【冯仁丰】Tietz 第7版的QC介绍 3

有必要去确定检测程序的性能如何与解释结果的预期用途有关，为了确定检测QC样品频率和评价QC结果使用的指标（规则）。理想的应依据结果的预期医学用途，通常使用相对于分析性能规范（特性）的Sigma（西格玛）度量评估。Sigma（西格玛）是希腊字母，用于标志SD。Sigma度量表达了在SD下该检测过程的可接受变异有关，因为它将不引起病人的诊断或治疗中的差错。

对于实验室的检测，Sigma度量计算为：

式中TEa是依据分析性能规范（特性）的允许总误差，理想的应与解释结果的预期医学用途有关，偏移(bias)和SD为检测程序的性能特性。SD是QC数据估计的，如前述。特别重要的是，使用QC数据得到的SD，代表了在整个一个延伸的时间阶段里发生所有或大多变异成分（见建立质量控制靶值和标准差节，它们代表了一个稳定的检测操作情况）。偏移对实验室去估计很困难，因为它难以去评价，如果一个特定检测程序是与依据诸如RMP某真值的可靠估计比较具有的偏移。对于内部QC，一个实验室通常对确定，是否与被检测程序校准建立的条件比较，发生具有的偏移。这样的一个偏移代表了QC结果，与它的靶值有足够大的差异，需要纠正措施，因此，计算Sigma时，偏移通常被假设为零。

但是，一个偏移词语在具有两个或更多的检测程序，用于相同的被测量下会需要的，那些不同检测程序间具有的偏移，无法去除，或在试剂或校准品批号更换时，引入了偏移的漂移，无法纠正消除。注意，较好的做法去调整不同检测程序、或不同试剂或校准品的校准，提供等同结果，但这个做法对某些技术无法应用。在这样的情况下，这个相对偏移可依据病人样品检测结果的比较，接着如CLSI文件EP9叙述的程序进行比较。出现的偏移为这样的检测程序出现的偏移。必须考虑在确定Sigma度量、和建立QC计划上。

TEa代表了要求的检测程序性能，依据检测结果适合医学决定。一个检测结果会被用于不同的疾病情况的不同医学决定。在一个主要的实验室场合下，检测了来自不同医学情况的样品，应使用最严厉的决定参数，作为TEa的基础。若使用的样品为一个特定的临床情况，例如，一个POCT场合，该场合的医学要求可以用作TEa的基础。TEa可以使用三个模式估计。较好的模式（模式1）去设定性能规范（特性）是基于结果研究（即，研究检测程序的分析性能对临床后果的影响）。结果研究可以对一组病人的临床结果的直接评估；也可以是“间接”结果，当分析性能对临床分类或决策的有影响时，可以研究对病人结果的可能性。这些可能性可与临床专家讨论，然后专家可以建议性能规范。

经常使用间接结果研究去设定实验室实践指导的TEa。例如，国家胆固醇教育计划建议，检测的总胆固醇具有的TEa≤9%；国家肾病教育计划建议，检测的肌酐具有TEa≤7%-10%（肌酐浓度区间在76.3-114.4 mmol/L）。这个模式的局限性是，仅在被测量间有联系、作出临床决定、和临床结果很强烈下；这些是很少被测量的情况。

另一个模式（模式2）期望去消除“对分析的影响（noise）”与“生物信号”的比率，具有的假设是，很小的比率将确认检测程序的性能，与医学要求关联。生物变异由个体变异内和个体变异间组成。不精密度、偏移、和TEa的性能规范（指标、或特性）是依据被测量的个体内生物变异和个体间生物变异的一部分。TEa最适的、理想的、和最低TEa的表现是可用的，可提供有用的信息。但是，以生物变异估计TEa，应在使用中引起注意，因为在许多情况下估计的生物变异，是依据有限的数据、和估计的实验设计、和在表中列入的选择估计的过程，均具有挑战。

估计的生物变异在不同研究中有很大的不同。新发表的生物变异的EFLM数据库，评价了发表的生物变异报告，使用严格的评估检查清单，在荟萃分析了合格的报告后，计算了每个被测量可信区间的估计点。但是，被计算的TEa的做法是有缺陷的，因为计算综合了最大的允许不精密度和最大的允许偏移（二者均依据生物变异的一个部分），没有理论基础，过度地估计了TEa。另一个局限性是，生物变异典型地是从无疾病个体的数据中导出的，会与病理情况不同。更多的生物变异示例和讨论情参见第8章。

模式3依据“现有操作水平“的性能规范。这个模式的优点是，可从QC和EQA/PT信息获取。缺点是，在什么是技术上可实现的、和什么是为诊断或治疗病人作出医学决定间没有关系。一般大家同意，应从模式1给出，无论这样的信息是否可用；或模式2作为估计TEa的开始点。实验室主任应向临床诊疗提供者咨询，为服务的病人群体具有相应的TEa一致。在第8章有较详细的关于的分析性能规范的内容。

因为Sigma假设重复检测呈正态分布，失败的可能性（即错误的实验室结果）可以如表6.1 预示。Sigma度量代表了一个给定错误结果个数的可能性，可引出对病人危害的风险，被预期在项目的检测程序按照它的规范下实施下，会预期发生的。“Six Sigma“是一个条件，在检测过程中的变异的情况，足以小至医学要求，出现有差错结果是非常不常见的。“4 Sigma“的检测程序会很少稳健，具有较高的可能性会产生有差错的结果，但依然在很低的频率。“2 Sigma“检测程序会产生足够多的差错结果，即使它符合了它的性能规范，但是对病人这了是非常不可靠的。

图6.4说明，Sigma度量如何叙述某个实验室检测项目与TEa的关联。A部分和B部分说明，具有相同分析性能特性的，依据不精密度与TEa有不同的Sigma度量。图6.4A说明，显示了Sigma度量如何叙述与TEa关联的实验室检测某个项目的性能。A和B部分各自显示了具有相同的分析性能特性的检测程序可具有不同的Sigma度量，这是依据不精密度如何与TEa有关。图6.4A为一个“6 Sigma”的检测程序，在检测程序运行按照它的分析性能特性实施下，从变异分布中心到6 SD，正好是TEa。在“6 Sigma“情况下，很少量的偏移或增加的不精密度将对产生的差错结果个数有很少的影响，不太严格的QC将很适应，因为产生有差错结果的风险，即使有一些性能的丧失也非常低。

图6.4B说明，一个“3 sigma“的检测程序，具有的TEa为3SD。在“3 Sigma“情况下，很小量的偏移或增加的不精密度，将引起有差错结果个数有很大的增加，需要较严格的QC，在有这样的错误情况发生下，需要确认采取纠正措施。注意。QC的数量值不会改善一个临界的检测程序的性能。但是，更多频率QC和更严格的可接受指标将可以让实验室可较快地确认是否在性能上发生了改变，他们可以去纠正，去消除对作出医学诊疗决定的病人的有差错的结果，引入的危害风险。很重要需要强调，Sigma计算依赖于被选定的TEa。正如早期讨论的，一个“有目的“的TEa，经常难以确定，而有良好数据去设定一个TEa又经常缺如。

转载请注明出处

微信公众号：冯仁丰