Skip to contents

Fundamento

Los Registros Nominales de Vacunación electrónicos (RNVe) suelen contener campos de fecha con restricciones lógicas entre sí. Un ejemplo común es la relación entre la fecha de vacunación y la fecha de nacimiento: un evento de vacunación no puede ocurrir antes de que la persona haya nacido. Cuando estas violaciones existen en los datos, indican errores de captura o problemas de vinculación de registros que pueden sesgar los análisis posteriores.

El módulo de comparación de consistencia de fechas permite identificar, cuantificar y visualizar de forma sistemática estas inconsistencias entre cualquier par de variables de fecha en el RNVe.

Nota

Todas las funciones utilizadas para los análisis de comparación de consistencia de fechas dentro de immunABC comienzan con el prefijo dcc_.

Glosario

Divisiones político-geográficas

A lo largo de esta viñeta se hace referencia a distintos niveles de división político-geográfica. Estos niveles son definidos por cada país o territorio y pueden recibir nombres diferentes. immunABC no depende de esos nombres locales; por eso, el usuario debe recodificar sus variables para ajustarlas a la estructura que utiliza el paquete.

En concreto, immunABC puede distinguir tres niveles administrativos que, listados del nivel superior al inferior, son: ADM0, ADM1 y ADM2.

  1. ADM0: El país. Este es el nivel administrativo más alto.
  2. ADM1: La primera subdivisión geográfica del país. ADM0 contiene varias subdivisiones ADM1.
  3. ADM2: La segunda subdivisión geográfica del país. Cada ADM1 contiene varias subdivisiones ADM2.

Categorías de consistencia

Categoría Significado
CONSISTENT date_2 ≤ date_1 — el orden cronológico es válido.
INCONSISTENT date_2 > date_1 — el orden cronológico está violado.
DATE_MISSING Al menos una de las dos fechas es NA.

Uso

Instalar el paquete

devtools::install_github("IM-Data-PAHO/immunabc")

Cargar los datos

Las funciones de este módulo requieren que proporcione su RNVe en el formato estándar de immunABC.

RNVe

El conjunto de datos immunabc::immunABC.EIR proporciona una tabla nominal simulada con eventos individuales de vacunación de un Registro Nominal de Vacunación electrónico (RNVe). Cada fila corresponde a una vacunación de una persona.

immunABC.EIR %>% head() %>% kable(caption = "Ejemplo de Registro Nominal de Vacunación electrónico")
Ejemplo de Registro Nominal de Vacunación electrónico
ID date_birth date_vax ADM1_residence ADM2_residence ADM1_occurrence ADM2_occurrence dose
191997 2023-08-08 2023-12-26 ADM1_4 ADM2_4_35 ADM1_4 ADM2_4_35 DTP2
212189 2023-12-20 2023-12-26 ADM1_5 ADM2_5_61 ADM1_5 ADM2_5_61 BCG RN
118063 2022-09-15 2023-12-26 ADM1_2 ADM2_2_5 ADM1_2 ADM2_2_5 DTP1
118063 2022-09-15 2023-12-26 ADM1_2 ADM2_2_5 ADM1_2 ADM2_2_5 YFV1
130751 2022-10-27 2023-12-12 ADM1_5 ADM2_5_55 ADM1_5 ADM2_5_55 YFV1
136532 2021-09-21 2023-12-26 ADM1_3 ADM2_3_12 ADM1_3 ADM2_3_12 SRP1
  • ID: Número único de identificación de la persona.
  • Fecha de nacimiento (date_birth): Fecha de nacimiento de la persona.
  • Fecha de vacunación (date_vax): Fecha del evento de vacunación.
  • ADM1_residence / ADM2_residence: Primer y segundo nivel administrativo geográfico de residencia.
  • Dosis (dose): Variable combinada que representa el tipo de vacuna y su número de dosis correspondiente (p. ej., DTP1).

Análisis de comparación de consistencia de fechas

Flujo de trabajo esperado

El conjunto de funciones dcc_ contiene cuatro funciones que trabajan en conjunto:

  1. dcc_rate() — calcula las tasas de consistencia agregadas por nivel geográfico.
  2. dcc_barplot() — visualiza el resultado de dcc_rate() como un gráfico de barras apiladas.
  3. dcc_inconsistent() — lista los registros inconsistentes e incompletos de forma individual, con su diferencia en días.
  4. dcc_inconsistent_plot() — visualiza la distribución de las diferencias en días para los registros inconsistentes.

