Calidad de datos y preparación de bases de datos sanitarias

Porque la calidad de cualquier análisis está acotada por la calidad de la base sobre la que se hace, y un análisis impecable sobre una base no auditada puede producir un resultado convincente y equivocado. Aplica a cualquier estudio que parta de datos ya recogidos, como registros, encuentros, laboratorio o seguimiento, antes de extraer conclusiones. Variables sin definir, valores posibles por separado pero imposibles juntos, atípicos tratados a la ligera o ausencias no caracterizadas se propagan en silencio hasta el resultado final, donde ya no se distinguen del dato bueno. Auditar y preparar la base no es un trámite previo: es la fase que decide si el análisis significa algo. El trabajo deja además la base documentada y trazable, de modo que cualquier resultado posterior pueda seguirse hasta el dato de origen. Es la diferencia entre analizar sobre terreno firme y analizar sobre supuestos no comprobados.

Además de comprobar que cada variable está dentro de su rango, se detecta la implausibilidad condicional: el valor admisible en su columna pero incompatible o clínicamente implausible al cruzarlo con otra. Aplica a bases sanitarias donde los errores más persistentes no son los que saltan en una sola variable, sino los que solo emergen al relacionar campos. Un ejemplo: un IMC posible en un adulto pero imposible a una edad determinada, o fechas que son válidas por separado pero incoherentes entre sí. El trabajo cubre completitud y consistencia interna, coherencia entre campos relacionados, duplicados, y la documentación del diccionario de variables, con su definición, su codificación y sus reglas, junto con la trazabilidad entre la base cruda y la base analítica. Ahí, en el cruce de variables, es donde suelen aparecer las incoherencias que sobreviven a una revisión superficial. Comprobar rangos es el mínimo; la implausibilidad condicional es lo que distingue una auditoría real.

No por defecto: un valor extremo puede ser un error de registro o el hallazgo más relevante del estudio, y distinguirlos exige mirar la lógica interna del conjunto, no aplicar un umbral genérico. Aplica siempre que aparecen valores atípicos, donde la decisión automática, eliminar lo que se sale de un corte estándar, puede borrar tanto errores como información legítima. La identificación se hace según la distribución real del conjunto, y la estrategia se ajusta al caso: conservación, revisión, exclusión justificada, winsorización o imputación avanzada cuando el valor se considera no fiable y el análisis lo justifica. La distinción clave es entre el atípico que es error de registro y el que es un valor extremo legítimo, y la decisión queda documentada en cualquier caso. Eliminar un outlier sin entender su origen convierte una decisión analítica en una limpieza aparente. Lo que se entrega es un tratamiento justificado y trazable, no un recorte por plantilla.

No se "rellenan" sin más: primero se estudia por qué falta lo que falta, y de ese estudio sale la estrategia de manejo, no al revés. Aplica a casi cualquier base real, donde el abandono, las visitas no realizadas o los campos no cumplimentados son la norma, no la excepción. Se evalúa la plausibilidad de distintos mecanismos de ausencia (MCAR, MAR, MNAR) y si la propia ausencia puede ser informativa, porque un dato que falta de forma no aleatoria puede sesgar el análisis si se trata con técnicas que no respetan ese mecanismo de ausencia. Según la naturaleza del dato y el análisis previsto, la estrategia puede ser análisis completo de casos, indicadores de ausencia, análisis de sensibilidad o imputación múltiple cuando esté justificada. La imputación es una técnica documentada con sus supuestos explícitos, no un invento del dato que el cliente no recogió, y no sustituye la decisión clínica sobre qué dato es recuperable. Estudiar el patrón de la ausencia es lo que evita que una técnica estándar tape un sesgo en lugar de corregirlo.

Sí, cuando las fuentes pueden vincularse con criterios defendibles, la armonización e integración en una única base analítica es parte central del servicio. Aplica cuando los datos viven en sistemas que rara vez hablan el mismo idioma: registros clínicos, laboratorio, seguimiento y bases administrativas con codificaciones, formatos o vocabularios distintos. El trabajo unifica esas bases en una estructura común, vincula los registros entre fuentes mediante reglas determinísticas o probabilísticas documentadas, y estandariza las variables a un marco consistente con las equivalencias registradas. El resultado es una base analítica coherente acompañada de su diccionario y sus equivalencias, que queda como activo del equipo, no como una unión opaca imposible de auditar después. Lo que condiciona el alcance es la calidad de los identificadores que permiten enlazar las fuentes: cuando el vínculo entre registros es ambiguo, esa limitación se documenta y se trata de forma explícita.

No: este servicio deja la base auditada, preparada y documentada; el análisis estadístico que responde la pregunta de investigación es la fase siguiente y se aborda en su servicio. Aplica aclarar el deslinde porque preparar y analizar son dos trabajos distintos, aunque encadenados. Aquí el análisis es diagnóstico antes que inferencial: se cuantifica la calidad de la base, se caracterizan los patrones de ausencia y atípicos, y se deja el pipeline de preparación versionado y reproducible sobre futuras actualizaciones. A partir de esa base preparada, el análisis bioestadístico, modelo predictivo, análisis de registros clínicos, RWE o cualquier otro análisis posterior entran como fase posterior, con la ventaja de partir de un dato fiable y trazable. Pueden contratarse de forma encadenada, con preparación y luego análisis, o por separado si el cliente solo necesita dejar su base en condiciones. Separar las fases protege la validez: un análisis sobre una base sin auditar arrastra los problemas que esta fase resuelve.

El reparto es deliberado: el cliente recoge, posee y decide sobre el dato original; el servicio audita, caracteriza, trata y documenta. Aplica a todo el servicio, porque la frontera protege al cliente y a la validez del trabajo. El servicio identifica inconsistencias, evalúa atípicos y ausencias, propone y aplica estrategias de tratamiento y deja todo documentado; pero las decisiones que dependen del conocimiento clínico o del contexto, como qué valor es recuperable, qué registro es válido o qué criterio de inclusión aplica, las toma quien conoce el dato y su origen. La imputación, la exclusión o la armonización se aplican como técnicas justificadas y trazables, no como cambios silenciosos sobre la base del cliente. El cliente conserva en todo momento la base cruda y la trazabilidad hacia la analítica. Lo que se entrega es una base mejor caracterizada y documentada, con cada decisión a la vista, no una versión alterada que haya que aceptar a ciegas.

Se entrega la base analítica preparada junto con el pipeline de preparación versionado, el diccionario de variables, el registro de las decisiones de depuración y la trazabilidad entre la base cruda y la final. Aplica a quien necesita que su análisis posterior sea defendible, porque un resultado solo es tan auditable como la preparación que lo precede. La reproducibilidad importa por dos razones concretas: permite que cualquier conclusión se siga hasta el dato de origen y la decisión que lo trató, y permite reejecutar la preparación sobre una versión actualizada de la base sin rehacer el trabajo a mano. El pipeline documentado convierte la depuración en un activo reutilizable del equipo, no en una serie de retoques irrepetibles. Lo que se entrega no es solo una base limpia, sino el rastro completo de cómo se llegó a ella, que es lo que la hace defendible ante revisores, comités o auditorías internas.