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?

您已经了解了控制规则。现在你已经设置好了控制图,运行了控件,绘制了数据图,那么当点不在时,你该如何处理规则呢?

本文由LGC Technopath临床诊断独家赞助
12.2021 Technopath试剂批次跟踪Westgard Banner4

规则的作用是什么?

Sten Westgard,女士

说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足够简单。在图表上画几条线,如果点在线上面,它就不存在,对吧?正如网站上的其他课程所详细介绍的,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就比较复杂了。

但现实并没有这么简单。虽然要弄清楚数据是否违反了特定的控制规则并不复杂,但要做什么并不复杂这通常很难弄清楚。

多年来,我们看到实验室以多种方式解释失控标志。以下是一份简短的口译风格列表:

拒绝规则

控制图的基本思想如果违反了控制规则,系统就失控了。您可以停止该过程,确定并修复错误,然后恢复生产。

设置控制图和QC规则的一般假设是选择拒绝规则。执行QC设计时使用OPSpecs图表,通过手动工具或自动化软件程序,建议以拒绝规则的形式提供。

拒绝规则的效率是这样的:它只会在出现错误时提醒您。当一切正常时,规则就不会困扰你了。[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错误拒绝率和错误检测功能。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。如果您得到一个失控的结果,重复控制,直到它回落到“在”。

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.通常情况下,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响应,但长期的后果是所有结果都是重复的,包括真报警和假报警,并且QC系统降级。一旦长凳技术人员对QC规则检测真正错误的能力失去信心,就会出现“哭狼”场景。最坏的情况是,仪器系统可能有一个真正的问题,但由于实验室例行重复控制结果,错误可能会持续一段时间,直到情况被识别。

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设计来找到适当的控制限制——只有当真正的问题出现时,这些规则才会提醒你。

“警告”规则,老规矩了

原始多规则QC程序(又名“Westgard规则”)时,组合中的第一个规则是2s“警告规则”。这个规则背后的想法是:如果所有数据都在2秒内,就不要对数据使用任何其他规则。但是,如果确实发生了2s违反,那么您将继续执行其余的多规则,以查看是否违反了另一个规则。在本例中,其他规则是拒绝规则——如果违反了其中一条规则,则拒绝运行。但如果违反了“警告规则”,但没有违反其他规则,则运行仍被认为处于控制状态。

从历史上看,这是敏感性和工作量的平衡。早在多规则QC程序第一次发布的时候,所有的QC数据都是手工记录的(这是在电子表格和个人办公软件出现之前)。“警告规则”在充分利用2s规则的敏感性的同时,缓解了2s规则产生的过多假拒绝的问题。它还减轻了技术人员的工作量——当数据在2秒内时,他们不需要遵循所有其他规则。

今天,大多数QC数据都是通过计算机输入和解释的,要么通过仪器上的程序,要么通过LIS或中间件上的软件。不再有工作负载问题(计算机有足够多的额外处理周期来持续完成这项工作),因此使用2作为警告规则的旧方法是不必要的。

“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时才去面对它。他们希望对系统漂移或由逐渐降解的试剂或系统组分引起的某些问题有预先警告。刻薄的规则,比如9条x, 10x等经常用于这些目的。

这些“警告规则”也不是拒绝规则,但它们确实让实验室有机会在问题达到临界规模之前嗅出问题。有可能,实验室会发现一个警告规则被违反,确定问题的来源,并修复它,之前任何跑步都违反了拒绝规则。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视,它可能会混淆问题。警告规则可能只是噪音,尤其是更敏感的规则。如果您有效地将每个警告规则视为拒绝规则,那么您基本上又回到了早期2实现的问题上。您可能会开始得到更多错误的拒绝,这反过来可能会削弱对系统的信心,导致技术人员恢复重复规则的行为。

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。但为此目的使用规则并不适用于每个实验室。

故障规则

这可能是一种你不常听说的解释。这里有一个场景:您有一组拒绝规则,其中一个规则被违反了。但是现在您知道有拒绝,您可以对数据应用附加的规则,以查看是否有任何其他违反控制规则的行为,这些行为可能为您提供有关问题根源的线索。

例如,如果您将QC设计简化为1这样的单一控制规则3 s(也许是因为Sigma-metric),当出现拒绝时,控制规则提供的信息并不多。通常,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,您可能能够使用多个规则应用和解释数据。你可能会看到一个22 s在最后两轮比赛中违反了规则,这将倾向于系统性错误。或者是41违反了规则,这又是一个系统性错误的标志。

这种风格的解释甚至不需要是一个正式的操作程序。您不必指定一组特定的规则在故障排除期间使用。只要注意,如果违反了一条规则,您还可以查看在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关于问题发生位置的额外信息。

使用拒绝规则与故障排除规则(或多个规则)结合使用的好处是,您有一个简化的主错误检测器。在日常操作中减轻了工作量。但是当错误发生时,您可以调用全部控制规则库,并使用多个规则来诊断方法可能出现的错误。

太多的规则?太多的角色吗?

在阅读了所有这些解释规则的不同方法之后——并考虑到所有可能使用的不同规则——如果你有点精疲力竭,也是可以原谅的。

实际上,这比听起来要简单得多。最终,实验室想要某种拒绝规则,一个最大化错误检测同时最小化错误拒绝的规则,尽可能少的规则。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。当出现实际的失控标志时,实验室可能还需要添加一些回溯故障排除规则。(让我们重复一下:我们强烈建议避免重复规则)。

把这一切结合起来的是一个质量控制设计的方法。使用像Sigma-metrics和方法决策图这样的工具,您可以选择适当的拒绝规则,无论是单个规则还是多个规则。然后,您还可以确定需要多少QC,这反过来将帮助您决定是否要添加额外的警告或故障排除规则。

你还在等什么?制定你的规则……

Joomla SEF url由Artio