La figura a continuación muestra el flujo de trabajo esperado.

Figura 1. Flujo de trabajo esperado para el análisis de comparación de consistencia de fechas.
Figura 1. Flujo de trabajo esperado para el análisis de comparación de consistencia de fechas.


Paso 1 — Calcular las tasas de consistencia con dcc_rate()

dcc_rate() compara dos variables de fecha en el RNVe y devuelve, para cada unidad geográfica, el conteo y el porcentaje de registros clasificados como CONSISTENT, INCONSISTENT o DATE_MISSING.

En este ejemplo se verifica si date_vax (date_1, la fecha más reciente) es consistente con date_birth (date_2, la fecha más temprana) a nivel ADM1.

rate_df <- dcc_rate(
  data.EIR  = immunABC.EIR,
  date_1    = "date_vax",
  date_2    = "date_birth",
  geo_level = "ADM1"
)

rate_df %>% kable(digits = 2, caption = "Tasas de consistencia de fechas por ADM1")
Tasas de consistencia de fechas por ADM1
ADM1 consistency n total rate
ADM1_1 CONSISTENT 14046 14058 99.91
ADM1_1 DATE_MISSING 2 14058 0.01
ADM1_1 INCONSISTENT 10 14058 0.07
ADM1_2 CONSISTENT 75128 75165 99.95
ADM1_2 INCONSISTENT 37 75165 0.05
ADM1_3 CONSISTENT 332868 333038 99.95
ADM1_3 DATE_MISSING 22 333038 0.01
ADM1_3 INCONSISTENT 148 333038 0.04
ADM1_4 CONSISTENT 45797 45830 99.93
ADM1_4 DATE_MISSING 1 45830 0.00
ADM1_4 INCONSISTENT 32 45830 0.07
ADM1_5 CONSISTENT 24583 24597 99.94
ADM1_5 INCONSISTENT 14 24597 0.06
Parámetros aceptados
  • data.EIR: Tabla del RNVe en formato immunABC.
  • date_1: Nombre de la variable de fecha que se verifica (la fecha cronológicamente más reciente).
  • date_2: Nombre de la variable de fecha de referencia (la fecha cronológicamente más temprana).
  • geo_level: "ADM0" (predeterminado), "ADM1" o "ADM2".
  • birth_cohorts: Vector numérico con la(s) cohorte(s) de nacimiento a filtrar. El valor predeterminado NULL usa todas las cohortes disponibles.

Paso 2 — Visualizar las tasas con dcc_barplot()

El resultado de dcc_rate() puede pasarse directamente a dcc_barplot() para producir un gráfico de barras apiladas con el desglose de categorías de consistencia por unidad geográfica.

dcc_barplot(
  data        = rate_df,
  date_1_name = "Fecha de vacunación",
  date_2_name = "Fecha de nacimiento"
)

Parámetros aceptados
  • data: Resultado de dcc_rate().
  • date_1_name: Etiqueta para date_1 en el subtítulo del gráfico. Valor predeterminado: "date 1".
  • date_2_name: Etiqueta para date_2 en el subtítulo del gráfico. Valor predeterminado: "date 2".
  • within_ADM1: Vector de caracteres para filtrar unidades ADM1 específicas cuando geo_level = "ADM2". Valor predeterminado: NULL.
  • plot_missing: Booleano. Si es TRUE (predeterminado), los registros DATE_MISSING se muestran como un segmento separado para que todas las barras sumen 100 %.
Interpretación

Cada barra representa una unidad geográfica y se divide en tres segmentos: CONSISTENT (azul), INCONSISTENT (naranja) y DATE_MISSING (gris). Las barras con predominio de naranja o gris indican unidades con problemas de calidad de datos que requieren atención.

