Skip to contents

Fundamento

La tasa de abandono es un indicador que se utiliza para evaluar la pérdida de seguimiento en los esquemas de vacunación. Muestra el porcentaje de personas que recibieron una dosis inicial (por ejemplo, DTP1), pero no recibieron una dosis posterior o final (por ejemplo, DTP3). En los sistemas agregados, se estima mediante la siguiente fórmula:

Tasa de abandono (%)=dosis de DTP1 administradas−dosis de DTP3 administradasdosis de DTP1 administradas×100 \text{Tasa de abandono (\%)} = \frac{\text{dosis de DTP1 administradas} - \text{dosis de DTP3 administradas}}{\text{dosis de DTP1 administradas}} \times 100

El análisis con datos agregados no permite confirmar que las personas que recibieron ambas dosis sean las mismas, como se muestra en la Figura 1A. Los registros nominales electrónicos de vacunación permiten hacer el análisis persona por persona y confirmar si quienes recibieron la primera dosis también recibieron la dosis de seguimiento, como se ilustra en la Figura 1B.

Figura 1. Representación visual de un análisis de abandono nominal.
Figura 1. Representación visual de un análisis de abandono nominal.


Nota

Todas las funciones utilizadas para los análisis de abandono nominal dentro de immunABC comienzan con el prefijo nod_.

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.

Nombres de vacunas

Los conjuntos de datos de ejemplo utilizan una convención específica para nombrar las dosis de vacunas. Es posible que esta convención no coincida con la que usa su país o institución, pero esto no afecta el uso del paquete si los nombres se aplican de manera consistente.

Por ejemplo, los nombres de las vacunas utilizados en el paquete immunABC son:

Abreviatura Nombre completo
SRP1 Vacuna contra sarampión, rubéola y paperas (1.ª dosis)
DTP1 Vacuna contra difteria, tétanos y tos ferina (1.ª dosis)
DTP2 Vacuna contra difteria, tétanos y tos ferina (2.ª dosis)
DTP3 Vacuna contra difteria, tétanos y tos ferina (3.ª dosis)
BCG RN Vacuna Bacillus Calmette–Guérin (al nacer)
YFV1 Vacuna contra la fiebre amarilla (1.ª dosis)

Uso

Instalar el paquete

El primer paso para ejecutar el análisis de tasa de abandono nominal es instalar el paquete immunABC, disponible en GitHub.

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

Cargar los datos

Las funciones de este módulo requieren que proporcione su RNVe en un formato específico.

Para facilitar la prueba de immunABC y la comprensión de la estructura requerida, a continuación se presenta el conjunto de datos de ejemplo que utiliza este módulo.

RNVe

El conjunto de datos immunabc::immunABC.EIR proporciona un ejemplo de Registro Nominal de Vacunación electrónico (RNVe). Es una tabla nominal simulada con eventos individuales de vacunación. Cada fila corresponde a una vacunación e incluye información sobre la residencia de la persona, el lugar donde fue vacunada (ocurrencia), su fecha de nacimiento y la dosis recibida.

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: Primer nivel administrativo geográfico del país.
  • ADM2: Segundo nivel administrativo geográfico del país.
  • Lugar de residencia (Residence): Lugar donde vive la persona.
  • Lugar de vacunación (Occurrence): Lugar donde ocurrió la vacunación.
  • Dosis (dose): Variable combinada que representa el tipo de vacuna y su número de dosis correspondiente. Por ejemplo, DTP1 se refiere a la primera dosis de una vacuna que contiene componentes de difteria, tétanos y tos ferina.

Análisis de abandono nominal

immunABC permite estimar la tasa de abandono nominal persona por persona. El análisis puede aplicarse a cualquier par de dosis, siempre que se indique una dosis inicial y una dosis final. Para interpretar correctamente los resultados, la dosis inicial debe preceder a la dosis final en el esquema de vacunación; por ejemplo, DTP1-DTP3 o DTP1-MCV1. Además, el usuario puede seleccionar el nivel de agregación de los resultados: nacional, ADM1 o ADM2.

Flujo de trabajo esperado

Las funciones nod_dropout() y nod_barplot() trabajan en conjunto para analizar y visualizar el abandono nominal. La función nod_dropout() calcula el abandono nominal y los casos completos por residencia, según los niveles administrativos, cohortes de nacimiento y vacunas seleccionados. Su resultado es una tabla compatible con nod_barplot(), que genera la visualización correspondiente.

Figura 2. Flujo de trabajo esperado para el análisis de tasa de abandono nominal.
Figura 2. Flujo de trabajo esperado para el análisis de tasa de abandono nominal.


Ejemplo

A continuación se muestra un caso de uso sencillo de nod_dropout(), en el que se calcula el abandono nominal entre DTP1 y DTP3 a nivel ADM1 usando el conjunto de datos de ejemplo.

