Los datos de los registros médicos electrónicos (RME) son utilizados para apoyar estudios para mejorar la calidad y la eficiencia de las prestaciones médicas. Seleccionados de un solo sitio o de múltiples sitios, estos datos del mundo real (DMR) tienen el potencial de transformar la atención de la salud. Los DMR, tal como son descritos por la US FDA, incluyen datos derivados de los RME, así como datos de registro y datos generados por el paciente.

En esencia, los DMR son los datos recopilados que tienen la capacidad de informar el estado de salud [1,2]. Distribuidos en redes de investigación, tales como la Patient-Centered  Outcomes Research Network (PCORnet), la American College of Surgeons NSQIP, y los Society of Thoracic Surgeons National Registries, son evidencia en desarrollo del mundo real para contestar cuestiones claves sobre los servicios de salud, calidad y seguridad, e investigación fundamental [3-6].

A pesar del uso de los DMR, los procesos de garantía de calidad de los datos estándar no son uniformemente adoptados, y el rigor de muchos proyectos de DMR es cuestionable. Los editores de estadísticas han expresado recientemente sus preocupaciones de que muchas presentaciones no alcanzan el umbral para la revisión por pares, debido a fallas en el enfoque analítico o en la calidad de los datos [7].

Las principales revistas han publicado recientemente consideraciones estadísticas para conducir la investigación realizada sobre DMR agrupados [8], y una serie de guías para el uso de datos para los 11 conjuntos de datos más utilizados en la investigación quirúrgica [9-18].

Están surgiendo tecnologías que permiten la obtención automatizada de datos de los RME para la investigación, pero continúan enfrentando desafíos [19-23]. Aunque los RME están siempre presentes en todos los hospitales en los Estados Unidos [24], y pueden ser una manera costo-efectiva de obtener DMR, se requieren inversiones considerables para asegurar la calidad de los datos [25,26].

La PCORnet confrontó esos desafíos al involucrar a expertos para crear un marco de calidad de datos unificados [27]. Esa estructura ha sido aplicada a los RME agrupados provenientes de los sitios de la PCORnet [28], pero aún no se ha adaptado y validado en un sitio específico para investigación quirúrgica. Hasta donde llega el conocimiento de los autores de este trabajo, no ha sido validado ningún marco de calidad de datos para apoyar la calidad específica para cirugía y los estudios de investigación realizados con DMR de los RME.

Los autores buscaron adaptar y aplicar un marco de calidad de datos descrito previamente, para evaluar la calidad de su repositorio de DMR específico del sitio, que selecciona automáticamente los datos de los RME para apoyar la investigación quirúrgica.

Proponen varias adaptaciones a ese marco de trabajo para mejorar la evaluación de la calidad, y demuestran también cómo las cuestiones de investigación quirúrgica pueden ser mapeadas en 2 tipos diferentes de controles de calidad de datos (básicos y específico del estudio), para asegurar que los DMR son aptos para su uso para un análisis propuesto.

La Junta de Revisión Institucional de la Universidad de Duke aprobó este estudio con una dispensa para el consentimiento informado. Se trata de un estudio retrospectivo de un único centro asistencial constituido por un gran sistema hospitalario cuaternario, con múltiples sitios, con 70.000 operaciones y 68.000 admisiones en el año 2017, y que es reportado según las guías del Strengthening the Reporting of Observational Studies in Epidemiology.

> Cohorte

Se desarrolló una línea de datos electrónicos para obtener automáticamente datos de los RME de pacientes quirúrgicos adultos [23]. Los encuentros para procedimientos con código CPT para procedimientos invasivos, definidos por el Surgery Flags Software para ICD-9-CM (Healthcare Cost and Utilization Project), fueron incluidos de los encuentros con internación y ambulatorios.

El modelo de datos incluyó características identificadas por un grupo interdisciplinario de investigadores quirúrgicos locales y aquellos en el modelo de datos comunes de la PCORnet [29]. Los análisis de la calidad de los datos se basaron sobre una cohorte de 241.695 pacientes, sometidos a 412.182 procedimientos (definidos de acuerdo con el código CPT 1), entre el 1 de octubre de 2014 y el 31 de agosto de 2018.

> Verificación de la calidad de los datos

Para evaluar la calidad del repositorio de DMR se construyó sobre un marco armonizado de calidad de datos conteniendo los siguientes grupos de controles de calidad: conformidad, integridad y plausibilidad [27]. Se desarrolló una serie de "consultas" quirúrgicas específicas que llevaron a cada control de calidad de los datos.

