張詩詩，王 薇，王治國(北京醫(yī)院 國家老年醫(yī)學中心 衛(wèi)生部臨床檢驗中心，北京 100730)

1 質(zhì)量控制性能驗證的概述

隨著實驗室質(zhì)量控制(QC，簡稱質(zhì)控)計劃的發(fā)展和風險管理的引入，許多不同類型的QC可以用于操控分析過程的性能并及時準確地檢出可能發(fā)生的任意誤差。因此，進一步驗證這些QC程序的有效性對于提升實驗室管理水平是至關重要的。

首先，驗證實驗室是否有一個合理的質(zhì)控策略。傳統(tǒng)上，驗證質(zhì)控策略集中于評價其是否有足夠的功效去檢出任何“關鍵的”失控狀態(tài)(指≥5%的檢驗結(jié)果處于不可接受的狀態(tài))[1，2]。

其次，定義性能度量。在風險管理的時代，要求用不同的性能度量來判定QC策略的功效。關于特定的QC策略在失控時是如何影響患者標本的檢驗，即為探討其由于失控條件而產(chǎn)生的不可靠患者結(jié)果預期數(shù)E(Nu)。因為不知道即將發(fā)生的失控狀態(tài)達到何種程度以及各程度的失控狀態(tài)產(chǎn)生的不同E(Nu)，所以QC驗證問題變成“任何程度的失控狀態(tài)產(chǎn)生的E(Nu)是否可以接受？”[3]。

本文重點在于，針對給定的質(zhì)控策略，如何計算E(Nu)以及如何用它來驗證質(zhì)控策略的可接受性[4]。質(zhì)控策略包括每次質(zhì)控中評估的質(zhì)控樣本數(shù)、質(zhì)控頻率(或質(zhì)控活動之間被評估的患者樣本平均數(shù))和質(zhì)控規(guī)則，目的是用于檢出在控分析系統(tǒng)的改變。根據(jù)系統(tǒng)失控時產(chǎn)生額外的不可靠結(jié)果數(shù)高于在控時產(chǎn)生的不可靠結(jié)果數(shù)，可以測量質(zhì)控策略的功效。

2 質(zhì)量規(guī)范

2.1 允許總誤差(TEa) 雖然指定一個可將結(jié)果分為接受或不可接受的質(zhì)量規(guī)范需要投入大量的工作[5，6]；但實際的重點在于可運用它來驗證質(zhì)控程序。本文中我們使用表達為百分數(shù)的TEa。TEa通常是指定的單一值或在不同濃度下分別給出的不同值，但關鍵是TEa需要反映出所要求的質(zhì)量。

當標本檢測結(jié)果的報告值與其真值有差別并超過TEa時，該結(jié)果被認為是不可靠的。雖然分析過程始終存在一些固有分析誤差使得標本結(jié)果的真值難以確定，但在理想的情況下，當分析系統(tǒng)在控時，固有分析誤差的大小與TEa相比是很小的。

2.2 西格瑪(σ)度量 σ是利用偏倚調(diào)整TEa之后與穩(wěn)定的在控分析不精密度的比值(如公式)。σ可用于評價分析系統(tǒng)在控操作期間產(chǎn)生不可靠結(jié)果的幾率有多大[7]，因為即使分析系統(tǒng)處于在控狀態(tài)，也有一定的產(chǎn)生不可靠結(jié)果的概率。σ也是判斷分析過程在失控狀態(tài)下有多大耐受程度的一種簡便方法。見圖1，若1 000 000個患者標本在失控條件出現(xiàn)時采用6σ過程進行評估，且失控條件會在評估過程中產(chǎn)生2σ偏倚，則預期有32個結(jié)果是不可靠的；若1 000 000個患者標本在失控條件出現(xiàn)時采用2σ過程進行評估，且失控條件會在評估過程中產(chǎn)生2σ偏倚，則預期有454 531個結(jié)果是不可靠的。

σ越低，對于給定的失控條件將會有更高的E(Nu)。通常，低σ過程比高σ過程要求更多的質(zhì)控資源來產(chǎn)生相等的E(Nu)。

圖1 6σ過程和2σ過程

頂部的2張測量誤差分布圖顯示了采用允許TEa為±6σ的一個在控過程和一個帶有2σ偏倚的失控過程。底部的2張測量誤差分布圖顯示了采用TEa為±2σ的一個在控過程和一個帶有2σ偏倚的失控過程。淺色陰影面積表示產(chǎn)生結(jié)果符合明確質(zhì)量要求的概率，深色陰影面積表示產(chǎn)生結(jié)果不符合明確質(zhì)量要求的概率。

