筛选分析在世界各地都很常见，但对它们进行的QC却很常见。多年来，筛选测试的QC一直是个谜。最后，保罗·佩雷拉博士揭开了秘密。

筛选分析IQC的秘密

2020年9月
保罗·佩雷拉博士，特约编辑

目的

这节课的目的是回答几个实验室有关筛选免疫测定的内部质量控制(IQC)的问题。事实上，这些问题正是本书第7章“内部质量控制和外部质量评估”的主要原因医学实验室定性试验的质量控制(7 of[1])。请参考这本书以获得更深入的讨论和电子表格。

筛选免疫测定自从我在90年代中期开始作为一名医学实验室技术员工作以来，IQC就不断受到质疑。的IQC必须符合目的报告的结果。“目的”一般是临床决策，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实验室挑战的故事…

定性测试IQC稳健性还涉及一些本课未讨论的变量。这些变量是众所周知的，并在几篇论文中进行了讨论([2]中的9篇)。例如，稳定性，瓶间可变性，预处理步骤和基质。

我们将重点关注一个公认的IQC方案，使用列维-詹宁斯图、单规则或多规则，主要被称为“韦斯特加德规则”和西格玛指标。其他方法也已发表[3-4]。

虽然案文侧重于筛选测试，但方法可适用于任何其他定性测试。

1.哪些类型的二元分类适用于筛选免疫测定?

二元(阳性/阴性)或三元(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反应(PCT)测试报告二元结果。如果定性结果根据决策点(截止点)在有序尺度中进行分类，例如，≥1 S/CO(信号与截止比)为阳性，< 1 S/CO为阴性，则“定性结果按顺序分类是必需的。该方法涉及数值结果，如吸光度、照片和信号截止比。否则，如果结果“纯粹”是一个标称数量值([5]的4.6)，而不是基于一个序数([5]的1.26)尺度和一个分类值(截止值)，即正/负，则IQC的方法是““纯粹的”定性结果不能量化是必需的。

2.IQC的筛选测试发生了什么?

2.1“定性结果按顺序分类。”

IQC策略类似于表示定量结果的测试，被称为“定量测试”。的“Westgard规则”是Westgard等人(1981)[6]发表的方法，即多规则，1:3s, 2:2s, R:4s, 4:15, 10:x作为拒绝规则，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做法:利维-詹宁斯图。请注意，与最先进的技术(> 4西格玛)相比，早期的多规则方案适用于临床化学和“低”性能(3西格玛)测试。筛选分析的数值结果与临床化学结果不具有相同的预期用途。经典多规则问题的使用是典型的一个来源假警报。我们的经验不建议使用经典的韦斯特加德规则进行这种类型的测试。

2.2“纯”定性结果不可量化。

该策略通常涉及属性评估。只应用了一条规则:拒绝/接受。有时，一个属性方案被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。变量图的使用使实验室能够对结果进行更多的统计功率控制。与属性的评估相比，它对误差的变化更为敏感。它可以检测到漂移和趋势等现象，这些现象在评估标称值时是无法检测到的。属性的评估不应该被误解为属性图表。这些图表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?

经验法则是控制使用含有浓度接近临界值。因此，“浓度问题”是弱阳性的——如果测试不稳定，二元结果有很大的被错误分类的风险。一般需要弱正极材料。请注意，弱浓度根据测试而变化，即使是那些使用相同方法的测试。一些材料制造商提供特定测试的浓度。如果一个使用高浓度在美国，“注意力集中问题”没有得到控制。这是对控制的一个重大限制这不符合目的，即存在错误检测概率低。

我们的经验表明浓度在1.5 ~ 3s /CO之间和99% CI的下限高于1，但接近这个比率。评估可以使用材料说明书中现成的制造商信息来完成。

阴性对照样本结果的重要性(假阳性控制)不如弱阳性(假阴性控制)。然而，在某些方案中是必需的。只要有可能，我们建议应该将结果作为一个属性(拒绝/接受)进行评估，这是大多数测试所需要的。

4.如果一些筛选分析是用QC运行的，它们有S/CO，它们如何建立平均值和标准差?

这个问题与协议设计和需求有关。医学实验室的论文建议n为20，这是每月工作日数的大致数字。这个数字最初与临床化学评价研究有关。它与日间再现性条件有关。可重复性条件需要运行间隔和/或天数之间的数据。因此，实验室人员应收集20天的数据，每天至少重复两次，以评估可重复性条件。所以需要最小n = 40。有时，定性研究仅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，因为可重复性条件的影响被忽略了。一些统计经验法则要求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，例如当它仅用于可重复性条件下的数据时。如果在测试前20天收集数据不可行，则应在获得新数据后立即重新计算平均值和标准差。

制造商平均值和标准差只能在收集到实验室代表性数据之前使用。外部统计数据是几个实验室结果的组合。数据异质性有助于识别偏均值和大标准差。经验法则:测试运行(批次)控制需要内部数据统计。从实际角度来看，制造商数据的使用严重降低了IQC方案的功率，即低错误检测概率。

我们还建议使用移动平均值和SD作为动态限值，而不是固定限值。固定统计是数据收集期的唯一代表，它们主要(但不仅是)导致有偏平均。

5.如何建立质量控制限制?如何使用韦斯特加德规则?我们能确定Sigma指标吗?