Esos tipos de consultas representaron ya sea una hipótesis de investigación, o un proyecto para mejora de la calidad. Las comprobaciones de conformidad probaron que el tipo de variable, el valor, el rango y el resultado computacional coincidían con las expectativas previamente especificadas [27].

Por ejemplo, se evaluó el grado en que los nombres de los medicamentos en los datos coincidían con un estándar externo, mediante comparación de la ortografía. Esto se completó al tokenizar los nombres de medicamentos sin procesar y las cadenas coincidentes, con las cadenas de nombres de medicamentos RxNorm [30].

Los nombres que no coincidían fueron limpiados manualmente por expertos. Las verificaciones de integridad informaron el porcentaje de falta de datos, y las verificaciones de plausibilidad probaron la credibilidad variable de los datos dentro de contextos clínicos.

Las verificaciones de plausibilidad también probaron la validez de las variables en las tablas de datos, y se dividieron en los siguientes tipos: unicidad, atemporal y temporal. Las verificaciones de plausibilidad de unicidad determinaron si las variables que representaban entidades individuales eran únicas (por ejemplo, cada paciente tenía un número de historia clínica único).

Las verificaciones de plausibilidad atemporales probaron la validez de las relaciones variables sin tener en cuenta el tiempo (por ejemplo, todos los encuentros quirúrgicos tenían un código de diagnóstico documentado asociado).

Las verificaciones de plausibilidad temporal probaron la validez de las relaciones variables con respecto al tiempo (por ejemplo, todas las fechas de alta hospitalaria ocurrieron después de las fechas del procedimiento hospitalario).

Las comprobaciones de conformidad, integridad y plausibilidad se dividieron en subtipos básicos y específicos del estudio. Las comprobaciones básicas fueron análisis de calidad generales que abarcaban todos los puntos de datos, y las comprobaciones específicas del estudio se centraron en preguntas clínicas más específicas. Las consultas representan preguntas de investigación o mejora de la calidad que evalúan una incógnita, y los controles de calidad de los datos son la confirmación de una calidad conocida dentro de un activo de datos.

Se adaptó el marco de calidad de datos armonizado mediante el desarrollo de los siguientes tipos nuevos de verificaciones de plausibilidad temporal: verificaciones de desplazamiento de datos y de desvío de datos. Estas comprobaciones requieren conocimiento institucional de un cambio esperado en los datos, debido a una modificación en la prestación de atención médica o en la codificación/captura de datos.

Los controles de cambio de datos probaron si se podía observar un cambio repentino en la práctica clínica. Por ejemplo, demostrar el cambio esperado de los códigos ICD-9 a ICD-10 después de la implementación de ICD-10 es una verificación de cambio de datos.

El experimento específico de estudio de los autores para esta verificación de cambio de datos utilizó los nuevos códigos CPT para procedimientos de columna vertebral (22853, 22854 y 22859) introducidos en enero de 2017, en comparación con el antiguo código CPT 22851. No obstante, los controles de desvío de datos probaron si se podía observar un cambio gradual esperado en la práctica clínica.

Por ejemplo, si los cambios de política específicos del sitio podrían replicarse en los datos del RME. Se analizó la respuesta del proveedor a los cambios recomendados por la política estatal/hospitalaria para la prescripción de dolor. Este cambio institucional conocido debe visualizarse dentro de los DMR en el tiempo esperado.

Identificar los cambios en la política y la práctica por adelantado y declarar explícitamente los cambios y las derivaciones de datos esperados, puede ayudar a prevenir la interpretación errónea de los hallazgos [31,32]. La confirmación de que se observan estos cambios esperados en los sistemas ilustra cuán bien una fuente de datos representa la realidad dinámica de cómo se brinda la atención dentro de la institución.

Para demostrar cómo las consultas quirúrgicas interactúan con los controles de calidad de los datos, se crearon 5 consultas quirúrgicas prototípicas que abarcan marcos de tiempo preoperatorios, intraoperatorios y posoperatorios (Cuadro 1).

Cada consulta se utilizó para controlar los tipos de controles de calidad de datos básicos y específicos del estudio. Se incluyeron controles de plausibilidad temporal de desplazamiento de datos y de desvío de datos para las consultas 1 y 5.

