انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394

انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394
ارزشیابی روش‌های سنجش انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394 حسن بیات - دانش‌آموخته‌ی علوم آزمایشگاهی

نگاهی به باورهای رایج در باره‌ی کیفیت:
چرا صرف وقت برای مرحله‌ی سنجش؟ نگاهی به باورهای رایج در باره‌ی کیفیت: "پایش کیفیت آماری" کیفیت سنجش‌های آزمایشگاهی را کنترل می‌کند، دقت و درستی روش‌های کنونی بسیار بهتر از مقداری است که نیاز است، امروزه کیفیت سنجشی هدیه‌ای است از سوی شرکت‌های سازنده، پیشرفت بیشتری در کیفیت سنجشی لازم نیست، تاییدیه‌ی FDA دلیل کیفیت است، امروزه آزمایشگاه‌ها باید بر خطاهای پیش-سنجشی و پس-سنجشی تمرکز کنند!

امروزه آزمایشگاه‌ها باید بر خطاهای پیش-سنجش و پس-سنجشی تمرکز کنند!
ج. اُ. وستگارد: افسانه‌های کیفیت! "پایش کیفیت آماری" کیفیت سنجش‌های آزمایشگاهی را کنترل می‌کند، دقت و میزانی روش‌های کنونی بسیار بهتر از مقداری است که نیاز است، امروزه کیفیت سنجشی هدیه‌ای است از سوی شرکت‌های سازنده، پیشرفت بیشتری در کیفیت سنجشی لازم نیست، گواهی FDA دلیل کیفیت است، امروزه آزمایشگاه‌ها باید بر خطاهای پیش-سنجش و پس-سنجشی تمرکز کنند!

خطاهای پیش- سنجشی: 62% خطاهای پس- سنجشی: 23% خطاهای سنجشی: 15%
Plebani M, Carraro P. Mistakes in a stat laboratory: types and frequency. Clin Chem 1997;43:1348–51 Carraro P. Plebani M. Errors in a Stat Laboratory: Types and frequencies 10 years Later. Clin Chem 2007:53: بررسی سه ماهه در 4 بخش داخلی، نفرولوژی، جراحی و مراقبت‌های ویژه بیمارستان Padova ایتالیا؛ هدف: بررسی عملکرد آزمایشگاه اورژانس نسبت به 10 سال پیش خطاهای پیش- سنجشی: 62% خطاهای پس- سنجشی: 23% خطاهای سنجشی: 15%

52% 51,746 آزمایش؛ 393 مورد مشکوک؛ 160 مورد خطای تایید شده؛
Carraro P. Plebani M. Errors in a Stat Laboratory: Types and frequencies 10 years Later. Clin Chem 2007:53: 51,746 آزمایش؛ 393 مورد مشکوک؛ 160 مورد خطای تایید شده؛ 46 مورد منجر به اقدام نارست؛ 24 مورد خطای سنجش 52%

بررسی کیفیت سنجش در آزمایشگاه‌های هلند: مقایسه‌ی 2010 با 2005 C
بررسی کیفیت سنجش در آزمایشگاه‌های هلند: مقایسه‌ی 2010 با C. Cobbaeret et al. / Chlinca Chemica Acta 414 (2012)

سنجش ویتامین D: کاستی‌ها و توانایی‌ها تشخیص آزمایشگاهی؛ آبان 1390
پیش‌سنجش؛ سرچشمه‌ی بیشتر خطاهای آزمایشگاهی؟! اخبار آزمایشگاهی؛ شماره 126، تیر 1393 آزمایشگاه‌های وابسته به موسسه‌ی سلامتی کاتالان، اسپانیا – 2011 ضعیفترین پنح عملکرد عیار سیگما میانگین %میزان خطای میانه‌ فرآیند آزمایشگاهی / شاخص کیفیت 2.8 10.9% زمان تحویل جواب آزمایش‌های ارسالی بیش از حد مجاز می‌شود (پس‌سنجشی) 2.9 9.1% درخواست‌های دارای نام نادرست که معلوم نشده‌اند (پیش‌سنجشی درون آزمایشگاه) 3.4 3.4% کنترل خارجی از مرزهای پذیرش بیرون است (سنجشی) کل رخدادها در درخواست آزمایش (پیش‌سنجشی) گم شدن اطلاعات بیمار (پیش‌سنجشی) دانشگاه اوپسالای نروژ: نمونه‌های 204 بیمار با سه روش HPLC-ACI-MS، RIA و CLIA تشخیص کمبود: به ترتیب 8%، 22% و 44% آزمایشاه اورژانس ؛ رومانی عیار سیگما (کوتاه‌مدت) میزان کاستی فرآیند آزمایشگاهی، 2011 مرحله‌ی پیش‌‌سنجشی 5.3 0.01% Q1-5: %درخواست‌های دارای خطا در مشخصات بیمار 5.6 0.002% Q1-7: %درخواست‌های دارای خطای از قلم افتادن آزمایش‌ها 4.8 0.05% Q1-8: %نمونه‌های گم‌شده Q1-9: %نمونه‌های جمع‌آوری‌شده در لوله‌ی دارای ضدانعقاد نامناسب 4.2 0.40% Q1-10: % نمونه‌های همولیزشده (بیوشیمی) 4.0 0.77% Q1-11: % نمونه‌های لخته‌شده (هماتولوژی) Q1-13: % نمونه‌های دارای نسبت نامناسب ضدانعقاد عیار سیگما (کوتاه‌مدت) آزمایش 4.5 LDH 5.5 Glucose Creatinine ALT 6.5 AST 7.5 Urea 3.5 Sodium سدیم به تنهایی می‌تواند خطایی بیش از دو برابر همه‌ی خطاهای پیش‌‌سنجشی تولید ‌کند یعنی تشخیص کمبود ویتامین D بستگی به این دارد که نمونه‌ی او در کدام آزمایشگاه سنجیده می‌شود!

درصد آزمایشگاه‌های دارای CV مجاز
Can current analytical quality performance of UK clinical laboratories support evidence-based guidelines for diabetes and ischaemic heart disease? – A pilot study and a proposal Nuthar Jassam* , John Yundt-Pacheco , Rob Jansen , Annette Thomas and Julian H. Barth DOI /cclm Clin Chem Lab Med 2013; 51(8): 1579–1584 آنالیت درصد آزمایشگاه‌های دارای CV مجاز درصد آزمایشگاه‌های دارای CV لازم برای عملکرد 5 سیگما A1C > 50 < 25 گلوکز > 75 کراتینین کلسترول 100 50 HDL < 50

مهمترین کار ما فراهم کردن کیفیت در مرحله‌ی سنجش است؛
The CCLM contribution to improvements in quality and patient safety DOI /cclm Clin Chem Lab Med 2013; 51(1): 39–46 وستگارد: مهمترین کار ما فراهم کردن کیفیت در مرحله‌ی سنجش است؛ هنوز هم خطاهای سنجش بزرگترین و مهمترین سرچشمه‌ی خطاهایی هستند که به بیمار آسیب می‌رساند. NIQH (Canda)؛ رمزگشایی از ISO 15198 پیش-سنجش: آنچه ما از آن‌ها تحویل می‌گیریم سنجش: آنچه ما انجام می‌دهیم پیش-سنجش: آنچه ما به آن‌ها تحویل می‌دهیم آیا مرحله‌ی سنجش واقعا ایمن‌تر است؟ اگرچه پیشرفت‌های زیادی به دست آمده است، اما کارهای زیادی باید انجام شود: تعیین الزامات کیفیت بالینی شواهد-بنیان برنامه‌های عیارمندسازی/هماهنگ‌سازی متمرکز بر ردیاب‌کردن سنجش‌ها وکاستن عدم صحت شاخص‌های سختگیرانه‌تر مانند شش سیگما M. Plebani

Fraser: یعنی جواب‌هایی که دست بیمار می‌دهیم به درد پزشک بخورد
تعریف کیفیت: Juran: تناسب برای استفاده Deming: کیفیت باید متمرکز باشد بر نیازهای مشتری Crosby: سازگاری با نیازها CDC 1996: کیفیت آزمایشگاه ... همه‌ی جنبه‌های مطابق با نیازهای بیان شده یا تلویحا اشاره شده ISO: همه‌ی جنبه‌ها و ویژگی‌های یک فرآورده، فرآیند یا خدمت که توانایی برآورده کردن نیازهای بیان شده یا فرض شده در بردارد Fraser: یعنی جواب‌هایی که دست بیمار می‌دهیم به درد پزشک بخورد

با مراجعه به دستورکارهای سازمان‌های کارشناسی بین‌المللی
کاربرد نتایج آزمایشگاهی: غربالگری تشخیص تعیین پیش‌آگهی ارزیابی خطر طراحی درمان پیگیری درمان با مراجعه به دستورکارهای سازمان‌های کارشناسی بین‌المللی

تامین کیفیت مورد نظر کاربرد A1C در تشخیص؛ NICE :
مطالعه‌ی DCCT توصیه‌ی گروه کارشناسی بین‌المللی در سال 2007 NGSP،UKPDS ؛ ردیابی پذیری CAP؛ کاهش خطای کل مجاز در امریکا از سال 2009 در امریکا وارد دستورکارها شد در نروژ از سال 2010 Guidelines from the British Society of Gastroenterology - Medscape ESPGHAN-2012 در یک کودک علامتدار از نظر سلیاک؛ IgA-TG2 > 10xULN؛ EMA در نمونه‌ی دیگر مثبت؛ HLA-DQ2 یا HLA-DQ8 مثبت: برای تایید بیوپسی نیاز نیست. تامین کیفیت مورد نظر NICE : راهکارنمای ESPGHAN نباید در بریتانیا استفاده شود. مطالعه‌ی اخیر UK-NEQAS نشان می‌دهد که همه‌ی کیت‌های تجاری IgA-TG2 قابل اطمینان نیستند و بنا بر این راهکارنمای ESPGHAN قابل ترجمه برای استفاده در همه‌ی مراکز نیست .