Paso 3 — Inspeccionar los registros inconsistentes con dcc_inconsistent()

dcc_inconsistent() devuelve una tabla a nivel de registro con todas las entradas INCONSISTENT y DATE_MISSING, incluyendo la diferencia en días entre las dos fechas.

inconsistent_df <- dcc_inconsistent(
  data.EIR = immunABC.EIR,
  date_1   = "date_vax",
  date_2   = "date_birth"
)

inconsistent_df %>% head(10) %>% kable(caption = "Muestra de registros inconsistentes e incompletos")
Muestra de registros inconsistentes e incompletos
ID dose date_birth date_vax consistency diff
90618 BCG RN 2022-12-21 2022-02-25 INCONSISTENT -299 days
212688 BCG RN 2023-12-28 2023-12-02 INCONSISTENT -26 days
90924 BCG RN 2022-03-06 2022-03-05 INCONSISTENT -1 days
90984 DTP2 2022-06-30 2022-04-27 INCONSISTENT -64 days
90994 BCG RN 2022-02-20 2022-02-19 INCONSISTENT -1 days
91235 YFV1 NA 2022-06-13 DATE_MISSING NA days
91441 BCG RN 2022-02-16 2022-02-10 INCONSISTENT -6 days
91537 BCG RN 2022-04-02 2022-02-03 INCONSISTENT -58 days
65055 BCG RN 2022-02-04 2022-02-03 INCONSISTENT -1 days
92001 BCG RN 2022-03-17 2022-03-12 INCONSISTENT -5 days
Parámetros aceptados
  • data.EIR: Tabla del RNVe en formato immunABC.
  • date_1: Nombre de la variable de fecha que se verifica.
  • date_2: Nombre de la variable de fecha de referencia.
  • birth_cohorts: Vector numérico con la(s) cohorte(s) de nacimiento a filtrar. El valor predeterminado NULL usa todas las cohortes disponibles.

La columna diff reporta date_1 - date_2 en días. Los valores negativos indican que date_1 precede a date_2 (es decir, la inconsistencia). Esta tabla puede exportarse para flujos de corrección a nivel de registro.

Paso 4 — Visualizar la distribución de las diferencias en días con dcc_inconsistent_plot()

dcc_inconsistent_plot() produce un histograma de las diferencias en días en valor absoluto para los registros inconsistentes, agrupados en intervalos personalizables. Esto permite caracterizar la gravedad de las inconsistencias: diferencias pequeñas pueden reflejar errores de captura, mientras que diferencias grandes pueden indicar problemas sistemáticos más serios.

dcc_inconsistent_plot(
  data.EIR    = immunABC.EIR,
  date_1      = "date_vax",
  date_2      = "date_birth",
  date_1_name = "Fecha de vacunación",
  date_2_name = "Fecha de nacimiento"
)

Parámetros aceptados
  • data.EIR: Tabla del RNVe en formato immunABC.
  • date_1: Nombre de la variable de fecha que se verifica.
  • date_2: Nombre de la variable de fecha de referencia.
  • date_1_name: Etiqueta para date_1 en el subtítulo del gráfico. Valor predeterminado: "date 1".
  • date_2_name: Etiqueta para date_2 en el subtítulo del gráfico. Valor predeterminado: "date 2".
  • day_groups: Lista de pares numéricos c(inferior, superior) que definen los intervalos del histograma. El último intervalo siempre se extiende hasta Inf y se etiqueta como "X+". Valor predeterminado: intervalos de 10 días de 0 a 100.

Para usar intervalos personalizados — por ejemplo, mayor resolución para diferencias pequeñas:

dcc_inconsistent_plot(
  data.EIR    = immunABC.EIR,
  date_1      = "date_vax",
  date_2      = "date_birth",
  date_1_name = "Fecha de vacunación",
  date_2_name = "Fecha de nacimiento",
  day_groups  = list(c(0, 1), c(1, 7), c(7, 30), c(30, 90), c(90, 180))
)

Interpretación

El eje horizontal muestra el número de días entre las fechas inconsistentes. Se debe investigar cuáles son las causas más frecuentes de las inconsistencias en cada intervalo. Por ejemplo, los registros con grandes diferencias pueden deberse a errores de tipeo durante la captura de datos (p. ej., cuando una fecha se escribe como 2022-02-25 en lugar de 2022-12-25). Sin embargo, también pueden señalar problemas sistemáticos más serios.

Resumen

El módulo dcc_ ofrece una cadena completa de análisis para evaluar la consistencia de fechas en datos del RNVe. Partiendo de dcc_rate() para una visión geográfica general, pasando por dcc_barplot() para la visualización, hasta dcc_inconsistent() para la inspección a nivel de registro y dcc_inconsistent_plot() para caracterizar la magnitud de los errores, el conjunto de funciones provee a los gestores de datos y analistas de salud pública las herramientas necesarias para detectar, cuantificar y priorizar correcciones de calidad de datos antes de cualquier análisis posterior.