Las verificaciones fundamentales fueron necesarias para determinar la calidad de los DMR, pero no fueron suficientes para determinar la idoneidad de los datos para ninguna pregunta específica. Algunas verificaciones específicas del estudio requerían conocimientos de política institucional para completarse. En conjunto, las verificaciones de conformidad, integridad y plausibilidad básicas y específicas del estudio aseguran que los DMR se evalúen rigurosamente o sean "aptos para su uso" para responder a la consulta.

Cuadro 1

Los elementos de datos de las 5 consultas se evaluaron con comprobaciones básicas de integridad, conformidad y plausibilidad. Se completaron verificaciones de plausibilidad específicas del estudio para garantizar que los DMR fueran aptos para su uso.

> Verificaciones básicas

Se estudiaron las verificaciones básicas estándar en todas las variables. Estos tipos de comprobaciones fundamentales no son preguntas específicas de investigación y se aplican a través de una fuente de datos para mediciones basales de calidad. La mayoría de estas comprobaciones aseguran la conformidad con el diccionario de datos adjunto.

• Preoperatorio

Las comprobaciones fundamentales para la consulta 1 demostraron que todos los procedimientos dentro de un encuentro hospitalario y ambulatorio tenían un código CPT asociado que coincidía con los valores numéricos definidos por la Asociación Médica Americana

• Intraoperatorio

Las comprobaciones fundamentales para la consulta 2 revelaron que todos los valores de los signos vitales y las dosis de medicación intraoperatoria fueron numéricos. Un análisis posterior demostró que el 99% de los encuentros de procedimiento tenían signos vitales registrados para el mismo encuentro, ya sea antes o después de la operación.

Sin embargo, solo el 69% de los procedimientos tenía signos vitales intraoperatorios registrados en el RME dentro del encuentro correcto. Después de la tokenización, todos los nombres de cadena de medicamentos para la presión arterial intraoperatoria coincidieron con los estándares de ortografía de RxNorm [30]. Sin embargo, la cadena completa no coincidía exactamente.

• Postoperatorio

Las comprobaciones fundamentales para la consulta 3 mostraron una baja tasa de faltas en los identificadores de casos de quirófano y las fechas de los encuentros procesales. No obstante, la "nota de procedimiento" específicamente codificada en los campos de tipo de nota para encuentros de procedimiento, faltaba en aproximadamente el 15% de los casos. Los tipos de notas demostraron estabilidad a lo largo del tiempo con “nota de progreso” y “resumen de descarga” como las 2 notas más comunes.

Para la consulta 4, una verificación básica de plausibilidad evaluó si las fechas de encuentro con pacientes hospitalizados tenían valores de laboratorio entre las fechas de admisión y alta. También se realizaron análisis para determinar si las marcas de tiempo de muerte del paciente se registraron después de los procedimientos.

Cada ingreso hospitalario tuvo al menos 1 resultado de laboratorio durante la internación. Se observaron ocho muertes antes de un procedimiento. La revisión de las historias clínicas confirmó que el 96,3% de esos pacientes eran donantes de órganos sometidos a la obtención de los mismos. Las comprobaciones fundamentales para la consulta 5 demostraron el nombre correcto de la medicación. Después de la tokenización y la limpieza manual, todos los nombres de medicamentos coincidieron con las convenciones de RXnorm [30].

Todos estos procedimientos tenían listas actuales de medicamentos ambulatorios vinculados a la fecha del procedimiento. El 84% de los procedimientos (n = 345.620) definidos como invasivos por el Healthcare Cost and Utilization Project´s Surgery Flags Software para el ICD-9-CM, tenía una lista de medicamentos para pacientes ambulatorios correspondiente a las fechas de encuentro hospitalario del procedimiento, y el 15% (n = 61.718) de estos procedimientos tenía un medicamento para el dolor prescrito después de la operación.

> Verificaciones específicas del estudio

• Preoperatorio

Se realizaron verificaciones adicionales de plausibilidad específicas del estudio. Los análisis de cambio de datos probaron la captura de datos de nuevos códigos CPT para procedimientos de columna vertebral. Esos códigos CPT específicos fueron implementados inmediatamente; los códigos fueron observados por primera vez el 3 de enero de 2017 y 687 procedimientos fueron asociados con los códigos hasta el 31 de agosto de 2018. El código CPT anterior no se vio después de la implementación de nuevos códigos.