ISO 15189: آزمایشگاه باید نشان دهد که «کیفیت مورد نظر برای نتیجه‌ی آزمایش‌ها تامین می‌شود».
تضمین کیفیت : آزمایشگاه شیوه‌هایی را برای آزمایش خواهد برگزید که از نظر کاربرد مورد نظر ارزشیابی شده باشند.

معیار‌های کیفیت ارزشیابی روش تضمین کیفیت طراحی کیفیت بازطراحی کیفیت
15 تضمین کیفیت طراحی کیفیت بازطراحی کیفیت بهبود کیفیت معیار‌های کیفیت فرآیندهای کیفیت ارزیابی کیفیت پایش کیفیت

ارزشیابی یعنی چه؟ بررسی این که آیا کارکرد یک سامانه به همان گونه‌ای است که انتظار می‌رود.

ارزشیابی یعنی بررسی انحراف:
جوابی که تولید کرده‌ایم چقدر با مقدار واقعی اختلاف دارد؟ آیا این مقدار انحراف به اندازه‌‌ای هست که به کاربرد جواب آسیب بزند یا نه؟

ارزشیابی لازم است برای:
تصمیمگیری در باره‌ی کیفیت تعیین برنامه‌ی پایش کیفیت بهبود پیوسته‌ی کیفیت

وستگارد: در آزمایشگاه باید ارزشیابی روش فرآیندی ضابطه‌مند باشد. ‌راه‌های مشخص برای: جمع‌آوری اطلاعات واکاوی اطلاعات داوری نیازمند دانستن الزامات کیفیت است که به طور عینی مشخص کند یک آزمایش چقدر باید خوب باشد.

منابع تعیین خطای مجاز CLIA http://www.westgard.com/clia.htm
European Recommendations for Biologic Goals for Imprecision and Inaccuracy Rililbak – German Guidelines for Quality official-english-2015-translation.html RCPA Quality requirements منابع تعیین خطای مجاز

CLIA گام‌های ارزشیابی روش: ضروری در صورت نیاز
خطی بودن روش؛ گستره‌ی قابل گزارش بررسی نوسان؛ تکرارپذیری بررسی نامیزانی بررسی مداخله‌گرها / بازیافت بررسی مرز تشخیص روش ضروری CLIA در صورت نیاز

آشنایی با برنامه‌ی ارزشیابی:
هدف: ناآشنایی با کار ارزشیابی به حساب عملکرد روش گذاشته نشود. آشنایی با دستگاه/کیت: به طور معمول 5 روز، راه‌اندازی، کاربرد، نگهداری، پایش کیفیت کار با نمونه‌های واقعی، روبرو شدن با همه‌ی پیشآمدهای ممکن (اعلان‌های خطا، اصلاح خطا، کالیبراسیون، ...).

بررسی خطی بودن: کمترین و بیشترین نتایجی که قابل اعتماد هستند
به ویژه برای روش‌هایی که به شکل دونقطه‌ای با فرض خطی بودن کالیبر می‌شوند؛ نام‌های دیگر: CLIA: محدوده‌ی قابل گزارش محدوده‌ی خطی بودن، محدوده‌ی سنجشی، محدوده‌ی کاری CAP: AMR: محدوده‌ی اندازه گیری سنجشی CRR: محدوده‌ی قابل گزارش بالینی

روش وستگاردی - فرآیند کلی:
سنجش موادی با غلظت معین یا باغلظت نسبی بررسی چشمی نتیجه‌ی سنجش غلظت/نسبت

عواملی که باید در نظر گرفت:
تعداد سطح‌ها: 4 تا یا ترجیحا 5 تا سلسله مراتب مواد قابل قبول: نمونه انسانی؛ یک نمونه‌ی تک با غلظت بالا با یک نمونه‌ی تک با غلظت پایین # # # # رقیق شده با حلال توصیه شده # # تغلیظ شده با آنالیت مورد نظر؛ ! حداکثر افزایش حجم 10% # # تیمار شده برای کاهش غلظت (مثل دیالیز، حرارت، کروماتوگرافی) فرآورده‌های تجاری: کنترل/کالبیراتور/مواد خطیت؛ ! شکل فیزیولوژیک مواد (مثلا متصل به پروتئین، متابولیت) نمونه انسانی؛ رقیق شده با سالین یا حلالی غیر از حلال توصیه شده مواد تجاری کم‌رقیق شده/ بیش‌رقیق شده محلول‌های آبکی؛ تعداد زیادی از روش‌های بیوشیمی با محلول‌های آبکی تنظیم می‌شوند محلول‌های حلال آلی تهیه ی رقت ها: ترکیب یک علظت صفر یا نزدیک به صفر با غلظت برابر حد بالای سنجش یا کمی بالاتر به نسبت های گوناگون تعداد سنجش: حداقل 3 بار واکاوی اطلاعات: بررسی چشمی، محاسبه ی خطای کل و مقایسه با خطای کل مجاز

مثال: بررسی خطی بودن کلسترول
داوری؟ خطای کل مجاز خطای کل اختلاف میانگین سنجش سوم سنجش دوم سنجش یکم غلظتها 2 1 105 95 100 205 195 200 290 300 310 400 390 380 480 460 470 500

داوری؟ خطای کل مجاز خطای کل اختلاف میانگین سنجش سوم سنجش دوم سنجش یکم غلظتها 1 2 100 105 95 200 205 195 300 290 310 390 400 380 470 480 460 500

500? 400? 300? نتیجه‌ی سنجش غلظت

CV = 3% مثال: بررسی خطی بودن کلسترول TAE = Bias + 2SD داوری؟ خطای کل مجاز خطای کل اختلاف میانگین سنجش سوم سنجش دوم سنجش یکم غلظتها 1 2 100 105 95 200 205 195 300 290 310 10 390 400 380 30 470 480 460 500

CLIA; 10% داوری؟ خطای کل مجاز خطای کل SD اختلاف میانگین سنجش سوم سنجش دوم سنجش یکم غلظتها 1 2 100 105 95 200 205 195 300 290 310 34 12 10 390 400 380 60 15 30 470 480 460 500

اشکال: وقتی بررسی خطی بودن اولین بررسی است، CV را از کجا بیاوریم؟ مثال: بررسی خطی بودن کلسترول داوری؟ خطای کل مجاز خطای کل SD اختلاف میانگین سنجش سوم سنجش دوم سنجش یکم غلظتها 1 2 100 105 95 200 205 195 300 290 310 پذیرفته 40 34 12 10 390 400 380 ناپذیرفته 50 60 15 30 470 480 460 500 پیشنهاد: برآورد CV از نتیجه‌های خطی بودن (؟) حد بالای خطی بودن: 400

CLSI EP6-A2 ارزیابی دقت خطیت روش‌های سنجش کمی: یک رویکرد آماری؛ راهکارنمای تایید شده 2003

نمونه‌های تهیه شده به صورت درهم چیده شود
تایید توسط آزمایشگاه: 5 تا 7 سطح، 2 سنجش ارزشیابی یک روش آزمایشگاه‌ساخته یا تغییر داده شده: 7 تا 9 سطح، 2 تا 3 سنجش تعیین خطیت توسط سازنده: 9 تا 11 سطح، 2 تا 4 بار سنجش تعداد سطح - تعداد سنجش نمونه‌های تهیه شده به صورت درهم چیده شود

حد پایین سنجش سطوح تصمیم بالینی مختلف حد بالای سنجش سطوح انتخاب شده:

حداکثر داده‌ی پرت قابل حذف است یک
بررسی از نظر نتایج خیلی متفاوت بررسی نتایج پرت با رسم نمودار ارزیابی مقدماتی نتایج حداکثر داده‌ی پرت قابل حذف است یک

بررسی نتایج؛ 1- بررسی تکرارپذیری
محاسبه‌ی SD بر اساس اختلاف «جفت نتایج» مقایسه با معیار؛ ؟؟؟ ¼ خطای کل، CV مجاز از جدول نوسان زیستی

بررسی نتایج؛ 2- بررسی خطیت
با استفاده از رگرسیون بررسی نتایج؛ 2- بررسی خطیت

شاخص تطابق خط یا منحنی با نتایج
با استفاده از رگرسیون بررسی نتایج؛ 2- بررسی خطیت Sy,x شاخص تطابق خط یا منحنی با نتایج

خط راست معادلات پلی نامینال

تعیین معادله‌های رگرسیون: پلی نامینال درجه یک، دو و سه
حساب کردن خطای معیار ضرایب درجه 2 و 3 (SE) و Sy,x آزمون t برای ضرایب توان دار هیچ یک از tها بزرگتر از حد بحرانی نیست: روش خطی است یک یا بیشتر از tها از حد بحرانی بزرگتر است: اختلاف نتایج حاصل از معادله‌ی منحنی با نتایج معادله‌ی خط راست مقایسه‌ی اختلاف با مقدار مجاز؛ ؟؟؟ ½ خطای کل مجاز، عدم صحت مجاز جدول نوسان زیستی Df = L x L - nb

مثال – بررسی خطیت روش سنجش کلسیم
معیارها (بر اساس جدول کلیا): SD ≤ 0.25 ؛ TEa = 1mg/dL → Dif. ≤ 0.5 سطح سنجش 1 سنجش 2 1 4.7 4.6 2 7.8 7.6 3 10.4 10.2 4 13 13.1 5 15.5 15.3 6 16.3 16.1 اختلاف d d2 -0.1 0.01 -0.2 0.04 0.1 پذیرفته! SD = 0.12

