医疗保健实验室的工具、技术和培训

质量要求

筛选QC的秘密

筛查分析在世界各地都很常见,但对其进行的QC却绝不常见。多年来,筛选测试的QC一直是一个谜。最后,保罗·佩雷拉博士揭开了秘密。

筛选测定的秘密

2020年9月
保罗·佩雷拉,博士,特约编辑

目的

本课程的目的是回答几位实验室人员提出的与筛选免疫分析的内部质量控制(IQC)有关的问题。事实上,这些问题也是本书第七章“内部质量控制与外部质量评估”的主要撰写原因医学实验室定性检测的质量控制[1](7)。请参考这本书获得更深入的讨论和电子表格。

自从我在90年代中期作为一名医学实验室技术员开始工作以来,筛查免疫分析的IQC一直受到质疑。的IQC必须适合的目的报告的结果。“目的”通常是临床决策,关系到患者的安全。例如,输血后血液成分的安全。

查看更多关于COVID-19实验室挑战的报道…
covid westgard320x50报道

定性检验IQC稳健性也涉及一些本课没有讨论的变量。这些变量众所周知,并在几篇论文([2]中的9篇)中进行了讨论。例如,稳定性,瓶与瓶的差异性,预处理步骤和基质。

我们将重点介绍一个公认的IQC方案,使用列维-詹宁斯图表、单一规则或多规则(通常被称为“Westgard规则”)和西格玛指标。其他方法已经发表[3-4]。

尽管本文侧重于筛选测试,但这些方法可适用于任何其他定性测试。

1.哪些类型的二元分类应用于筛选免疫分析?

二元(阳性/阴性)或三元结果(阳性/不确定/阴性)分类主要与分析方法有关。例如,免疫分析或聚合酶链式反应(PCT)检测报告二进制resulçts。如果定性结果根据决策点(截止)按序数尺度分类,例如,≥1 S/CO(信号/截止比)为阳性,< 1 S/CO为阴性,则IQC方法为“定性结果按顺序分类“是必需的。该方法包括数值结果,如吸光度,照片和信号截止比。否则,如果结果“纯粹”是名义数量值([5]的4.6),而不是基于序数数量([5]的1.26)刻度和分类值(截止值),即正/负,则IQC方法为“无法量化的“纯”定性结果“是必需的。

2.筛检IQC发生了什么?

2.1“按顺序尺度分类的定性结果”。

IQC策略类似于表示定量结果的测试,被认为是“定量测试”。的“Westgard规则”通常使用并有时复制Westgard等人(1981)[6]发表的方法,即多规则,1:3s, 2:2s, R:4s, 4:1s, 10:x作为拒绝规则和1:2s和警告规则,两种控制材料。一种类型的变量图表是标准的做法:列维-詹宁斯图表。请注意,与先进技术(> 4-sigma)相比,早期的多规则方案是用于临床化学和“低”性能(3-sigma)测试。筛选分析的数值结果并不具有与临床化学结果相同的预期用途。利用经典多规则问题是典型的一个来源假警报.我们的经验并不建议在这类测试中使用经典的西方规则。

2.2“纯粹的”定性结果无法量化。”

该策略习惯性地涉及属性的评估。应用了一条规则:拒绝/接受。有时属性方案应用于“定性结果按顺序分类请注意1:3和拒绝/接受规则是类似的.变量图表的使用使实验室对结果进行了更多的统计控制。与属性的评估相比,它对误差的变化更加敏感。它可以检测到漂移和趋势等现象,这些现象在计算标称值时是无法检测到的。属性评估不应被属性图表所误读。这些图表的类型不适用于医学实验室数据。

3.QC物料浓度的重要性是什么?

一个经验法则是控制使用材料浓度接近临界值.因此,“浓度问题”是弱正的——如果测试不稳定,二元结果有很大的被错误分类的风险。一般要求弱正极材料。请注意,弱浓度根据测试的不同而不同,即使使用相同的方法。一些材料制造商为特定测试提供浓度。如果一个使用高浓度在美国,“注意力集中问题”得不到控制。这是对控制的一个重大限制,因为它不符合目的,即,有一个错误检测概率低

我们的经验表明浓度在1.5 ~ 3s /CO之间99% CI的下限高于1,但接近这个比值.可以利用材料说明书中现成的制造商信息来进行评估。

阴性对照样本结果的重要性(假阳性的控制)与弱阳性(假阴性的控制)不一样。然而,在某些方案中它是必需的。只要可能,我们建议将结果作为一个属性(拒绝/接受)进行评估,这是大多数测试的要求。

4.如果一些筛选试验是由QC进行的,并且有S/CO,他们如何建立均值和SD?

