Análisis Exploratorio de Datos – Laura Torres (Versión Mejorada)
Laura Torres
2025-11-23
0. Contexto general del ejercicio
Este análisis corresponde a un ejercicio exploratorio realizado con una muestra pequeña de datos provenientes de diferentes artículos sobre errores preanalíticos y tasas de rechazo en laboratorios clínicos.
Dado que algunos artículos no incluyen datos numéricos, solo conceptos cualitativos, únicamente se pudieron analizar las variables presentes en la base consolidada. Por esta razón, el análisis no pretende evaluar desempeño institucional real, sino comprender cómo trabajar datos en RStudio y explorar relaciones internas dentro de la pequeña base disponible.
Cada fila de la base representa un conjunto agregado de observaciones con las siguientes variables:
- Duración.meses: tiempo del periodo evaluado en
meses.
- total.muestras: número total de muestras
procesadas.
- Muestras.Rechazadas: conteo de muestras
rechazadas.
- Tasa.Rechazo: proporción de muestras rechazadas.
Debido al tamaño reducido (n pequeña), los resultados deben interpretarse como exploratorios y no generalizables.
1. Introducción
En este documento se realiza un análisis exploratorio de la base
disponible.
El objetivo es:
- Familiarizarse con RStudio y RMarkdown
- Explorar las variables
- Identificar relaciones internas entre ellas
- Generar gráficos
- Interpretar resultados con sentido crítico
Este informe no busca establecer conclusiones definitivas, sino practicar análisis exploratorio con datos limitados.
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")
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"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, hematologíastr(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 %>%
select(Duración.meses, total.muestras, Muestras.Rechazadas, Tasa.Rechazo)
numericas <- na.omit(numericas)
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
Este gráfico permite observar la distribución de la
tasa de rechazo.
Dado el tamaño reducido de la base, se ajustó el número de bins para
evitar barras idénticas.
ggplot(Matriz, aes(x = Tasa.Rechazo)) +
geom_histogram(bins = 4, 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:
Las observaciones se concentran en valores bajos de tasa de
rechazo.
Esto sugiere un desempeño estable del proceso preanalítico.
La baja n implica que la forma del histograma no debe
sobreinterpretarse.
6. Gráfico de dispersión: total de muestras vs tasa de rechazo
Permite evaluar si un mayor volumen de trabajo genera un aumento proporcional en la tasa de error.
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 al procesarse más muestras aumenta el número absoluto de
rechazos, la tasa no se incrementa proporcionalmente.
Con pocos datos, esto indica que el proceso podría ser relativamente
estable ante mayor carga laboral.
7. Resumen estadístico por variable
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
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
corrplot(cor_matrix,
method = "color",
addCoef.col = "black",
tl.col = "black",
number.cex = 0.9,
col = colorRampPalette(c("lightblue","yellow","red"))(200))
Interpretación del mapa de calor:
- Correlación muy alta entre duración del periodo y
volumen de muestras → esperado en estudios longitudinales.
- Correlación alta entre total de muestras y muestras rechazadas →
normal: más trabajo = más rechazos absolutos.
- Correlación negativa fuerte entre tasa de rechazo y
las demás variables → sugiere que, aunque aumenten los rechazos
absolutos, la proporción disminuye, lo cual podría
reflejar ajustes operativos.
Debido a la baja n, estas correlaciones deben interpretarse con
cautela.
10. Interpretación global y limitaciones
Este ejercicio permite identificar patrones internos en la pequeña
base disponible.
Principales hallazgos:
- La tasa de rechazo tiende a disminuir conforme aumenta el tiempo del
estudio.
- Volúmenes más altos de muestras no necesariamente implican mayor
proporción de errores.
- Existen correlaciones fuertes, pero deben interpretarse como
tendencias exploratorias, no conclusiones
estadísticas.
- No fue posible incluir datos de todos los artículos revisados, pues
varios no presentan información numérica.
- El análisis está limitado por el tamaño reducido de la base.
11. Conclusión final
Este reporte evidencia de manera práctica cómo se puede realizar un
análisis exploratorio en RStudio.
Se lograron visualizar relaciones internas básicas y consolidar la
metodología para incluir:
- Carga y limpieza de datos
- Exploración descriptiva
- Visualización gráfica
- Análisis de correlación
- Interpretación narrativa
A pesar de la limitación en tamaño muestral y falta de datos de algunos artículos, el ejercicio es válido como entrenamiento técnico y analítico, cumpliendo el propósito académico planteado.