3 失控檢出

3.1 失控和在控狀態(tài)產(chǎn)生不可靠結(jié)果的概率差(ΔPE) 一般認為，失控嚴重的狀態(tài)產(chǎn)生不可靠結(jié)果的可能性高，而失控微小的狀態(tài)對產(chǎn)生不可靠的結(jié)果幾乎沒有影響。當分析系統(tǒng)處于在控狀態(tài)時可以計算產(chǎn)生不可靠結(jié)果的概率，當失控條件的大小被給出時也可以計算產(chǎn)生不可靠結(jié)果的概率，且二者的概率差可以表示為ΔPE。

見圖2，當分析過程在控時，SE=0，ΔPE=0；對于足夠嚴重的失控狀態(tài)，ΔPE會接近1。計算失控狀態(tài)的ΔPE，若失控范圍從0(在控)到1.5倍TEa(1.5*4σ=6σ)，將產(chǎn)生一個從0過渡到接近于1的ΔPE曲線作為評估失控狀態(tài)嚴重程度的函數(shù)。

圖2 ΔPE曲線

SE代表失控狀態(tài)的系統(tǒng)誤差，以過程穩(wěn)定的分析不精密度(σ)的倍數(shù)表示。ΔPE表示產(chǎn)生不符合規(guī)定TEa的患者結(jié)果的概率變化。

3.2 誤差檢出概率(Ped) 針對已明確嚴重程度的失控狀態(tài)，運用質(zhì)控規(guī)則判斷其為失控的概率稱為該質(zhì)控規(guī)則的誤差檢出功效，即誤差檢出概率，表示為Ped。

檢出已明確嚴重程度的失控狀態(tài)需要進行的質(zhì)控活動預期(或平均)數(shù)與Ped有關，呈反比關系；即Ped越高，檢出失控狀態(tài)所要求的質(zhì)控活動平均數(shù)越低。對于任意給定的質(zhì)控規(guī)則和失控狀態(tài)嚴重程度，檢出失控的質(zhì)控活動平均數(shù)是1/Ped。

不同的質(zhì)控規(guī)則有不同的功效曲線[8～10]。如圖3，對于2σ偏倚的失控狀態(tài)，質(zhì)控規(guī)則判斷失控的概率大約是40%(Ped=0.4)，因此，平均要用2.5次的質(zhì)控活動(1/Ped=1/0.4)來檢出分析檢測系統(tǒng)中的2σ失控偏倚。

圖3 誤差檢出概率(Ped)

具有2個濃度水平質(zhì)控品13s/22s/R4s多規(guī)則質(zhì)控的功效曲線[8]，橫軸SE代表失控狀態(tài)的系統(tǒng)誤差，以σ的倍數(shù)表示。SE=0意味著分析過程處于在控狀態(tài)?？v軸代表質(zhì)控規(guī)則判斷失控的概率，作為評價失控狀態(tài)嚴重程度的函數(shù)。

3.3 受影響患者的預期數(shù)(ANPaffected) 將1/Ped與質(zhì)控活動之間檢查患者樣品的平均數(shù)相結(jié)合，在識別和解決持續(xù)失控狀態(tài)之前，可以預測有多少患者樣本受影響，即受影響患者的預期數(shù)ANPaffected[11]與質(zhì)控活動之間的受檢患者樣本平均數(shù)呈正比，與質(zhì)控頻率呈反比。

當分析系統(tǒng)在控時(SE=0)，ANPaffected很大，反映了質(zhì)控規(guī)則在假失控(在無失控狀態(tài)時質(zhì)控規(guī)則判斷為失控)之間所評估的患者樣品數(shù)。見圖4，質(zhì)控規(guī)則假失控率大約是0.01，期望平均每100次質(zhì)控活動發(fā)生1次質(zhì)控規(guī)則假失控，且在質(zhì)控活動之間平均檢測100個患者樣本，則在控系統(tǒng)在該質(zhì)控規(guī)則假失控之間的ANPaffected是100×100=10 000。