از نظر آماری خطی نیست. از نظر بالینی؟ درجه‌ی معادله ضریب مقدار SE t df
t-crit Sy,x 1 b0 2.86 0.667 b1 2.39 2 0.82 0.313 3.92 b2 -0.22 0.04 -6.00 9 ±2.262 3 2.48 0.197 1.82 0.48 0.18 2.60 8 ±2. 306 b3 -0.07 0.02 -3.80 از نظر آماری خطی نیست. از نظر بالینی؟

پیش‌بینی معادله‌ی درجه 1 پیش‌بینی معادله‌ی درجه 3
میانگین پیش‌بینی معادله‌ی درجه 1 پیش‌بینی معادله‌ی درجه 3 اختلاف 4.65 5.25 4.71 -0.54 7.70 7.63 7.50 -0.13 10.30 10.02 10.54 0.52 13.05 12.41 13.15 0.74 15.40 14.80 15.22 0.42 16.20 17.19 16.26 -0.93 X X X X اختلاف کمتر/مساوی با 0.5 mg/dL

از نظر آماری خطی نیست. از نظر بالینی؟ درجه‌ی معادله ضریب مقدار SE t df
t-crit Sy,x 1 b0 2.16 2.04 b1 2.68 2 1.54 0.124 3.22 b2 -0.09 0.02 -3.8 9 2.262 3 1.47 0.134 3.32 -0.13 0.23 -0.56 8 2.306 b3 0.004 0.17 از نظر آماری خطی نیست. از نظر بالینی؟

پیش‌بینی معادله‌ی درجه 1 پیش‌بینی معادله‌ی درجه 2
میانگین پیش‌بینی معادله‌ی درجه 1 پیش‌بینی معادله‌ی درجه 2 اختلاف 4.65 4.85 4.67 -0.18 7.70 7.54 7.62 0.08 10.30 10.22 10.40 0.18 13.05 12.90 12.99 0.09 15.40 15.59 15.41 √ √ √ √ √ اختلاف کمتر/مساوی با 0.5 mg/dL

ویژگی‌های مربوط به اعتمادپذیری
گام‌های ارزشیابی روش: √ خطی بودن روش؛ گستره‌ی قابل گزارش بررسی نوسان؛ تکرارپذیری بررسی نامیزانی بررسی مداخله‌گرها و بازیافت بررسی مرز تشخیص روش تایید/تعیین محدوده‌ی مرجع ویژگی‌های مربوط به اعتمادپذیری

انواع خطا: اتفاقی سامانمند (منظم) ثابت نسبی بررسی تکرارپذیری
مقایسه با روش مقیاس ثابت نسبی

برآورد خطای ما قابل اطمینان باشد
بررسی خطای تصادفی طول ارزیابی: درون دوری، درون روزی، روز به روز یا بین روزی زمینه: سرم، پلاسما، ادرار، CSF، مایع سروزی تعداد سطح‌ها تعداد سنجش: دست‌کم 20تا نوع نمونه: استاندارد، کنترل تجاری، نمونه‌های بیماران عواملی که باید در نظر گرفت: برآورد خطای ما قابل اطمینان باشد

محاسبه ها: تکرار سنجش یک ماده: CV = (S/X )100

CLSI EP5-A2 ارزیابی دقت عملکردی روش‌های سنجش کمی؛ راهکارنمای تایید شده – ویرایش دوم 2004

الف) روند معمول؛ برای آزمایش‌های «دور کوتاه»:
دست کم 20 روز روزی 2 دور دست کم 2 ساعت فاصله دست کم 10 نمونه‌ی بیمار در هر دور ترتیب مواد آزمایش و کنترل در هر دور عوض شود اگر به صورت پیوسته انجام می‌شود در دو زمان مختلف به طور اتفاقی هر دور دو قسمت از نمونه سنجیده شود دست کم یک نمونه‌ی پایش کیفیت در هر دور ب) برای آزمایش‌های «دور بلند»: راهکار یکم: دست کم 20 روز با دست کم 3 تکرار در روز راهکار دوم: دو تکرار در روز در دست کم 30 روز

اجزای دقت در تعاریف CLSI
X دقت: نزدیکی همخوانی بین نتایج مستقل آزمایش که در شرایط معین به دست آمده است (ISO ) دقت کل دقت بینابینی باز آفرینی Reproducibility دقت درون آزمایشگاهی دقت روز به روز دقت دور به دور تکرارپذیری Repeatability آزمایشگاه‌های گوناگون شماره ساخت‌های گوناگون مواد، شماره ساخت‌های گوناگون کالیبراتور کاربران مختلف و وسایل مختلف زمان طولانی یک آزمایشگاه زمان کوتاه یک کاربر وسایل یکسان یک آزمایشگاه زمان معین کاربران مختلف وسایل یکسان شماره ساخت‌ معرف‌ها و کالیبراتورها ممکن است فرق کند دقت درون دوری سابق ارزشیابی به روش CLSI EP5؛ گواهی کردن دقت به روش CLSI EP15

ماده‌ی آزمایش: زمینه: همانند نمونه‌ی بالینی باشد؛ ترجیحا انباشته‌ی پایدار و یخزده تعداد سطوح: دو سطح اگر SD یا CV متفاوت بود سطوح بیشتر بررسی شود اگر بیش از دو سطح: سطوح اضافی تا حد ممکن نزدیک به سطوح تصمیم بالینی باشند مقایسه با ادعاهای عملکردی منتشر شده: نزدیک به سطح مورد ادعا

آشنایی با برنامه: تا زمانی که دست کم 5 روز بدون مشکل انجام شده باشد نتایج این 5 روز نگهداری شود چون ممکن است در بررسی استفاده شود ارزیابی مقدماتی دقت: چگونگی: پس از یا نزدیک به آخر مرحله‌ی آشنایی با برنامه نمونه با غلظت نزدیک به سطوح در دست بررسی 20 قسمت یا یک جانمونه‌ای کامل کاربرد: شناسایی و رفع مشکلات پیش از ورود به مرحله‌ی اصلی معیار داده‌ی پرت؛ ±5.5SD

اجرای قسمت اصلی ارزیابی:
روزی 2 دور هر 5 روز از نتایج کنترل، میانگین و انحراف معیار حساب شود مرز ارزیابی: 3S؛ مرز رد: 4S با هر بار محاسبه‌ی میانگین و انحراف معیار، همه‌ی دورهای قبلی مرور شود بررسی داده‌ی پرت: اطمینان از این که مشکلات اجرایی به طور ناخواسته بر نتیجه اثر سوء نداشته باشد فاصله‌ی بین دو تکرار بیش از5.5SD ریشه‌یابی، رفع اشکال و تکرار آن دور بیش از 5% دورها و علتی یافت نمی‌شود: پایداری برای ارزیابی ارزشمند نوسان کافی نیست

محاسبات: برآورد انحراف معیار بین روزی

اگر منفی شد، صفر در نظر بگیرید
تکرارپذیری محاسبات: برآورد انحراف معیار بین دوری اگر منفی شد، صفر در نظر بگیرید برآورد انحراف معیار بین روزی انحراف معیار میانگین دورها انحراف معیار میانگین روزها

اگر منفی شد، صفر در نظر بگیرید برآورد دقت درون دستگاهی
تکرارپذیری محاسبات: برآورد انحراف معیار بین دوری اگر منفی شد، صفر در نظر بگیرید برآورد انحراف معیار بین روزی انحراف معیار میانگین دورها برآورد دقت درون دستگاهی (یا درون آزمایشگاهی) Swl انحراف معیار میانگین روزها

√ √ گام‌های ارزشیابی روش: خطی بودن روش؛ گستره‌ی قابل گزارش
بررسی نوسان؛ تکرارپذیری بررسی نامیزانی بررسی مداخله‌گرها یا بررسی بازیافت بررسی مرز تشخیص روش √

بررسی نامیزانی (عدم صحت)
تشخیص کمبود ویتامین D بستگی به این دارد که نمونه‌ی او در کدام آزمایشگاه سنجیده می‌شود! جواب‌های تباد‌ل‌پذیر روش به روش و آزمایشگاه به آزمایشگاه چرا باید «میزان» باشیم؟ ژانت ب. کریزمن (مدیر ارشد اجرایی AACC): «امسال سال پرکاری برای هماهنگ سازی بوده است... تلاش برای این که نتایج آزمایشگاهی در سراسر جهان قابل مقایسه باشند صرفنظر از این که در کجا، کی و با چه روشی انجام شده اند» شماره ی اکتبر 2013 (آبان 92) CLN

رسیدن رد آن به یک روش و/یا ماده‌ی مرجع
ویژگی های روش مقیاس: ردیاب‌پذیر بودن؛ TRACEABILTY رسیدن رد آن به یک روش و/یا ماده‌ی مرجع عدم قطعیت؛ MEASURMENT UNCERTAINTY خطای مجاز کل کوچکتر از روش موردارزیابی (پایش کیفیت بسیار سختگیرانه) تبادل‌پذیری؛ COMMUTABILTY رفتارش با نمونه‌ی مورد استفاده همسان با روش ما باشد

عدم قطعیعت سلسله مراتب ردیابی‌پذیری روش‌های روزمره به یک روش مرجع
پیشنهاد Tietz در 1977؛ پذیرفته و ارائه شده به وسیله‌ی ISO ماده‌ی مرجع اولیه عدم قطعیت کامل با واحد SI روش مرجع اولیه عدم قطعیعت ماده‌ی مرجع ثانویه - زمینه همانند نمونه روش انتخابی کالیبراتور روزمره نمونه‌ی بیمار جواب بیمار روش روزمره

