El cálculo se hace en tu navegador: no se envía ni se guarda nada. Usa resultados de control o de control externo, nunca datos de pacientes.
Pega los resultados (al menos 4).
| Criterio | Estadístico | Valor p | Lectura |
|---|
Con y sin el dato más señalado
| Medida | Con todos los datos | Sin el dato señalado |
|---|
Antes de excluir un dato, mira toda la serie
Con tus controles ya registrados en ConsensusLab QC ves cada punto en su gráfico, junto a las reglas de Westgard, y decides con la serie completa a la vista.
Ver cómo funcionaProbar 15 días gratis
¿No sabes por dónde empezar? Haz el diagnóstico de tu laboratorio (10 minutos, sin cuenta).
Cómo elegir entre los seis criterios
- Dixon usa rangos: compara la distancia del extremo a su vecino con el rango de la muestra. Con n = 20 se usa la variante r22 (no la Q clásica, que es para n ≤ 10). No usa la media ni la DE.
- Grubbs usa la media y la DE: G = |valor más alejado − media| / DE. Se parecen en el uso, pero no son la misma prueba y pueden discrepar.
- Tietjen-Moore (con k = 2, Grubbs doble) busca varios atípicos a la vez. Sirve cuando dos atípicos se «tapan» entre sí y Grubbs no ve ninguno. Su valor crítico se simula (muestras normales, semilla fija). Prueba la hipótesis conjunta de k atípicos: si un solo dato es muy extremo, puede arrastrar al segundo a la lista. En ese caso, apártalo y vuelve a probar el resto.
- Tukey (1,5 × RIC) no supone normalidad, pero con 20 datos es poco sensible.
- Chauvenet rechaza un dato si se esperan menos de 0,5 datos tan lejanos en n datos. Es un criterio de sospecha, no una prueba con α fijo: con 20 datos normales marca al menos un punto en cerca de 3 de cada 10 series (simulación).
- Hampel (mediana ± 3 · 1,4826 · MAD) es robusta: los atípicos casi no mueven la mediana ni la MAD. Con n = 20 también es liberal: marca al menos un punto en cerca de 2 de cada 10 series normales (simulación).
Cómo usarlo
- Un dato que varios criterios señalan merece revisarse; uno señalado solo por Chauvenet o Hampel, probablemente no.
- Un valor señalado es una sospecha, no una condena: busca primero una causa (error de pipeteo, burbuja, identificación, contaminación, error de transcripción).
- Solo se excluye un dato con una causa asignable y registrada. Descartar valores solo porque «se ven raros» sesga la media y la DE hacia lo que esperabas.
- Aplicar una prueba de un solo atípico una y otra vez hasta que no quede ninguno aumenta los falsos positivos. Con más de un sospechoso, usa Tietjen-Moore.
- Dixon, Grubbs y Chauvenet suponen normalidad: verifícala con las pruebas de normalidad. Los atípicos pueden hacer fracasar la prueba de normalidad por sí solos.
- En un control interno, un resultado fuera de rango es una señal que se evalúa con las reglas de Westgard, no un dato que se «depura».
- Si tienes réplicas por día y sospechas de un día completo, mira la prueba de Cochran.
Para evaluar controles con las reglas de Westgard, usa Gráfico de Levey-Jennings. Para elegir la prueba según la pregunta, la guía de pruebas estadísticas.
Referencias
Dixon WJ. Processing data for outliers. Biometrics 1953;9:74-89. Rorabacher DB. Statistical treatment for rejection of deviant values. Anal Chem 1991;63:139-146 (variantes r10, r11, r21 y r22; valores críticos de esta página calculados por simulación y contrastados con esa tabla). Grubbs FE. Procedures for detecting outlying observations in samples. Technometrics 1969;11:1-21. Tietjen GL, Moore RH. Some Grubbs-type statistics for the detection of several outliers. Technometrics 1972;14:583-597. Tukey JW. Exploratory Data Analysis, 1977. Hampel FR. The influence curve and its role in robust estimation. J Am Stat Assoc 1974;69:383-393.