臨床檢驗質量控制程序的性能驗證*

張詩詩，王 薇，王治國(北京醫院 國家老年醫學中心 衛生部臨床檢驗中心，北京 100730)

1 質量控制性能驗證的概述

隨著實驗室質量控制(QC，簡稱質控)計劃的發展和風險管理的引入，許多不同類型的QC可以用于操控分析過程的性能并及時準確地檢出可能發生的任意誤差。因此，進一步驗證這些QC程序的有效性對于提升實驗室管理水平是至關重要的。

首先，驗證實驗室是否有一個合理的質控策略。傳統上，驗證質控策略集中于評價其是否有足夠的功效去檢出任何“關鍵的”失控狀態(指≥5%的檢驗結果處于不可接受的狀態)[1，2]。

其次，定義性能度量。在風險管理的時代，要求用不同的性能度量來判定QC策略的功效。關于特定的QC策略在失控時是如何影響患者標本的檢驗，即為探討其由于失控條件而產生的不可靠患者結果預期數E(Nu)。因為不知道即將發生的失控狀態達到何種程度以及各程度的失控狀態產生的不同E(Nu)，所以QC驗證問題變成“任何程度的失控狀態產生的E(Nu)是否可以接受？”[3]。

本文重點在于，針對給定的質控策略，如何計算E(Nu)以及如何用它來驗證質控策略的可接受性[4]。質控策略包括每次質控中評估的質控樣本數、質控頻率(或質控活動之間被評估的患者樣本平均數)和質控規則，目的是用于檢出在控分析系統的改變。根據系統失控時產生額外的不可靠結果數高于在控時產生的不可靠結果數，可以測量質控策略的功效。

2 質量規范

2.1 允許總誤差(TEa) 雖然指定一個可將結果分為接受或不可接受的質量規范需要投入大量的工作[5，6]；但實際的重點在于可運用它來驗證質控程序。本文中我們使用表達為百分數的TEa。TEa通常是指定的單一值或在不同濃度下分別給出的不同值，但關鍵是TEa需要反映出所要求的質量。

當標本檢測結果的報告值與其真值有差別并超過TEa時，該結果被認為是不可靠的。雖然分析過程始終存在一些固有分析誤差使得標本結果的真值難以確定，但在理想的情況下，當分析系統在控時，固有分析誤差的大小與TEa相比是很小的。

2.2 西格瑪(σ)度量 σ是利用偏倚調整TEa之后與穩定的在控分析不精密度的比值(如公式)。σ可用于評價分析系統在控操作期間產生不可靠結果的幾率有多大[7]，因為即使分析系統處于在控狀態，也有一定的產生不可靠結果的概率。σ也是判斷分析過程在失控狀態下有多大耐受程度的一種簡便方法。見圖1，若1 000 000個患者標本在失控條件出現時采用6σ過程進行評估，且失控條件會在評估過程中產生2σ偏倚，則預期有32個結果是不可靠的；若1 000 000個患者標本在失控條件出現時采用2σ過程進行評估，且失控條件會在評估過程中產生2σ偏倚，則預期有454 531個結果是不可靠的。

σ越低，對于給定的失控條件將會有更高的E(Nu)。通常，低σ過程比高σ過程要求更多的質控資源來產生相等的E(Nu)。

圖1 6σ過程和2σ過程

頂部的2張測量誤差分布圖顯示了采用允許TEa為±6σ的一個在控過程和一個帶有2σ偏倚的失控過程。底部的2張測量誤差分布圖顯示了采用TEa為±2σ的一個在控過程和一個帶有2σ偏倚的失控過程。淺色陰影面積表示產生結果符合明確質量要求的概率，深色陰影面積表示產生結果不符合明確質量要求的概率。

3 失控檢出

3.1 失控和在控狀態產生不可靠結果的概率差(ΔPE) 一般認為，失控嚴重的狀態產生不可靠結果的可能性高，而失控微小的狀態對產生不可靠的結果幾乎沒有影響。當分析系統處于在控狀態時可以計算產生不可靠結果的概率，當失控條件的大小被給出時也可以計算產生不可靠結果的概率，且二者的概率差可以表示為ΔPE。

見圖2，當分析過程在控時，SE=0，ΔPE=0；對于足夠嚴重的失控狀態，ΔPE會接近1。計算失控狀態的ΔPE，若失控范圍從0(在控)到1.5倍TEa(1.5*4σ=6σ)，將產生一個從0過渡到接近于1的ΔPE曲線作為評估失控狀態嚴重程度的函數。

