la desviación típica asociada a los análisis de la muestra de control con el procedimiento que se deseamonitorizar), aproximadamente el 95 % de los resultados han de encontrarse dentro del intervalo: valor de lamuestra de control ± 2 s y aproximadamente el 99 % de los resultados han de encontrarse dentro delintervalo: valor de la muestra de control ± 3 s (izquierda de la figura 1). Cuando los resultados de losanálisis de la muestra de control a lo largo del tiempo se encuentran dentro de los límites aceptados, se diceque el sistema se encuentra bajo control estadístico. Cuando se encuentran puntos fuera de los límitesespecificados, o se encuentran tendencias, se dice que el sistema se encuentra fuera de control.En la construcción de un gráfico de control se pueden distinguir las siguientes etapas:5.1. Etapa de aprendizajeEn esta etapa se obtienen los resultados iniciales con la muestra de control. En el caso de utilizar unamuestra real, se debería comprobar la normalidad y la presencia de resultados discrepantes y sueliminación. Con los resultados iniciales de la muestra de control se establece el valor de la línea central.Este valor debería obtenerse con un mínimo de 15–30 análisis de la muestra de control. Los diferentes 9
  10. 10. límites suelen establecerse a una distancia del valor central ± 2 s (línea de aviso), y a una distancia delvalor central ± 3 s (línea de control). Estas líneas pueden observarse en la figura 5. Figura 5. Líneas de aviso y de control en un gráfico de control (parte derecha), y su relación con la distribución de la muestra de control.Los límites de aviso y de control situados a unas distancias de ± 2 s y ± 3 s respectivamente, puedenconstruirse utilizando los valores 2 y 3 cuando el valor de la media de la muestra de control ha sidoencontrado con un número suficientemente grande de repeticiones (alrededor de 30). En este caso seasume que se conocen los valores reales de los parámetros (media y desviación típica). Si se tienen menosrepeticiones, se aconseja considerar que los valores reales de estos parámetros son desconocidos, y sedeben efectuar correcciones sobre la asunción de distribución normal. Esto implica utilizar valores tabulados(ver por ejemplo Grant, 1988) en lugar de los valores 2 y 3. Normalmente un laboratorio empiezaconsiderando como desconocidos los valores de los parámetros, hasta que se han recogido suficientesdatos como para poder considerar estos parámetros como conocidos.5.2. Etapa de controlEn esta etapa se representan frente al tiempo los diversos resultados de la muestra de control con elobjetivo de detectar tendencias y situaciones fuera de control.El gráfico de control representado en la Figura 1 se denomina un gráfico de valores individuales, y en ella seefectúa un solo replicado de la muestra de control cada vez que ésta se analiza. El gráfico de valoresindividuales es quizá el más empleado, pero hay otras variaciones:• Gráfico de medias: cada vez que se analiza la muestra de control se efectúan n réplicas (siempre el mismo número n de réplicas), y se representa el valor medio de estas n réplicas. En este caso, los límites de aviso y de control se encuentran respectivamente a ± 2 s y ±3 s , siempre que se n n consideren como conocidos los parámetros del valor medio y de la desviación típica. En estos gráficos se aplica el mismo comentario para la construcción de los límites de aviso y control que en el gráfico de valores individuales cuando se tienen pocos datos y no se pueden considerar los parámetros promedio y desviación típica como verdaderos.• Gráfico de intervalos móviles: se mide el intervalo entre un par consecutivo de valores en un gráfico de valores individuales. De esta manera se pueden controlar ‘saltos’ en el procedimiento analítico.• Gráfico de intervalos: cuando se establece el control de los promedios, su distribución puede medirse por el intervalo (valor máximo – valor mínimo) de los valores utilizados para cada promedio, y controlar así esta dispersión.Aparte de estos tipos de gráficos, existen otros más complejos, como el gráfico de control de sumasacumuladas (CUSUM, el cual es más sensible y rápido para la detección de derivas) o el gráfico de controlde medias móviles exponencialmente ponderadas (EWMA, el cual al dar más peso al punto más actualrepresenta mejor el estado del procedimiento) (Massart, 1997).6. Requisitos de la calidadLos destinos se proporcionan en forma de metas, de objetivos, y de requisitos que den la dirección a laplanificación, a la políticas, a los procesos, y a los procedimientos, así como a la gente que esté implicadaen realizar la misión del laboratorio. Para la calidad analítica, los destinos son los requisitos de la calidadque definen el funcionamiento aceptable del laboratorio. Llegar a estos destinos requiere direcciones para la 10
  11. 11. precisión, la veracidad, y el QC necesario para que los procesos de las pruebas funcionensatisfactoriamente.Los requisitos de calidad en la forma de errores analíticos totales o de intervalos clínicos de decisión sonventajosos porque pueden ser traducidos a las especificaciones para la precisión y la veracidad que sonpermisibles para el método y el QC que es necesario para detectar cambios en las prestaciones del método.Otras clases de requisitos de calidad están, en un sentido, incompleto porque carecen información sobre elQC necesario para asegurar prestaciones satisfactorias en las operaciones de rutina. Sin embargo, puedenser reformuladas a veces en un requisito del error aceptable para hacer posible incluir el QC.7. Modelos de planificación de la calidadLos modelos de planificación de la calidad se utilizan para definir la relación entre un error total permisible oun cambio médicamente significativo y los factores analíticos y preanalíticos que contribuyen a lavariabilidad de un resultado de la prueba.Estos modelos son "presupuestos de error" que describen los factores que son considerados para controlaro gestionar la variabilidad de un resultado de una prueba. La mayoría de nuestras ideas actuales sobre lagestión de la calidad analítica se basan en el presupuesto del error total convencional que considerasolamente los efectos de la imprecisión estable y de la inveracidad estable. El modelo analítico de laplanificación de la calidad tiene la consideración adicional de la sensibilidad del QC necesaria para detectarcambios en las prestaciones estables del método. Para un funcionamiento mejor del método es necesariogarantizar que la calidad deseada se alcance en las operaciones de cada día. El modelo clínico de laplanificación de la calidad tiene los efectos adicionales de factores preanalíticos, tales como la variaciónbiológica intraindividual, que significa que hay un diferente fondo así como los costos adicionales que seconsiderarán.7.1. Error sistemáticoEl