劉佳麗,何書康,陳兵權(quán),郭擁軍,王薇,劉向祎,王治國
(1.北京醫(yī)院 國家老年醫(yī)學(xué)中心,國家衛(wèi)生健康委臨床檢驗中心,中國醫(yī)學(xué)科學(xué)院老年醫(yī)學(xué)研究院,北京 100730;2.北京科臨易檢信息技術(shù)有限公司,北京 100020;3.首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院檢驗科,北京 100730)
1965年,Hoffman和Waid[1]提出了一種基于患者數(shù)據(jù)的實驗室內(nèi)質(zhì)量控制(internal quality control,IQC)方法——正態(tài)均值法(average of normals,AoN)。該方法是每天檢測結(jié)束時計算落在參考區(qū)間內(nèi)的患者檢測結(jié)果的平均值、標(biāo)準(zhǔn)差以及不同質(zhì)量控制(質(zhì)控)規(guī)則的控制限和截斷界限,并將得到的“正態(tài)均值(平均值)”描在質(zhì)控圖上[2-3]。該方法具有3個重要影響因素,包括截斷界限、控制限以及患者檢測結(jié)果數(shù)。其中,截斷界限用來排除計算均值時的離群值,以減少人群特征對AoN的影響[4];控制限用來判斷分析過程是否失控。研究發(fā)現(xiàn),與傳統(tǒng)基于質(zhì)控品的質(zhì)控方法相比,患者數(shù)據(jù)質(zhì)控方法具有成本低、不存在質(zhì)控品互換性問題、可實時對誤差進行監(jiān)測等優(yōu)勢[5]。在IQC活動中,這些方法可以作為傳統(tǒng)質(zhì)控方法的補充,以達到最優(yōu)的質(zhì)控結(jié)果,提高臨床檢驗質(zhì)量[6]。
功效函數(shù)圖是分析批失控概率與該批發(fā)生隨機或系統(tǒng)誤差大小關(guān)系的圖,即表示統(tǒng)計功效與分析誤差大小的臨界隨機誤差(critical random error,ΔREc)和臨界系統(tǒng)誤差(critical systematic error,ΔSEc)的關(guān)系,分析批失控概率由誤差檢出概率(probability for error detection,Ped)和假失控概率(probability for false rejection,Pfr)組成。利用功效函數(shù)圖可以評價不同質(zhì)控方法的性能特征和設(shè)計質(zhì)控方法,即給出某質(zhì)控規(guī)則檢出不同系統(tǒng)誤差或隨機誤差時的失控概率[7]。通過計算機繪制功效函數(shù)圖可輕易了解Ped和Pfr[6]。即可篩選出更適合于每個不同指標(biāo)的質(zhì)控方法,并能夠預(yù)測質(zhì)控方法可否達到預(yù)想的質(zhì)量目標(biāo),這對控制成本,提高質(zhì)控效率很有意義[8]。
本研究與網(wǎng)絡(luò)公司合作開發(fā)的基于患者數(shù)據(jù)AoN的IQC評價和設(shè)計系統(tǒng),使用真實的患者數(shù)據(jù)對AoN的性能進行系統(tǒng)評價,同時根據(jù)評價結(jié)果為實驗室應(yīng)用AoN進行IQC提出建議。
1.1資料來源 連續(xù)收集首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院檢驗科2019年10月1日至11月1日13項常規(guī)生化項目患者結(jié)果數(shù)據(jù)以及相應(yīng)檢測項目的累積IQC數(shù)據(jù)。
1.2方法
1.2.1開發(fā)環(huán)境 本軟件使用JavaScript語言、Vue框架,基于Nodejs服務(wù)和mongodb存儲,可應(yīng)用于Linux、Windows等不同平臺以及不同版本系統(tǒng)。
系統(tǒng)誤差為0時,所得失控概率為Pfr,其他情況則為Ped。以系統(tǒng)誤差為橫坐標(biāo),相應(yīng)失控概率為縱坐標(biāo)作圖,所得圖形即為結(jié)合AoN影響變量的功效函數(shù)圖。
軟件有5個功能區(qū),可模擬以下情況:(1)患者檢測結(jié)果數(shù)對AoN質(zhì)控規(guī)則誤差檢出性能的影響;(2)截斷界限對AoN質(zhì)控規(guī)則誤差檢出性能的影響;(3)控制限對AoN質(zhì)控規(guī)則誤差檢出性能的影響;(4)sp/sa值對AoN質(zhì)控規(guī)則誤差檢出性能的影響;(5)具有西格碼度量的功效函數(shù)圖。