کورتیزول روش مرجع اولیه روش انتخابی روش روزمره ماده‌ی مرجع اولیه
PRM: کریستال کورتیزول؛ بررسی شیمیایی برای ناخالصی NIST SRM 92 ماده‌ی مرجع اولیه عدم قطعیت کامل با واحد SI کالیبراتور اولیه: فرآورده‌ی کورتیزول با خلوص معین، مثلا و CI 95% برابر 0.001± کورتیزول روش مرجع اولیه ID-GC-MS یک مجموعه سرم انسانی تکی ساخت IRMM ERM-DA451/IFCC ماده‌ی مرجع ثانویه - زمینه همانند نمونه تبادل‌پذیر با روش انتخابی مورد نظر روش انتخابی کالیبراتور روزمره تبادل‌پذیر با روش روش روزمره روش روزمره

JCTLM IVD Directive EC 98/79/2003 ISO-15189
نتیجه‌ها باید به طور جهانی قابل مقایسه باشند و این نیازمند ردیابی‌پذیری مترولوژیک و گزارش کردن عدم قطعیت است ERM-DA471K for cystatin C …commutable for … Siemens N Latex cystatin C Test Kit run on a BN ProSpec (Siemens Healthcare Diagnostics), the Sentinel CH assay run on an Architect c16000 (Abbott Laboratories), and the Gentian cystatin C immunoassay performed on an Architect ci8200 تا 2012 حدود 30 آنالیت ردیابی‌پذیر به واحدهای SI JCTLM الکترولیت‌ها، متابولیت‌ها، استروئیدهای و هورمون‌های تیروئیدی NCEP; Cholesterol NKF; Creatinine, eGFR NGSP/UKDPS; A1C CDC + NIST; VDSP IVD Directive EC 98/79/2003 ERM-DA470K: پروتئین‌های سرم The commutability of ERM-DA471/IFCC for use with additional manufacturer’s measurement procedures is being evaluated مشکل با هورمون‌های پروتئینی

اجرای ارزیابی عدم صحت؛ عواملی که باید در نظر گرفت:
اجرای ارزیابی عدم صحت؛ عواملی که باید در نظر گرفت: تبادل‌پذیری نمونه؛ نمونه‌ی بیماران سطح‌های تصمیم‌گیری تعداد نمونه: دست کم 40 نمونه‌ی بیمار در گستره‌ی با اهمیت از نظر بالینی دست کم در طول 5 روز کاری؛ در طول 20 روز بهتر است به صورت دوتایی با هر دو روش کیفیت نمونه مهمتر است از تعداد: اگر سطح نمونه‌ها در تمام گستره‌ی مهم بالینی گسترده باشد، 20 نمونه‌ هم کافی است اگر اساس سنجش فرق می‌کند، باید 100 تا 200 نمونه استفاده شود تا اثر مداخله‌گرها بررسی شود.

محاسبه‌ها: کوچک: کلسیم، سدیم، پتاسیم بازه‌ی سنجش:
بزرگ: گلوکز، تریگلیسرید، HCG اطمینان از کافی بودن تعداد داده ها برای برآورد خطا محاسبه و برآورد خطا بازه‌ی سنجش:

محاسبه ها؛ 1) بازه ی سنجش کوچک است:
اطمینان پذیری محاسبه‌ی نامیزانی آزمون t-studeint حساب کردن اختلاف میانگین ها

اطمینان پذیری با آزمون t Bias = Y - X Sdif = √ (£ (d – Bias)/ (N – 1) Y (آزمون) X (مرجع) D: Y – X y1 x1 y1 –x1 y2 x2 y2 – x2 y3 x3 y3 – x3 … yn xn yn - xn t = Bias * (N / √ Sdif) پیدا کردن t بحرانی برای احتمال مورد نظر از جدول توزیع t "معنی"ش چیه؟ اگر t بزرگتر است از t بحرانی: اختلاف معنی‌دار است

اطمینان پذیری با آزمون t اطمینان از کافی بودن تعداد داده ها برای برآورد خطا محاسبه و برآورد خطا نمودار اختلاف Bias = Y - X Y-X Sdif = √ (£ (d – Bias)/ (N – 1) Y (آزمون) X (مرجع) D: Y – X y1 x1 y1 –x1 y2 x2 y2 – x2 y3 x3 y3 – x3 … yn xn yn - xn t = Bias * (N / √ Sdif) X Bias = Y - X پیدا کردن t بحرانی برای احتمال مورد نظر از جدول توزیع t %Bias = (B / X) x 100 "معنی"ش چیه؟ اگر t بزرگتر است از t بحرانی: اختلاف معنی‌دار است

محاسبه ها؛ بازه ی سنجش کوچک است:
t test: Sdif = ((£(y-x) – bias))/(n-1))^1/2 t = bias / (sdif / n^1/2) t > t-crit ? محاسبه ی نامیزانی Bias = Y – X %Bias = (B / X) * 100 مثال: سنجش T3 تعداد نمونه: 40 میانگین روش مرجع: 1.65 pg/L میانگین آزمایشگاه فلان: 1.7 pg/L t = t-crit0.95 = 1.7 آیا با احتمال 95% اختلاف قابل اطمینان است؟ خیر بین دو دستگاه اختلاف وجود ندارد؛ روش مورد بررسی میزان است: Bias = 0 محاسبه ها؛ بازه ی سنجش کوچک است:

محاسبه ها؛ بازه ی سنجش کوچک است:
مثال: سنجش هموگلوبین تعداد نمونه: 45 میانگین روش مرجع: g/dL؛ میانگین آزمایشگاه فلان: meq/L t = t-crit0.95 = 1.7 آیا اختلاف قابل اطمینان است؟ بلی Bias = – 14.6 = 0.15 meq/L Bias = (0.15/ 14.6) * 100 = 1% محاسبه ها؛ بازه ی سنجش کوچک است: برآورد قابل اطمنیان «اختلاف» داوری: آیا این مقدار نامیزانی مهم است؟

محاسبه ها؛ 2) بازه‌ی سنجش وسیع است:
معادله‌ی بازگشت (Regression) ممکن است نامیزانی در سراسر بازه‌ یکسان نباشد؛ هرسطح تصمیم‌گیری جداگانه بررسی شود؛ برای هر سطح دست کم 40 نمونه؟ راه ساده‌تر؟

محاسبه ها؛ 2) بازه ی سنجش وسیع است:
Y (آزمون) X (مرجع) y1 x1 y2 x2 y3 x3 … yn xn Y؛ روش مورد ارزشیابی ؛ روش مرجع (مقیاس)X

محاسبه ها؛ 2) بازه ی سنجش وسیع است:
اطمینان پذیری محاسبه‌ی نامیزانی r =[ NΣXY - (ΣX)(ΣY) / Sqrt([NΣX2 - (ΣX)2][NΣY2 - (ΣY)2])] ضریب همبستگی: r > 0.975 استفاده از معادله ی بازگشت خطی ساده Simple Linear Regression

r = 0.65 همبستگی ضعیف Y؛ روش مورد ارزشیابی ؛ روش مرجع (مقیاس)X 50 10 5
20 ؛ روش مرجع (مقیاس)X

B = (NΣXY - (ΣX)(ΣY)) / (NΣX2 - (ΣX)2) A = (ΣY - b(ΣX)) / N
r > 0.975 همبستگی خوب خط حداقل مجذورها Y = A + BX Y Xc1 Xc2 Xc3 X

تفسیر معادله‌ی خط بازگشتY = A + BX
Constant SE = A B: نمایانگر خطای سامانمند نسبی Proportional SE = B-1 تفسیر معادله‌ی خط بازگشتY = A + BX A = 0 B = 1 Y = X Y X

فقط خطای سامانمند ثابت Y = A + BX Y = -5 + X CE = A = -5 PE = B - 1
= 1 – 1 = 0 X -5

فقط خطای سامانمند نسبی Y = A + BX Y = 0.8X CE = 0 PE = 0.8 - 1 = -0.2
= -20% X

خطای سامانمند ثابت و نسبی
A ≠ 0 B ≠ 1 CE SE PE Y = A + BX Y = X CE SE PE CE = -5 PE = = -20% Xc2 Xc1

A ≠ 0 B ≠ 1 Y = A + BX Glucose: Y = X CE = 8 mg/dL PE = = -0.1 413 SE = -8% 188 SE = -6% 98 SE = -2% SE = +17% 35 Xc =30 Xc =100 Xc = 200 450

A ≠ 0 B ≠ 1 Bias = 17.5% 470 Y = A + BX Glucose: Y = X CE = -10 mg/dL PE = 0.2 Bias = 15% 230 Bias = 10% 110 Bias = 0% 50 Bias = -13% 26 30 50 100 200 400

برای این که کار را آسان کرده باشیم!
پرسش: چرا برای آزمایش های با بازه ی وسیع هم آزمون t نکنیم؟ چرا با نمودار بازگشت کار را سخت کنیم؟ اگر r < شد چه؟ برای این که کار را آسان کرده باشیم!

