کاربرد آمار در آزمایشگاه

موارد استفاده آمارو نرم افزارهای مربوطه در آزمایشگاه 1- کنترل کیفی (Quality Control) 2- کالیبراسیون (Calibration) 3- محاسبه حدود نرمال (Normal Range) 4- مطالعات ارزش تشخیصی (Diagnostic Accuracy Studies)

کنترل کیفی Quality Control

جهت انجام کنترل کیفی در آزمایشگاه غالبا از یک نمونه با مقادیر مشخص از آنالیتهای مورد نیاز (نمونه کنترل) استفاده می شود: 1- سرم کنترل: Randox و ... _ بصورت تجاری موجود هستند _ مقادیر هر آنالیت بصورت میانگین و انحراف معیار مشخص شده اند _ با اطمینان بیشتری می توان با آنها کار کرد _ براحتی تهیه شده و معمولا قیمت مناسبی دارند 2- Pooled Serum: _ بایستی توسط آزمایشگاه تهیه شود _ مقادیر آنالیتهای مختلف توسط آزمایشگاه محاسبه شده و لذا ممکن است دقت کافی نداشته باشد _ تهیه آن مشکل است 3- محدوده نرمال (Average of Normal, Normal Range): _ در صورت زیاد بودن نمونه معمولا میانگین نتایج برابر مقدار نرمال است _ می توان از میانگین و انحراف معیار محدوده نرمال بعنوان معیار استفاده کرد و میانگین روزهای ماه جاری را (بعنوان مقدار کنترل) با آن مقایسه نمود 4- میانگین بیماران (Patient Mean): _ می توان از میانگین و انحراف معیار آنالیت مورد نظردر بیماران ماه گذشته بعنوان معیار استفاده کرد و میانگین روزهای ماه جاری را (بعنوان مقدار کنترل) با آن مقایسه نمود

%Bias = [(test value – control value) / control value] * 100 الف) بررسی صحت یک روش آزمایشی Accuracy _ آیا مقدار بدست آمده به مقدار مشخص شده نزدیک است؟ _ مقدار خطای صحت (عدم صحت، Inaccuracy) معمولا با محاسبه %Bias بدست می آید: %Bias = [(test value – control value) / control value] * 100 _ مقدار Bias ممکن است منفی (تست پائین می خواند) یا مثبت (تست بالا می خواند) باشد

ب) بررسی دقت یک روش آزمایشی Precision, Reproducibility _ آیا در صورت تکرار آزمایش مقادیر مشابه بدست می آید؟ _ دقت یک آزمایش معرف تکرار پذیری آن است _ در صورتی که یک آزمایش صحت نامناسبی داشته ولی دقت آن خوب باشد: _ این آزمایش قابل تصحیح با ضریب تصحیح است (بشرط ثابت بودن عدم صحت) _ این آزمایش جهت بررسی سیر بیماری قابل استفاده است

ب) بررسی دقت یک روش آزمایشی Precision, Reproducibility روشهای مورد استفاده: 1- مقدار خطای دقت معمولا با محاسبه شاخصهای پراکندگی بدست می آید _ هر چه پراکندگی بدست آمده بیشتر باشد دقت آزمایش کمتر است _ با توجه به فاقد واحد بودن %CV معمولا از این شاخص استفاده می شود 2- استفاده از آزمون آماری Paired T-test: _ این آزمون فرضیه مساوی نبودن میانگین در دو گروه مختلف را بررسی می کند _ این دو گروه زوج (Paired) می باشند، یعنی هر دو گروه از موارد (Case های) مشابه تشکیل شده اند که در دو حالت مختلف مورد بررسی قرار گرفته اند _ در صورتیکه P value بدست آمده بزرگتر از 0.05 باشد فرضیه رد شده و دو گروه دارای اختلاف معنی داری از نظر میانگین نیستند _ مورد استفاده این روش بیشتر در بررسی دقت دستگاههای Cell Counter است 3- استفاده از منحنی های Control Chart (Levey-Jenning): _ این منحنی ها علاوه بر بررسی دقت، نوع خطای ایجاد شده (Random or Systematic) را نیز بررسی می کنند

Total Error = |%Bias| + %CV ج) بررسی خطای کلی آزمایش Total Error _ این خطا معادل مجموع خطاهای آزمایش در بررسی صحت و دقت آن می باشد Total Error = |%Bias| + %CV