error sistemático (ES), como su nombre indica, corresponde al error permanente y presente en todos losresultados de una magnitud analítica. El ES proviene de las diferencias de un método analítico con el"método de referencia", así como de las diferencias producidas en el sistema analítico del laboratorio(instrumento, reactivos, calibradores, etc.) con respecto a otros laboratorios que utilizan el mismo método. ElES se calcula mediante la diferencia entre el valor real de un material control, y el valor obtenido en ellaboratorio para dicho control. El valor real sería el obtenido al analizar el material control utilizandomateriales y métodos de referencia, y dado que dichos materiales y métodos no se encuentranhabitualmente en las instalaciones de los laboratorios clínicos, se utilizará en su defecto el llamado valordiana que es la media aritmética del valor obtenido por un grupo de laboratorios que utilizan el mismométodo analítico. El valor obtenido en el laboratorio se calcula mediante la media aritmética de un númerosuficiente de determinaciones del mismo material control (se recomiendan 20 o más valores). El errorsistemático se calcula mediante la fórmula: ES = MMET − MINTdonde MMET es la media aritmética de los datos de todos los participantes en un QC externo queutilizan el mismo método que el laboratorio; y MINT es la media aritmética interna del laboratorio obtenida para el mismo material control.7.2. Error aleatorioEl análisis repetitivo de una misma magnitud de un determinado material, proporciona una población dedatos que sigue una distribución normal. La dispersión de los datos obtenidos en torno a su mediaaritmética se evalúa mediante el cálculo de la desviación típica. Dado que la distribución normal esasintótica a ambos lados de la media, la dispersión de los datos podría variar desde menos infinito a másinfinito, por lo que el error aleatorio (EA) máximo que se podría cometer en una medición podría llegar a serinfinito. El EA de un valor determinado y puede incrementar la inexactitud de dicho valor adicionándose enel mismo sentido que el error sistemático o podría disminuir la inexactitud si su sentido es contrario alsistemático. El error aleatorio se calcula mediante la fórmula: EA = t × DSINTdonde DSINT es la desviación típica interna del laboratorio; y 11
  12. 12. t es un factor que delimita el EA, ó expresado de otra forma, el valor que determina el porcentaje de resultados incorrectos antes de que el sistema de QC detecte la situación de error establecida por el objetivo con la probabilidad fijada por las reglas estadísticas utilizadas. Los valores de t deberán ser prefijados por cada laboratorio: t = 1, 65 para considerar un 95 % de la población de datos (recomendado); t = 2 para considerar un 97,5 % de la población de datos; t = 3 para considerar un 99,9 % de la población de datos; t = 4 para considerar un 100 % de la población de datos.Evidentemente el EA calculado mediante esta fórmula no es un error que se produzca en todos y cada unode los datos, sino que representa de alguna forma el EA máximo que puede producir un sistema analítico enun momento determinado.7.3. Error totalEl error total (ET) de una magnitud es la suma del ES y EA, y representa el error máximo que puedeproducirse dentro del porcentaje de la población previamente fijado por el factor t . ET = ES + EA ET = ES + t × DSINTLa comparación del ET aquí calculado con el EM previamente establecido proporcionará una idea clara dela calidad de la magnitud estudiada, siendo obvio que si el ET supera al EM establecido en los objetivos,no será posible implementar un sistema de QC estadístico y el laboratorio debería estudiar seriamente laidoneidad del sistema analítico utilizado y/o la viabilidad del objetivo seleccionado.8. Diagramas OPSpecsLos mapas prácticos para guía de los laboratorios para destinos definidos de la calidad se puedenproporcionar en forma de diagramas de las especificaciones de funcionamiento (diagramas OPSpecs), quese pueden preparar para los requisitos de calidad en la forma de errores analíticos totales o de intervalosclínicos de decisión. Los modelos de la planificación de la calidad son exhibidos para mostrar la inveracidadpermisible en el eje Y , y la imprecisión permisible en el eje X para diferentes procedimientos de QC(reglas de control, número de observaciones del control) que proporcionen un nivel definido de la detecciónde error (el requisito de calidad, o de la garantía de calidad analítica).La analogía del diagrama OPSpecs a un mapa ayuda a describir su uso. La localización de un método dadoes determinada trazando su inveracidad en el eje Y , y su imprecisión en el eje X para definir el punto defuncionamiento. El objetivo es estar en la tierra sólida, es decir, estar situado dentro de la imprecisiónpermisible y de la inveracidad permisible de un procedimiento del candidato QC, que varían con las reglasdel control y el número de las medidas del control.Se encuentran tres situaciones al usar los diagramas OPSpecs. En el mejor de los casos, el método tienebastante baja imprecisión e inveracidad para ser fácilmente controlable. En este caso, el esfuerzo principaldebe ser reducir al mínimo el coste de QC reduciendo el número de las medidas del control al mínimorequerido, ensanchando los límites de control para reducir al mínimo falsos rechazos, y simplificando lasreglas del control para hacer el procedimiento de QC tan fácil como sea posible poner en ejecución.En el caso medio, la imprecisión del método y la inveracidad proporcionará funcionamiento aceptabledurante la operación estable, pero el método no será controlable si ocurren problemas y la operación llega aser inestable. Puede ser posible mejorar el procedimiento de QC aumentando el número de las medidas delcontrol y usando procedimientos de multireglas más bien que de una sola regla. También será necesariomuy probablemente mejorar el funcionamiento del método eliminando cualquier sesgo y reduciendo ladesviación típica.En el peor de los casos, el método incluso no proporciona la calidad necesaria cuando el funcionamiento esestable. ¿Cómo hacer el QC? no es la cuestión correcta. ¿Qué método utilizar? es la pregunta másrelevante. Mientras que es posible que el funcionamiento del método puede ser mejorado, puede realmenteser necesario substituir este método por una más nueva y mejor tecnología para alcanzar el funcionamientoanalítico necesario. 12