چرا r < 0.975 ؟ نوسان بالای نتایج r < 0.975 r < 0.975
Y Y X X

چرا r < 0.975 ؟ انباشته بودن نتایج r : Range/SD r = 0.764 r = 0.986
Y Y X X

نه! یعنی حالا برآورد ما قابل اطمینان است! => r < 0.975
پرسش؟ یعنی حالا برآورد ما قابل اطمینان است! نه! آیا به این معنی است که روش ما قابل قبول می‌شود ؟ انباشتگی نتایج نوسان بالا

مهم: r > 0.975 دلیل میزان بودن روش نیست؛ حتا r = 1 !
Y = X Y = X Y Y Y100 = 125 Bias = 25% Y100 = 103 Bias = 3% Y50 = 70 Bias = 40% Y50 = 52 Bias = 4% X X

نوسان بالای روش سنجش/انباشته بودن نتایج
چرا r < ؟ نوسان بالای روش سنجش/انباشته بودن نتایج راه چاره: ادامه‌ی بررسی و افزایش نمونه‌ها دسته‌بندی داده‌ها و آزمون t جداگانه برای هر سطح تصمیم‌گیری میانگین داده‌ها نزدیک به سطح تصمیم‌گیری؟ آزمون t میانگین و محدود کردن داوری به پیرامون میانگین

شرط قابل اطمینان بودن استفاده از معادله‌ی بازگشت:
خطی بودن ***

خطی بودن داده‌ی پرت ***

خطی بودن داده‌ی پرت داده‌ی تاثیرگذار TSH 0.77 r = 0.99 Y = 1.03X 1 2 3 4 5 20

برآورد «نامیزانی» از معادله‌ی خط بازگشت "قابل اطمینان" است.
محاسبه‌ی نامیزانی r > 0.975 برآورد «نامیزانی» از معادله‌ی خط بازگشت "قابل اطمینان" است. YC = A + BXC Y = A + BX

محاسبه‌ی نامیزانی؛ مثال
r = 0.98 ; Y = X Y50 = * 50 = 47.5 Bias50 = 47.5 – 50 = -2.5 %Bias50 = (2.5/50) * 100 = 5% Y100 = * 100 = 100 %Bias100 = (0/100) * 100 = 0% Y200 = * 200 = 205 %Bias200 = (5/200) * 100 = 2.5% سنجش گلوکز

برآورد قابل اطمنیان «اختلاف» برآورد قابل اطمنیان «اختلاف»
محاسبه‌ی نامیزانی؛ مثال سنجش کورتیزول مثال: سنجش هموگلوبین تعداد نمونه: 45 میانگین روش مرجع: g/dL؛ میانگین آزمایشگاه فلان: meq/L t cal > t crit برآورد قابل اطمنیان «اختلاف» Y150 = 158; %B = 5.3% Y240 = 366; %B = 4.6% Average Bias = 5% برآورد قابل اطمنیان «اختلاف» داوری: آیا این مقدار نامیزانی مهم است؟ داوری: آیا این مقدار نامیزانی مهم است؟

داوری حساب کردن خطای کل سنجش: TAE = B + 2CV مقایسه با خطای کل مجاز:
TAE < ATE ? حساب کردن عیار سیگما: SM = (ATE – B) / CV

چرا حساب کردن عیار سیگما؟
oخوب یعنی: داوری حساب کردن خطای کل سنجش: TAE = B + 2CV مقایسه با خطای کل مجاز: TAE < ATE ? حساب کردن عیار سیگما: SM = (ATE – B) / CV پرسش؟ CLIA: ATE Hb = 7% ; ATE Cort. = 25% دست کم 95% از جواب‌های ما درون محدوده‌ی "خطای مجاز کل" قرار می‌گیرد. SM TAE (%) CV Bias (%) آنالیت 1 Hb 5 Cortisol چرا حساب کردن عیار سیگما؟ پذیرفته 3 5 2 با کیفیت؛ خوب پذیرفته 6.7 11 3 با کیفیت؛ خوب

SQC برای تضمین 95% جواب درست
چرا عیار سیگما؟ SQC برای تضمین 95% جواب درست رتبه‌ی کیفیت SM رتبه 2 ضعیف 3 سرمرزی 4 خوب 5 عالی ≥ 6 کلاس جهانی SM آنالیت Hb Cortisol N = 6; 1:3s/2of3:2s/R4s/3:1s/6x Ped = 73%; Pfr = 7% خوب سرمرزی 3 SQC به تنهایی کافی نیست! خوبتر تر تر ... N = 1; 1:3s Ped = 100%; Pfr = 0% SQC به تنهایی کافی است. خوب کلاس جهانی 6.7

CLSI EP9-A2 مقایسه‌ی روش و برآورد اختلاف با استفاده از نمونه‌های بیماران؛ راهکارنمای تاییدشده، ویرایش دوم 2002

شمای کلی آشنایی با دستگاه/کیت: به طور معمول 5 روز،
راه‌اندازی، کاربرد، نگهداری، پایش کیفیت، کار با نمونه‌های واقعی، روبرو شدن با همه‌ی پیشآمدهای ممکن (اعلان‌های خطا، اصلاح خطا، کالیبراسیون، ...). اطمینان از این که هردوی روش آزمون و مقیاس در طول ارزیابی از پایش کیفیت خوبی برخوردارند. جمع‌آوری داده‌های کافی به طوری که نماینده‌ی هر دو روش باشد: دقت و تداخل، بزرگی اختلاف، بازه‌ی نتایج، الزامات بالینی. رسم نمودار و بررسی چشمی برای اطمینان از خطی‌بودن، بازه‌ی کافی، و پراکندگی یکدست. دست‌کم 40 نمونه دست‌کم 5 روز کاری، سنجش‌دوتایی، در صورت امکان، 50% داده‌ها بیرون از محدوده‌ی مرجع باشد.

JCTLM ماده‌ی آزمایش: نمونه‌ی بیماران، در صورت امکان نگهداری نشود،
اگر نمونه‌ای رد می‌شود، دلیل آن ثبت شود. روش مقیاس: روش کنونی، روش مورد استفاده به وسیله‌ی سازنده، روش مرجع شناخته شده. برای این که اختلاف بین دو روش به حساب خطای روش آزمون گذاشته شود؛ باید روش مقیاس: دقت بهتر؛ در صورت نیاز با تکرار، هرجا که ممکن است، عاری از تداخل‌های شناخته شده، واحد یکسان با روش آزمون، هرجا که ممکن است، مشخص بودن عدم صحت آن نسبت به (ردیاب به) عیارها یا روش‌های مرجع. فقط تعیین اختلاف! تعیین درستی و بیان آن به صورت نادرستی (bias) JCTLM

بازه‌ی سنجش: سراسر بازه‌ی مهم بالینی، بازه‌ی سنجشی روش مقیاس دست کم به اندازه‌ی روش آزمون باشد، تعداد نمونه: دست کم 40 تا، تعداد بیشتر: اطمینان بیشتر فرصت شناسایی مداخله‌گرهای غیرمنتظره (عدم‌ صحت نامعمول فردی)، مقدار هر نمونه: سنجش دوتایی با هر دو روش، سنجش اضافی در صورت نیاز، نمونه‌ی انباشتی: «خرد انباشته»: دو نمونه و نه بیشتر، تقریبا هم‌سطح، بالین یکسان، خون کامل: سرولوژی یکسان. عدم صحت اتفاقی توجه: انباشتن ممکن است عدم‌ صحت‌های ویژه‌ی نمونه را تعدیل کند ◄ برآورد خوش‌بینانه

ترتیب نمونه‌ها: تا حد ممکن تلاش شود اتفاقی باشد، ترتیب در دور دوم برعکس دور اول باشد: کاهش تاثیر هم‌آلودگی و کجروی بر میانگین، زمان و مدت: در نظر گرفتن پایداری نمونه، فاصله‌ی بین سنجش با دو روش بیش از 2 ساعت نشود، در صورت امکان همان روز نمونه‌گیری کار شود، در صورت نگهداری، در شرایط یکسان نگهداری شود، اگر پس از بررسی دقت است: روزی تا 8 نمونه؛ اگر همزمان است: فقط روزی 4 نمونه. ارزیابی نتایج در طول جمع‌آوری: خطای انسانی، ناسازگاری نتایج جفت، در صورت دیدن ناسازگاری ◄ بررسی نتایج پرت. پایش کیفیت در طول جمع‌آوری: توصیه‌ی سازنده و/یا روند معمول آزمایشگاه.

محاسبات

اگر موردی که در هر دو بررسی رد شد، داده‌ی پرت است.
1) بررسی داده‌های پرت؛ نتایج درون-روشی: بررسی اختلاف‌های نسبی بررسی اختلاف‌های مطلق مرز: 4DX’ و 4DY’؛ گرد نشود. مرز: 4DX و 4DY گردشده به طرف بالا اگر در موردی اختلاف بین دو دور بیش از حد بالا بود، اختلاف‌های نسبی محاسبه‌ شود. اگر موردی که در هر دو بررسی رد شد، داده‌ی پرت است.

مثال:

تصمیم‌گیری در باره‌ی داده‌ی پرت درون روشی:
فقط یک داده‌ی پرت؛ بررسی علت و حذف نتایج هر دو روش در آن دور بیش از یکی؛ بررسی وسیع: علت معلوم می‌شود و قابل ردیابی به نمونه‌های مشکل‌دار است: مشکل را اصلاح و آن نمونه‌ها را جایگزین کنید، علت معلوم می‌شود ولی نمونه‌های مشکل‌دار مشخص نیست: مشکل را اصلاح و از نو شروع کنید، علت نه معلوم می‌شود و نه قابل اصلاح است؛ مقایسه‌ی اختلاف بین دو تکرار با "مرزهای تصمیم بالین مجاز»: از این مرزها کوچکتر است: آن نتایج را حفظ و کار را ادامه دهید، از این مرزها بزرگتر است: کار را متوقف کنید و با سازنده تماس بگیرید.