圖2 ΔPE曲線

SE代表失控狀態的系統誤差，以過程穩定的分析不精密度(σ)的倍數表示。ΔPE表示產生不符合規定TEa的患者結果的概率變化。

3.2 誤差檢出概率(Ped) 針對已明確嚴重程度的失控狀態，運用質控規則判斷其為失控的概率稱為該質控規則的誤差檢出功效，即誤差檢出概率，表示為Ped。

檢出已明確嚴重程度的失控狀態需要進行的質控活動預期(或平均)數與Ped有關，呈反比關系；即Ped越高，檢出失控狀態所要求的質控活動平均數越低。對于任意給定的質控規則和失控狀態嚴重程度，檢出失控的質控活動平均數是1/Ped。

不同的質控規則有不同的功效曲線[8～10]。如圖3，對于2σ偏倚的失控狀態，質控規則判斷失控的概率大約是40%(Ped=0.4)，因此，平均要用2.5次的質控活動(1/Ped=1/0.4)來檢出分析檢測系統中的2σ失控偏倚。

圖3 誤差檢出概率(Ped)

具有2個濃度水平質控品13s/22s/R4s多規則質控的功效曲線[8]，橫軸SE代表失控狀態的系統誤差，以σ的倍數表示。SE=0意味著分析過程處于在控狀態?？v軸代表質控規則判斷失控的概率，作為評價失控狀態嚴重程度的函數。

3.3 受影響患者的預期數(ANPaffected) 將1/Ped與質控活動之間檢查患者樣品的平均數相結合，在識別和解決持續失控狀態之前，可以預測有多少患者樣本受影響，即受影響患者的預期數ANPaffected[11]與質控活動之間的受檢患者樣本平均數呈正比，與質控頻率呈反比。

當分析系統在控時(SE=0)，ANPaffected很大，反映了質控規則在假失控(在無失控狀態時質控規則判斷為失控)之間所評估的患者樣品數。見圖4，質控規則假失控率大約是0.01，期望平均每100次質控活動發生1次質控規則假失控，且在質控活動之間平均檢測100個患者樣本，則在控系統在該質控規則假失控之間的ANPaffected是100×100=10 000。

圖4 受影響患者的預期數(ANPaffected)

失控程度越嚴重，質控規則的Ped越大且1/Ped越小，導致ANPaffected也越小。對于足夠嚴重的失控狀態，在出現失控狀態后的第一次評估，將確保質控規則判斷為失控。假設在檢測過程中的任意時刻失控狀態有相同的發生概率，當極嚴重的失控狀態在其發生后的第一次質控活動中被檢出時，ANPaffected將是質控活動間所評估的患者樣本平均數的一半。

ANPaffected可作為評價失控狀態嚴重程度的函數[11]。橫軸SE代表失控狀態的系統誤差，以σ的倍數表示。SE=0意味著分析過程處于在控狀態?？v軸表示ANPaffected，以對數刻度表示。

4 E(Nu)的劃分和運用

4.1 E(Nu)的劃分 E(Nu)是由于失控狀態而產生的不可靠患者結果預期數，它是△PE和ANPaffected的積[12，13]。對于嚴重的失控狀態，一般經驗規則是E(Nu)為質控活動之間患者數量的一半[14]。

E(Nu)提供了一種度量，直接描述產生患者結果的可靠性以及質控策略受給定嚴重程度的失控狀態影響的性能之間的關系，且可以進一步分成兩部分。在失控狀態發生和最后可接受的質控之前所產生的不可靠結果被認為是不能識別和糾正的“最終的”結果，其預期數縮寫為E(Nuf) 。在最后可接受的質控之后所產生的不可靠結果由于大部分是近期產生的則被認為是“可糾正的”結果，其預期數縮寫為E(Nuc)。圖5中E(Nuf)=9(從發生失控狀態到最后的可接受質控之間有9個紅色星號)及E(Nuc)=4(最后的可接受質控和質控判斷為失控之間有4個紅色星號)。

向上移動的線代表失控狀態，水平線代表隨時間變化的分析過程；每條垂直線代表一次患者樣本檢測。每個菱形代表一次質控活動；綠色菱形代表質控在控，紅色菱形代表質控失控。紅色星號代表不可靠的患者樣本結果。

4.2 運用 E(Nuf)是ANPpre(發生失控狀態和最后的可接受質控活動之間受影響患者的預期數)和△PE之積(見圖6)。E(Nuf)對于非常微小和非常嚴重的失控狀態均很小，并且在非常微小和非常嚴重的失控狀態之間的某處獲得最大值。若最大的E(Nuf)值被認為是可接受的，則對于任意的失控情況，質控策略可以保證實驗室質量；若最大的E(Nuf)值被認為是不可接受的，則應該檢查和調整質控策略，直到實現可接受的最大E(Nuf)。SE代表失控狀態系統誤差的大小，以百分數表示。

