Conceptos Fundamentales de Estadística en el Laboratorio

La valoración técnica es crucial para garantizar la validez de los resultados en un laboratorio. Para ello, es necesario que:

1. El método y el equipo hayan sido validados.
2. Se haya realizado una verificación técnica.
3. Exista una verificación posterior a la técnica (verificación facultativa).

Métodos Cuantitativos y Cualitativos

• Métodos cuantitativos: Determinan la cantidad de sustancia presente (masa, volumen, concentración). Ejemplos:
  • Medición del pH.
  • Medición de la absorbancia.
  • Valoración Ácido-Base.
• Métodos cualitativos: Indican una cualidad de la sustancia analizada (color, forma). Se basan en variables cualitativas. Ejemplos:
  • Citología como prueba de diagnóstico de infecciones/enfermedades.
  • Cuestionario de Evaluación del Estado de Salud.

Conceptos Clave en Estadística

• Individuo: Objeto de estudio.
• Población (N): Conjunto de todos los individuos que comparten ciertas propiedades.
• Muestra (n): Subconjunto de la población; los individuos de la muestra deben ser representativos del objeto de estudio.
• Variable: Parámetro medido.
• Variables cuantitativas: Pueden ser cuantificadas (medidas en cantidad). Ejemplo: glucosa en sangre.
• Variable cualitativa: Mide una cualidad o atributo. Ejemplo: color del pelo.
• Frecuencia: Número de veces que se repite un valor en una población.
  • Frecuencia absoluta: Número de veces que aparece un valor en el estudio.
  • Frecuencia relativa: Cociente entre la frecuencia absoluta y el tamaño de la muestra (N).
  • Frecuencia acumulada: Suma de las frecuencias de los valores menores o iguales al valor considerado.

Series de Datos y Correlación

Una serie analítica es el conjunto de datos obtenidos en un intervalo de tiempo, cumpliendo con los requisitos de una serie de parámetros (exactitud, especificidad, etc.).

La correlación entre series de datos se refiere a la relación o dependencia entre dos o más variables. Es importante destacar que correlación no implica causalidad. Una relación espuria es una relación matemática en la que dos acontecimientos no tienen conexión lógica, aunque pueda parecer que sí debido a un tercer factor no considerado (factor de confusión o variable escondida).

Parámetros Estadísticos

Un parámetro estadístico es un número que resume la gran cantidad de datos derivados del estudio de una variable estadística. Existen tres tipos principales:

• Posición: Identifican el valor alrededor del cual se agrupan los datos. Pueden ser:
  • Medidas de tendencia central: Media, mediana y moda.
  • Medidas de posición no central: Cuartiles, deciles y percentiles.
• Dispersión: Miden la agrupación de los datos en torno a un valor central.
• Forma: Indican la forma de la distribución de los datos (histograma).

Parámetros de Tendencia Central

1. Media aritmética (promedio): Se denota por y se calcula sumando todos los datos y dividiendo por el número total de valores. Es sensible a la variación de cada valor. Se usa para compensar errores aleatorios.
2. Moda (M0): Valor con mayor frecuencia en un conjunto de datos. Puede haber más de una moda.
3. Mediana (Me): Valor central en una lista ordenada de datos. Es menos sensible que la media a oscilaciones y es más representativa cuando los datos son heterogéneos o asimétricos.

Recomendaciones:

• La media aritmética es el parámetro más representativo en distribuciones simétricas.
• La mediana es más adecuada en distribuciones asimétricas.
• La moda es útil principalmente para variables cualitativas.

Parámetros de Dispersión

Miden la agrupación de los datos alrededor de un valor central.

1. Varianza (muestral): Media aritmética de las desviaciones al cuadrado.
2. Desviación típica (s) o desviación estándar (muestral): Raíz cuadrada de la varianza. Indica cuánto se desvía un dato del valor central. Se utiliza para valorar la precisión de un método y aplicar criterios de aceptación o rechazo.
3. Coeficiente de variación de Pearson (CV): Cociente entre la desviación típica y la media. Expresa la desviación estándar como porcentaje de la media aritmética. Permite comparar dispersiones de variables, incluso en unidades distintas. Una media es representativa si el CV no supera el 50%.
4. Covarianza: Indica el grado de variación conjunta de dos variables aleatorias respecto a sus medias.
5. Rango o recorrido: Diferencia entre el valor mayor y el menor. Es una medida poco precisa.

