实验室应为检验项目提供可靠的参考区间(Reference Interval),才能使临床对健康普查者的检验结果作出判断,对病人检验结果有大致的了解,发挥检验报告的作用。因此获得检验项目的可靠的参考区间是实验室的重要任务。 一、概念 2、参考抽样组(Reference Sample Group) 3、参考值(Refarence Value) 4、参考区间和参考限(Reference Interval or Reference Limit) 一般情况下,常选择95%分布范围的大小表示参考值区间。例如 从2.5%位数到97.5%位数所在的区间。亦可从0%~95%位数;或者选择99%的上限值。 5、“正常值”、“正常范围”及“参考范围” “参考值”常被称为“正常值”。“正常”理解为健康,若测定值不在参考区间内,意即检查对象有病或不是良好健康状态,亦即“不正常”。其实无法判断谁是正常人,健康只是相对的,因此“正常”词义不清。另外,“正常”亦理解为所有数据呈高斯(正态)分布。 但生物数据大多不呈高斯分布。为使精确而少混淆,应不用“正常值”一词,而用“参考值”,自然亦不再用“正常范围”。
6、Cut-off 也可称为阳性判断值、临界值和CT值,是判断检测结果的标准。Cut-off也是由厂家制定好,使用者根据检测结果和Cut-off得出判断结果。Cut-off的制定方法与参考范围相似,Cut-off可以以一定数量的正常人的检测结果为标准,然后乘以一定系数,如1.2倍或2倍得出Cut-off值。 还有一种是测定大量正常人和大量患者样本 ,取假阳性和假阴性发生率最低时的值作为阳性判断值,但有时为了提高检出率,避免漏检,或为了提高特异性,避免误诊,都会具有一定倾向性选取Cut-off值。 二、对新项目建立参考值范围和参考区间计划
三、Cut-off值的设定方法 1、使用阴性血清测定结果均值的2或3倍作为Cut-off值 该方法是取一定数量(通常不多)的阴性血清样本,使用免疫检测试剂盒进行测定,取阴性样本的测值的平均值。若上述阴性样本的平均值为X,则该次测定的Cut-off值为2X或3X。例如,试剂盒结果判定以S(样本测值)/N(阴性对平均测值)≥2.1为阳性,其依据即是以阴性参考血清的2.1倍作为Cut-off值。 通常为了避免阴性样本测值过低导致的Cut-off值过低,还会规定阴性样本平均测值不到某一特定值,如0.05时,以0.05计算,即Cut-off值不低于0.10。采用这种方法设定Cut-off值,可以有效避免假阳性结果的出现,但易导致假阴性结果较多,是一种非常粗糙的Cut-off值设定方法。 2、阴性对照平均测值+2个标准差(SD)或3SD作为Cut-off值 先取大量(数千)正常人(阴性)血清样本进行检测,当阴性样本量足够大时,使用试剂盒检测所得测值将呈正态分布,若要求95.3%(单侧)的可信度,可将阴性样本平均测值+2SD作为Cut-off值;若要求99%(单侧)的可信度,则以阴性样本平均测值+3SD作为Cut-off值。 这种方法建立在统计学计算的基础上,相比于第一种方法,更为科学。但这种方法仅考虑正常人群(阴性样本),因此难以界定“灰区”,几乎所有灰区样本都阴性结果处理,可能会出现较多假阴性。 3、综合阴性对照均值+2或3SD及阳性对照均值-2或3SD建立Cut-off值 先测定大量阴性血清样本,若测值为正态分布,在具有95.3%(单侧)的可信度的情况下,可以将从阴性样本中得到的测值+2SD得到一侧Cut-off值,若要求99%(单侧)的可信度,则以测值+3SD为一侧Cut-off值。 然后检测大量阳性样本,在具有95.3%(单侧)的可信度的情况下,可以将从阳样本中得到的测值-2SD得到另一侧Cut-off值,若要求99%(单侧)的可信度,则以测值-3SD为另一侧Cut-off值。 阴性和阳性样本的Cut-off值确定后,根据“灰区”的大小,综合平衡考虑假阳性率和假阴性率,确定试剂盒的Cut-off值。这种方法对比方法二,对阳性人群也有考虑,并且对“灰区”的存在有一定估计,不会出现将“灰区”全部归为阴性结果的情况。 若样本测值为非正态分布,可采用“百分位数法”,以阴阳性样本测定结果的百分位数单侧95%或99%分别来确定两侧Cut-off值,再综合平衡考虑假阳性率和假阴性率。 4、在方法三的基础上,增加检测血清转化盘样本 在检测大量阴性及阳性样本基础上,检测转化型血清(从阴性转变为阳性过程中的系列血清)样本,取假阳性和假阴性发生率最低、且能区别抗原转化至抗体出现点的吸光度值作为Cut-off值。由此确定的Cut-off值能有最佳区分阴阳性样本的能力。 |