SE代表失控狀態系統誤差的大小，以百分數表示。

E(Nuc)是ANPpost(最后的可接受質控活動和質控活動判斷為失控之間受影響患者的預期數)與△PE之積(見圖7)。ANPpost依賴于失控狀態發生后的第一次質控活動能否檢出失控情況。如果失控狀態在其發生后的第一次質控活動中未被檢測出，那么在最后的可接受質控活動和質控活動判斷為失控之間所有的患者樣本將受失控狀態的影響。如果失控狀態在其發生后的第一次質控活動中被檢測出，那么如上文所述，我們預期在質控活動之間被檢測的患者樣本平均數有一半會受到影響[11]。SE代表失控狀態系統誤差的大小，以百分數表示。

SE代表失控狀態系統誤差的大小，以百分數表示。

最大的E(Nuc)值將總是接近于質控活動之間被檢測患者樣本平均數的一半。實驗室在失控狀態被識別和解決后，需要及時糾正最大的E(Nuc)值，以阻止不可靠的患者結果在發生嚴重的失控狀態時被不合理地運用。若實驗室有到位的程序可以及時識別、重復和糾正最大的E(Nuc)且使其達到質控活動之間被檢測的患者樣本平均數的一半，那么最大的E(Nuc)值是可以接受的。否則，應該采取措施，如改變質控頻率來減少最大的E(Nuc)值。

5 總結

質控策略是由質控過程中所評估的質控物樣本數，質控規則以及質控頻率(質控活動之間被評估的患者樣本平均數)所組成。通過對E(Nu)的劃分并計算最大的E(Nuf)和E(Nuc)值以及確定它們是否被實驗室接受，進一步驗證臨床實驗室質控策略的合理性。

若最大的E(Nuf)值太高，可以通過增加質控過程中被評估的質控物樣本數，使用有更高Ped的質控規則，或者減少質控活動之間被評估的患者樣本數三者相結合，由此改變質控策略來減少E(Nuf)值；也可以通過減少分析系統不精密度或增加TEa規范(任選一個)來減少其值。

最大的E(Nuc)值依賴于質控活動之間被測的患者樣本平均數。如果最大的E(Nuc)值太高，就要降低質控活動之間被評估的患者樣本數。

[1] Westgard JO．How to establish control limits．In：Assuring the right quality right[C]．Madison (WI)：Westgard QC，Inc，2007：245-259．

[2] Brooks ZC．Choosing our own rules．In：Performance-driven quality control[C]．Washington，DC：AACC Press，2001：89-114．

[3] Parvin CA．Quality-control (QC) performance measures and the QC planning process[J]．Clin Chem，1997，43(4)：602-607．

[4] Parvin CA．Statistical topics in the laboratory sciences[J]．Methods in Molecular Biology，2007(404)：353-375．

[5] Kenny D，Fraser CG，Hyltoft petersen P，et al．Consensus agreement[J]．Scand J Clin Lab Invest，1999，59(7)：585．

[6] Fraser CG．Quality specifications．In：Biological variation：from principles to practice[C]．Washington，DC：AACC Press，2001：29-66．

[7] Westgard JO．How to use sigma-metrics QC selection tool．In：Assuring the right quality right[J]．Madison (WI)：Westgard QC，Inc，2007：125-146．

[8] Parvin CA．Assessing the impact of the frequency of quality control testing on the quality of reported patient results[J]．Clin Chem，2008，54(12)：2049-2054．

[9] Yundt-Pacheco JC,Parvin CA．The impact of QC frequency on patient results[J]．MLO Med Lab Obs，2008，40(9)：24,26-27．

[10] Cembrowski GS，Carey RN．Quality control procedures．In：Laboratory quality management[J]．Chicago：ASCP Press，1989：59-79．

[11] Parvin CA．Comparing the power of quality-control rules to detect persistent systematic error[J]．Clin Chem，1992，38(3)：358-363．

[12] Parvin CA．Comparing the power of quality-control rules to detect persistent increases in random error[J]．Clin Chem，1992，38(3)：364-369．

[13] Parvin CA，Kuchipudi LS，Yundt-Pacheco JC．Should I repeat my 1∶2s QC rejection?[J]．Clin Chem，2012，58(5)：925-929．

[14] Parvin CA．New insight into the comparative power of quality-control rules that use control observations within a single analytical run[J]．Clin Chem，1993，39(3)：440-447．