Resumen de Monitoring overdispersed process in clinical laboratories using control charts

José I. Valdés Manuel, Juan Miguel Cogollo Flórez

• español

  La sobredispersión es un fenómeno que se produce generalmente en el análisis de muestras de gran tamaño. Se refiere, en el análisis de datos discretos, a la presencia de una variación superior a la que implica una distribución binomial o de Poisson de referencia. La proporción de unidades no conformes en los laboratorios clínicos presenta una alta variabilidad y, generalmente, sobredispersión. Por ello, se requiere analizar las cartas de control más adecuadas que superen las limitaciones de cartas tradicionales para tratar datos sobredispersos. En este trabajo se realiza un análisis del monitoreo de procesos sobredispersos en laboratorios clínicos usando cartas de control. La metodología consta de cuatro pasos: (i) Determinación de la variable de interés, (ii) Diagnóstico de la sobredispersión de los datos, (iii) Elaboración de cartas de control, y (iv) Análisis de los resultados. Los resultados muestran que la metodología permite determinar cuantitativamente el grado de sobredispersión de los datos y seleccionar el gráfico de control más adecuado para monitorear el proceso.

• English

  Overdispersion is a phenomenon that generally occurs in the analysis of large sample sizes. In discrete data analysis, it refers to the presence of a variation higher than that implied by a reference Binomial or Poisson distributions. The proportion of nonconforming units in clinical laboratories presents high variability and, generally, overdispersion. Therefore, it is required to analyze the most appropriate control charts that overcome the limitations of traditional control charts to deal with overdispersed data. This paper performs an analysis of monitoring overdispersed process in clinical laboratories using control charts. The methodology consists of four steps: (i) Determination of the interest variable, (ii) Diagnosis of data overdispersion, (iii) Elaboration of control charts, and (iv) Analysis of results. The results show that the methodology can quantitatively determine the degree of data overdispersion and select the most appropriate control chart for monitoring the process.