• Intraoperatorio

La consulta 2 probó tanto la integridad como la plausibilidad de los signos vitales intraoperatorios y la medicación. Todas las dosis de medicación intraoperatoria intravenosa para la presión arterial utilizaron unidades de dosificación convencionales (por ejemplo, mg, mg/min, y mg/h).

En 13.500 pacientes que recibieron medicamentos intravenosos para bajar la presión arterial, el 93% (12,644) tenía una presión arterial sistólica intraoperatoria registrada > 140 mmHg. Todas las administraciones de medicación tuvieron un valor de dosis correspondiente registrado y todos los pacientes que recibieron medicación intraoperatoria para reducir la presión arterial tuvieron una presión arterial intraoperatoria registrada.

• Postoperatorio

La consulta 3 demostró que todas las notas de tipo "nota de procedimiento" se escribieron dentro de los 30 días posteriores al procedimiento correspondiente. Las políticas institucionales requerían que todos los pacientes con artroplastia total de rodilla recibieran fisioterapia. Los datos demostraron que de los 2.477 pacientes que se sometieron a una artroplastia total de rodilla, el 93% tenía notas de fisioterapia postoperatorias asociadas.

Los controles de calidad de los datos para la consulta 4 demostraron que los valores de laboratorio de troponina-T eran clínicamente plausibles y estables. Otra verificación de plausibilidad basada en la política institucional demostró que todos los pacientes (n = 1.357) que tenían un alto nivel de troponina-T de laboratorio (0,10 ng/ml) dentro de los 90 días posteriores a la operación, tenían al menos 1 electrocardiograma (ECG) ordenado el mismo día.

Además, los 1.357 pacientes con un alto nivel de troponina-T tenían un código de diagnóstico asociado con altos niveles de troponina. Estos datos de códigos de diagnóstico se asociaron con el encuentro hospitalario correcto.

Por último, los controles de calidad de datos para la consulta 5 demostraron una desvío de datos. De acuerdo con la política estatal e institucional, los proveedores locales han disminuido la prescripción de opioides para el tratamiento del dolor postoperatorio. Esta tendencia conocida de prestación de servicios de salud se utilizó para verificar el cambio esperado.

Los datos demostraron que las tasas de prescripción de analgésicos opioides, dentro de los 30 días posteriores a la operación, disminuyeron gradualmente a medida que la tasa de prescripción de analgésicos no opioides aumentó gradualmente.

Entre octubre y diciembre de 2014, al 31.2% de los pacientes postoperatorios se les recetaron opioides, y al 68.8% de ellos se les recetó analgésicos no opioides. Cuatro años después, en 2018, estos cambiaron a 22.4% y 77.6%, respectivamente.

La mayoría de los análisis de calidad de datos se centran en verificaciones básicas específicas que evalúan la estructura de los datos [33.34]. Las verificaciones de conformidad e integridad exploran tipos variables, rangos, claves de tabla únicas, y porcentaje de falta [27], y las verificaciones de plausibilidad aseguran que las fechas del procedimiento del paciente no ocurran antes de las fechas de ingreso al hospital, o que los valores de laboratorio tengan resultados clínicamente esperados.

Si se detectan valores numéricos atípicos [35], son subsecuentemente excluidos. Estas comprobaciones tienen la capacidad de descubrir muchas imprecisiones de los datos. Es común que los sitios que participan en una red de investigación distribuida aprendan sobre las anomalías de datos locales de un centro de coordinación de datos, lo que aumenta la posibilidad de programas de mejora de la calidad de los datos dentro de los propios sistemas de RME [36]. Sin embargo, estos controles siguen siendo genéricos con respecto a la idoneidad de un conjunto de datos para responder preguntas quirúrgicas específicas.

Al diseñar controles de calidad de datos, es importante distinguir los análisis que demuestran la calidad de los datos de aquellos que reflejan la calidad de la atención prestada. Aunque difícil, esa distinción es necesaria. Los autores construyeron sus verificaciones de calidad de datos para demostrar estabilidades establecidas, o cambios que se sabe que ocurrieron dentro de su sistema de salud.

Por ejemplo, saber cuándo era necesaria la implementación del sistema de nuevos códigos de facturación para determinar si sus DMR reflejaban ese cambio anticipado. Las prácticas de prestación de atención son dinámicas, y cuantos más investigadores indiquen explícitamente las verificaciones de plausibilidad, los cambios de datos esperados y los desvíos de datos esperados, mejor preparado estará el equipo de investigación para realizar análisis e interpretar los resultados.

