Análisis Exploratorio de Datos – Laura Torres
Laura Torres
2025-11-23
1. Introducción
En este documento se presenta un análisis exploratorio de una base de datos relacionada con el comportamiento de las muestras de laboratorio y su tasa de rechazo. Se realiza la exploración inicial de la base, la limpieza de los datos, la identificación del tipo de variables, algunas operaciones básicas y la construcción de una matriz de correlación con su respectivo mapa de calor.
2. Cargar librerías
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)
library(corrplot)## corrplot 0.95 loaded3. Cargar base de datos y exploración inicial
Matriz <- read.csv("Matriz_limpia_comas.csv")
# Dimensiones y nombres de variables
dim(Matriz)## [1] 5 16names(Matriz)## [1] "Estudio" "Autores" "Año"
## [4] "Pais" "Institucion" "Complejidad"
## [7] "Metodologia" "Duración.meses" "total.muestras"
## [10] "Muestras.Rechazadas" "Tasa.Rechazo" "Sigma"
## [13] "Error.Principal" "Servicio.mas.afectado" "Tipo.fallas.reportadas"
## [16] "Notas"# Primeras filas
head(Matriz)## Estudio
## 1 Costos de no calidad asociados con eventos adversos e incidentes en laboratorio clínico del Hospital San Juan Bautista de Chaparral Tolima durante el primer semestre del año 2024
## 2 Challenges in Preanalytical Phase of Laboratory Medicine: Rate of Blood Sample Nonconformity in a Tertiary Care Hospital
## 3 Plan de mejoramiento para disminuir los errores en la fase preanalítica en los análisis de laboratorio en la Clínica Regional de Occidente de la Policía Nacional Seccional Sanidad Valle
## 4 Evaluation of pre-analytical specimen rejection using Six Sigma metrics: A retrospective single-center study
## 5 Preanalytical Errors in a Hematology Laboratory: An Experience from a Tertiary Care Center
## Autores Año
## 1 Páez Marchena, M., Zuñiga Andrade, L., & Gallo Baquero, P. 2024
## 2 Alavi, N.; Khan, S. H.; Saadia, A.; Naeem, T. 2020
## 3 Pabón Martínez, H., & Londoño Núñez, P. A. 2018
## 4 Cheng, X.; Yu, H.; Zhang, L.; Zhang, B.; Wang, Q. 2025
## 5 Mohammad Shahid Iqbal et al. 2023
## Pais
## 1 Colombia
## 2 Pakistan
## 3 Colombia
## 4 China
## 5 Arabia Saudita
## Institucion
## 1 Hospital San Juan Bautista de Chaparral (Tolima)
## 2 Hospital Shalamar
## 3 Clínica Regional de Occidente de la Policía Nacional Seccional Sanidad Valle
## 4 Tianjin Huanhu Hospital
## 5 Department of Laboratory Medicine, Umm al Qura University (Makkah)
## Complejidad Metodologia Duración.meses total.muestras
## 1 Segundo nivel Descriptivo, enfoque mixto 12 NA
## 2 Tercer nivel Descriptivo, retrospectivo 12 113817
## 3 Tercer nivel Exploratorio, descriptivo 6 9188
## 4 Tercer nivel Retrospectivo, descriptivo 36 2068074
## 5 Tercer nivel Retrospectivo, descriptivo 12 67892
## Muestras.Rechazadas Tasa.Rechazo Sigma Error.Principal
## 1 NA NA NA
## 2 1688 1.480 NA Muestra sin etiquetar
## 3 315 3.400 NA Muestra hemolizada
## 4 2214 0.107 4.57 Muestra coagulada
## 5 886 1.300 NA Muestra insuficiente
## Servicio.mas.afectado
## 1
## 2
## 3 Urgencias, hospitalización
## 4 Urgencias
## 5 Pediatría
## Tipo.fallas.reportadas
## 1 Identificación, rotulación, resultados equivocados, fallas transfusionales, traslado de muestras, ingreso de muestras, pérdida, paciente equivocado, no entrega a proceso, inoportunidad del resultado, muestra que no cumple criterios, no procesada, error digitación
## 2 Sin etiquetar, coagulada, diluída, historial incorrecto, hemolizada, tubo incorrecto, cantidad incorrecta
## 3 Muestras hemolizadas, coaguladas, insuficientes, mal rotuladas
## 4 Solicitudes incorrectas, transporte inapropiado, recipiente incorrecto, volumen insuficiente, proporción incorrecta, hemolizadas, lipémicas, muestra sin muestra, duplicadas, contaminadas IV, derramadas, paciente incorrecto, pérdida
## 5 Tubo inapropiado, coagulada, insuficiente, hemolizada, diluida, exceso, error etiquetado, retraso transferencia, vacio/dañado
## Notas
## 1 Tesis conceptual sin datos numéricos
## 2 Estudio con datos cuantitativos completos sobre fase preanalítica
## 3 Incluye análisis causa-raíz con Ishikawa
## 4 Aplica métricas Six Sigma (DPMO, nivel sigma)
## 5 Hospital terciario, hematología# Estructura y resumen general
str(Matriz)## 'data.frame': 5 obs. of 16 variables:
## $ Estudio : chr "Costos de no calidad asociados con eventos adversos e incidentes en laboratorio clínico del Hospital San Juan B"| __truncated__ "Challenges in Preanalytical Phase of Laboratory Medicine: Rate of Blood Sample Nonconformity in a Tertiary Care Hospital" "Plan de mejoramiento para disminuir los errores en la fase preanalítica en los análisis de laboratorio en la Cl"| __truncated__ "Evaluation of pre-analytical specimen rejection using Six Sigma metrics: A retrospective single-center study" ...
