Duda & Harris (2016).

• Tener una hipótesis previa de trabajo y utilizar procedimientos para probarla. Saber qué se hará
con los datos tomados. “¿Qué se podría realizar en dos meses?”.
• Ser exacto y discreto al definir variables (por ejemplo, usar números y unidades).
• Revisa cada medida para el mejor tipo de dato (nominal, ordinal, continuo). No colapsar
variables en categorías discretas antes del análisis.
• Codificar variables categóricas durante la recolección de datos. Es muy importante ser
consistentes con los códigos. Es importante tener un documento con los códigos y no basarse en
la memoria.
• Siempre incluir factores sociodemográficos discriminantes (edad, peso, altura, etc.) durante la
etapa de planificación, pues pueden revelar relaciones durante el análisis.
• Almacenar variables con datos crudos (peso y altura, por ejemplo) y no derivados de una
fórmula (Índice de Masa Corporal). Almacenar la variable continua y no transformarla en una
categoría.
• Permita la posibilidad de datos faltantes. Nunca codificarlos con un cero o valor
predeterminado, o utilice un código específico para esos casos. Es mejor tener información
incompleta que no tener información.
• En estudios cualitativos, limitar la cantidad de respuestas abiertas, pues los datos no
estructurados son más difíciles de analizar.
• Desarrollar manuales estandarizados de procedimientos para el estudio. Estos manuales deben
ser revisados y aprobados por el equipo completo. Es útil tener planes piloto para probar los
instrumentos desarrollados.
• Procurar salvaguardas de seguridad para el acceso de los datos confidenciales. No enviar por
correo electrónico datos sensibles y revise cualquier archivo por posibles identificadores antes
de enviarlo (ver Ciberseguridad; y https://cphs.berkeley.edu/hipaa/hipaa18.html ).
• Para compartir datos e información, se requiere un diccionario de datos bien definido, y un
manual de procedimientos de operación.
• Cuidar la integridad y validación de los datos. Cuando se recogen datos digitales, se pueden
colocar filtros sobre el tipo de datos que el usuario puede introducir (por ejemplo, solamente
fechas).
• Llevar un control de todos los cambios, con registros de quiénes modificaron la información.

Factores de la planificación.
1. ¿Cuál es la estructura de los datos?

(Por ejemplo, un formulario) No es buena práctica introducir datos directamente en una hoja de
cálculo, es mejor usar un formulario para evitar errores.
A veces se recogen datos no estructurados, como entrevistas u observaciones. Se recomienda codificar
esta información para facilitar su análisis.

2. ¿Los datos se pueden recoger remotamente, o solamente cara a cara?

Cara a cara: La recolección puede ser exclusiva para ello, o como parte de una cita terapéutica.
También es importante identificar quién realizará la captura de datos, si la misma persona participante,
lo que implica la necesidad del uso de vocabulario sencillo, o una colaboradora del estudio.

Datos remotos: Formulario de papel escaneado, electrónicos, o llamada telefónica. Aquí resulta crucial
la transmisión segura de datos confidenciales.
3. ¿Los datos ya existen, o deben ser creados?

Si ya existen, por ejemplo en expedientes médicos, se requiere distinguir entre las partes estructuradas
(que pueden ser automatizadas) y no estructuradas (que requieren codificación por parte de alguien
experto). Es crucial conocer los permisos de acceso a estos expedientes.

Otra fuente de datos estudios previos. Hay que cuidar la aplicabilidad del contexto de los estudios, y los
permisos de reutilización.

Finalmente, existen registros públicos. Aquí se revisa la calidad del almacenamiento, si los datos están
completos, y las transformaciones requeridas

SOP: Standard Operating Processes.

• Iniciar con plantillas predeterminadas.
• Definir el flujo de trabajo.
• Crear SOP aplicables a muchas situaciones.
• No plantear estándares que no son realistas.
• El SOP debe explicarse por sí mismo.
• El SOP puede ser susceptible a actualizaciones.
• Su creación y mantenimiento requiere tiempo y compromiso.
• Sirven para justificar procesos a entidades externas.
• Quienes llevan el proyecto deben tener familiaridad con los SOP.

Validación de instrumentos
• Indagar en la literatura sobre esfuerzos previos para la medición de la variable de interés.
• Los instrumentos deben ser utilizadas con las mismas condiciones en que fueron validados. La
validación es dependiente de la población, factores demográficos, idioma, modalidad o contexto
de administración, entorno
• Considerar la validez (¿se ha probado que el instrumento mide lo que afirma medir?),
confiabilidad (¿los resultados derivados del instrumento son consistentes y replicables?),
licenciamiento (restricciones para el uso o puntuación del instrumento: referencia, pago, etc.), y
condiciones de validación (¿son los resultados aplicables a mi población?).
Estándares de datos.
• Cimino Desiderata https://www.ncbi.nlm.nih.gov/pubmed/9865037
• Ogden-Richards semiotic triangle.
Durante la recolección
• Es posible que sea necesario agregar nuevas variables o categorías al instrumento, pero hay que
tener cuidado con las recodificaciones, pues pueden invalidar datos anteriores.
• No borrar datos recogidos, aunque la pregunta haya sido eliminada.
• No cambiar de nombre de las variables ni cambiar su significado.
• Crear un nuevo versionamiento si se agregan nuevas variables o categorías.
Datos de alta calidad
• Completos, se adaptan a especificaciones, confiables, con alta cobertura del tema
• Facilitar opciones como “No sé”, “No respondo”, “No aplica”, etc.
• Considerar opciones para datos aproximados o inexactos.
• Métodos de control de calidad: revisión de la integridad de los datos y verificación de
documentos fuente.
• Revisión de integridad de datos: Los datos tienen el formato adecuado, son pertinentes y
consistentes. Se pueden utilizar programas automatizados para realizar esta revisión.
• Verificación de documentos: Más efectivo. Implica una auditoría de los datos y su
documentación (reportes, instrumentos, transcripciones, etc) para revisar si los registros
coinciden.
• Cómo hacer una auditoría: seleccionar registros aleatorios, imprimir los datasets en formularios
de auditoría en papel, realizar visitas, revisar documentos de base, detectar discrepancias de
datos, realizar una entrevista de salida, y documentar los hallazgos en un informe.