Los autores demostraron cómo las comprobaciones específicas de calidad de datos basadas en consultas, realizadas junto con las comprobaciones básicas, pueden determinar si los DMR son aptos para responder preguntas de investigación quirúrgica.

Los controles específicos del estudio difieren de los controles básicos en que son más profundos y requieren conocimientos médicos específicos e incluso hospitalarios. Por ejemplo, las verificaciones de plausibilidad de la consulta 3 evalúan la calidad de los datos de las notas del proveedor durante un encuentro para procedimiento.

De manera amplia, las verificaciones de plausibilidad básicas demostraron que de las notas del procedimiento que se capturan en su base de datos, el 100% se escribieron dentro de los 30 días posteriores al procedimiento.

Sin embargo, la aplicación del conocimiento de una política institucional de atención al paciente les permitió generar un estudio de verificación de plausibilidad específica para pacientes sometidos a una artroplastia de cadera. Centrarse en la cohorte específica relevante para una pregunta de estudio demostró un nivel diferente de calidad de los datos, en comparación con la plausibilidad sólo de las marcas de fecha y hora de la nota.

El segundo conjunto de ejemplos de verificaciones de plausibilidad se realizó para determinar cuántos infartos de miocardio posoperatorios resultan en un reingreso dentro de los 30 días posteriores a un procedimiento específico. Este tipo de consulta quirúrgica es bastante común, ya que se relaciona con medidas de calidad de atención médica, y requiere conocimiento institucional sobre cómo se evalúan los pacientes postoperatorios [37,38].

Este control evaluó los valores de laboratorio de troponina, los pedidos de ECG asociados, y los códigos de diagnóstico de facturación. Los resultados de troponina-T parecen estables en el repositorio de DMR con el tiempo. La combinación de datos sobre órdenes de ECG y códigos de diagnóstico comprobó las relaciones en 4 tablas diferentes en el repositorio de DMR.

Además de diseñar controles de calidad de datos para los estudios de investigación y de calidad quirúrgica propuestos, se desarrollaron tipos adicionales de controles de plausibilidad temporal que mejoraron la evaluación de calidad de datos. Se desarrollaron controles de calidad de “cambio de datos” y “desvío de datos” para evaluar si los cambios locales anticipados en la práctica clínica podrían observarse dentro del depósito local de DMR.

Estos tipos de cambios en los datos subyacentes se reconocen con demasiada frecuencia después de completar los análisis y pueden tener implicaciones significativas. Por ejemplo, el beneficio del programa de reducción de reingresos hospitalarios podría haberse exagerado debido a un cambio de datos [31] y se ha demostrado que el rendimiento del modo predictivo se deteriora durante los cambios o desviaciones de datos [32.39]. Al realizar estos análisis, se observó un cambio institucional en los datos sobre los códigos CPT recientemente adoptados inmediatamente después de su introducción oficial.

Sin embargo, no todos los cambios en los datos de atención son abruptos. Las verificaciones de plausibilidad de desvío de datos pudieron evaluar si se estaban capturando cambios más graduales en la atención médica. Para determinar si el repositorio de DMR capturó estos cambios más sutiles, se evaluó la prescripción de opioides en todo el sistema hasta 30 días después de la operación.

La adicción a los opioides es un objetivo final a largo plazo bien documentado después del procedimiento quirúrgico hospitalario [40,41], y han surgido varias políticas para frenar la prescripción postoperatoria de opioides. Este estudio ilustra este desvío de datos como una tendencia descendente gradual en la medicación opioide postoperatoria y una tendencia ascendente posterior de la medicación no opioide. La investigación futura puede caracterizar mejor los cambios en las prácticas de prescripción de opioides, pero la confirmación de la tendencia observada proporciona a los investigadores una visión significativa de la calidad de los datos para completar el análisis.

Hasta la fecha, la mayoría de la evaluación de la calidad de los datos se ha desacoplado de la investigación local realizada con datos de los RME. La evaluación de la calidad de los datos para redes de investigación distribuidas, atestigua la integridad de sus observaciones a partir de datos agrupados. Sin embargo, los investigadores que usan datos locales de los RME de un solo sitio no realizan e informan regularmente tales análisis, lo que puede socavar la validez de sus resultados.