2) رسم نمودار: دو نمودار پراکندگی: الف) میانگین روش آزمون در مقابل میانگین روش مقیاس در هر دور، ب) تک تک نتایج روش آزمون در مقابل میانگین روش مقیاس در هر دور دو نمودار اختلاف: اگر روش مقیاس روش مرجع است: پ) اختلاف میانگین نتایج روش آزمون با میانگین روش مقیاس در هر دور در مقابل میانگین روش مقیاس در هر دور، ت) اختلاف تک تک نتایج روش آزمون با میانگین روش مقیاس در هر دور در مقابل میانگین روش مقیاس در هر دور، اگر روش مقیاس روش مرجع نیست: پ) اختلاف میانگین نتایج روش آزمون با میانگین روش مقیاس در هر دور در مقابل میانگین نتایج هر دو روش در هر دور، ت) اختلاف تک تک نتایج روش آزمون با میانگین روش مقیاس در هر دور در مقابل میانگین نتایج هر دو روش در هر دور،

نمودار پراکندگی الف) میانگین آزمون در مقابل میانگین مرجع
ب) نتایج تک آزمون در مقابل میانگین مرجع

نمودار اختلاف پ) اختلاف میانگین دو روش در مقابل میانگین مرجع
ت) اختلاف نتایج تک آزمون با میانگین مرجع در مقابل میانگین مرجع

3) بررسی چشمی نمودارها برای خطی بودن:
رابطه‌ی دو روش با هم خطی است: ادامه‌ی محاسبات رابطه‌ی دو روش خطی نیست: پس از حذف قسمت غیر خطی در انتها(ها)، باقیمانده بازه‌ی بالینی مهم را پوشش می‌دهد: داده‌های حذف شده را با سنجش نمونه‌های درون بازه‌ی باقیمانده‌ی خطی جایگزین کنید بخش خطی وجود ندارد یا محدود است: تماس با سازنده، تکرار کار از آغاز پس از رفع اشکال

4) بررسی داده‌های پرت بین روشی:
بررسی چشمی نمودارهای الف و ت (نمودارهای پراکندگی و اختلاف برای میانگین دورهای روش آزمون) الف) میانگین آزمون در مقابل میانگین مرجع پ) اختلاف میانگین دو روش در مقابل میانگین مرجع

هر نقطه‌ای که در هر دو بررسی رد شد، پرت است.
4: بررسی داده‌های پرت بین روشی: بررسی چشمی نمودارهای الف و ت (نمودارهای پراکندگی و اختلاف برای میانگین دورهای روش آزمون) اگر در نمودارها داده‌ی پرت وجود دارد، محاسبه‌ی مرزهای داده‌ی پرت و ارزیابی نتایج : الف) میانگین آزمون در مقابل میانگین مرجع پ) اختلاف میانگین دو روش در مقابل میانگین مرجع نتیجه را در 4 ضرب و به طرف بالا گرد کنید. اختلاف میانگین‌ها را با آن مقایسه کنید. هر نقطه‌ای که در هر دو بررسی رد شد، پرت است. نتیجه را در 4 ضرب کنید؛ گرد نکنید. اختلاف میانگین‌های نسبی را با آن مقایسه کنید.

تصمیم‌گیری در باره‌ی داده‌ی پرت بین روشی:
حداکثر 2.5% از دورها را می‌توان حذف کرد بیش از 2.5%؛ بررسی وسیع برای یافتن علت: خطاهای احتمال انسانی؛ عملکرد دستگاه؛ QC؛ چنانچه همزمان آنالیت‌های دیگری هم در دست مقایسه‌ هستند، بررسی آن‌ها؛ ... چنانچه علت معلوم نمی‌شود و اختلاف از مرزهای اهمیت بالینی فراتر می‌رود: کار را متوقف کنید یا 40 نمونه‌ی دیگر اضافه کنید. چنانچه اختلاف از مرزهای اهمیت بالینی فراتر نمی‌رود، از نتایج برای محاسبات بعدی استفاده کنید؛ با افزودن نمونه‌های دیگر، مجموعه‌ی داده‌ها را تقویت کنید.

r : Range/SD بررسی کافی بودن بازه‌ی نتایج روش مقیاس
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس r : Range/SD

5) ارزیابی کافی بودن بازه:
یکی از مفروضات مهم برای استفاده از آنالیز رگرسیون: عاری از خطا بودن متغیر x این فرض در آزمایشگاه بالینی برقرار نیست! اما، اگر بازه به اندازه‌ی کافی وسیع باشد، وجود خطا در متغیر x (نتایج روش مقیاس) قابل چشمپوشی است ضریب همبستگی معیاری است برای بررسی کفایت وسعت نتایج روش مقیاس برای غلبه بر این مشکل r = 0.97 اگر r ≥ 0.975: خطای X به مقدار کافی به وسیله‌ی وسعت نتایج جبران می‌شود می‌توان از بازگشت خطی ساده (SLR) برای برآورد شیب و عرض از مبدا استفاده کرد توجه: «r ≥ 0.975» دلیل همسانی روش‌ها نیست همچنین دلیل توزیع یکدست نتایج درون بازه نیست

Ŷ: مقدار پیشگویی شده به وسیله‌ی این معادله برای هر غلظت X
6) تعیین معادله‌ی بازگشت خطی: Y = a + bX Ŷ = a + bX Ŷ: مقدار پیشگویی شده به وسیله‌ی این معادله برای هر غلظت X

محاسبات؛ مرور کارهای انجام شده
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس تعیین معادله‌ی خط بازگشت بررسی چشمی پراکندگی یکنواخت

7) بررسی چشمی یکدستی نوسان:
هر 4 نمودار پراکندگی و اختلاف بررسی شود نوسان نتایج برای مقادیر بالا تقریبا بیش از 3 برابر مقادیر پایین نباشد این ارزیابی با 40 نمونه سخت است؛ پیشنهاد کارگروه: اگر شک وجود دارد تعداد نمونه را افزایش دهید.

8) محاسبه‌ی خطای معیار برآورد:
معیار پراکندگی نقاط پیرامون خط رگرسیون اختلاف هر نقطه در جهت عمودی از خط بازگشت: باقیمانده انحراف معیار باقیمانده‌ها؛ Sy.x روش آزمون روش مقیاس

محاسبات؛ مرور کارهای انجام شده
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس تعیین معادله‌ی خط بازگشت بررسی چشمی پراکندگی یکنواخت محاسبه‌ی خطای معیار برآورد برآورد عدم صحت (اختلاف) و حدود اطمینان آن

Bias = Y – X = a + bX – X = a + (b - 1)X
9) برآورد عدم صحت و فاصله اطمینان آن: Y = a + bX ; Sx.y Bias = Y – X = a + bX – X = a + (b - 1)X B = a + (b -1)X برآورد عدم صحت در یک سطح تصمیم بالینی: حدود اطمینان 95%: خطای سامانمند ثابت خطای سامانمند نسبی

مثال؛ ارزشیابی یک روش سنجش TG:
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس تعیین معادله‌ی خط بازگشت √ √ چون r از بزرگتر است: وسعت نتایج روش مقیاس کافی است √ √ √ Y = 1.002X -0.4 √ b = ; a = -0.4

مثال؛ ارزشیابی یک روش سنجش TG:
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس تعیین معادله‌ی خط بازگشت بررسی چشمی پراکندگی یکنواخت محاسبه‌ی خطای معیار برآورد برآورد عدم صحت (اختلاف) و حدود اطمینان آن Y = 1.002X -0.4 √ B = X √ Xc = 150 mg/dL √ Bc = – x150 = 0.1 mg/dL √ √ √ √ √ √ Bias; 95% CI: -1.8 to 1.5 mg/dL Y150; 95% CI: to mg/dL

عدم صحت میانگین با استفاده از اختلاف‌های بخش‌بندی شده
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس؛ r > 0.975 تعیین معادله‌ی خط بازگشت بررسی چشمی پراکندگی یکنواخت محاسبه‌ی خطای معیار برآورد برآورد عدم صحت (اختلاف) و حدود اطمینان آن موارد خاص؛ محاسبات جایگزین √ √ √ √ X عدم صحت میانگین با استفاده از اختلاف‌های بخش‌بندی شده

عدم صحت میانگین با استفاده از اختلاف‌های بخش‌بندی شده
مرتب کردن نتایج روش مقیاس (X) به صورت افزاینده تقسیم نتایج مرتب شده به سه قمست تقریبا مساوی؛ K: 1-3 حساب کردن میانگین و انحراف معیار اختلاف‌ها BK برآورد عدم صحت میانگین قابل پیش‌بینی در هر بخش است گروه سه تایی BKها جایگزین BC است اگر BKها به هم نزدیک هستند، میانگین آن‌ها را به عنوان عدم صحت کل بازه در نظر بگیرید اگر یک سطح مهم بالینی به یکی از مرزها نزدیک است: داده‌ها را دوباره طوری بخش‌بندی کنید که آن سطح از مرز دور شود عدم صحت بزرگتر را برای آن در نظر بگیرید 4) حساب کردن محدوده‌ی اطمینان

شیوه‌ی باقیمانده‌های بخش‌بندی شده
بررسی داده‌های پرت؛ نتایج درون-روشی رسم نمودار بررسی چشمی نمودارها برای خطی بودن بررسی داده‌های پرت بین روشی بررسی کافی بودن بازه‌ی نتایج روش مقیاس؛ r > 0.975 تعیین معادله‌ی خط بازگشت بررسی چشمی پراکندگی یکنواخت محاسبه‌ی خطای معیار برآورد برآورد عدم صحت (اختلاف) و حدود اطمینان آن موارد خاص؛ محاسبات جایگزین √ √ √ √ √ √ X شیوه‌ی باقیمانده‌های بخش‌بندی شده

محاسبه‌ی محدوده‌ی اطمینان برای عدم صحت با استفاده از بخش‌بندی باقیمانده‌ها
مرتب کردن نتایج روش مقیاس (X) به صورت افزاینده تقسیم نتایج مرتب شده به سه قمست تقریبا مساوی؛ K: 1-3 حساب کردن انحراف معیار هر بخش حساب کردن محدوده‌ی اطمینان

√ √ √ گام‌های ارزشیابی روش: خطی بودن روش؛ گستره‌ی قابل گزارش
بررسی نوسان؛ تکرارپذیری بررسی نامیزانی بررسی مداخله‌گرها یا بررسی بازیافت بررسی مرز تشخیص روش √ √

