El año pasado, cuando estuve en la JMP Discovery Summit , varias personas me preguntaron: “¿Qué es un diagrama de tres vías y por qué lo necesitaría?”. No todo el mundo lo necesita, pero algunos sí. En esta entrada del blog, te contaré más sobre ellos y por qué podrías querer usarlos.
Los Centros para el Control y Prevención de Enfermedades (CDC) están recomendando a todas las adolescentes, y más recientemente, a los adolescentes varones, que reciban la secuencia completa de tres dosis de la vacuna contra el virus del papiloma humano (HPV4). Muchos estudios han demostrado que las vacunas contra el HPV reducen significativamente los casos de cáncer de cuello uterino y otros cánceres causados por el HPV. En 2008, en todo el mundo, más de 500.000 nuevos casos de cáncer y más de 275.000 muertes fueron atribuibles al HPV, informa el CDC, lo que convierte al HPV en una de las causas infecciosas más importantes de cáncer. Como el CDC informó en 2010 que solo el 32% de las niñas de 13 a 17 años habían completado las tres dosis, se han iniciado fuertes campañas para estudiar y aumentar las tasas de éxito en la finalización de la secuencia.
Las prácticas médicas típicas que administran estas vacunas son los consultorios de pediatría, medicina familiar y obstetricia/ginecología. A menudo, hay múltiples ubicaciones donde se administran las vacunas dentro de un hospital o grupo médico. Este estudio considera una simulación de la tasa de finalización de 11 hospitales y sus clínicas asociadas, cada una con las tres prácticas. En este caso, cada departamento de pediatría, medicina familiar y obstetricia/ginecología está anidado dentro de cada hospital. Es decir, no podemos asumir que un departamento pediátrico en el hospital 1 tendrá los mismos comportamientos y características que un departamento pediátrico en el hospital 5; ni son intercambiables.
Para replicar el gráfico siguiente en JMP :
Abra
HPV.jmp desde JMP File Exchange (la descarga requiere un perfil SAS gratuito)
En el menú Analizar, seleccione Calidad y proceso->Generador de gráficos de control
Arrastre y suelte Completado en el eje Y
Arrastre y suelte la ubicación en el eje X
Arrastre el tipo de práctica al área justo encima del eje X y suéltelo.
Los datos que estamos representando en el eje Y son una proporción del número de pacientes que completaron la secuencia dividida por el número total de pacientes en este rango de edad. Si cada clínica o departamento tuviera solo entre 5 y 10 pacientes, podríamos considerar usar primero un gráfico p. Como los gráficos de control de Shewhart no asumen normalidad y dado que estos datos de proporción tienen tamaños de muestra tan grandes, los gráficos de Shewhart funcionan bien para examinar los datos.
En la Figura 2, vemos muchas prácticas que se considerarían “fuera de control” según los estándares de calidad, ya que sus promedios están por encima o por debajo de los límites. Imaginemos por un momento que estuviéramos haciendo un gráfico de 20 o 100 hospitales, cada uno con una o dos prácticas fuera de los límites de control. Este gráfico se volvería rápidamente inútil, ya que no habría nada que sobresaliera.
Tenga en cuenta que el segundo gráfico de la Figura 2 es un gráfico de rangos, que representa los rangos de cada combinación de práctica/ubicación. Los límites del primer gráfico, el gráfico XBar, utilizan el rango promedio del segundo gráfico para calcular los límites.
Si, en cambio, consideramos la estructura anidada de los datos y calculamos los límites utilizando la diferencia de rango móvil entre las prácticas, podremos separar mejor el ruido de la variación regular entre y dentro de los diferentes tipos de clínicas.
Para ello, podemos hacer clic derecho en el gráfico superior y elegir “Agregar gráfico de dispersión”. Esto hará lo siguiente:
1) Inserte un gráfico de rango móvil entre el gráfico XBar y el gráfico de rango.
2) Cambie los límites en el gráfico XBar para utilizar el rango móvil promedio como sigma, en lugar del rango promedio.
Verá que los límites en el gráfico XBar se desplazan y se vuelven más amplios. Los límites ahora utilizan el rango móvil entre cada combinación de consultorio y ubicación. Dado que nuestro interés está en comparar consultorios en lugar de comparar pacientes en particular dentro de un consultorio, tiene sentido utilizar la variación entre los límites en el gráfico XBar. Ahora solo tenemos un consultorio que se destaca y podemos comenzar a explorar qué hace que este consultorio sea tan efectivo.
* Permiso para utilizar la imagen de la molécula de VPH arriba otorgado por Thomas Zucker-Scharff en el Albert Einstein College of Medicine de la Yeshiva University, Epidemiology Cancer Center.
