医疗保健实验室的工具、技术和培训

“Westgard规则”

规则的作用是什么?

您已经学习了控制规则。现在你已经设置好了控制图,运行了控制,绘制了数据,那么当圆点出现时,你该如何处理这些规则呢?

本文由LGC Technopath临床诊断公司独家赞助
Westgard EML广告600 150像素

规则的作用是什么?

斯滕·韦斯特加德,硕士

谈到医学实验室的质量控制,似乎每一步都隐藏着复杂性。定义统计控制规则应该非常简单。在图表上画几条线,如果这个点在线的上方,它就出局了,对吧?正如网站上的其他课程所详述的那样,控制规则的定义相当简单,但是为给定的测试选择使用哪些规则要复杂得多。

然而,现实并没有这么简单。虽然弄清楚数据是否违反了特定的控制规则并不复杂,但该怎么做呢这通常很难弄清楚。

多年来,我们看到实验室以多种方式解释失控标志。以下是一些简短的口译风格:

拒绝规则

控制图的基本思想如果违反了控制规则,你的系统就失控了。您停止流程,确定并修复错误,然后恢复生产。

建立控制图和QC规则的一般假设是,您正在选择拒绝规则。执行QC设计时OPSpecs图表,通过手动工具或自动软件程序,以拒绝规则的形式提供建议。

拒绝规则的有效性是这样的:它只会在出错的时候提醒你。当一切都很好,规则不会打扰你。[是的,这是一个理想化的定义-所有控制规则都有性能特征具有误拒率和错误检测功能。但这是一篇笼统的文章。

重复的规则

这可能是最常见的规则解释类型。如果你得到一个失控的结果,重复控制,直到它回落。

这个网站上有很多文章详细说明为什么这是一个不好的做法。大多数情况下,这种类型的解释(“重复,重复,幸运”)与使用2s控制限制或类似的严格限制有关。当控制限制太紧时,将会发生更多失控事件,其中许多(如果不是大多数的话)将是错误拒绝。RRGL行为是对该问题的自然反应,但长期后果是所有结果都是重复的,无论是真警报还是假警报,并且QC系统被降级。一旦你的替补技术人员对QC规则检测真正错误的能力失去信心,你就会遇到“狼来了”的情况。最坏的情况是,仪器系统可能有一个真正的问题,但由于实验室例行地重复控制结果,错误可能会持续一段时间才被识别出来。

这是我们在实验室中明确反对的一种规则解释。一个更好的方法是使用QC设计找到适当的控制限制-规则,只会提醒你,当有一个真正的问题。

“警告”规则-旧风格

原始的多规则QC程序(又名“Westgard规则”)发布时,组合中的第一条规则是2s“警告规则”。这条规则背后的理念是:如果所有内容都在2s内,那么不要在数据上使用任何其他规则。但是,如果确实发生了违反2s的情况,那么您将继续执行多规则的其余部分,以查看是否违反了另一条规则。在这种情况下,其他规则是拒绝规则-如果违反了其中一条,则拒绝运行。但是,如果违反了“警告规则”,但没有违反其他规则,则仍然认为运行处于控制状态。

从历史上看,这是敏感性和工作量之间的平衡。当多规则QC程序第一次发布时,所有的QC数据都是手工记录的(这是在电子表格和那种个人办公软件之前)。“警告规则”在利用2s规则敏感性的同时,缓解了2s规则产生过多误拒的问题。这也减轻了技术人员的工作量——当数据在2s限制内时,他们不需要处理所有其他规则。

今天,大多数QC数据都是通过计算机输入和解释的,或者通过仪器上的程序,或者通过LIS或中间件上的软件。不再存在工作负载问题(计算机有足够的额外处理周期来连续执行此工作),因此不需要使用2s作为警告规则的旧方法。

“警告”规则-现代风格

然而,有些实验室不喜欢等到真正的问题出现才去面对它。他们希望对系统漂移或由逐渐降解的试剂或系统组件引起的某些问题有提前警告。刻薄的规则,比如9x, 10x等通常用于这些目的。

这些“警告规则”也不是拒绝规则,但它们确实给了实验室一个在问题达到临界尺寸之前嗅出问题的机会。实验室可能会发现违反了警告规则,确定问题的根源,并加以解决,之前任何运行都违反了拒绝规则。在这个规则的意义上,我们试图在错误发生之前阻止它。

这些规则的缺点是它们需要额外的努力来监控,并且可能会混淆问题。警告规则可能只是噪音,尤其是那些更敏感的噪音。如果您有效地将每个警告规则视为拒绝规则,那么您基本上会回到早期实现的问题。您可能会开始得到更多的错误拒绝,这可能会反过来削弱对系统的信心,导致技术人员恢复到重复规则行为。

非常复杂的实验室经常采用这种现代意义上的“警告规则”,试图先发制人。但并不是每个实验室都适合使用规则来达到这个目的。

故障规则

这可能是一种你不常听到的解释。这个场景是这样的:你有一套拒绝规则,其中一条被违反了。但是现在您知道存在拒绝,您可以对数据追溯应用额外的规则,以查看是否存在任何其他可能为您提供问题根源线索的控制规则违反。

例如,如果您已将QC设计简化为单个控制规则,如13 s(也许是因为Sigma-metric的方法是相当高的),当出现拒绝时,控制规则提供的信息并不多。通常是13 s违反控制规则是典型的随机错误。但是,如果您可以回顾最近运行的控制数据,则可以使用多规则应用和解释数据。你可能会看到这是22 s在过去的两场比赛中违反了规则,这可能会导致系统错误。或者是4分1违反了规则,这又是一个系统错误的标志。

这种风格的解释甚至不必是正式的操作程序。您不必指定在故障排除期间使用的一组特定规则。请注意,如果违反了一条规则,您还可以查看当前和以前的运行中是否也违反了其他规则。这些规则可以为您提供有关问题发生位置的附加信息。

将拒绝规则与故障排除规则(或多个规则)结合使用的好处是,您将拥有一个简化的主要错误检测器。在日常操作中减轻了工作量。但是,当发生错误时,您可以调用控制规则的全部库,并使用多个规则来诊断方法可能出现的错误。

规则太多?角色太多?

在阅读了所有这些解释规则的不同方式之后——并考虑了所有可能使用的不同规则——如果你有点疲惫,可以原谅你。

实际上,这比听起来要简单得多。最终,实验室需要某种拒绝规则,一种尽可能少的规则,最大限度地提高错误检测,同时最大限度地减少错误拒绝。然后,根据实验室的复杂程度,他们可能想要添加一些(现代的)警告规则。当实际出现失控标志时,实验室可能还希望添加一些回顾故障排除规则。(让我们重复一遍:我们强烈建议避免重复规则)。

统一这一切的是a质量控制设计的方法。使用诸如Sigma-metrics和方法决策图之类的工具,您可以选择合适的拒绝规则,无论是单个规则还是多个规则。然后,您还将能够确定需要多少QC,这将反过来帮助您决定是否要添加额外的警告或故障排除规则。

那你还在等什么?推出你的规则……

Joomla SEF url由Artio提供