圖4 受影響患者的預期數(shù)(ANPaffected)

失控程度越嚴重，質(zhì)控規(guī)則的Ped越大且1/Ped越小，導致ANPaffected也越小。對于足夠嚴重的失控狀態(tài)，在出現(xiàn)失控狀態(tài)后的第一次評估，將確保質(zhì)控規(guī)則判斷為失控。假設在檢測過程中的任意時刻失控狀態(tài)有相同的發(fā)生概率，當極嚴重的失控狀態(tài)在其發(fā)生后的第一次質(zhì)控活動中被檢出時，ANPaffected將是質(zhì)控活動間所評估的患者樣本平均數(shù)的一半。

ANPaffected可作為評價失控狀態(tài)嚴重程度的函數(shù)[11]。橫軸SE代表失控狀態(tài)的系統(tǒng)誤差，以σ的倍數(shù)表示。SE=0意味著分析過程處于在控狀態(tài)?？v軸表示ANPaffected，以對數(shù)刻度表示。

4 E(Nu)的劃分和運用

4.1 E(Nu)的劃分 E(Nu)是由于失控狀態(tài)而產(chǎn)生的不可靠患者結(jié)果預期數(shù)，它是△PE和ANPaffected的積[12，13]。對于嚴重的失控狀態(tài)，一般經(jīng)驗規(guī)則是E(Nu)為質(zhì)控活動之間患者數(shù)量的一半[14]。

E(Nu)提供了一種度量，直接描述產(chǎn)生患者結(jié)果的可靠性以及質(zhì)控策略受給定嚴重程度的失控狀態(tài)影響的性能之間的關系，且可以進一步分成兩部分。在失控狀態(tài)發(fā)生和最后可接受的質(zhì)控之前所產(chǎn)生的不可靠結(jié)果被認為是不能識別和糾正的“最終的”結(jié)果，其預期數(shù)縮寫為E(Nuf) 。在最后可接受的質(zhì)控之后所產(chǎn)生的不可靠結(jié)果由于大部分是近期產(chǎn)生的則被認為是“可糾正的”結(jié)果，其預期數(shù)縮寫為E(Nuc)。圖5中E(Nuf)=9(從發(fā)生失控狀態(tài)到最后的可接受質(zhì)控之間有9個紅色星號)及E(Nuc)=4(最后的可接受質(zhì)控和質(zhì)控判斷為失控之間有4個紅色星號)。

向上移動的線代表失控狀態(tài)，水平線代表隨時間變化的分析過程；每條垂直線代表一次患者樣本檢測。每個菱形代表一次質(zhì)控活動；綠色菱形代表質(zhì)控在控，紅色菱形代表質(zhì)控失控。紅色星號代表不可靠的患者樣本結(jié)果。

4.2 運用 E(Nuf)是ANPpre(發(fā)生失控狀態(tài)和最后的可接受質(zhì)控活動之間受影響患者的預期數(shù))和△PE之積(見圖6)。E(Nuf)對于非常微小和非常嚴重的失控狀態(tài)均很小，并且在非常微小和非常嚴重的失控狀態(tài)之間的某處獲得最大值。若最大的E(Nuf)值被認為是可接受的，則對于任意的失控情況，質(zhì)控策略可以保證實驗室質(zhì)量；若最大的E(Nuf)值被認為是不可接受的，則應該檢查和調(diào)整質(zhì)控策略，直到實現(xiàn)可接受的最大E(Nuf)。SE代表失控狀態(tài)系統(tǒng)誤差的大小，以百分數(shù)表示。

SE代表失控狀態(tài)系統(tǒng)誤差的大小，以百分數(shù)表示。

E(Nuc)是ANPpost(最后的可接受質(zhì)控活動和質(zhì)控活動判斷為失控之間受影響患者的預期數(shù))與△PE之積(見圖7)。ANPpost依賴于失控狀態(tài)發(fā)生后的第一次質(zhì)控活動能否檢出失控情況。如果失控狀態(tài)在其發(fā)生后的第一次質(zhì)控活動中未被檢測出，那么在最后的可接受質(zhì)控活動和質(zhì)控活動判斷為失控之間所有的患者樣本將受失控狀態(tài)的影響。如果失控狀態(tài)在其發(fā)生后的第一次質(zhì)控活動中被檢測出，那么如上文所述，我們預期在質(zhì)控活動之間被檢測的患者樣本平均數(shù)有一半會受到影響[11]。SE代表失控狀態(tài)系統(tǒng)誤差的大小，以百分數(shù)表示。

