Carta de control bayesiana asociada a no conformidades en las historias clínicas

Autores/as

DOI:

https://doi.org/10.21501/21454086.3362

Palabras clave:

Carta de control, Método Delphi, Estadística bayesiana, Control estadístico, Elicitación, Ishikawa, distribución a priori, Distribución de probabilidad a posteriori, Intervalo de confianza variable, Software estadístico R.

Resumen

En el presente trabajo se exploró la utilización de una herramienta de común uso industrial, las cartas de control, en un ámbito netamente social, específicamente en la salud. Se pretendió exponer un método para introducir este concepto con base en herramientas de fácil uso e implementación; este concepto está constituido por la técnica propuesta por Ishikawa [1] como primera instancia del proceso, seguida de la implementación de la metodología Delphi en dos rondas y, finalmente, con una tercera ronda de Delphi, que usa el método de elicitación a mano alzada. Este proceso resultó ser novedoso debido a la estimación de los límites de control bayesianos y a la estimación de la distribución a priori a mano alzada; se acudió a expertos y se determinó la distribución predictiva a posteriori que permite la actualización permanente de los límites de control en un proceso social hasta donde sabemos no usado en la literatura. El resultado permitirá la generación de alertas tempranas de control del proceso, ya sea por el aumento no esperado de la cantidad de no conformidades o porque las innovaciones son sorprendentemente menores a lo esperado de acuerdo a la distribución de probabilidad a posteriori.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Carlos Alberto Hurtado Castaño, Politécnico Colombiano Jaime Isaza Cadavid

M. Sc. en Estadística. Politécnico Colombiano Jaime Isaza Cadavid. Facultad de Ciencias Básicas, Sociales y Humanas. Medellín, Colombia

Stiven Villada-Gil, Politécnico Colombiano Jaime Isaza Cadavid

***Ph.D en Ingeniería. Politécnico Colombiano Jaime Isaza Cadavid. Facultad de Ciencias Básicas, Sociales y Humanas. Medellín, Colombia. svillada@elpoli.edu.co

Juan Carlos Correa Morales, Universidad Nacional de Colombia sede Medellín

Ph.D en Estadística. Universidad Nacional de Colombia sede Medellín. Escuela de Estadística

Referencias

K. Ishikawa, Guide to Quality Control. Tokio, Japan: Asian Productivity Organization, 1986.

W. Woodall and M. Mahmoud, “The Inertial Properties of Quality Control Charts,” Technometrics, vol. 46, no. 47, pp. 425-436, 2005, doi: https://doi.org/10.1198/004017005000000256

J. Juran y F. Gryna, Manual de control de calidad. Madrid, España: McGraw-Hill, 1993.

S. Limaye, C. Mastrangelo and D. Zerr, “A case study in monitoring hospital associated infections with count control charts,” Quality Engineering, vol. 20, no. 4, pp. 404-413, 2008, doi: https://doi.org/10.1080/08982110802334120

W. Chiu and M. Leung, “A new Bayesian approach to quality control charts,” Metrika, vol. 2, no. 1, pp. 243-253, 1980, doi: https://doi.org/10.1007/BF01893602

R. Walpole, Probabilidad y Estadística para Ingenieros. México D.F., México: Prentice – Hall Hispanoamerica S.A., 1999.

W. Deming, Out of the Crisis. Cambridge, Inglaterra: M.I.T. Press Cambridge M.A., 1986.

W. Shewhart, “Quality control charts”. Bell System Technical Journal, vol. 5, no. 4, pp. 593-603, 1926. https://doi.org/ 10.1002/j.1538-7305.1926.tb00125.x

H. Gutiérrez, “Cartas de Control Bayesianas para Atributos y el Tamaño de Subgrupo Grande en la Carta p,” Revista Colombiana de Estadística, vol. 29, no. 2, pp. 163-180, 2006.

https://revistas.unal.edu.co/index.php/estad/article/view/29180

B. Colosimo, and E. del Castillo, Bayesian Process Monitoring - Control and Optimization. Boca Raton, Estados Unidos: Chapman and Hall/CRC-Taylor and Francis Group, 2007.

P. Tsiamyrtzis, A Bayesian Approach to Quality Control Problems, PhD thesis, Faculty of the Graduate School, University of Minesota, 2000.

Y. Zhijian, “Multivariate Bayesian Process Control”, PhD thesis, Mechanical and Industrial Engineering, University of Toronto, 2008.

P. Tsiamyrtzis, and D. Hawkins, “A Bayesian Scheme to Detect Changes in the Mean of a Short-Run Process,” Technometrics, vol. 47, no. 4, pp. 446456, 2005, doi: https://doi.org/10.1198/004017005000000346

J. Bernardo and A. Smith, Bayesian Theory. New York, United States: Wiley and Sons, 1994.

R. Marcellus, “Bayesian Statistical Process Control,” Quality Engineering, vol. 20, no. 1, pp. 113-127, 2008, doi: https://doi.org/10.1080/08982110701509046

J. Marin, and C. Robert, Bayesian Core. A Practical Approach to Computational Bayesian Statistics. New York, United States: Springer, 2007.

R. Khatiwada, and A. Sthapit, “An application of bayesian method in packaged food quality control,” Nepal Journal of Science and Technology, vol. 9, pp. 41-48, 2008, doi: https://doi.org/10.3126/njst.v9i0.3163

M. Grime, and G. Wright, “Delphi Method,” Wiley StatsRef: Statistics Reference Online, 2016, doi: https://doi.org/10.1002/9781118445112.stat07879

R. Clement, and R. Winkler, “Combining Probability Distribution from Experts in Risk Analysis,” Risk Analysis, vol. 19, no. 2, pp. 187-203, 1999. https://faculty.fuqua.duke.edu/~clemen/bio/Published%20Papers/28.CombiningDistributions-Clemen&Winkler-RA-99.pdf

R. Clement, and R. Winkler, “Combining Economic Forecasts,” Journal of Business & Economic Statistics, vol. 4, no. 1, pp. 39-46, 1986, doi: https://doi.org/10.2307/2583199

T. Benaglia, D. Chauveau, D. Hunter and D. Young, “Mixtools: An R Package for Analyzing Finite Mixture Models,” Journal of Statiscal Software, vol. 32, no. 6, pp. 1-29, 2009.

R Core Team, “R: A Language and Environment for Statistical Computing”. Vienna, Austria: R Foundation for Statistical Computing, 2013.

Descargas

Publicado

03/16/2021

Número

Sección

Artículos Investigación Científica y Tecnológica