## $ Autores : chr "Páez Marchena, M., Zuñiga Andrade, L., & Gallo Baquero, P." "Alavi, N.; Khan, S. H.; Saadia, A.; Naeem, T." "Pabón Martínez, H., & Londoño Núñez, P. A." "Cheng, X.; Yu, H.; Zhang, L.; Zhang, B.; Wang, Q." ...
## $ Año : int 2024 2020 2018 2025 2023
## $ Pais : chr "Colombia" "Pakistan" "Colombia" "China" ...
## $ Institucion : chr "Hospital San Juan Bautista de Chaparral (Tolima)" "Hospital Shalamar" "Clínica Regional de Occidente de la Policía Nacional Seccional Sanidad Valle" "Tianjin Huanhu Hospital" ...
## $ Complejidad : chr "Segundo nivel" "Tercer nivel" "Tercer nivel" "Tercer nivel" ...
## $ Metodologia : chr "Descriptivo, enfoque mixto" "Descriptivo, retrospectivo" "Exploratorio, descriptivo" "Retrospectivo, descriptivo" ...
## $ Duración.meses : int 12 12 6 36 12
## $ total.muestras : num NA 113817 9188 2068074 67892
## $ Muestras.Rechazadas : num NA 1688 315 2214 886
## $ Tasa.Rechazo : num NA 1.48 3.4 0.107 1.3
## $ Sigma : num NA NA NA 4.57 NA
## $ Error.Principal : chr "" "Muestra sin etiquetar" "Muestra hemolizada" "Muestra coagulada" ...
## $ Servicio.mas.afectado : chr "" "" "Urgencias, hospitalización" "Urgencias" ...
## $ Tipo.fallas.reportadas: chr "Identificación, rotulación, resultados equivocados, fallas transfusionales, traslado de muestras, ingreso de mu"| __truncated__ "Sin etiquetar, coagulada, diluída, historial incorrecto, hemolizada, tubo incorrecto, cantidad incorrecta" "Muestras hemolizadas, coaguladas, insuficientes, mal rotuladas" "Solicitudes incorrectas, transporte inapropiado, recipiente incorrecto, volumen insuficiente, proporción incorr"| __truncated__ ...
## $ Notas : chr "Tesis conceptual sin datos numéricos" "Estudio con datos cuantitativos completos sobre fase preanalítica" "Incluye análisis causa-raíz con Ishikawa" "Aplica métricas Six Sigma (DPMO, nivel sigma)" ...summary(Matriz)## Estudio Autores Año Pais
## Length:5 Length:5 Min. :2018 Length:5
## Class :character Class :character 1st Qu.:2020 Class :character
## Mode :character Mode :character Median :2023 Mode :character
## Mean :2022
## 3rd Qu.:2024
## Max. :2025
##
## Institucion Complejidad Metodologia Duración.meses
## Length:5 Length:5 Length:5 Min. : 6.0
## Class :character Class :character Class :character 1st Qu.:12.0
## Mode :character Mode :character Mode :character Median :12.0
## Mean :15.6
## 3rd Qu.:12.0
## Max. :36.0
##
## total.muestras Muestras.Rechazadas Tasa.Rechazo Sigma
## Min. : 9188 Min. : 315.0 Min. :0.107 Min. :4.57
## 1st Qu.: 53216 1st Qu.: 743.2 1st Qu.:1.002 1st Qu.:4.57
## Median : 90855 Median :1287.0 Median :1.390 Median :4.57
## Mean : 564743 Mean :1275.8 Mean :1.572 Mean :4.57
## 3rd Qu.: 602381 3rd Qu.:1819.5 3rd Qu.:1.960 3rd Qu.:4.57
## Max. :2068074 Max. :2214.0 Max. :3.400 Max. :4.57
## NA's :1 NA's :1 NA's :1 NA's :4
## Error.Principal Servicio.mas.afectado Tipo.fallas.reportadas
## Length:5 Length:5 Length:5
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## Notas
## Length:5
## Class :character
## Mode :character
##
##
##
## 4. Limpieza y selección de variables numéricas
numericas <- Matriz %>%
dplyr::select(Duración.meses, total.muestras, Muestras.Rechazadas, Tasa.Rechazo)
# Eliminar filas con valores perdidos
numericas <- na.omit(numericas)
# Resumen de las variables numéricas
summary(numericas)## Duración.meses total.muestras Muestras.Rechazadas Tasa.Rechazo
## Min. : 6.0 Min. : 9188 Min. : 315.0 Min. :0.107
## 1st Qu.:10.5 1st Qu.: 53216 1st Qu.: 743.2 1st Qu.:1.002
## Median :12.0 Median : 90855 Median :1287.0 Median :1.390
## Mean :16.5 Mean : 564743 Mean :1275.8 Mean :1.572
## 3rd Qu.:18.0 3rd Qu.: 602381 3rd Qu.:1819.5 3rd Qu.:1.960
## Max. :36.0 Max. :2068074 Max. :2214.0 Max. :3.4005. Histograma de la tasa de rechazo
El histograma permite observar la distribución de la tasa de rechazo a lo largo del periodo evaluado, identificando si hay mayor concentración de valores altos o bajos.