SE代表失控狀態(tài)系統(tǒng)誤差的大小，以百分數(shù)表示。

最大的E(Nuc)值將總是接近于質(zhì)控活動之間被檢測患者樣本平均數(shù)的一半。實驗室在失控狀態(tài)被識別和解決后，需要及時糾正最大的E(Nuc)值，以阻止不可靠的患者結(jié)果在發(fā)生嚴重的失控狀態(tài)時被不合理地運用。若實驗室有到位的程序可以及時識別、重復和糾正最大的E(Nuc)且使其達到質(zhì)控活動之間被檢測的患者樣本平均數(shù)的一半，那么最大的E(Nuc)值是可以接受的。否則，應該采取措施，如改變質(zhì)控頻率來減少最大的E(Nuc)值。

5 總結(jié)

質(zhì)控策略是由質(zhì)控過程中所評估的質(zhì)控物樣本數(shù)，質(zhì)控規(guī)則以及質(zhì)控頻率(質(zhì)控活動之間被評估的患者樣本平均數(shù))所組成。通過對E(Nu)的劃分并計算最大的E(Nuf)和E(Nuc)值以及確定它們是否被實驗室接受，進一步驗證臨床實驗室質(zhì)控策略的合理性。

若最大的E(Nuf)值太高，可以通過增加質(zhì)控過程中被評估的質(zhì)控物樣本數(shù)，使用有更高Ped的質(zhì)控規(guī)則，或者減少質(zhì)控活動之間被評估的患者樣本數(shù)三者相結(jié)合，由此改變質(zhì)控策略來減少E(Nuf)值；也可以通過減少分析系統(tǒng)不精密度或增加TEa規(guī)范(任選一個)來減少其值。

最大的E(Nuc)值依賴于質(zhì)控活動之間被測的患者樣本平均數(shù)。如果最大的E(Nuc)值太高，就要降低質(zhì)控活動之間被評估的患者樣本數(shù)。

[1] Westgard JO．How to establish control limits．In：Assuring the right quality right[C]．Madison (WI)：Westgard QC，Inc，2007：245-259．

[2] Brooks ZC．Choosing our own rules．In：Performance-driven quality control[C]．Washington，DC：AACC Press，2001：89-114．

[3] Parvin CA．Quality-control (QC) performance measures and the QC planning process[J]．Clin Chem，1997，43(4)：602-607．

[4] Parvin CA．Statistical topics in the laboratory sciences[J]．Methods in Molecular Biology，2007(404)：353-375．

[5] Kenny D，F(xiàn)raser CG，Hyltoft petersen P，et al．Consensus agreement[J]．Scand J Clin Lab Invest，1999，59(7)：585．

[6] Fraser CG．Quality specifications．In：Biological variation：from principles to practice[C]．Washington，DC：AACC Press，2001：29-66．

[7] Westgard JO．How to use sigma-metrics QC selection tool．In：Assuring the right quality right[J]．Madison (WI)：Westgard QC，Inc，2007：125-146．

[8] Parvin CA．Assessing the impact of the frequency of quality control testing on the quality of reported patient results[J]．Clin Chem，2008，54(12)：2049-2054．

[9] Yundt-Pacheco JC,Parvin CA．The impact of QC frequency on patient results[J]．MLO Med Lab Obs，2008，40(9)：24,26-27．

[10] Cembrowski GS，Carey RN．Quality control procedures．In：Laboratory quality management[J]．Chicago：ASCP Press，1989：59-79．

[11] Parvin CA．Comparing the power of quality-control rules to detect persistent systematic error[J]．Clin Chem，1992，38(3)：358-363．

[12] Parvin CA．Comparing the power of quality-control rules to detect persistent increases in random error[J]．Clin Chem，1992，38(3)：364-369．

[13] Parvin CA，Kuchipudi LS，Yundt-Pacheco JC．Should I repeat my 1∶2s QC rejection?[J]．Clin Chem，2012，58(5)：925-929．

[14] Parvin CA．New insight into the comparative power of quality-control rules that use control observations within a single analytical run[J]．Clin Chem，1993，39(3)：440-447．