# Ejecuta la función de abandono nominal
example_dropout <- nod_dropout(data.EIR = immunABC.EIR,
                               vaccine_init = "DTP1", #Vacuna inicial según su conjunto de datos
                               vaccine_end= "DTP3", #Vacuna final según su conjunto de datos
                               geo_level = "ADM1", #Puede ser ADM0, ADM1 o ADM2
                               birth_cohorts = NULL #Puede ser un vector de años o un año
                               )

# mostrar los resultados en una tabla
example_dropout %>%
  kable(digits = 3, caption = "Tasa de abandono nominal entre DTP1 y DTP3 a nivel ADM1")
Tasa de abandono nominal entre DTP1 y DTP3 a nivel ADM1
ADM1_residence indicator num denom percent
ADM1_1 complete 1491 2607 57.192
ADM1_1 dropout 1116 2607 42.808
ADM1_2 complete 6967 12429 56.054
ADM1_2 dropout 5462 12429 43.946
ADM1_3 complete 30999 55608 55.746
ADM1_3 dropout 24609 55608 44.254
ADM1_4 complete 5304 7574 70.029
ADM1_4 dropout 2270 7574 29.971
ADM1_5 complete 2703 4040 66.906
ADM1_5 dropout 1337 4040 33.094
Parámetros aceptados
  • data.EIR: Tabla del RNVe estructurada con las variables listadas anteriormente.
  • vaccine_init: Nombre de la vacuna que se usará como punto de inicio del análisis, tal como aparece en la columna de dosis (dose).
  • vaccine_end: Nombre de la vacuna que se usará como punto final del análisis, tal como aparece en la columna de dosis (dose).
  • geo_level: Nivel administrativo que se usará en el análisis. Es un parámetro opcional y puede tomar los valores “ADM0”, “ADM1” o “ADM2”. Si se omite, el valor predeterminado es “ADM0”.
  • birth_cohorts: Parámetro para segmentar el análisis según el año de nacimiento de las personas. Se basa en la columna de fecha de nacimiento (date_birth) y puede recibir un año o un vector de años.
  • fix_residence: Lógico, con valor predeterminado TRUE. Solo aplica cuando geo_level es “ADM1” o “ADM2”. Controla qué ocurre cuando la residencia (ADM1_residence/ADM2_residence) de una persona no es la misma en todos sus registros (por ejemplo, si se mudó entre dosis). Vea Manejo de inconsistencias de residencia más abajo.

Los parámetros data.EIR, vaccine_init y vaccine_end son obligatorios. geo_level, birth_cohorts y fix_residence son opcionales y permiten segmentar los datos o garantizar la precisión para análisis más precisos.

Consulte la documentación de la función con ?nod_dropout() en R para obtener más información.

Manejo de inconsistencias de residencia

A nivel ADM1 o ADM2, nod_dropout() necesita agrupar la dosis inicial y final de una persona bajo un mismo grupo de residencia. Si la residencia registrada de una persona no es la misma en todos sus registros (por ejemplo, se mudó entre su dosis de DTP1 y DTP3, y el registro anterior nunca se actualizó), sus dosis quedarían divididas entre dos grupos de residencia distintos, y cada una aparecería incorrectamente como un esquema incompleto.

El parámetro fix_residence controla cómo maneja esto nod_dropout():

  • fix_residence = TRUE (predeterminado): antes de calcular el abandono, todos los registros de una persona se corrigen para usar la residencia de su vacunación más reciente, de modo que sus dosis queden agrupadas correctamente.
  • fix_residence = FALSE: los valores de residencia no se modifican. Si se detectan inconsistencias, nod_dropout() se detiene con un error, ya que sus resultados serían inexactos. Resuélvalas manualmente de antemano, o establezca fix_residence = TRUE.

El siguiente ejemplo construye un pequeño RNVe donde la persona ID 1 se mudó de ADM1_1 a ADM1_2 entre dosis, para ilustrar ambos casos.

residence_example <- tibble::tibble(
  ID = c(1, 1, 2, 2),
  dose = c("DTP1", "DTP3", "DTP1", "DTP3"),
  date_vax = as.Date(c("2020-01-01", "2020-06-01", "2020-01-01", "2020-06-01")),
  date_birth = as.Date(c("2019-12-01", "2019-12-01", "2019-11-01", "2019-11-01")),
  ADM1_residence = c("ADM1_1", "ADM1_2", "ADM1_1", "ADM1_1"),
  ADM2_residence = c("ADM2_1", "ADM2_2", "ADM2_1", "ADM2_1"),
  ADM1_occurrence = c("ADM1_1", "ADM1_2", "ADM1_1", "ADM1_1"),
  ADM2_occurrence = c("ADM2_1", "ADM2_2", "ADM2_1", "ADM2_1")
)