ggplot(Matriz, aes(x = Tasa.Rechazo)) +
geom_histogram(bins = 10, fill = "skyblue", color = "black") +
labs(title = "Distribución de la tasa de rechazo",
x = "Tasa de rechazo",
y = "Frecuencia")## Warning: Removed 1 row containing non-finite outside the scale range
## (`stat_bin()`).
Interpretación:
La mayor parte de las observaciones se concentran en valores bajos de
tasa de rechazo, lo que indica un buen desempeño general del proceso. La
dispersión observada sugiere que en algunos periodos hubo mayor
variabilidad en los errores preanalíticos.
6. Gráfico de dispersión: total de muestras vs tasa de rechazo
Este gráfico permite analizar si existe relación entre el volumen procesado y la proporción de errores cometidos.
ggplot(Matriz, aes(x = total.muestras, y = Tasa.Rechazo)) +
geom_point(color = "darkred") +
labs(title = "Relación entre total de muestras y tasa de rechazo",
x = "Total de muestras",
y = "Tasa de rechazo")## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_point()`).
Interpretación:
Aunque a medida que aumenta el número total de muestras también aumentan
los rechazos en términos absolutos, la tasa de rechazo no aumenta
proporcionalmente. Esto sugiere que, incluso con mayor carga de trabajo,
el laboratorio mantiene niveles aceptables de calidad.
7. Resumen estadístico por variable
A continuación se presenta un resumen estadístico para cada variable numérica seleccionada.
for (nombre in names(numericas)) {
cat("Resumen de la variable:", nombre, "\n")
print(summary(numericas[[nombre]]))
cat("\n-----------------------------\n")
}## Resumen de la variable: Duración.meses
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 6.0 10.5 12.0 16.5 18.0 36.0
##
## -----------------------------
## Resumen de la variable: total.muestras
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 9188 53216 90855 564743 602381 2068074
##
## -----------------------------
## Resumen de la variable: Muestras.Rechazadas
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 315.0 743.2 1287.0 1275.8 1819.5 2214.0
##
## -----------------------------
## Resumen de la variable: Tasa.Rechazo
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.107 1.002 1.390 1.572 1.960 3.400
##
## -----------------------------8. Matriz de correlación
La matriz de correlación muestra la magnitud y dirección de las relaciones entre las variables numéricas.
cor_matrix <- cor(numericas)
cor_matrix## Duración.meses total.muestras Muestras.Rechazadas
## Duración.meses 1.0000000 0.9844082 0.8419179
## total.muestras 0.9844082 1.0000000 0.7706544
## Muestras.Rechazadas 0.8419179 0.7706544 1.0000000
## Tasa.Rechazo -0.8480811 -0.7416558 -0.8901565
## Tasa.Rechazo
## Duración.meses -0.8480811
## total.muestras -0.7416558
## Muestras.Rechazadas -0.8901565
## Tasa.Rechazo 1.00000009. Mapa de calor de la matriz de correlación
El mapa de calor facilita la visualización de la matriz de correlación, destacando con colores las correlaciones positivas y negativas.
corrplot(cor_matrix,
method = "color",
addCoef.col = "black", # muestra el valor
tl.col = "black", # color de los nombres
number.cex = 0.9, # tamaño de los números
col = colorRampPalette(c("lightblue","yellow","red"))(200))
10. Interpretación global
A partir de los resultados obtenidos se destacan los siguientes hallazgos:
- Existe una correlación fuerte positiva entre la duración en meses y el total de muestras (cercana a 1), lo que indica que a mayor tiempo de observación se procesan más muestras.
- También se observa una correlación positiva importante entre el total de muestras y las muestras rechazadas, lo que refleja que, cuando aumenta el volumen de trabajo, aumenta el número absoluto de rechazos.
- La tasa de rechazo presenta correlaciones negativas con las demás variables (en especial con la duración del periodo y con el número de muestras rechazadas), lo que sugiere que, aunque haya más muestras y más rechazos en número absoluto, la proporción de rechazo tiende a disminuir con el tiempo, posiblemente por ajustes en el proceso y mejora continua.
En conjunto, el análisis exploratorio indica que el laboratorio maneja un volumen creciente de muestras y que, pese a ello, la tasa de rechazo global se mantiene controlada, lo cual es consistente con un proceso de mejora progresiva en la etapa preanalítica.