  13. 13. Estos diagramas OPSpecs están disponibles en la literatura científica, en Internet2, y en forma impresa enun manual de OPSpecs. Se puede pensar en el manual de OPSpecs como un atlas, con el requisito decalidad siendo una “Comunidad Autónoma" o "Provincia". Pensar en el punto de funcionamiento como lascoordenadas dentro de esa Comunidad Autónoma. Cada uno define la Comunidad de interés, operacionesde búsqueda en el mapa para esa comunidad, entonces encuentra su localización en ese mapa. El manualde OPSpecs contiene los mapas para una amplia gama de comunidades, desde el 0,5 % al 50 %, queincluyen todo lo necesario para la gama completa de los requisitos especificados por los criterios de laprueba de aptitud de los EEUU. CLIA para el funcionamiento aceptable. Figura 6. Diagrama OPSpecs9. Reglas estadísticas de decisiónUna vez establecidos el EM y el ET para cada una de las magnitudes, hay que definir los procedimientosestadísticos que permitirán tomar decisiones objetivas para alcanzar los objetivos de QC. La selección delprocedimiento más adecuado dependerá de los objetivos establecidos, la calidad del método analíticoutilizado, la complejidad técnica del método, la organización del laboratorio (urgencias, rutina, etc.), elvolumen de muestras (definición de series), los costes del proceso, etc.Una regla estadística de decisión es el método que permite decidir la aceptación o rechazo de losresultados obtenidos en una serie analítica con unas probabilidades de detección de error y de falsorechazo determinadas ( 13 s , 2 2 s , 4 1s , 10 X , etc.). La regla elegida debe aplicarse a todas y cada una delas series analíticas, siendo la serie analítica un número prefijado de muestras, las muestras analizadas enun periodo de tiempo fijo ó en general algún elemento que defina períodos, cantidades o bloques deanálisis, sobre las que se realiza una decisión de aceptación o rechazo de resultados en función de losvalores obtenidos para los materiales control incluidos en dicha serie aplicando una regla de decisión. Essumamente importante conocer con detalle los enunciados completos de las reglas a aplicarindependientemente del sistema utilizado para su representación nemotecnica, teniendo en consideraciónlos siguientes puntos:• La regla puede ser simple (1 ) 2s ó múltiple (1 3s |2 2 s ) . Normalmente las multireglas implican su aplicación consecutiva a la serie de datos, y el rechazo de la serie cuando se produce cualquiera de ellas “salta”;• El número de controles a utilizar en cada serie y si estos controles serán múltiples materiales (diferentes niveles, etc.) ó el mismo material;• El número de datos a considerar y su procedencia: • Un solo material o múltiples materiales; • Datos de una serie o múltiples series.• La forma de aplicar la regla, por ejemplo la regla (2 ) 2,5 s podría ser interpretada con resultados totalmente distintos utilizando enunciados como:2 http://www.westgard.com 13
  14. 14. • Rechazar si “2” valores consecutivos de los controles se encuentran fuera del rango establecido por su valor medio ± 2,5 desviaciones típicas por la parte superior o inferior del rango indistintamente; • Rechazar si “2” valores consecutivos de los controles se encuentran fuera del rango establecido por su valor medio ± 2,5 desviaciones típicas ambos por su parte superior ó inferior del rango simultáneamente.10. Multireglas y “reglas de Westgard”¿Que es un procedimiento de multireglas de QC? Las reglas múltiples de QC utilizan una combinación delos criterios de decisión, o reglas de control, para decidir si una serie analítica está bajo control o fuera decontrol. El procedimiento bien conocido de las reglas múltiples de QC de Westgard utiliza diferentes reglasde control para juzgar la aceptabilidad de una serie analítica. Para la comparación, un procedimiento de unasola regla de QC utiliza un solo criterio o escoge un simple juego de límites de control, tales como una cartade Levey-Jennings con el sistema de límites de control como la media más o menos dos desviacionestípicas ( 2 s ) o la media más o menos 3 s . Las "reglas de Westgard" se utilizan generalmente con dos ocuatro medidas del control por serie, cuyas medias son apropiadas cuando dos diferentes materiales delcontrol se miden una o dos veces por material, que es el caso en la mayoría de las aplicacionesbioquímicas. Algunas reglas alternativas del control son más convenientes cuando se analizan tresmateriales del control, que es común en hematología, coagulación, e inmunoanálisis.11. ¿Cuáles son las “reglas de Westgard”?Por conveniencia se adopta una notación corta para abreviar diversos criterios de decisión o para controlarlas reglas, por ejemplo 1 2 s para indicar una medida del control que excede los límites de control 2 s .Westgard utiliza subíndices para indicar los límites de control, pero otros autores usan diferentes notaciones(por ejemplo 1:2 s en vez de 1 2 s ). Las combinaciones de reglas generalmente se indican usando unamarca o línea vertical (|) ( ) entre las reglas del control, por ejemplo 13 s |2 2 s . Las reglas individuales sedefine a continuación.• 13 s se refiere a una regla del control que se utiliza comúnmente con diagrama de Levey-Jennings cuando se fijan los límites de control como la media + 3 s y la media menos − 3 s . Se rechaza una serie cuando una sola medida del control excede el límite de control media +3 s o media −3 s . Detecta un error aleatorio. Figura 7.• 1 2 S . Un límite de control excede los límites de la media ± 2 s . Se refiere a la regla del control que se utiliza comúnmente con una carta de Levey-Jennings cuando los límites de control se fijan como ± 2 s . 14
  15. 15. Figura 8. En el procedimiento original de las reglas múltiples de QC de Westgard, esta regla es utilizada como regla de aviso o alerta para accionar la inspección cuidadosa de los datos de control por las reglas siguientes del rechazo. Se acepta un punto sobre o bajo 2 s dentro de los últimos 20 puntos.• 2 2 s . Rechazo cuando dos medidas consecutivas del control exceden el límite de control de la media + 2 s o la media − 2 s . Detecta un error sistemático. Figura 9.• R 4 s . Rechazo cuando una medida del control en un grupo excede la media + 2 s y otro excede la media − 2 s . Detecta un error aleatorio. Figura 10.• 4 1s . Rechazo cuando cuatro medidas consecutivas del control exceden el límite de control de la media + 1 s o la media − 1 s . Detecta un error sistemático.• Regla del límite: Media 0,01 : se rechaza la serie analítica si la media de los últimos n controles observados excede los límites de control que dan una frecuencia de 1 % de falsos rechazos ( Pr fr = 0, 01) . Detecta un error sistemático.• R 0,01 . Se rechaza la serie analítica si el rango de los últimos n controles observados exceden los límites de control que dan una frecuencia de 1 % de falsos rechazos ( Pr fr = 0, 01) . Detecta un error aleatorio.• 10 x . Se rechaza la serie analítica si diez medidas consecutivas del control se encuentran todas por encima o todas por debajo de la media. Detecta un error sistemático. 15
