分析前的错误率,2014年
一项新的研究着眼于整个测试过程中实验室过程中的错误频率。这项研究涵盖了罗马尼亚蒂米什瓦拉县急诊临床医院2011年的分析前错误率。几年前我们研究了分析前比率。从那时起,实验室有显著改善吗?
再看一下2014年的实验室错误率
斯滕·韦斯特加德,硕士
2014年4月
国家实验室测试前分析阶段的质量指标[1],李建军,李建军,李建军。中国检验医学杂志,2014;1:74-81。
最近的这项研究考察了IFCC“实验室错误和患者安全”工作组(WG-LEPS)批准的七个质量指标,重点关注分析前阶段的质量指标。他们不仅量化了错误率,还将其转换为西格玛度量(从每百万缺陷数(DPM)转换为西格玛度量)只是快速查了一下表。记住,当我们计算缺陷以确定西格玛度量时,通常报告的数字是短期的西格玛。
以下是2011年在罗马尼亚蒂米什瓦拉县急诊临床医院发现的西格玛指标的快速总结:
实验室流程,2011年 | 缺陷率 |
Sigma-metric (短期) |
Pre-Analytical阶段 | ||
QI-5:患者ID错误的请求百分比 | 0.01% | 5.3 |
QI-7:在测试中缺少输入错误的请求百分比 | 0.002% | 5.6 |
QI-8:样品丢失百分比 | 0.05% | 4.8 |
QI-9:试管中收集的样品百分比 使用不合适的抗凝剂 |
0.002% | 5.6 |
QI-10:样品溶血百分比(生化) | 0.40% | 4.2 |
QI-11:血液学凝固物百分比 | 0.77% | 4.0 |
q -13:样品不足的百分比 抗凝剂比例 |
0.05% | 4.8 |
这里的西格玛指标非常好,绝对比Nevelainen等人在2000年进行的第一次西格玛指标评估有了显著的改进。期刊文章对分析前改进的关注已经获得了切实的回报。更好的培训、更多的自动化、更多的信息学——所有这些都有助于大大减少分析前错误的数量。
现在,碰巧的是,我们也有机会研究分析误差。该实验室也一直在使用西格玛指标来量化其长期西格玛量表的分析性能。
测试 | Sigma-metric (长期) |
Sigma-metric (短期) |
LDH | 3. | 4.5 |
葡萄糖 | 4 | 5.5 |
肌酸酐 | 4 | 5.5 |
ALT | 4 | 5.5 |
CK | 4 | 5.5 |
淀粉酶 | 4 | 5.5 |
钾 | 4 | 5.5 |
AST | 5 | 6.5 |
尿素 | 6 | 7.5 |
钠 | 2 | 3.5 |
现在,在性能列表中有很多好消息。与前分析过程相比,大多数这些分析结果的性能水平大致相同。除了钠试验,在3.5 Sigma(短期)下会产生很多错误(22,750 /百万分之一)。
为了更好地理解这一点,让我们考虑一下本研究的实际样本量:2011年168,728个样本。如果我们把他们发现的所有分析前错误加起来,总共有1457个错误,在短期西格玛量表上约为0.86%或3.8。另一方面,单是钠就会产生2.3%或3880错误。钠法产生的缺陷可能是所有分析前误差的两倍多结合。
看待这一数学问题的另一种方式是考虑QC的实际运行方式:可能每天只有一次,但每个控制点都会影响多个患者的结果。我们假设这个实验室每天只运行一次QC,这意味着每年有8到9天的方法失控。如果我们取每天的平均样本数(约462个),我们谈论的是3,698到4,160个患者样本,这些样本将受到钠检测结果的显著误差的影响。
我意识到这其中有很多假设。但原始的事实是,分析过程比分析前的过程运行得更糟糕。多年来,我们一直被告知相反的情况,分析方法都很好,我们只需要关注分析前的错误。这是相反的证据。
参与零和游戏是没有帮助的,因为整个测试过程的每个阶段都在努力提高错误率。整个检测过程就像一个三脚凳,如果其中任何一个阶段出现故障,对患者的影响总是很糟糕。最近的研究表明,过去十多年来文献的关注已经得到了回报,将前分析过程提高到卓越的表现水平。将这些比率与早期对实验室错误率的研究进行比较。
坏消息是,分析阶段仍然是一个问题,事实上,现在可能是实验室面临的主要问题。我们需要确保我们的努力不是只关注分析前阶段。我们的方法的不精确性常常被忽视,这可能是一个看不见的缺陷,导致成千上万的结果被扭曲,偏离了它们真正的临床价值。
同样,这是一项伟大的研究,充满了许多关于实验室测试过程的关键事实,我们感谢作者分享他们额外的分析性能数据:
国家实验室测试前分析阶段的质量指标[1],李建军,李建军,李建军。中国检验医学杂志,2014;1:74-81。