Aplicación de una nueva metodología basada en el método bootstrap para la detección de resultados atípicos en estudios interlaboratorio: un caso práctico en laboratorios clínicos

En la presente investigación, se propone el desarrollo de una nueva metodología para detectar datos atípicos en Estudios Interlaboratorio (ILS) basada en el método bootstrap. Para ello, se desarrolló un algoritmo que empleó el método bootstrap no paramétrico para calcular los valores críticos de los estadísticos h y k de Mandel, que son utilizados en un contexto ILS para la detección de datos atípicos. Tradicionalmente, en los Estudios Interlaboratorio, se asume que los datos obtenidos por todos los laboratorios siguen la distribución normal. Nosotros desarrollamos un algoritmo bootstrap que no depende del principio de normalidad, en lugar de ello, se calcularon las distribuciones bootstrap de los estadísticos h y k de Mandel en base a técnicas de remuestreo aplicadas sobre los datos de una sola muestra. El algoritmo bootstrap propuesto fue evaluado a través de un estudio de simulación, en el cual, se comprobó que los resultados obtenidos por el método propuesto fueron mejores que los obtenidos por el me´todo tradicional cuando los datos provienen de una distribución sesgada y tamaños de muestras pequeños. Finalmente, el algoritmo bootstrap fue aplicado exitosamente a un conjunto de datos que fueron obtenidos de un Estudio Interlaboratorio cuyo objetivo fue evaluar la la técnica computacional de biometría hemática entre laboratorios clínicos