Federación Mexicana de Patología Clínica, A.C.

I N T R O D U C C I Ó N

---

La estimación de intervalos de referencia (IR) es fundamental para la interpretación clínica del hemograma. Aunque la guía CLSI recomienda estudios prospectivos para su determinación, estos suelen ser costosos y complejos de implementar. En la práctica, muchos laboratorios adoptan IR provenientes de otras poblaciones, lo que puede comprometer la validez diagnóstica. En respuesta a esta limitación, se han desarrollado métodos indirectos que permiten estimar IR a partir de datos rutinarios del laboratorio, facilitando así la obtención de IR locales, más representativos de la población atendida y con menor demanda de recursos.

 

O B J E T I V O S

---

Estimar intervalos de referencia para las variables del hemograma en población ambulatoria adulta chilena.

 

M A T E R I A L E S  Y  M É T O D O

---

Se analizaron resultados de hemograma de 535.258 pacientes ambulatorios (62,6% mujeres), de 18 años o más y de 65 años o menos, atendidos en centros IntegraMédica entre 2023 y 2024. Las muestras que cumplieron con los criterios de calidad preanalítica fueron procesadas en el equipo Advia 2120 de Siemens en Bupa Lab. Se realizó un análisis exploratorio para definir la mejor estrategia de estimación, considerando tres escenarios: (1) todas las muestras disponibles (481.589 de mujeres y 263.141 de hombres); (2) una muestra por paciente (primera, última o aleatoria; 335.067 mujeres y 200.191 hombres); y (3) pacientes con una única visita durante el periodo (239.621 mujeres y 157.933 hombres). Los IR se estimaron utilizando el paquete RefineR, con cálculo puntual basado en la mediana y Bootstrap (n=200) para obtener el IC95%. Para variables sin distribución normal, se aplicó transformación Box-Cox de dos parámetros. Los resultados se compararon con los IR reportados por Nebe et al. (2011, población alemana) y Letelier et al. (2025, población mapuche).

En el análisis formal se utilizó el escenario seleccionado del análisis exploratorio. Se aplicaron tres enfoques: RefineR, ReflimR y modelos de transformación gaussiana con selección automática de parámetros sigma, mu y lambda. Además, se evaluó un escenario con eliminación de outliers, identificados por sexo mediante algoritmos K-Means, DBScan, Isolation Forest y distancia de Mahalanobis, complementado con análisis de componentes principales (202.959 mujeres y 137.034 hombres). Todos los análisis se realizaron en R, utilizando las bibliotecas RefineR, ReflimR, Car, Readxl, Dplyr, Tidyr, Cluster, Dbscan, Factorextra, Solitude, Stats, GridExtra, Rlang, Mixtools y Ggplot2.

 

R E S U L T A D O S

---

El análisis exploratorio mostró que los IR obtenidos se aproximan a los descritos por Nebe et al., aunque el escenario con mejor desempeño fue el que consideró pacientes con una única visita. El análisis de outliers identificó 36.660 mujeres (15,3%) y 20.898 hombres (13,2%) con valores atípicos. La fracción patogénica promedio estimada por RefineR fue de 5,1% en mujeres y 3,2% en hombres, disminuyendo a 2,6% y 1,5%, respectivamente, tras eliminar los outliers, con variaciones menores en parámetros como la media y la mediana.

En el análisis formal, las variables con distribución cercana a la normal (eritrocitos, hematocrito, hemoglobina, VCM, HCM, CHCM y RDW) mostraron resultados consistentes entre métodos. En cambio, variables con distribución no normal (leucocitos, basófilos, eosinófilos, linfocitos, monocitos, RAN y plaquetas) presentaron mayor variabilidad entre métodos y al aplicar filtrado de outliers. Se observaron diferencias significativas respecto a los IR de Nebe et al., especialmente en leucocitos, basófilos, eosinófilos, linfocitos y RAN en hombres, y linfocitos en mujeres, siendo estas concordantes con el estudio de Letelier et al., que incluye población mapuche. Estos hallazgos respaldan la existencia de variabilidad poblacional local y justifican la estimación de IR específicos a nivel nacional.

Tabla 1: Intervalos de referencia de hemograma estimados para hombres mayores de 18 años y menores de 65 años en población chilena.
Las mediciones fueron realizadas en el equipo Advia 2120 de Siemens entre 2023 y 2024 y la estimación de IR se realizó con RefineR, ReflimR y modelos de transformación gaussiana. La tabla presenta las estimaciones una vez filtrados los outliers.

#Parámetros de RefineR fueron estimados con transformación de Box-Cox de 2 parámetros. *Variaciones significativas al comparar con el set de datos con outliers. Nebe et al., DOI:10.1515/JLM.2011.004_engl. Letelier et al., DOI: 10.1515/almed-2025-0014.

 

Tabla 2: Intervalos de referencia de hemograma estimados para mujeres mayores de 18 años y menores de 65 años en población chilena.
Las mediciones fueron realizadas en el equipo Advia 2120 de Siemens entre 2023 y 2024 y la estimación de IR se realizó con RefineR, ReflimR y modelos de transformación gaussiana. La tabla presenta las estimaciones una vez filtrados los outliers.

#Parámetros de RefineR fueron estimados con transformación de Box-Cox de 2 parámetros. *Variaciones significativas al comparar con el set de datos con outliers. Nebe et al., DOI:10.1515/JLM.2011.004_engl. Letelier et al., DOI: 10.1515/almed-2025-0014.

 

C O N C L U S I O N E S

---

Nuestros resultados reafirman la relevancia de la estimación de IR locales, aunque se requieren métodos más robustos para la transformación de variables con distribución no gaussiana para que los resultados sean confiables. En futuras investigaciones se evaluará el impacto en el manejo clínico del paciente y en la autovalidación de exámenes producto de la modificación de los IR.