  16. 16. Figura 11. Además, a veces se utilizan algunas modificaciones de esta última regla para hacerlo más fácilmente ajustable con n = 4 .• 8 x . Se rechaza la serie analítica cuando ocho medidas consecutivas del control caen a un lado de la media. Detecta un error sistemático.• 12 x . Se rechaza la serie analítica cuando doce medidas consecutivas del control caen a un lado de la media. Detecta un error sistemático.Las reglas de control precedentes se utilizan generalmente con n de 2–4, cuyas medias son apropiadascuando dos distintos materiales del control se miden 1–2 veces por material.12. ¿Cuáles son otras multireglas comunes?En las situaciones donde se están analizando tres diferentes materiales del control, se ajustan mejor y sonmás fáciles de aplicar otras reglas de control, por ejemplo:• 2 de 3 2 s . Se rechaza la serie analítica cuando dos de tres medidas del control exceden el límite de control de la media + 2 s o la media − 2 s . Detecta un error sistemático.• 31s . Se rechaza la serie analítica cuando tres medidas consecutivas del control exceden el límite del control de la media + 1 s o la media − 1 s . Detecta un error sistemático.• 6 x . Se rechaza la serie analítica cuando seis medidas consecutivas del control caen a un lado de la media. Detecta un error sistemático. A veces se ve, además, una cierta modificación de esta última regla para incluir un número más grande de las medidas del control que todavía se ajustan con una n de 3.• 9 x . Se rechaza la serie analítica cuando nueve medidas consecutivas del control caen a un lado de la media. Detecta un error sistemático. Una regla relacionada del control que se utiliza a veces, particularmente en Europa, busca una "tendencia" donde varias medidas de control en una secuencia están aumentando o están disminuyendo.• 7 T . Se rechaza la serie analítica cuando siete medidas del control tienden en la misma dirección, es decir, dan progresivamente más altos o progresivamente más bajos.13. ¿Cómo realizar las reglas múltiples de control de la calidad?Recoger las medidas del control de la misma manera que para el diagrama regular de control de Levey-Jennings. Establecer las medias y las desviaciones típicas de los materiales del control de la mismamanera. Para el uso manual, trazar líneas en el diagrama de Levey-Jennings correspondientes a medias± 3 s , ± 2 s , y ±1s .En usos manuales, una regla 1 2 s se debe utilizar como advertencia para accionar el uso de las otras reglas,así siempre que una sola medida excede un límite de control 2 s , se responde examinando los datos decontrol usando las otras reglas. Es como una señal de peligro en la intersección de dos caminos. Nosignifica la parada, significa “mirar cuidadosamente antes de proceder”.¿Cómo se mira cuidadosamente? Utilizar las otras reglas del control para examinar los puntos de control.Parar si un solo punto excede un límite 3 s . Parar si dos puntos consecutivos exceden el mismo límite 2 s . 16
  17. 17. Parar si un punto en el grupo excede al límite + 2 s y otro excede al límite − 2 s . Ya que debe ser n ≥ 2para satisfacer requisitos de la CLIA QC de EEUU, todas estas reglas se pueden aplicar dentro de unaserie. A menudo la 4 1s y la 10 x se deben utilizar a través de series para conseguir el número de medidasdel control necesarias para aplicar las reglas. Una violación 4 1s ocurre siempre que cuatro puntosconsecutivos excedan el mismo límite 1 s . Estos cuatro puntos pueden ser a partir de un material del controlo pueden también ser los dos últimos puntos analizados de un material del control de alto nivel y los dosúltimos puntos pasados de un material de control de nivel normal, así la regla se puede también aplicar através de los materiales. La regla 10 x tiene que ser aplicada generalmente a través de series y a menudo através de los materiales.Las aplicaciones informáticas no necesitan utilizar la regla de aviso 11s . Se debe poder seleccionar lasreglas individuales de rechazo sobre una base de prueba a prueba para optimizar el funcionamiento delprocedimiento de QC sobre la base de la precisión y veracidad observada para cada método analítico y dela calidad requeridas por prueba.14. ¿Por qué utilizar un procedimiento de reglas múltiples de control dela calidad?Los procedimientos de reglas múltiples de QC son obviamente más complicados que los procedimientos deuna sola regla, lo que constituye una desventaja. Sin embargo, proporcionan a menudo mejoresprestaciones que los procedimientos de QC 11s y 13 s de una sola regla comúnmente usados en QC. Hayun problema de falsas alarmas con una regla 1 2 s , tal como el diagrama de Levey–Jennings con límites decontrol 2 s ; cuando n = 2 , se espera que el 9 % de series correctas serán falsamente rechazadas; conn = 3 , es incluso más alto: cerca del 14 %; con n = 4 , es casi el 18 %. Eso significa que casi 10–20 % deseries correctas serán rechazadas, lo que supone una pérdida de tiempo y esfuerzo en el laboratorio.Mientras que un diagrama de Levey–Jennings con límites de control 3 s tiene una proporción muy baja defalsos rechazos: sólo el 1 % con n de 2-4, su detección de error (alarmas verdaderas) también serán bajas,así el problema con la regla del control 13 s es que los errores médicamente importantes pueden no serdetectados.Las ventajas de los procedimientos de las reglas múltiples de QC son que los falsos rechazos puedenhacerse bajos mientras que al mismo tiempo mantienen alta la detección de error. Esto se haceseleccionando las reglas individuales que tienen niveles muy bajos de falso rechazo, acumulando entoncesla detección de error usando estas reglas juntas. Es como el funcionamiento de dos pruebas de la funciónhepática y diagnosticar un problema si cualquiera de ellas es positiva. Un procedimiento de reglas múltiplesde QC que utiliza dos o más pruebas estadísticas (reglas del control) para evaluar los datos de QC,entonces se rechaza una serie si alguna de estas pruebas estadísticas es positiva.15. ¿Hay estrategias similares para pruebas de QC y para pruebas dediagnóstico?Sí. ¡Una prueba de QC es como una prueba de diagnóstico! La prueba de QC procura identificar problemascon la operación normal de un proceso de prueba analítico, mientras que la prueba de diagnóstico procuraidentificar problemas con la operación normal de una persona. La acción apropiada o el tratamientodepende correctamente de identificar el problema. La prueba de QC y la prueba de diagnóstico sonafectadas por la variación normal que se espera cuando no hay problemas, es decir, las tentativas de laprueba de QC de identificar los cambios que ocurren más allá de esos normalmente previstos debido a laimprecisión del método, mientras que la prueba de diagnóstico procura identificar cambios más allá de esosnormalmente previstos debido a la variación de una población (el rango de referencia para la prueba) o a lavariación de un individuo (variación biológica intraindividual). La presencia de esta variación o "ruido defondo” limita el funcionamiento de la prueba de QC y de la prueba de diagnóstico. 17