Dentro de la cirugía específicamente, muchos proyectos se llevan a cabo sobre fuentes de datos que no pueden responder de manera sólida la pregunta de investigación propuesta [7]. La aplicación de este marco de calidad de datos en datos quirúrgicos locales, demuestra cómo un repositorio local de DMR puede evaluarse como apto para su uso para abordar la calidad quirúrgica y las consultas de investigación.

Realizar una evaluación exhaustiva de la calidad de los datos localmente puede identificar oportunidades para mejorar los procesos de captura de datos y mejorar la calidad de los datos para futuras investigaciones. Por ejemplo, se identificaron 3 encuentros de pacientes en los cuales se produjo una fecha de fallecimiento antes de la fecha de un procedimiento que no era  para la obtención de órganos post mortem. Las revisiones de las historias clínicas revelaron que las fechas de nacimiento de los pacientes se capturaban como fechas de muerte; los errores fueron corregidos posteriormente.

Los autores proponen que este proceso se repita para que los sistemas locales puedan agregar diferentes evaluaciones de calidad de datos, no solo para diferentes campos de investigación, sino a lo largo del tiempo.

La evaluación continua de la calidad de los datos debe integrarse en las prácticas locales de investigación de los DMR en los RME, para que los cambios en la captura de datos puedan observarse y resolverse a medida que ocurren. Además, los sitios que tienen construcciones de calidad similares de los RME podrán agrupar sus datos para los esfuerzos de investigación, con más confianza en la calidad de los datos.

Las limitaciones de este trabajo incluyen las características específicas de datos de un solo sistema de atención de la salud. Además, la complejidad y profundidad del análisis para cada ejemplo de consulta fueron limitadas.

El propósito de este estudio fue aplicar un marco de trabajo generalizable para evaluar la calidad de un repositorio de DMR, derivados de los datos del RME. Se utilizaron cinco consultas hipotéticas de cirugía como casos de prueba para la evaluación de la calidad; no se comprobaron rigurosamente las hipótesis de consulta, sino que se presentan ejemplos de cómo garantizar que los datos puedan usarse para la comprobación formal de la hipótesis.

Los conjuntos de verificación específicos del estudio que se desarrollaron, abarcan casos específicos de uso quirúrgico y no se generalizan en todo el hospital ni a otros casos de uso. Nuevas preguntas de investigación requerirán el desarrollo de controles de calidad de datos adicionales específicos y básicos del estudio. Los esfuerzos futuros incluyen requerir que este tipo de verificaciones sean realizadas internamente por investigadores que usan este repositorio de DMR.

La documentación y la publicación de los resultados de la verificación de la calidad de los datos deben combinarse con los principales resultados del análisis del estudio y las mejores prácticas [43,44]. Aunque el estudio actual evalúa la calidad de los datos de 4 años, se debe realizar una nueva evaluación a medida que se capturan nuevos datos. Los cambios en el modelo de datos, los procesos de recopilación y la prestación de atención, brindan oportunidades para que surjan nuevos problemas de calidad de datos [28].

Finalmente, los datos electrónicos son ingresados por proveedores individuales y un tema clave para la integridad de los datos es el grado de consistencia interna.

Las instituciones de salud pueden reducir la variabilidad inherente en esto, al proporcionar capacitación a los proveedores sobre facturación, codificación y documentación, así como al garantizar que los sistemas de tecnología de la información estén optimizados para estructurar y anotar los datos que se ingresan en los sistemas de RME. Este tipo de verificación sólo se puede resolver mediante una adjudicación manual periódica de un subconjunto de datos.

Los autores desarrollaron un conjunto de comprobaciones básicas y específicas del estudio, para probar un marco de calidad de datos para un repositorio institucional de DMR. Estas comprobaciones incluyeron varias verificaciones de conformidad, integridad y plausibilidad basadas en posibles cambios y desvíos de datos locales y nacionales.

Estos controles se desarrollaron para evaluar las capacidades de generación de evidencia de los datos para la evaluación de la calidad quirúrgica futura y otros usos de investigación. Al combinar las comprobaciones básicas y específicas del estudio, así como las comprobaciones de cambio y desvío de datos, la calidad de los estudios quirúrgicos realizados con DMR puede continuar mejorando.

Comentario y resumen objetivo: Dr. Rodolfo D. Altrudi