这个问题与协议设计和需求有关。医学实验论文建议n为20,这是每月工作天数的近似数字。这个数字最初与临床化学评估研究有关。它与日间重复性条件有关。重复性条件需要运行间和/或天间数据。因此,实验室应收集20天的数据,每天至少重复两次,以评估可重复性条件。因此,至少需要n = 40。有时,定性研究只在可重复性条件下进行,即在短时间内进行。这种做法很容易受到批评,因为重复性条件的影响被忽略了。一些统计经验法则需要n > 30。 It means that the lab needs at least 31 results before it can reasonably expect an analysis based upon the Normal distribution to be valid. So, a n of 40 is also supported by the statistical principle.

所以,平均值和标准差应使用代表性(内部)数据计算,如建议。否则,估计是不现实的,例如当它只使用可重复性条件下的数据时。如果在测试实施前20天以上收集数据不可行,则应在获得新数据后立即重新计算平均值和标准差。

只有在收集到实验室代表数据后,才能使用制造商平均值和SD。外部统计数据是几个实验室的结果的组合。数据的异质性导致了公认的偏差平均值和较大的标准差。经验法则:测试的运行(批)控制需要内部数据统计。从实际角度来看,使用制造商数据严重降低了IQC方案的能力,即错误检测概率低。

我们还建议使用移动均值和标准差来代替固定极限。固定统计数据是数据收集期间的唯一代表,它们主要(但不只是)会导致有偏差的平均值。

5.如何建立质量控制限度?如何使用Westgard规则?我们能确定Sigma指标吗?

5.1质量控制限制

QC限度应控制假阴性的风险.因此,需要弱阳性样本。为了更容易理解QC限制,请查看下面图1中的不同情况。

一)2020佩雷拉筛检qc

b)

2020佩雷拉筛检qc

c)

2020 pereira筛查qc

图1显示了平均浓度(S/CO)分别为1.25、2.00和3.00时,cv为7.8%、6.2%和5.7%的99%机密区间下限。

图1a说明了材料平均浓度(1.25 S/CO)接近截止值(1 S/CO)的情况。在本例中,不能使用1:3s规则,因为99%置信区间(CI)的下限低于截止值。因此,它不符合控制弱阳性结果的目的,因为低于临界值的比率为阴性。图2 b)引入了允许灵敏度损失(ALS)([1],7中的7.6.3),它被定义为样品平均浓度与截止值之间的差值。样本均值为3 S/CO, ALS为2 S/CO, 99% CI的下限为2.09。高浓度不符合检测目的,应避免使用。在这种情况下,我们控制强阳性。图2 c)说明浓度的平均值为2 S/CO, 99% CI的下限为1.25 S/CO, ALS较低,这保证了对弱阳性的控制。的1:3规则是合适的.如果一个“灰色地带”使用,西格玛指标将会增加(由于使用不确定结果区而导致的错误分类的风险更短)-进一步支持使用1:3s规则。事实上,甚至可以使用更广泛的规则。

由于结果的异质性,我们不建议使用来自同行组的限制,这有助于非代表性的统计。即使当组共享相同的测试,问题仍然是显著的,用有偏差的平均数和大SD表示。在这种情况下,问题类似于QC材料制造商统计所发生的情况。

5.2 Westgard规则

如果我们用经典的西加德规则进行筛选化验会怎么样?

让我们考虑563 S/CO结果,每个分析的频率为2,并使用1:3s, 2:2s, R:4s, 4:1s, 10:x作为拒绝规则和1:2s和警告规则。浓缩材料为1.97 S/CO, CV为7.4%。的图2插图代表稳定的性能,这与所有数据相似。

2020佩雷拉筛检qc

图2 levy - jennings图表。化学发光法检测丙型肝炎抗体。

表1显示化学发光免疫分析的失控结果。事件的数量是5%(2162中的108)。99次警告,9次拒绝。在实践中,需要108个CAPA行动!但这些违规行为是因为事实错误吗?不!它们大多是虚惊一场!你试过用CAPA方法来处理大量的假警报吗?!嗯,这种情况将无法解决,涉及到浪费,这是罕见的情况吗?绝对不是! The use of the multirules 2:2s, R:4s, 4:1s, 10:x as rejection rules, and 1:2s as warning rule should not be used in stable conditions (n > 30). So, only 1:3s events suggest a risk of misclassification. Note that two 1:3s violations are statistically expected for a n of 2162. A CAPA analysis could require further data (next runs results) to support the statistical probability. Furthermore, if the violated 1:3s rule is on the plus side of the chart, the risk of misclassification is not sustained.