residence_example %>% kable(caption = "Ejemplo de RNVe: ID 1 se mudó de ADM1_1 a ADM1_2 entre dosis")
Ejemplo de RNVe: ID 1 se mudó de ADM1_1 a ADM1_2 entre dosis
ID dose date_vax date_birth ADM1_residence ADM2_residence ADM1_occurrence ADM2_occurrence
1 DTP1 2020-01-01 2019-12-01 ADM1_1 ADM2_1 ADM1_1 ADM2_1
1 DTP3 2020-06-01 2019-12-01 ADM1_2 ADM2_2 ADM1_2 ADM2_2
2 DTP1 2020-01-01 2019-11-01 ADM1_1 ADM2_1 ADM1_1 ADM2_1
2 DTP3 2020-06-01 2019-11-01 ADM1_1 ADM2_1 ADM1_1 ADM2_1

Con fix_residence = TRUE, ambos registros de ID 1 se reasignan a ADM1_2 (su residencia más reciente), por lo que se cuentan correctamente como completos:

fixed_result <- nod_dropout(
  data.EIR = residence_example,
  vaccine_init = "DTP1",
  vaccine_end = "DTP3",
  geo_level = "ADM1",
  fix_residence = TRUE
)
## Warning in .enforce_single_residence(data.EIR, fix_residence): 1 ID(s) have
## more than one place of residence across their records.
## 1 record(s) updated to the residence of the most recent vaccination.
fixed_result %>% kable(digits = 3, caption = "Resultado con fix_residence = TRUE")
Resultado con fix_residence = TRUE
ADM1_residence indicator num denom percent
ADM1_1 complete 1 1 100
ADM1_2 complete 1 1 100

Con fix_residence = FALSE, las dos dosis de ID 1 quedarían divididas entre ADM1_1 y ADM1_2, y nod_dropout() reportaría incorrectamente un abandono en ambos grupos. Para evitarlo, nod_dropout() se detiene con un error:

unfixed_result <- nod_dropout(
  data.EIR = residence_example,
  vaccine_init = "DTP1",
  vaccine_end = "DTP3",
  geo_level = "ADM1",
  fix_residence = FALSE
)
## Error in `.enforce_single_residence()`:
## ! Error: 1 ID(s) have more than one place of residence across their records. Correct them in data.EIR, or set fix_residence = TRUE to assign each person the residence of their most recent vaccination.

Esta salida puede pasarse directamente a la función nod_barplot() como se muestra a continuación.

# Ejecuta la función nod_barplot
example_dropout_plot <- nod_barplot(data=example_dropout, order="alpha")

#mostrar el gráfico
example_dropout_plot

Parámetros aceptados

La función nod_barplot() acepta los siguientes parámetros:

  • data: Tabla generada a partir del resultado de la función nod_dropout().
  • order: Organiza las barras según tres opciones: alfabético (“alpha”), descendente (“desc”) o ascendente (“asc”); el valor predeterminado es “alpha”.
  • within_ADM1: Permite filtrar dentro de un ADM1 y mostrar únicamente los datos ADM2 correspondientes al ADM1 especificado.
Interpretación

Este gráfico muestra el abandono nominal por nivel administrativo 1 e incluye una línea de 5 % como umbral de referencia. Una tasa de abandono alta significa que una proporción importante de las personas analizadas no recibió la dosis de seguimiento de su esquema. En un esquema de múltiples dosis, lo esperado es que toda persona que recibe una dosis inicial regrese para recibir la dosis siguiente. En este ejemplo, ADM1_1 presenta el peor resultado, mientras que ADM1_4 presenta el mejor.

Todas las unidades administrativas tienen una tasa de abandono nominal superior al 25 %. Esto significa que al menos el 25 % de las personas de ese grupo objetivo no regresó para recibir la dosis de seguimiento.

Resumen

Monitorear la continuidad en los esquemas de vacunación de múltiples dosis es fundamental para los programas de inmunización. La tasa de abandono nominal es la proporción de personas que inician una serie (por ejemplo, DTP1), pero no reciben la dosis final o de seguimiento (por ejemplo, DTP3). Este indicador ofrece una mirada persona por persona del desempeño del programa, algo que los conteos agregados no permiten observar.

Esta viñeta presenta un flujo de trabajo reproducible: instalar el paquete, explorar el RNVe de ejemplo, calcular el abandono con nod_dropout() y visualizar los resultados con nod_barplot(). El ejemplo estima el abandono entre DTP1 y DTP3 a nivel ADM1 y muestra que todas las subdivisiones superan el umbral de 25 %; ADM1_1 presenta el peor resultado y ADM1_4 el mejor, en relación con una línea de referencia de 5 %.

Al combinar datos nominales del RNVe con un flujo de análisis claro, immunABC ayuda a identificar pérdidas de seguimiento con desagregación geográfica y apoya a las autoridades de salud en la focalización de intervenciones.