{[(Normal Range) / 4] / Mean of Normal Range} * 100 ج) بررسی خطای کلی آزمایش Total Error _ حداکثر مقدار خطای مجاز در هر آزمایش: 1- خطای دقت: 10% در روشهای دستی و آزمایشات آنزیمی 5% در روشهای اتوماتیک و آزمایشات غیر آنزیمی 2- خطای صحت: معمولا برابر خطای دقت است 3- خطای کلی: روش اول) دو برابر خطای دقت قابل قبول روش دوم) استفاده از محدوده نرمال: {[(Normal Range) / 4] / Mean of Normal Range} * 100 مثال: در مورد FBS با محدوده طبیعی 60 – 110 Normal Range = 110-60 = 50 Mean = (110+60)/2 = 85 {[50/4]/85} * 100 = 14.7%

مثال: محاسبه خطا با استفاده از Medcalc: Control Mean = 13 %Bias = [(13 – 13.36) / 13] * 100 = - 4.61% %CV = 8.08% Total Error = 4.61 + 8.08 = 12.69%

محاسبه دقت Cell Counter با استفاده از آزمون Paired T-test در Medcalc:

محاسبه دقت Cell Counter با استفاده از آزمون Paired T-test در Medcalc:

محاسبه دقت با بررسی Control Chart در Medcalc

محاسبه دقت با بررسی Control Chart در Medcalc

کالیبراسیون Calibration

Correction Factor = 1 - Bias ضریب تصحیح Correction Factor = 1 - Bias

کالیبر کردن Cell Counter الف) استفاده از خون کنترل و محاسبه ضریب تصحیح برای هر شاخص ب) استفاده از دستگاه قابل اعتماد و محاسبه ضریب تصحیح بر اساس جوابهای آن برای هر شاخص ج) استفاده از روشهای دستی: در این روش مبنا بر ثابت بودن MCV است محاسبات بر روی چندین نمونه خون، ترجیحا نرمال انجام می شود و از میانگین نتایج برای کالیبراسیون استفاده می شود. می توان یک نمونه خون نرمال را چندین بار مورد بررسی قرار داد.

کالیبر کردن Cell Counter 1- محاسبه Hct بروش میکروهماتوکریت (کالیبر شده) 2- تصحیح RBC 1- RBC = Hct * (116/1000) بشرط استفاده از نمونه نرمال 2- RBC (Mil/µl) = [Hct (%) / MCV (fl)] * 10 بشرط صحیح بودن خوانشMCV 3- Using Hemocytometer chambers 3- تصحیح Hct با توجه به تفاوت 6-2 درصدی بین روش دستی و دستگاهی 4- تصحیح Hb با توجه به فرمول Hct = Hb * 3 5- محاسبه دستی WBC و PLT با نئوبار و محاسبه ضریب تصحیح

محاسبه حدود نرمال Normal Range روشهای محاسبه حدود نرمال: 1- مقادیر بین 3% تا 97% 2- مقادیر بین Mean ± 2SD

Diagnostic Accuracy Studies مطالعات ارزش تشخیصی Diagnostic Accuracy Studies

_ هدف از انجام این مطالعات: 1- بررسی ارزش یک تست آزمایشگاهی در تشخیص یک بیماری 2- بدست آوردن Cutoff Point مناسب برای یک تست آزمایشگاهی _ در این مطالعات یک تست جدید با یک Gold Standard (GS) مقایسه می شود _ انواع GS: 1- تست موجود با حساسیت و ویژگی بالا 2- تشخیص بالینی

Sensitivity = TP / (TP + FN) Specificity = TN / (TN + FP) شاخص های مورد استفاده GS   - + FP TP Test TN FN 1- حساسیت (Sensitivity): _ احتمال تشخیص افراد بیمار _ احتمال مثبت شدن تست در صورت بیمار بودن Sensitivity = TP / (TP + FN) 2- ویژگی (Specificity): _ احتمال تشخیص افراد سالم _ احتمال منفی شدن تست در افراد سالم Specificity = TN / (TN + FP) 3- ارزش اخباری مثبت (Positive Predictive Value, PPV): _ احتمال بیمار بودن در صورت مثبت شدن تست PPV = TP / (TP + FP) 3- ارزش اخباری منفی (Negative Predictive Value, NPV): _ احتمال سالم بودن در صورت منفی شدن تست NPV = TN / (TN + FN)

Receiver Operator Characteristic Analysis ROC Curve Receiver Operator Characteristic Analysis _ سطح زیر منحنی: 1: Perfect test > 0.9: High Accuracy 0.7 – 0.9: Moderate Accuracy 0.5 – 0.7: Low Accuracy < 0.5: not Accurate _ تست مناسب برای غربالگری (Screening): _ بیشترین حساسیت _ FP بالا _ تست مناسب برای تشخیص (Diagnosis): _ بیشترین ویژگی _ FN بالا

Receiver Operator Characteristic Analysis ROC Curve Receiver Operator Characteristic Analysis

Receiver Operator Characteristic Analysis ROC Curve Receiver Operator Characteristic Analysis

Receiver Operator Characteristic Analysis ROC Curve Receiver Operator Characteristic Analysis