  18. 18. 16. ¿Son las características de funcionamiento similares para QC y laspruebas de diagnóstico?Esta variación de fondo causa las falsas alarmas que hacen el tiempo y el esfuerzo inútiles. Estas falsasalarmas, o más correctamente “falsos positivos”, para una prueba de diagnóstico y los falsos rechazos parauna prueba de QC, pero ambas están relacionadas con una característica general llamada “especificidad”.Las alarmas verdaderas se llaman los verdaderos positivos para una prueba de diagnóstico y son referidascomo detección de error para una prueba de QC, y ambas se relacionan con una característica general dela prueba llamada "sensibilidad”. La sensibilidad y la especificidad, por lo tanto, son las características defuncionamiento generales que se pueden aplicar a una prueba que clasifique resultados como positivo onegativos (en cuanto a una prueba de diagnóstico) o aceptar o rechazar (para una prueba de QC).¡Las pruebas de diagnóstico raramente son perfectamente sensibles y perfectamente específicas! Por lotanto, los médicos han desarrollado aproximaciones y estrategias para mejorar el funcionamiento depruebas de diagnóstico. Una aproximación es ajustar el punto de corte o el nivel de decisión para clasificarun resultado de la prueba como positivo o negativo. Ambas sensibilidad y especificidad cambian cuandoestos límites cambian y las mejoras en sensibilidad vienen generalmente con una pérdida de especificidad,y viceversa. Los procedimientos de QC, asimismo, raramente se realizan con la perfecta detección de errory ningún rechazo falso. Los laboratorios pueden emplear aproximaciones similares para optimizar lasprestaciones del QC. Cambiar el límite de control es como cambiar el punto de corte, y las mejoras ensensibilidad implican generalmente un coste en especificidad (la regla 1 2 s es un ejemplo). Límites de controlmás amplios, tales como 2,5 s , 3 s , y 3,5 s conducen a disminuir la detección de error y así disminuir elnúmero de falsos rechazos.17. ¿Cómo utilizar pruebas múltiples para optimizar las prestaciones?Otra aproximación para optimizar las prestaciones diagnósticas, es utilizar pruebas múltiples. Para mejorarla sensibilidad, dos o más pruebas se utilizan juntas y se identifica un problema si alguna de las pruebas espositiva (“prueba paralela”). Para mejorar la especificidad, un hallazgo positivo de una prueba de cribadosensible se puede seguir con una segunda prueba más específica para confirmar el problema (“pruebaserial”). Sensibilidad y especificidad pueden optimizarse mediante una aproximación de pruebas múltiples,pero generalmente estos cambios afectan otra vez a ambas características.Las estrategias con las pruebas múltiples se pueden también utilizar para optimizar las prestaciones de unprocedimiento de QC. Las reglas múltiples de QC son la aproximación general para ello. Los objetivos sonreducir los problemas de las falsas alarmas, o falsos rechazos, causados por el uso de los límites de control 2 s , y al mismo tiempo mejorar la detección de error disponible al usar el límite de control 3 s . Las pruebasmúltiples son diferentes pruebas estadísticas o diferentes reglas estadísticas del control, y las estrategias sebasan en la prueba en serie y en paralela.• Las falsas alarmas son reducidos al mínimo usando la regla 1 2 s como regla de alerta, y confirmando cualquier problema mediante el uso de reglas más específicas con una baja probabilidad de falsos rechazos (prueba en serie);• Las verdaderas alarmas o la detección de error son maximizados seleccionando una combinación de las reglas más sensibles a la detección de errores aleatorios y sistemáticos, y rechazando una serie si se viola alguna de estas reglas (prueba paralela).18. ¿Cuándo se debe utilizar un procedimiento de reglas múltiples deQC?¡No siempre! A veces un solo procedimiento de la regla QC proporciona toda la detección de error necesariamientras que al mismo tiempo mantiene un índice pequeño de falsos rechazos. Generalmente esto significala eliminación de la regla 1 2 s , debido a sus alto índice de falsos rechazos, y considerando otras tales como1 2,5 s , 13 s , y 13,5 s que poseen aceptables índices de falsos rechazos. Seguidamente hay que ver si ladetección de error adecuada se puede obtener mediante el uso exclusivo de estos otras reglas de QC. Si enel 90 % de las ocasiones se puede detectar los errores médicamente importantes (es decir, probabilidad dela detección de error de ≥ 0,90 , entonces es adecuado una sola regla de QC. Si la detección de error del90 % no se puede obtener mediante una única regla de QC, entones deberá considerarse un procedimiento 18
  19. 19. de reglas múltiples. En general, se observa que las reglas simples de QC son adecuadas para losanalizadores altamente automatizados y precisos de bioquímica y de hematología, pero debe evitarse usarlímites de control 2 s o la regla del control 1 2 s para reducir al mínimo las pérdidas de tiempo y los costes.Los sistemas automatizados de la primera generación y los métodos manuales se beneficiarán a menudode la detección de error mejorada de los procedimientos de las reglas múltiples.Para saber exactamente cuando utilizar una sola regla o múltiples reglas de QC, se necesitará definir lacalidad requerida para cada prueba, observar la precisión y la veracidad que se logra por el método, ydeterminar seguidamente las probabilidades de falsos rechazos Pr f r ( ) de detección de error Pr de los dediversos procedimientos candidato para QC. Apunte para la detección de error del 90 % ( Pr ≥ 0,90 ) y 5 de% o menos falsos rechazos ( Pr ≤ 0, 05 ) . Con los sistemas analíticos muy estables que raramente frpresentan problemas, se puede alcanzar un menor índice de detección de error.19. Necesidad de definir un protocolo de QCDebido a las muchas aplicaciones posibles de las reglas individuales en un procedimiento de reglasmúltiples de QC, es mejor proporcionar las instrucciones específicas de cuándo procesar controles, cómointerpretar los resultados, y qué hacer según sean los resultados. A continuación se presenta un protocolode actuación.1. Procedimiento estadístico de QC. Utilizar una regla de alerta 1 2 s y las reglas del rechazo 13 s |2 2 s | R 4 s |4 1s |10 X con 2 medidas del control por serie;2. Análisis de los materiales del control. Analizar una muestra del control del nivel “A” y una muestra del control del nivel “B” en cada serie;3. Interpretación de la regla de alerta. Si ambos resultados del control están dentro de los límites 2 s , informar los resultados de las pruebas de los pacientes. Si un resultado del control excede un límite 2 s , examinar los datos de control como sigue y rechazar la serie si se viola cualquier regla del control;4. Inspección de los resultados