2020 pereira筛查qc 5

推荐规则

Pereira(2019)建议使用启动多级规则:1:3s/2:2s/R:4s, n = 2 (7.6.10 b)的[1])。STARTUP指的是第一次运行。一旦有代表性数据可用(n > 30), a监控阶段[8,9]与单一规则1:3,n = 2或n = 1一起使用。

由于结果数量较少(n≤30),STARTUP阶段的数据统计不能代表测试的稳定性;因此,多规则足以增加错误检测的概率(p_ed接近0.90),并具有可接受的错误拒绝概率(p_fr < 0.05)。稳定数据与移动均值和移动SD的“固定”值有关。如果要为数据收集而惟一地测试n > 30,则可以省略STARTUP阶段。

MONITOR级足以控制稳定的数据。因为sigma指标很高,所以1:3s在统计上是持续的,这与该行业中高性能制造过程中发生的情况类似。

注意,QC材料在运行中的位置可以使用Excel®(微软®,美国华盛顿州雷德蒙德)RANDBETWEEN函数随机计算。有关错误检测和错误拒绝概率的更深入讨论,请参见[10]。

5.3 Sigma-metrics

也许你在某处读到过,Sigma-metrics不能用于定性测试。这是一个神话!可以使用dpmo派生的sigma指标(涵盖[1]的所有分析阶段)(7.6.10 a)确定sigma指标。另一种方法考虑了错误分类的风险,因此问题是有偏差的结果([1]的7.6.10 b)。因此,临界系统误差(SE)_crit派生的sigma指标(涵盖分析阶段)是合适的。SE_crit派生的sigma指标是SE_crit + z。对于sigma≥6(“世界级性能”),p:ed为1.00,p:fr为0.01,对于1:3s/2:2s/R:4s, n = 2(启动阶段);p:ed为0.98,p:fr为0.00,对于1:3,n = 2, p:ed为0.85(接近0.90),对于n为1 (MONITOR阶段),p:fr为0.00。对于SE:临界估计,见[1,7]。对于大多数弱浓度,σ显著高于6 σ;因此,前面的规则,概率和QC测试的频率是强有力的支持。在定性测试中,较高的西格玛值应该被理解为在浓度等于或接近对照材料时,二元结果错误分类的风险较低。有关dpmo派生的sigma指标和SE:crit派生的sigma指标的更深入的讨论,请参见([1]的7.6.10)。

建议的建议与ISO 15189[11]所要求的一致。

6.案例研究

案例研究A: SARS-Cov-2 IgG/IgM抗体(S/CO)的筛选免疫分析(“有序分级定性结果”)

2020佩雷拉筛检qc

2020 pereira筛查qc

图3 levy - jennings图表。(S/CO)(“按顺序分类的定性结果”)

数据:平均= 1.75;SD = 0.14;简历= 7.8%;N = 563(移动数据);启动30
规则:启动:1:3s, 2:2s, R:4s;监控:1:3;每次分析运行N = 2
运行位置:随机性

图3 a)显示启动阶段-不稳定的结果。
图3 b)说明了MONITOR阶段稳定的结果。数据的稳定性来自于对移动估计的观察。标记的区域支持对数据的解释。

案例研究B: SARS-Cov-2 Real-Time PCR(“纯”定性结果不可量化)

  • 统计:真阳性= 95.0%;假阴性= 5.0%;真阴性= 95.0%;假阳性= 5.0%
  • 规则:拒绝/接受;每次分析运行N = 1
  • 运行位置:随机性

2020 pereira筛查qc 8

图4。定性结果图表。

数据作为“正”或“负”属性引入。图4显示两个区域:警告区和拒绝区。假阴性在“拒绝”区域,假阳性在“警告”区域。

参考文献

  1. 佩雷拉(2019页)。医学实验室定性检测的质量控制.里斯本:Author-Edition。
  2. Westgard乔(2016)。基本质量控制实践.麦迪逊(WI): Westgard QC。
  3. 德国医学协会(2015年)。修订"德国医学协会医疗实验室检验质量保证准则- Rili-BAEK"(未经授权翻译)。中华检验医学杂志39(1):26-69。
  4. 王晓燕,王晓燕,王晓燕(2015)。用历史资料测定血清学传染病检验的质量控制限度临床化学实验室医学53:329-36。
  5. 计量指南联合委员会(2012)。国际计量词汇-基本和一般概念及相关术语。JCGM 200:2012, JCGM 200:2008稍作修正。JCGM
  6. 西加德,巴里·P,亨特M,格罗斯T(1981)。临床化学质量控制的多规则休哈特图。中国化学27(3):493 - 501。
  7. 格林·盖特,尼尔·凯里R,韦斯加德·乔,卡滕·T,沙布莱斯基LA,阿科德D,佩奇E,范·勒·A。定性分析的质量控制:为保证乙肝表面抗原ELISA分析的质量而设计的定量QC程序。临床化学杂志1997,43(9):1618-1621。
  8. Westgard JO, Smith FA, Mountain PJ, Boss S(1996)。设计和评估正常(AON)患者数据的平均算法,以最大化自动过程控制的运行长度。中国化学42(10):1683 - 8。
  9. Westgard乔(2003)。内部质量控制:计划和实施策略。中国生物化学杂志40(6):593-611
  10. 乔·韦斯加德,格罗斯·T,阿龙森·T,福尔克·H,德·维迪尔·CH(1977)。内部质量控制规则的性能特征:误拒概率和错误检测概率。化学,23(10):1857 - 67。
  11. 国际标准化组织(2012)。ISO 15189医疗实验室。质量和能力要求第3版。日内瓦:联合国。
Joomla SEF url由Artio