1.3統(tǒng)計學(xué)分析 用Microsoft Office Excel 2016和SPSS 21.0軟件進行。用Z分?jǐn)?shù)標(biāo)準(zhǔn)化法對離群值進行剔除,用Kolmogorov-Smirnov法對數(shù)據(jù)進行正態(tài)性檢驗,以P<0.05為差異有統(tǒng)計學(xué)意義。
2.1模擬參數(shù) 根據(jù)患者數(shù)據(jù)和IQC數(shù)據(jù)計算13項常規(guī)生化項目的模擬參數(shù),見表1。
表1 13項常規(guī)生化項目患者數(shù)據(jù)的模擬參數(shù)
2.2患者檢測結(jié)果數(shù)(N) 采用AoN規(guī)則為AoN(t2.58)2.58s,檢測項目為尿酸、鉀、肌酐、鈉。由圖1可見,隨著患者檢測結(jié)果數(shù)N的增加,在相同ΔSEc和AoN規(guī)則的情況下,Ped逐漸增加。當(dāng)N=20時,尿酸、鉀、肌酐和鈉AoN規(guī)則檢出2sa大小系統(tǒng)誤差的概率分別為2.8%、5.4%、7.3%、99.6%;當(dāng)N=200時,相應(yīng)的概率變?yōu)?5.7%、69.0%、84.5%、100.0%,Pfr保持不變,均為1.0%。圖2以N為橫坐標(biāo),失控概率為縱坐標(biāo),質(zhì)控規(guī)則為AoN(t2.58)2.58s,系統(tǒng)誤差固定為2sa,更加直觀地顯示出N對AoN規(guī)則Ped的影響。
注:A為尿酸,B為鉀,C為肌酐,D為鈉。圖1 患者檢測結(jié)果數(shù)(N)對AoN性能的影響
注:A為尿酸,B為鉀,C為肌酐,D為鈉。圖2 患者檢測結(jié)果數(shù)(N)對AoN性能影響的列線圖
注:A為尿酸,B為鉀,C為肌酐,D為鈉。圖3 控制限對AoN性能的影響
注:A為尿酸,B為鉀,C為肌酐,D為鈉。圖4 截斷界限對AoN性能的影響
2.5AoN質(zhì)控規(guī)則 根據(jù)上述功效函數(shù)圖模擬結(jié)果和檢驗項目的ΔSEc,為不同檢驗項目推薦的AoN質(zhì)控規(guī)則和相應(yīng)的患者檢測結(jié)果數(shù),見表2。
表2 檢驗項目推薦的AoN質(zhì)控規(guī)則和患者檢測結(jié)果數(shù)
近些年基于患者數(shù)據(jù)的質(zhì)控程序越來越受到實驗室人員的關(guān)注[5]。最初AoN計算患者檢測結(jié)果的算術(shù)均值并進行質(zhì)控,但該法只適于正態(tài)分布的檢測結(jié)果。后來中位數(shù)、標(biāo)準(zhǔn)差、指數(shù)加權(quán)移動均值等[3]統(tǒng)計量的出現(xiàn),從多種角度彌補了AoN的不足,使其更加多元化。
本研究與網(wǎng)絡(luò)公司合作開發(fā)患者數(shù)據(jù)AoN的IQC評價和設(shè)計系統(tǒng),并與首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院檢驗科合作,利用其數(shù)據(jù)對AoN誤差檢出性能的影響因素進行了探索。隨著N增加,相應(yīng)的Ped也增加,與已有研究結(jié)論相同[11-12]。好的Ped需要更多的患者結(jié)果,但這也會導(dǎo)致質(zhì)控頻率降低,規(guī)模較小的實驗室每日檢測量可能無法符合要求;控制限越窄Ped越高,但Pfr也隨之上升,對假失控事件進行調(diào)查會花費大量的時間和精力,同時還會大大降低質(zhì)控方法的實用價值[12];寬的截斷界限可以獲得更高的Ped,因為更多的N被納入計算,但此結(jié)論僅在患者人群檢測結(jié)果分布較集中時才成立。
IQC程序主要包括3個要素:質(zhì)控規(guī)則、質(zhì)控頻率和質(zhì)控測定值個數(shù)[13]。AoN主要缺點是無法對質(zhì)控頻率進行評價,而且本次模擬所使用的參數(shù)都經(jīng)過離群值處理,可能會漏檢一些較大的系統(tǒng)誤差,這也是未來所需要改進的地方。如果剔除離群值后N小于軟件推薦的N,則認(rèn)為該實驗室規(guī)模較小,檢測出的Ped無法滿足要求,相應(yīng)的質(zhì)控規(guī)則的統(tǒng)計學(xué)效能降低,本軟件僅供參考使用。此外,AoN對隨機誤差不敏感,無法降低由于隨機誤差所造成的風(fēng)險[10]。實驗室可同時運用質(zhì)控品質(zhì)控和患者數(shù)據(jù)質(zhì)控的方法,提高實驗室檢測結(jié)果的準(zhǔn)確性和整體質(zhì)量水平。