del control intraserial. Examinar los resultados del control en la serie actual aplicando la regla 13 s a los resultados de cada material y de las reglas 2 2 s y R 4 s a través de los materiales. Observar que las reglas del control 4 1s y 10 X no se pueden aplicar dentro de una serie porque hay solamente dos medidas del control disponibles5. Inspección de los resultados del control a través de la serie. Aplicar la regla 2 2 s dentro de cada material a través de las dos últimas series; aplicar la regla 4 1s dentro de cada material a través de las 4 últimas series; aplicar la regla 4 1s a través de las dos últimas series y de las dos medidas en cada material; aplique la regla 10 X a través de las cinco últimas series y de las dos medidas en cada material. [nótese que este protocolo no especifica la aplicación de la regla 10 X dentro de cada material a través de los diez últimas series].6. Interpretación de las reglas de rechazo. Si no se viola ningunas de las reglas en los pasos 3 y 4, aceptar la serie e informar los resultados de los pacientes. Si alguna de las reglas en los pasos 3 y 4 se viola, la serie está fuera de control; no informar los resultados de las pruebas de los pacientes.7. Solución del problema. Cuando una serie está fuera de control, investigar el proceso y corregir el problema, de la manera siguiente (a) Determinar el tipo de error que ocurre en base de la regla violada. El error aleatorio es indicado generalmente por las reglas 13 s o R 4 s , mientras que el error sistemático es más probablemente indicado por las reglas 2 2 s , 4 1s , o 10 X ; (b) Ver las guías de solución de problemas para identificar las causas posibles para el tipo de error indicado por la regla del control que fue violada; (c) Examine el proceso de la prueba e identificar la causa del problema; 19
  20. 20. (d) Corregir el problema, después analizar las muestras de control otra vez para determinar el estado del control;(e) Repetir o verificar los resultados en las muestras de los pacientes una vez que el método se haya demostrado estar bajo control;(f) Consultar al responsable para que cualquier decisión de informar los resultados de los pacientes cuando una serie está fuera de control. Valores obtenidos para los materiales de control NO 12 s SERIE VALIDADA (BAJO CONTROL) SI NO NO NO NO NO 13 s 2 2s R4s 4 1s 10 Xm SI SI SI SI SI SERIE RECHAZADA (FUERA DE CONTROL) Figura 12. Criterios de aceptación y rechazo en las reglas de Westgard tradicionales. Procedimiento de multiregla originalmente publicado in 1981. Valores obtenidos para los materiales de control SERIE VALIDADA (BAJO CONTROL) NO NO NO NO NO 13 s 2 2s R4s 4 1s 10 X SI SI SI SI SI SERIE RECHAZADA (FUERA DE CONTROL) Figura 13. Reglas de Westgard para n de 2 y 4 20
  21. 21. Valores obtenidos para los materiales de control SERIE VALIDADA (BAJO CONTROL) 13 s 2 de 3 2 s R4s 3 1s 12 X SERIE RECHAZADA (FUERA DE CONTROL) Figura 14. Reglas de Westgard para n de 3 y 6.20 Curvas de potenciaWestgard selecciona las mejores reglas operativas definiendo la probabilidad de rechazo, que puede serincorrecto (falsa alarma) o correcto (detección de error). Un rechazo incorrecto significa que hay una señalde rechazo y, sin embargo, el método analítico se mantiene estable; todas las reglas operativas dan falsasalarmas, pero para que sean eficaces se deben elegir de manera que la proporción de las mismas seainferior al 5 %. Una detección de error significa que el método analítico ha fallado y la regla de control lo hadetectado, produciendo una señal de rechazo correcta.Para calcular estas probabilidades, Westgard realizó un programa de simulación por ordenador donde fija elvalor teórico del control y la desviación típica inherente al método, generando un gran número de seriesanalíticas en tres condiciones distintas: (a) Sin error, excepto el inherente al método; (b) Con incrementos de error aleatorio hasta tres veces la s inherente al método; (c) Con incrementos de error sistemático hasta cuatro veces la s inherente al método.Según el número de series rechazadas en las condiciones anteriores, calcula la probabilidad de rechazo y larepresenta gráficamente mediante curvas de potencia. La potencia de una regla operativa aumenta con elnúmero de observaciones control por serie, n .Dado que no existe un única regla control que proporcione una respuesta óptima tanto para el errorsistemático como para el aleatorio, Westgard demuestra que la utilización de combinaciones de reglas decontrol aumentan las probabilidades de detección de error minimizando las falsas alarmas (figura 15). 21
  22. 22. Figura 15.Cada regla proporcionará una “potencia“ de detección de error que se cuantificará a través de la (probabilidad de detección de error Pr d e ) y esta será la probabilidad de detectar ET cuando este coincidacon el EM definido en el objetivo de la calidad, es decir, Pr d e cuantifica la sensibilidad de la regla. La (especificidad de una determinada regla se mide a través de la probabilidad de falso rechazo Pr f r ) que esla probabilidad de rechazar series de resultados correctos al aplicar una regla de decisión en un proceso deQC. El cálculo de la potencia de una regla concreta se realiza mediante la determinación del incrementocrítico del error sistemático con error aleatorio constante ∆ESC (siempre será ≥ 0 y medido en DSINT ) yel factor de incremento crítico del error aleatorio con error sistemático constante ∆EAC (siempre será ≥ 1 ): EM − ET ∆ESC = DSINT − t EM − ET ∆EAC = t × DSINTEl cálculo de las probabilidades frente a estos incrementos se puede calcular para cada regla mediantemétodos de simulación o mediante cálculos de probabilidad estadística, y sus representaciones gráficasserán las llamadas curvas de potencia (figuras 16 y 17). La ordenada en el origen será siempre laprobabilidad de falso rechazo de la regla considerada. Figura 16. Curvas de potencia con EA constante 22