بررسی تداخل/بازیافت: وبسایت انجمن ... - تالار گفتگو:
CLIA: برای روش‌های تغییرنیافته لازم نیست بررسی سرچشمه‌های اختصاصی نامیزانی؛ کمک به شناسایی علت شکل تداخل: ثابت: ماده‌ی مداخله‌‌گر با معرف(ها) واکنش می‌دهد؛ مستقل از غلظت آنالیت عمل می‌کند نسبی: ماده‌ی مداخله‌‌گر با آنالیت واکنش می‌دهد؛ با معرف(ها) رقابت می‌کند؛ میزان تداخل به غلظت آنالیت وابستگی دارد وبسایت انجمن تالار گفتگو: "ما در بیمارستان با کیت الایزای شرکت *** تروپونین انجام می‌دهیم. با نمونه‌های افرادی که هپارین مصرف می‌کنند خیلی جواب مثبت کاذب داریم ..." بررسی تداخل بررسی بازیافت

برآورد قابل اطمینان تداخل (خطا)
تداخل؛ Interference بررسی تداخل ثابت فرآیند کلی: افزودن مقدار معین از محلول مداخله‌گر احتمالی به نمونه افزودن همان مقدار حلال به نمونه سنجش و حساب کردن اختلاف غلظت نمونه‌ها داوری: آیا این مقدار خطا مهم است؟ برآورد قابل اطمینان تداخل (خطا) مداخله‌گر حلال آزمایش م م ح م – ح = 0

عواملی که باید در نظر گرفت:
محلول آنالیت: استاندارد، کنترل، یا نمونه‌ی بیماران تعداد نمونه بیمار: دست کم دو تا تعداد تکرار سنجش: دست کم دو بار محلول مداخله‌گر: استاندارد: غلظت مورد نظر نمونه‌ی بیماران: لیپمی، همولیز حجم محلول مداخله‌گر: حداکثر 10% حجم نهایی تکرارپذیری پیپت/سمپلر غلظت ماده‌ی مداخله‌گر: نزدیک به بیشترین غلظت مورد انتظار در نمونه‌ی بیماران مداخله‌گرهای مورد بررسی: بیلیروبین همولیز لیپمی مواد افزودنی: ضدانعقادها، نگهدارنده‌ها موارد اختصاصی: داروها

مثال: بررسی تداخل همولیز بر یک روش سنجش گلوکز
حلال مداخله‌گر میانگین سنجش دوم سنجش یکم شماره‌ی نمونه 102 98 112 110 1 95 93 108 106 2 84 80 94 3 اختلاف 11 100 111 برآورد قابل اطمینان تداخل 13 94 107 14 82 96 12.7 mg/dL میانگین تداخل

برای بخش نوزادان و نیز تشخیص هیپوگلایسمی مناسب نیست.
داوری: گلوکومتر برای استفاده در بخش‌ها : CLIA: ATE = 6mg/dL یا 10% هر کدام بزرگتر است معیار: احتمال همولیز بالاست، گلوکومتر سامانه‌ی تشخیص همولیز ندارد برای بخش نوزادان و نیز تشخیص هیپوگلایسمی مناسب نیست. سطح تصمیم: 30, 50, 100, 150, 200, 400 Xc تداخل (mg/dL) ATE (mg/dL) داوری 30 12.7 50 100 150 200 400 6 ناپذیرفته 6 ناپذیرفته 10 ناپذیرفته 15 پذیرفته 20 پذیرفته 40 پذیرفته

برآورد قابل اطمینان بازیافت (خطا)
بازیافت؛ Recovery بررسی تداخل نسبی فرآیند کلی: افزودن مقدار معین از محلول آنالیت به نمونه افزودن همان مقدار حلال به نمونه سنجش و حساب کردن اختلاف غلظت نمونه‌ها داوری: آیا این مقدار خطا مهم است؟ آنالیت حلال برآورد قابل اطمینان بازیافت (خطا) آزمایشگاه آ) – (ح / آ = 100% آ آ ح <

تغییر غلظت × ضریب رقت = غلظت محلول افزودنی
عواملی که باید در نظر گرفت: حجم محلول آنالیت: حداکثر 10% حجم نهایی میزان بودن پیپت/سمپلر زمان پرکردن تمیزکردن زمان تحویل غلظت افزودنی: رسیدن به سطح تصمیم بعدی توجه به نسبت غلظت افزوده با نوسان روش تعداد تکرار سنجش: دست کم دو بار تعداد نمونه بیمار: بسته به ماهیت واکنش‌دهنده تغییر غلظت × ضریب رقت = غلظت محلول افزودنی مثال: کلسیم ΔC = 2mg/dL 100 uL uL Dil. F = 10 C = 10 x 2 = 20mg/dL

مثال: بررسی بازیافت یک روش سنجش کلسیم
100 uL uL مثال: بررسی بازیافت یک روش سنجش کلسیم C = 20mg/dL پذیرفته ΔC = 2mg/dL حلال آنالیت میانگین سنجش دوم سنجش یکم شماره‌ی نمونه 9.6 9.4 11.6 11.2 1 9.3 11.0 2 8.6 8.8 10.6 10.4 3 اختلاف برآورد قابل اطمینان خطای بازیافت % mg/dL 95 1.9 9.5 11.4 داوری 90 1.8 9.3 11.1 90 1.8 8.7 10.5 CLIA: ATE = 1mg/dL معیار: 91.3% میانگین بازیافت Xc: 11 mg/dL; ATE11 = 1/11 = 9.1% خطای بازیافت = 100 – 91.3 = 8.7%

√ √ √ √ گام‌های ارزشیابی روش: خطی بودن روش؛ گستره‌ی قابل گزارش
بررسی نوسان؛ تکرارپذیری بررسی نامیزانی بررسی مداخله‌گرها یا بررسی بازیافت بررسی مرز تشخیص روش √ √ √

بررسی مرز تشخیص: هدف: تعیین کمترین غلظت قابل شناسایی
کاربرد: پیگیری عود بیوشیمیایی کنسر پروستات: PSA ، نشانگرهای قلبی مانند تروپونین، TSH، پزشکی قانونی، تعیین بار ویروسی نام‌های گوناگون: حساسیت، حساسیت سنجشی، مرز تشخیص حداقل، مرز پایین تشخیص (LLD)، مرز بلانک، مرز شناسایی زیستی (BLD)، مرز تشخیص، حساسیت عملکردی، مرز شناسایی CLSI EP17-A (2003): مرز شاهد؛ Limit of Blank; LoB مرز تشخیص: Limit of Detection; LoD مرز شناسایی: Limit of Quantification; LoQ Signal Cons.

Meanblk = 0.1 ; Sblk = 0.06 T4مثال: سنجش
مرز شاهد؛ LoB بزرگترین نتیجه‌ای که ممکن است با یک احتمال معین (95%) از سنجش شاهد به دست آید. LoB = Meanblk Sblk Meanblk = 0.1 ; Sblk = T4مثال: سنجش 1.65 LoB = × 0.06 = 0.2 پرسش: اگر مقدار T4 در نمونه 0.25 باشد چه؟ 0.18 LoB = 0.2 0.25

مرز شاهد؛ LoB بزرگترین نتیجه‌ای که ممکن است با یک احتمال معین (95%) از سنجش شاهد به دست آید. LoB = Meanblk Sblk Meanblk = 0.1 ; Sblk = T4مثال: سنجش 1.65 LoB = × 0.03 = 0.2 پرسش: اگر مقدار T4 در نمونه 0.25 باشد چه؟ 0.18 LoB = 0.2 0.25

مرز شاهد؛ LoB بزرگترین نتیجه‌ای که ممکن است با یک احتمال معین (95%) از سنجش شاهد به دست آید. مرز تشخیص؛ LoD کمترین غلظت آنالیت که با یک احتمال معین (95%) قابل تشخیص است. کیفیت: دست کم 95% نتایج درون محدوده‌ی خطای کل مجاز باشد LoB = Meanblk Sblk Meanblk = 0.1 ; Sblk = T4مثال: سنجش 1.65 LoB = × 0.03 = 0.2 LoD = LoB Sspk B + 2CV ≤ ATE S0.3 = T4مثال: سنجش LoD = × 0.12 = 0.4 پرسش: آیا جواب‌های قابل تشخیص، کیفیت هم دارند؟ LoB = 0.2 LoD = 0.4

کمترین غلظت آنالیت که با یک احتمال معین (95%) قابل تشخیص است.
مرز شاهد؛ LoB بزرگترین نتیجه‌ای که ممکن است با یک احتمال معین (95%) از سنجش شاهد به دست آید. مرز تشخیص؛ LoD کمترین غلظت آنالیت که با یک احتمال معین (95%) قابل تشخیص است. مرز تشخیص؛ LoQ کمترین غلظت آنالیت که با کیفیت مورد نظر سنجیده می‌شود. LoB = Meanblk Sblk Meanblk = 0.1 ; Sblk = T4مثال: سنجش 1.65 LoB = × 0.03 = 0.2 LoD = LoB Sspk S0.3 = T4مثال: سنجش LoD = × 0.12 = 0.4 LoQ = Bspk + 2Sspk = ATE LoB = 0.2 LoD = 0.4 B2 = 0.1 ; CV2 = 0.15 ; TE2 = 0.4 T4مثال: سنجش 0.4/2 = 20% ; CLIA: TEa = 20% LoQ = 2

مرز شاهد؛ LoB بزرگترین نتیجه‌ای که ممکن است با یک احتمال معین (95%) از سنجش شاهد به دست آید. مرز تشخیص؛ LoD کمترین غلظت آنالیت که با یک احتمال معین (95%) قابل تشخیص است. کمترین غلظت آنالیت که با کیفیت مورد نظر سنجیده می‌شود. LoB = Meanblk Sblk Meanblk = 0.1 ; Sblk = T4مثال: سنجش 1.65 LoB = × 0.03 = 0.2 LoD = LoB Sspk S0.3 = T4مثال: سنجش LoD = × 0.12 = 0.4 LoQ = Bspk + 2Sspk = TAE LoB = 0.2 LoD = 0.4 B2 = 0.1 ; CV2 = 0.15 ; TE2 = 0.4 T4مثال: سنجش 0.4/2 = 20% ; CLIA: TEa = 20% LoQ = 2