5.1质量控制限制

QC限制应控制假阴性的风险。因此，需要一个弱阳性样本。要更容易理解QC限制，请查看下面图1中的不同案例。

一)

b)

c)

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%保密区间下限。

图1a显示了材料平均浓度(1.25 S/CO)接近临界值(1 S/CO)的情况。在本例中，不能使用1:3规则，因为99%置信区间(CI)的下限要低于截止值。因此，它不符合控制的目的弱阳性结果由于低于截止为负的比率。图2 b)引入允许灵敏度损失(ALS)([1]，7的7.6.3)，其定义为样本平均浓度与截止点之间的差值。样本均值为3 S/CO, ALS为2 S/CO，下限99% CI为2.09。较高的浓度不符合试验目的，应避免使用。在这种情况下，我们控制着强烈的积极因素。图2 c)说明了浓度均值为2 S/CO, 99% CI下限为1.25 S/CO, ALS较低，确保了弱阳性的控制。的1:3规则是合适的。如果一个“灰色地带”使用,西格玛指标会增加(由于使用不确定的结果区域而降低错误分类的风险)——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，我们不建议使用同伴组的限制，这有助于非代表性统计。即使两组使用相同的测试，问题仍然是显著的，用有偏均值和大标准差来表示。在这种情况下，问题类似于QC材料制造商统计发生的情况。

5.2韦斯特加德规则

如果我们在筛选分析中使用经典的韦斯特加德规则会发生什么?

让我们考虑563 S/CO结果，每个分析的频率为两个，并使用1:3s、2:2s、R:4s、4:15、10:x作为拒绝规则，以及1:2s和警告规则。浓度为1.97 S/CO, CV为7.4%。的图2插图代表稳定的性能，这对于所有数据都是相似的。

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失控的结果。事件数为5%(2162个中的108个)。99个警告和9个拒绝。在实践中，需要108个CAPA动作!但这些违规行为是由于事实错误吗?不!它们大多是虚惊一场!您是否尝试将CAPA方法应用于大量的假警报?!嗯，这种情况涉及到浪费是无法解决的……这种情况罕见吗?!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.

推荐规则

Pereira(2019)建议使用启动阶段与多规则: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(n > 30)， a监控阶段[8,9]使用单一规则1:3s, n = 2或n = 1。

由于结果数量较少(n≤30)，启动阶段数据统计不能代表试验的稳定性;因此，多规则足以增加错误检测的概率(p_ed接近0.90)和可接受的错误拒绝概率(p_fr < 0.05)。稳定数据与移动平均值和移动标准差的“固定”值有关。当唯一地测试n > 30用于数据收集时，STARTUP阶段可以省略。

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

请注意，QC材料在运行中的位置可以使用Excel®(Microsoft®，Redmond, Washington, US) 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

也许你在某个地方读到，西格玛度量不能计算为定性测试。这是一个神话!西格玛度量可以使用dmo导出的西格玛度量(涵盖所有分析相)[1](7.6.10 a)来确定。另一种方法考虑了误分类的风险，因此问题是结果偏倚([1]的7.6.10 b)。因此，临界系统误差(SE) -临界推导的sigma度量(涵盖分析阶段)是合适的。SE_crit衍生的sigma指标为SE_crit + z。对于sigma≥6(“世界级绩效”)，p:ed为1.00，对于1:3s/2:2s/R:4s, n = 2(启动阶段)，p:fr为0.01;在1:3,n = 2阶段，p:ed为0.98,p:fr为0.00,p:ed为0.85(接近0.90)，n = 1阶段(MONITOR阶段)p:fr为0.00。对于SE:临界估计，请参见[1,7]。大多数弱浓度的Sigma显著高于6 Sigma;因此，之前的QC测试规则、概率和频率是强有力的支持。在定性试验中，高西格玛值应被理解为在浓度等于或接近对照物质的情况下，二元结果分类错误的风险较低。有关dmo衍生的西格玛指标和SE:crit衍生的西格玛指标的更深入讨论，请参见[1]中的(7.6.10)。

建议的建议与ISO 15189[11]的要求一致。

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(“定性结果按顺序分类”)

图3 levy - jennings图表。(S/CO)(“按序数分类的定性结果”)

统计数据:平均值= 1.75;Sd = 0.14;CV = 7.8%;N = 563(移动数据);30人启动
规则:STARTUP: 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)显示了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实时荧光定量PCR(“纯”定性结果不可量化)

• 统计数据: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

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:警告和拒绝区域。假阴性在“拒绝”区，假阳性在“警告”区。

参考文献

1. Pereira P(2019)。医学实验室定性试验的质量控制。里斯本:Author-Edition。
2. 韦斯特加德JO(2016)。基本质量控制实践。第四版。麦迪逊(WI):韦斯特加德QC。
3. 德国医学协会(2015年)。修订《德国医学协会医学实验室检查质量保证指南- Rili-BAEK》(未经授权翻译)。中国检验医学杂志(1):26-69。
4. 王晓明，王晓明，王晓明(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. 韦斯特加德J，巴里P，亨特M，格罗斯T(1981)。用于临床化学质量控制的多规则休哈特图。临床化学，27(3):493-501。
7. Green GAT, Neill Carey R, Westgard JO, Carten T, Shablesky LA, Achord D, Page E, Van Le A。定性分析的质量控制:定量QC程序设计，以确保分析质量要求的ELISA乙型肝炎表面抗原。临床化学杂志，1997,43(9):1618-1621。
8. Westgard JO, Smith FA, Mountain PJ, Boss S(1996)。设计和评估平均正常(AON)患者数据算法，以最大化自动过程控制的运行长度。中国临床医学杂志，42(10):1683- 1683。
9. 韦斯特加德JO(2003)。内部质量控制:策划和实施策略。生物化学学报，30 (6):593- 511
10. 魏嘉德，陈志强，陈志强，陈志强(1977)。内部质量控制规则的性能特征:拒绝错误和错误检测的概率。临床化学，23(10):1857-67。
11. 国际标准化组织(2012)。ISO 15189医学实验室。质量和能力要求第3版。日内瓦:本组织。