  23. 23. Figura 17. Curvas de potencia con ES constanteDentro de las múltiples reglas aplicables a cada situación, deberá elegirse aquella que proporcione laprobabilidad de detección de error Pr d e necesaria, la mínima probabilidad de falso rechazo Pr f r (minimizacostes) y la máxima simplicidad posible (viabilidad).21. ¿Cómo evaluar las prestaciones de un procedimiento de QC?El QC estadístico es una técnica para comparar las prestaciones corrientes del método con las prestacionesesperadas bajo condiciones estables de operación. Los diagramas de control o reglas de control que seaplican en el QC de rutina son similares a las pruebas estadísticas de significación, cuyas prestacionespueden ser descritas en términos de falsas alarmas y verdaderas alarmas. ¿Con qué frecuencia esrechazada una serie cuando no ocurre ninguno error a excepción del inherente error aleatorio del método?Esta es una falsa alarma y sería mejor si nunca ocurriera. ¿Con qué frecuencia es rechazada una seriecuando ocurre un error además del error estable o inherente EA? Esta es una verdadera alarma y seríamejor si sucediese siempre que un error médico importante ocurriese en una serie analítica. Es necesariainformación cuantitativa sobre este característica para evaluar las prestaciones de los procedimientos deQC y seleccionar las reglas de control y el número de medidas de control apropiadas para el QC dellaboratorio.¿Cuáles son las características de funcionamiento críticas de QC? La información sobre falsas y verdaderasalarmas se puede proporcionar por dos términos de probabilidad. La Pr f r describe la probabilidad derechazar una serie analítica cuando no hay errores analíticos presentes excepto la imprecisión inherente delos procedimientos de medida. Idealmente la Pr f r debería ser cero, lo que significa que ninguna seriedebería ser falsamente rechazada. En la práctica, un Pr f r de 0,01 se considera ideal y valores hasta 0,05(el 5 %) pueden ser prácticos.La Pr f r viene dada por la razón de los falsos rechazos al total de todas las series sin errores (falsosrechazos más verdaderos aceptados): falsos rechazos Pr f r = falsos rechazos + verdaderas aceptacionesLa Pr d e es la probabilidad de rechazar una serie analítica cuando hay un error presente además de laimprecisión inherente del procedimiento de medida. Idealmente, Pr d e = 1, 00 , que significa que un errorsería detectado el 100 % de las ocasiones en que ocurre. En la práctica, un Pr d e de 0,90, o el 90%, sepuede considerar de funcionamiento ideal porque sería generalmente mucho más costoso alcanzar valoresmás altos de 0,95, 0,99, o 1,00.La Pr d e viene dada por la razón de los verdaderos rechazos al total de todas las series teniendo errores(verdaderos o falsos): 23
  24. 24. verdaderos rechazos Pr d e = falsas aceptaciones + verdaderos rechazosOtros términos probabilísticos relacionados con la calidad del QC además de los anteriores son lossiguientes: ( ) da la probabilidad que una serie analítica realmente seaEl valor predictivo de una señal de rechazo VPrerrónea cuando el test de QC rechaza la serie. Viene dada por la razón de los verdaderos rechazos alnúmero total de rechazos que son observados (verdaderos o falsos): verdaderos rechazos VPr = verdaderos rechazos + falsos rechazosUn alto número de falsos rechazos disminuiría la utilidad del procedimiento de control porque una señal derechazo no indicaría verdaderamente que están ocurriendo problemas con la serie analítica.El Valor predictivo de una señal de aceptación VPa da la probabilidad de que una serie analítica estáactualmente sin error cuando el test de QC acepta la serie. Viene dada por la razón de verdaderosaceptados al número total de aceptados (verdaderos o falsos). verdaderas aceptaciones VPa = verdaderas aceptaciones + falsas aceptacionesUn alto número de falsos aceptados disminuiría la utilidad o el valor predictivo de una señal de aceptado.La eficiencia indica la exactitud total de las decisiones de aceptación y rechazo. Viene dada por la suma deverdaderas aceptaciones y verdaderos rechazos dividido por el total de todos los aceptados más el total detodos los rechazos: verdaderas aceptaciones + verdaderos rechazoseficiencia = verdaderas aceptaciones + falsas aceptaciones + verdaderos rechazos + falsos rechazosLos valores predictivos y la eficiencia también pueden ser expresados en función de la Pr d e , Pr f r y laprevalencia o frecuencia de ocurrencia de errores ( f ): f Pr d e VPr = f Pr d e + (1 − f ) Pr f r (1 − f ) Pr f r VPa = (1 − f ) (1 − Pr f r ) + f (1 − Prd e ) eficiencia = f Pr d e + (1 − f ) (1 − Pr f r )La Pr d e a buscar durante la selección de la regla estadística a aplicar, dependerá de la inestabilidad delsistema analítico, f % , así como del porcentaje máximo de errores reales (PER%) que el laboratorio deseealcanzar. Para la selección de la probabilidad adecuada puede utilizarse la tabla 3 que representa para unainestabilidad y una probabilidad de detección de error determinadas, el porcentaje máximo de errores. 24
  25. 25. f% Pde % 90 80 70 60 50 40 30 20 10 15 1,7 3,4 5,0 6,6 8,1 9,6 11,0 12,0 13,7 14 1,6 3,2 4,7 6,1 7,5 8,9 10,2 11,2 12,8 13 1,5 2,9 4,3 5,6 7,0 8,2 9,5 10,4 11,9 12 1,3 2,7 3,9 5,2 6,4 7,6 8,7 9,6 10,9 11 1,2 2,4 3,6 4,7 5,8 6,9 8,0 8,8 10,0 10 1,1 2,2 3,2 4,3 5,3 6,3 7,2 8,0 9,1 9 1,0 1,9 2,9 3,8 4,7 5,6 6,5 7,2 8,2 8 0,9 1,7 2,5 3,4 4,2 5,0 5,7 6,4 7,3 7 0,7 1,5 2,2 2,9 3,6 4,3 5,0 5,6 6,3 6 0,6 1,3 1,9 2,5 3,1 3,7 4,3 4,8 5,4 5 0,5 1,0 1,6 2,1 2,6 3,1 3,6 4,0 4,5 4 0,4 0,8 1,2 1,6 2,0 2,4 2,8 3,2 3,6 3 0,3 0,6 0,9 1,2 1,5 1,8 2,1 2,4 2,7 2 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 1 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 Tabla 3. Tabla PER, en %, para f y Pde22. Concepto seis sigmaEl concepto seis sigma fue la espina dorsal de la estrategia de la gestión de la calidad de Motorola en losaños 80. La idea era desarrollar los procesos de fabricación que fueran tan buenos que no se produciríavirtualmente ningún producto defectuoso. Tan bueno fue definido como teniendo seis sigmas de variación diana – ESPECIFICACIÓN + ESPECIFICACIÓN DE TOLERANCIA DE TOLERANCIA -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6de proceso ajustado dentro del producto "tolerancias," según lo ilustrado en la Figura 6. Figura 18Si se asume una distribución gaussiana para la variación de un proceso, el área en las colas de ladistribución se puede utilizar para estimar los defectos previstos. Por ejemplo, si las especificaciones deproducto incluyen ± 2 s , el área en las colas correspondería a una proporción de 4,5 % defectos o a 45.400defectos por millón (DPM). 4,5 % no suena así como malo, pero 45,400 DPM no suenan muy bueno. Para± 3 s , la proporción de defecto sería menos de 0,27 % o 2.700 DPM; para ± 4 s , la proporción de defectosería 0,0063 % o 63 DPM; para ± 5 s , la proporción de defectos sería solamente 0,57 DPM; y con ± 6 s , laproporción de defectos sería solamente 0,002 DPM. 25