مرز شاهد؛ LoB بزرگترین نتیجه‌ای که ممکن است با یک احتمال معین (95%) از سنجش شاهد به دست آید. مرز تشخیص؛ LoD کمترین غلظت آنالیت که با یک احتمال معین (95%) قابل تشخیص است. کمترین غلظت آنالیت که با کیفیت مورد نظر سنجیده می‌شود. LoB = Meanblk Sblk Meanblk = 0.1 ; Sblk = T4مثال: سنجش 1.65 LoB = × 0.03 = 0.2 LoD = LoB Sspk S0.3 = T4مثال: سنجش LoD = × 0.12 = 0.4 LoQ = Bspk + 2Sspk = TAE LoB = 0.2 LoD = 0.4 LoQ = 2 LoQ = 2

قابل تشخیص اما غیرقابل اندازه‌گیری Detectable, Not Quantifiable
LoB = 0.05 LoD = 0.1 LoQ = 0.3

معادل‌های پیشین مرز پایین تشخیص؛ LLD LLD = ODblk + 2 or 3 Sblk
مرز شاهد؛LoB مرز تشخیص: LoD مرز شناسایی: LoQ مرز پایین تشخیص؛ LLD LLD = ODblk + 2 or 3 Sblk مرز تشخیص زیستی؛ BLD LLD = LLD + 2 or 3 Sspk حساسیت عملکردی؛ FS FS = CVspk =20%

فرآیند کلی: سنجش تکراری نمونه‌ی شاهد و چند سطح پایین؛ تعیین میانگین و انحراف معیار
عواملی که باید در نظر گرفت: محلول شاهد: ایدآل: زمینه‌ی همانند عملی: محلول استاندارد محلول افزوده: LoD: پایینترین استاندارد LoQ: ساختن چند سطح با استفاده از استانداردهای پایین تعداد تکرار سنجش: برای LoB دست کم 20 بار و برای دو مورد دیگر دست کم 60 بار مدت بررسی: مرز شاهد: یک دوری یا یک روزه کافی است مرز تشخیص: چند روزه مرز اندازه‌گیری: 5 دور در بیش از 5 روز

LoQ = Meanspk @ Bspk + 2Sspk = ATE کدام TE مساوی است با TEa ؟
روند کار: مرز شاهد؛LoB مرز تشخیص: LoD مرز اندازه‌گیری: LoQ 20 بار LoB = Meanblk Sblk ST0 CV 60 بار LoD = LoB Sspk ST1 غلظت LoQ = Bspk + 2Sspk = ATE TE = B + 2CV 60 بار کدام TE مساوی است با TEa ؟ 60 بار TAE 1 60 بار TAE 2 TAE 3 Spk1 Spk2 Spk3 Spk4 60 بار TE 4

CLSI ؛ ارزشیابی: سازندگان
مثال: تعیین مرزهای پایین سنجش یک روش سنجش دیگوکسین غلظت میانگین SD CV 0.35 1 2 1.2 60 4 25 6 0.8 13.3 8 0.5 6.6 LoB = *1 = 2 ng/mL 20 بار سنجش نمونه‌ای با غلظت برابر LoD ادعایی 20 بار سنجش شاهد CLSI ؛ ارزشیابی: سازندگان LoD = *1.2 = 4 ng/mL حداکثر 3 نتیجه بیش از LoB ادعاشده باشد حداکثر 1 نتیجه کمتر از LoB ادعاشده باشد ATE = 20% ; Bias = 2 آزمایشگاه‌ها: گواهی‌کردن LoQ = 7 ng/mL B + 2CV = 20% LoD ادعاشده گواهی می‌شود LoB ادعاشده گواهی می‌شود FS = 5 ng/mL FS = 5 ng/mL 2 + 2CV = 20% CV = 9% LoB = 2 LoD = 4

آزمایشگاه‌ها: گواهی‌کردن
مثال: تعیین مرزهای پایین سنجش یک روش سنجش دیگوکسین غلظت میانگین SD CV 0.35 1 2 1.2 60 4 25 6 0.8 13.3 8 0.5 6.6 LoB = *1 = 2 ng/mL 20 بار سنجش نمونه‌ای با غلظت برابر LoD ادعایی ارزشیابی: سازندگان 20 بار سنجش شاهد LoD = *1.2 = 4 ng/mL حداکثر 3 نتیجه بیش از LoB ادعاشده باشد حداکثر 1 نتیجه کمتر از LoB ادعاشده باشد ATE = 20% ; Bias = 2 آزمایشگاه‌ها: گواهی‌کردن LoQ = 7 ng/mL B + 2CV = 20% LoD ادعاشده گواهی می‌شود LoB ادعاشده گواهی می‌شود FS = 5 ng/mL FS = 5 ng/mL 2 + 2CV = 20% CV = 9% LoB = 2 LoD = 4

√ √ √ √ √ گام‌های ارزشیابی روش: خطی بودن روش؛ گستره‌ی قابل گزارش
بررسی نوسان؛ تکرارپذیری بررسی نامیزانی بررسی مداخله‌گرها یا بررسی بازیافت بررسی مرز تشخیص روش √ √ √ √

گواهی کردن Verification

گواهی کردن در مقابل ارزشیابی
ارزشیابی: اثبات خوب بودن یک روش سنجش گواهی ‌کردن: اثبات خوب به کار بستن یک روش سنجش سازند‌گان خوب بودن؛ کیفیت نتایج: دست کم 95% نتایج درون محدوده‌ی «خطای کل مجاز» قرار بگیرد. برآورد قابل اطمینان از نامیزانی و نوسان روش سنجش در بررسی‌های بلندمدت حساب کردن «خطای سنجشی کل» و مقایسه با «خطای کل مجاز» آزمایشگاه‌ها خوب به کار بستن؛ کیفیت عملکرد: کارکردن مطابق انتظارات سازنده برآورد قابل اطمینان از نامیزانی و نوسان عملکرد آزمایشگاه در بررسی‌های کوتاه‌مدت مقایسه با نامیزانی و نوسان اعلام شده توسط سازنده

اثبات ادعای سازنده؟ CLIA 2003: آزمایشگاه باید نشان دهد که نوسان و نامیزانی‌اش قابل مقایسه با مقادیر برقرارشده به وسیله‌ی سازنده است. CLSI EP15: ... تایید این که روش در آزمایشگاه مطابق اعلام سازنده کار می‌کند. راهکارنمای ACPMPDG-2014 برای آزمایش RAS در کنسر کولون: ... برای اطمینان از این که در آزمایشگاهی که می‌خواهد از آن روش استفاده کند ویژگی‌های سازنده‌ تامین می‌شود.

یعنی کار کردن مثل سازنده
چرا مطابق سازنده؟ مثال: ارزیابی شرکت STAGO برای معرف STA -Liatest D-Di (برای رد کردن امبولسیم ریوی): 1،100 بیمار بررسی 2 ساله، آینده نگر بین‌المللی (9 مرکز در 5 کشور) شامل تصویرنگاری و پیگیری سه ماهه شرط استفاده از این ویژگی‌های بالینی، انجام آزمایش با ویژگی‌های سنجشی هنگام تعیین آن‌ها است؛ یعنی کار کردن مثل سازنده NPV > 99.7% (FDA: 97%) Sensitivity: > 97% (FDA: 95%)

چرا مطابق سازنده؟ یعنی کار کردن مثل سازنده گمراه کردن پزشک ◄آسیب بیمار
نمونه: ارزیابی شرکت STAGO برای معرف STA -Liatest D-Di (برای رد کردن امبولسیم ریوی): 1،100 بیمار بررسی 2 ساله، آینده نگر بین‌المللی (9 مرکز در 5 کشور) شامل تصویرنگاری و پیگیری سه ماهه شرط استفاده از این ویژگی‌های بالینی، انجام آزمایش با ویژگی‌های سنجشی هنگام تعیین آن‌ها است؛ یعنی کار کردن مثل سازنده مثل سازنده کار نکردن: عدم صحت مثبت: کاهش PPV عدم صحت منفی: کاهش حساسیت و NPV NPV > 99.7% (FDA: 97%) Sensitivity: > 97% (FDA: 95%) افزایش عدم دقت: کاهش هردو گمراه کردن پزشک ◄آسیب بیمار استن وستگارد: پایش کیفیت = ایمنی بیمار ا. وستگارد: افتخار...75% تصمیم‌های بالینی ... آیا سهم آزمایشگاه در تصمیم‌های غلط را هم می‌‌پذیریم؟

گام‌های گواهی کردن یک روش جدید
1) تعیین عملکرد مورد نیاز (کیفیت مورد نظر) 2) انتخاب روش: به درستی ارزشیابی شده باشد؛ EP5 و EP9 با دست کم 100 نمونه ویژگی‌های اعلامی سازنده، الزامات کیفیت را برآورده کند 3) گواهی کردن مثال: ACPMPDG-2014؛ وقتی که روشی است دارای نشان CE و منطبق با IVDD است آزمایشگاه کافی است ...

روش پیشنهادی CLSI CLSI EP15-A2(e); 2005
User Verification of Performance for Precision and Trueness هدف: سادگی و آسانی کافی برای استفاده در طیف وسیع آزمایشگاه‌ها از POCT تا آزمایشگاه‌های بزرگ استحکام کافی برای نتیجه‌گیری‌های قابل اعتماد

انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394

Similar presentations

Presentation on theme: "انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394"— Presentation transcript:

Similar presentations

About project

Feedback

Log in

Auth with social network:

انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394

Similar presentations

Presentation on theme: "انجمن دکترای علوم آزمایشگاهی؛ 24 و 25 اردیبهشت 1394"— Presentation transcript:

Similar presentations

About project

Feedback