Fiabilidad, Exactitud y Precisión

• Fiabilidad: Grado de confianza en que el resultado obtenido es correcto.
• Exactitud: Proximidad de un dato al valor real.
• Precisión: Reproducibilidad de los datos.

Clasificación de Equipos de Laboratorio

Los equipos de laboratorio se pueden clasificar según su exactitud y precisión:

• Mala exactitud y mala reproducibilidad (precisión): Resultados lejos del centro y dispersos. Aparatos de mala calidad.
• Buena exactitud y mala reproducibilidad: Resultados repartidos alrededor del centro, pero dispersos. Se deben separar los aparatos que sobrepasen los límites de error.
• Mala exactitud y buena reproducibilidad: Resultados juntos pero lejos del valor nominal. Desviación sistemática. Se deben separar los aparatos que sobrepasen los límites de error.
• Buena exactitud y buena reproducibilidad: Resultados próximos al centro y juntos entre sí. Fabricación bien orientada y controlada.

Tipos de Ensayos

• Intraensayos: Mediciones dentro del mismo laboratorio, evaluando reproducibilidad y repetibilidad.
  • Reproducibilidad del resultado: Medir la muestra con diferentes técnicas, en diferentes días y con diferente personal.
  • Repetibilidad: Realizar múltiples mediciones (3-5) de cada muestra.
• Interensayos: Evaluaciones externas.

Otros Conceptos Importantes

• Sensibilidad: Probabilidad de que una prueba diagnóstica dé positivo ante una muestra positiva.
• Especificidad: Probabilidad de que una prueba diagnóstica dé negativo ante una muestra negativa.
• Selectividad: Capacidad de medir con exactitud y especificidad el analito.
• Robustez: Influencia de pequeñas variaciones en el método de medida.
• Sesgo: Error sistemático.
• Límite de detección: Medida más pequeña detectable por un equipo.
• Límite de cuantificación: Medida más pequeña cuantificable con confianza.

Curva de Calibrado y Representaciones Gráficas

La curva de calibrado se utiliza para determinar la concentración de un analito en una muestra desconocida. Pasos:

1. Realizar diluciones patrón.
2. Preparar un blanco.
3. Medir la señal del blanco y los patrones.
4. Representación gráfica de las medidas.

Un calibrador, estándar o patrón es una solución con una cantidad conocida y exactamente medida de un analito.

• Histograma: Representación gráfica de barras donde:
  • El inicio de una barra es el límite real inferior de la clase.
  • El final de una barra es el límite real superior de la clase.
  • El centro de la barra es el punto medio de la clase.
  • La altura de la barra es la frecuencia de la clase.
• Polígonos de frecuencia: Se obtienen uniendo los puntos medios de los techos del histograma.
• Recta de calibrado: Representación del error de los puntos utilizando barras de error para la desviación estándar.

Criterios de Rechazo de un Resultado

Para decidir si aceptar o rechazar un dato sospechoso, se aplica el criterio Q:

1. Calcular la diferencia entre el valor mayor y el menor observado.
2. Calcular la diferencia entre el resultado dudoso y el resultado más próximo.
3. Dividir la diferencia entre el valor dudoso y el más próximo, entre la diferencia del valor mayor y el menor (Q).
4. Comparar el resultado (Q) con los valores críticos del cociente de rechazo Q (según el número de observaciones). Si el valor de Q calculado es menor que el valor de Q de la tabla, se conserva el resultado dudoso.

Ejemplo:

Valores: 56.23%, 55.95%, 56.08%, 56.00%, 56.04%

1. 56.23% – 55.95% = 0.28%
2. 56.23% – 56.08% = 0.15%
3. Q = 0.15 / 0.28 = 0.54

Para 5 observaciones, el valor crítico de Q es 0.64. Como 0.54 < 0.64, se conserva el resultado dudoso.