  26. 26. Parecería haber poca ganancia de mejorar el funcionamiento de proceso más allá de cinco sigma, sinembargo, la ventaja es que los cambios pequeños en el proceso medio pueden ser tolerados realmente sinaumentar la proporción de defectos significativamente. Según lo mostrado en la figura siguiente, una cambioo un sesgo de 1,5 sigma causaría apenas cualquier defecto en un proceso de seis sigma. Las proporcionesreales que se esperan son como sigue 5 3,4 DPM para un proceso de seis sigma; 233 DPM para un proceso de cinco sigma; 6210 DPM para un proceso de cuatro sigma; 66.807 DPM para tres sigma; y 308.537 DPM para un proceso de dos sigma.Puesto que los cambios o los sesgos equivalentes a ± 1,5 s son difíciles de detectar por el QC estadístico,un proceso seis sigma proporciona una garantía mejor de que los productos serán producidos dentro de lasespecificaciones deseadas y con una proporción baja de defectosOtra manera de mirar esto es que un proceso de seis sigma se puede supervisar con cualquierprocedimiento de QC, por ejemplo, con tres desviaciones típicas y n pequeño, cualquier problema o errorimportante será detectado y puede ser corregido. Mientras que la capacidad de proceso disminuye paracinco sigma, para cuatro sigma y para tres sigma, la opción del procedimiento de QC llega a ser más y másimportante para detectar problemas importantes. ¡Los procesos con una capacidad más baja puedenincluso no ser controlables a un nivel definido de la calidad!23. Gestión de la calidad seis sigma y requisitos del control de lacalidad del laboratorio23.1. Prestaciones características del control de la calidadDiferentes procedimientos de QC (por ejemplo, diferentes reglas de control y diferentes números demedidas del control) tienen diferentes sensibilidades o capacidades para detectar errores analíticos. Elgráfico que se adjunta, llamado gráfico de la función potencia, muestra las características de rechazo ocurvas potencia para los procedimientos de QC que se utilizan comúnmente en los laboratorios clínicos. Lasreglas de control y el número de las medidas del control se dan en la parte derecha, donde las líneas secorresponden con las curvas en el gráfico. Todos estos procedimientos de QC están para dos medidas delcontrol ( n = 2 ) , pero con diversas reglas del control. La línea superior representa una regla de control 1 2 s ,la cual corresponde a un diagrama del control de Levey-Jennings teniendo límites calculados como la media ± 2 s . La línea media corresponde a un procedimiento de reglas múltiples que emplea tres diferentes reglas ( )del control 13 s |2 2 s | R 4 s . Las otras líneas son simples reglas de procedimiento con límites de control de± 2,5 s , de ± 3 s , y de ± 3,5 s 26
  27. 27. Figura 19. Diagrama de potencia de una función. En abscisas el incremento en el ES expresado como múltiplos de s .En ordenadas la probabilidad de rechazo.El eje Y da la probabilidad del rechazo a de 0 a 1,0 y el eje X da el tamaño del error sistemático enmúltiplos de la desviación típica del método, s . La probabilidad para un valor x de 0,0 describe laprobabilidad para el falso rechazo. La probabilidad para un valor x de 1,5 describe la probabilidad dedetectar una cambio sistemático equivalente a 1,5 veces la desviación típica del método. Por ejemplo, si elrequisito de la tolerancia o de calidad era el 12 % y el método tiene un CV del 2 % (funcionamiento 6-sigma), entonces un error sistemático del 3 % o de ± 1,5 s corresponde al sesgo tolerable en el modelo seissigma. Un procedimiento de QC que tiene dos medidas del control y sistemas de límites de control en 3 stendría una probabilidad de falso rechazo de casi 0,00 y una probabilidad de alrededor de 0,12, o unaproporción del 12 %, de rechazar una serie que tiene un cambio o un error sistemático equivalente a ± 1,5 s .23.2. Una medida sigma para el diseño del QCLa medida de sigma es el número de desviaciones típicas que se acomodan dentro de las especificacionesde tolerancia del proceso. De forma análoga a como el coeficiente de variación permite comparar laprecisión de constituyentes analíticos con diferentes medias, la medida de sigma nos permite comparar lacalidad relativa de diferentes procesos.El objetivo de seis sigma en QC es:• Deben adecuarse dentro del límite de tolerancia del proceso seis desviaciones típicas, sigmas, de variación;• Esto resulta en 3,4 defectos por millón de oportunidades;• La mayoría de los procesos industriales opera a 4 sigma.Una métrica de laboratorio que se ha utilizado para seleccionar y diseñar los procedimientos del QC es elerror sistemático crítico, ∆ES crítico , que se puede calcular del requisito de la tolerancia o de calidad definidopara la prueba y la imprecisión e inveracidad observada para el método, como sigue: ET a − sesgo método ∆ES crítico = −z s métododonde ET a es el error total permisible; sesgo método es la inveracidad observada del método; s método es la imprecisión observada del método; y z es un valor que especifica la proporción máxima de fallos para rechazar una serie.Este valor z se fija a menudo en 1,65, para especificar que una serie analítica debe ser rechazada cuandola proporción de fallos alcanza el 5 %, es decir, cuando el 5 % de la cola de la distribución excede elrequisito definido de la tolerancia o de calidad. Otros valores z se pueden seleccionar para accionar elrechazo de una serie a una proporción máxima de fallos mas baja por ejemplo, un valor z de 2,58 fijaríauna proporción de fallos máximo del 1 % como condición para el rechazo de una serie.Este concepto de un error sistemático crítico se muestra en la figura 20 que ilustra el cambio de ladistribución para el punto donde el 5 % de una cola excede el requisito de calidad definido. Esta figuracorresponde al procedimiento seis sigma descrito anteriormente, donde sesgo método = 0, 0 % ,s método = 2, 0 % y ET a = 12 % . Por lo tanto ET a es seis veces la desviación típica del método. El diseñométrico del QC, ∆ES crítico sería 4,35 s , que indica que un cambio sistemático equivalente a 4,35 veces ladesviación típica del método necesita ser detectado por el procedimiento de QC. Este parámetro expresa elobjetivo de diseño de QC como múltiplo de la desviación típica, por lo tanto es también un sigma-métrico. Figura 20. 27
  28. 28. Diana diana aumento Diana –ETa 4,35 s –ETa ET − sesgo ES = −1, 65 s 12 − 0 = − 1, 65 2 = 4,35 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6Para determinar la probabilidad de detectar un error sistemático crítico de 4,35 s , el gráfico anterior de lafunción potencia puede ser utilizado. Un valor X de 4,35 s estaría realmente fuera de la escala de X .Como es evidente de las curvas de potencia, todos los procedimientos de QC mostrados proporcionaríanpor lo menos la detección del 90 % de un error sistemático crítico mayor que 4, 0 s . Las mejores opcionesserían esos procedimientos que tienen probabilidades bajas para falsos rechazos, tales como reglas delcontrol 13,5 s o 13 s con n = 2 .La fórmula para calcular el error sistemático crítico ES C es: ET a − sesgo ES C = − 1, 65 CVEn la figura 21 se presentan los cálculos para dos situaciones diferentes en que se tiene:• el mismo valor diana,• el mismo ET permitido TEa;• el mismo sesgo en ambos casos 0;• diferente imprecisión: en el primer caso s = 1,5 (CV = 1,5%), y en el segundo caso s = 3 (CV=3 %) ET < ETa O.K. ET < ETa O.K. s = 1,5 s=3 ET = 0 + 3 = 3 ET = 0 + 6 = 6 ETa grande o EAa = 10 ETa pequeño o EAa = 10 s pequeña s grande 90 UL Diana = 100 110 90 UL Diana = 100 110 TEa TEa Figura 21. Error sistemático crítico en dos situaciones diferentes 28

×