Routine health information system data quality in a hill and mountain district of Nepal: a cross-sectional desk review of four years of DHIS2 data from Sankhuwasabha, 2021-2025
Esta revisión descriptiva transversal de cuatro años de datos de DHIS2 del distrito de Sankhuwasabha, Nepal, revela que, si bien la completitud y la puntualidad del reporte son generalmente altas, los datos albergan anomalías de inmunización persistentes impulsadas por procesos de registro sistemáticos y las limitaciones de las verificaciones de consistencia dependientes de reglas de validación, lo que subraya la necesidad de clasificar los pares de indicadores frente a las reglas de validación activas antes de evaluar la calidad de los datos.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
En el terreno alto y accidentado del Himalaya, donde las aldeas se encuentran dispersas por valles escarpados y los viajes pueden tardar horas por senderos difíciles, los trabajadores de la salud dependen de un sistema digital para llevar un registro de la atención que brindan. Este sistema, utilizado por ministerios de salud en todo el mundo, actúa como un libro de contabilidad central donde se registra cada nacimiento, cada vacunación y cada visita a una clínica. El objetivo es simple: crear una imagen clara de la salud comunitaria para que los líderes puedan planificar de manera efectiva. Pero para que estos registros sean útiles, deben ser precisos. Si los números están mal, los planes construidos sobre ellos fallarán. Un gran desafío en este trabajo es saber si los datos son solo una colección de números o un reflejo fiel de la realidad. Los funcionarios de salud suelen verificar dos cosas: si se envían los informes y si llegan a tiempo. Sin embargo, se necesita una verificación más profunda para ver si los números tienen sentido al compararlos entre sí. Por ejemplo, si un niño recibe una primera dosis de una vacuna, lógicamente debería recibir una segunda y tercera dosis más tarde; si los registros muestran más terceras dosis que primeras dosis, algo anda mal con la forma en que se está anotando la información.
Investigadores en el distrito de Sankhuwasabha en Nepal, una región de colinas y montañas, decidieron observar de cerca cuatro años de estos registros de salud para ver si el sistema estaba funcionando según lo previsto. Examinaron datos de 132 centros de salud, abarcando desde la atención materna hasta la inmunización. Su investigación reveló que el sistema estaba haciendo un buen trabajo en una cosa: casi todos los centros enviaban sus informes. Los registros eran casi completos. Sin embargo, la puntualidad era menos fiable. En varias zonas remotas, los informes llegaban con frecuencia con retraso, lo que sugería que la dificultad del terreno estaba ralentizando el flujo de información. Pero el descubrimiento más sorprendente surgió cuando los investigadores analizaron la lógica interna de los números, específicamente respecto a las vacunas infantiles. Encontraron un patrón que desafiaba el sentido común: los registros mostraban que más niños recibían dosis posteriores de las vacunas que dosis anteriores. En el distrito en su totalidad, el número de niños registrados como receptores de la tercera dosis de una vacuna era mayor que el número de niños registrados como receptores de la primera dosis. Esto es imposible en la realidad, ya que un niño no puede recibir una tercera inyección sin haber recibido primero la primera.
Los investigadores se dieron cuenta de que este extraño patrón no era un error causado por niños mudándose entre aldeas, lo que simplemente habría reubicado los números sin cambiar el recuento total para todo el distrito. En cambio, el error apuntaba a un problema sistemático en la forma en que se ingresaban los datos. El estudio también descubrió un problema sutil con la forma en que el sistema de salud verifica los errores. El software utilizado para recolectar los datos tiene reglas integradas que advierten a los trabajadores si dos números relacionados no coinciden. Los investigadores encontraron que, para algunos pares de datos, estas reglas eran tan estrictas que obligaban a los números a coincidir, ocultando cualquier error de registro real. Para otros pares, el software permitía a los trabajadores proceder incluso si los números eran incorrectos. Esto significaba que el simple hecho de ver que dos números coincidían no siempre demostraba que los datos fueran precisos; a veces solo demostraba que el software los había obligado a coincidir. El estudio concluyó que, si bien los trabajadores de la salud en este distrito montañoso eran lo suficientemente diligentes como para enviar sus informes, la forma en que registraban detalles específicos sobre las inmunizaciones necesitaba atención. Los datos mostraron un patrón persistente en todo el distrito donde la secuencia de las dosis de las vacunas se registraba en orden inverso, un fallo que las verificaciones estándar de completitud y puntualidad habrían pasado por alto por completo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.