利用風險管理指數設計定量項目室內質量控制方案的應用

張 裕，余啟華，任碧瓊

湖南省第二人民醫院/湖南省臨床檢驗中心，湖南長沙 410007

臨床實驗室質量控制(QC)理論的最新趨勢強調了實驗室應評估室內質量控制策略的有效性，以最大程度地減少因檢測過程中的不穩定性而產生的錯誤結果，導致不恰當的臨床決策和醫療行動對患者造成傷害的風險。美國臨床和實驗室標準化研究所(CLSI)已發布的指南CLSI EP23-A[1]和CLSI C24-Ed4[2]反映了這一趨勢。C24-Ed4緊密結合了EP23-A中提出的風險管理的概念和原理，提出一種名為“MaxE(Nuf)”的患者風險參數，即存在未檢出的失控狀態時，最終報告的錯誤(不正確或不可接受的)患者結果數量相較在控狀態下的最大增加量。在設計QC策略時，考慮將MaxE(Nuf)控制在一定數量以下[3]。需注意的是此方法只控制了報告錯誤結果的數量，MaxE(Nuf)僅是患者風險中傷害概率的度量[4]，但這與患者風險不同，依據風險管理指南，患者風險還應取決于檢驗程序發生失控的頻率以及報告錯誤的患者結果導致不恰當的醫療決策或行動而導致患者傷害的可能性[5]。為此，C24-Ed4文件制定委員會主席Parvin提出了一個新指標——風險管理指數(RMI)[6]，即報告的錯誤結果對患者傷害的預期概率與可接受的患者傷害概率之比，來確定患者傷害風險是否得到有效控制，并開發出配套的風險防控軟件，但該軟件不能免費使用，現有的文獻中也沒有簡單的工具可以計算。本研究旨在梳理RMI計算原理，通過使用常見的辦公軟件Excel編輯函數，利用實例計算風險管理指數水平，并繪制示意圖，在一定程度上幫助實驗室進行基于RMI的統計質量控制策略設計。

1 RMI的概念及原理

EP23描述了一種針對實驗室質量控制的風險管理方法，該方法旨在識別實驗室中所有可能的故障模式，對已識別的故障模式進行風險排序(見圖1)，然后制定策略預防風險發生或降低至可接受的水平。該圖提供了一個模型，可用于關聯實驗室的檢測活動如何產生患者傷害風險。首先，在實驗室的測量過程中可能會出現失控的情況，失控的狀況將增加產生錯誤患者結果的可能性。如果報告錯誤的患者結果，則可能對患者造成危險情況。最后，錯誤結果導致不恰當的臨床決策和危險醫學措施，從而對患者造成傷害[7]。

圖1 產生患者傷害的序列事件

Parvin提出的RMI數以EP23風險模型為基礎，分析產生患者傷害的一系列因素，轉化為可量化的患者傷害相關參數(見圖2)，然后計算出存在不同程度失控系統誤差時患者傷害預期概率PH(SE)，以生成RMI。若患者傷害預期概率(PredictedPH)小于或等于可接受的患者傷害概率(AcceptablePH)，即RMI≤1，則實驗室的質量控制策略已將患者風險降低至可接受的水平。若RMI>1，則需要設計新的質控策略。PH(SE)與RMI計算公式[6]分別為：PH(SE) ={PE(0) + E(Nuf(SE))/(MPBF+ANPed(SE))}×Ph|u RMI=PredictedPH/AcceptablePHPE(0)是指檢測系統處于在控狀態時產生錯誤結果的概率。MPBF是檢測系統平均失控周期內報告的患者結果數。E[Nuf(SE)]是已報告的錯誤患者結果數量。ANPed(SE)是從失控狀態開始到被檢出之間處理的患者樣本平均數。E[Nuf(SE)]/[MPBF+ANPed(SE)]是指發生失控誤差而導致錯誤患者結果概率的增加。PE(0)+E[Nuf(SE)]/[MPBF+ANPed(SE)]是指在控和失控狀態期間出現錯誤結果的總概率。Ph|u是指報告的錯誤結果導致的不當醫療決策或醫學措施而導致患者傷害的概率評估。PredictedPH是指不同失控誤差大小時，平均患者傷害預期概率。AcceptablePH是指最大的可接受的患者傷害概率。

圖2 產生患者傷害的序列事件及患者傷害預期概率相關參數

2 利用RMI設計室內質控方案的實際操作

根據上述公式以及各參數的定義，可以利用Excel編輯函數進行計算。PE(0)等于在控狀態時檢測結果超出質量要求范圍的概率，基于檢測系統的偏移(Bias)和不精密度(CV)以及允許總誤差(TEa)要求來計算，見文獻[8]。MPBF等于測試系統平均失控周期(天)乘以每天分析物的平均患者結果數。E[Nuf(SE)]等于發生不同大小系統誤差時的E(Nuf)值，ANPed(SE) 等于發生不同大小系統誤差時的ANPed值，基于檢測系統的Bias和CV，使用的QC規則，QC頻率或批長度以及TEa要求來計算，見文獻[8]。Ph|u來源于專家觀點，文獻報道或臨床醫生意見[4,6]。Predicted PH來源于PH(SE)，是指±2TEa范圍內PH(SE)的定積分，即發生±2TEa范圍失控誤差大小時，平均患者傷害預期概率，可按定積分原理以一定系統誤差大小間隔(如1.0%或0.5%)計算PH(SE)值后再求均值。AcceptablePH需分析檢測項目危險嚴重度，利用風險可接受性矩陣和患者傷害類別概率矩陣，確定最大可接受傷害概率。計算RMI所需相關參數、英文簡稱、計算公式及Excel函數見表1。

表1 利用Excel計算風險管理指數所需參數及公式

續表1 利用Excel計算風險管理指數所需參數及公式

以血清葡糖糖為例，實驗室的QC方案為采用2個濃度水平質控物、質控規則為13s，TEa為10.0%，Bias為0.0%，CV為2.5%，計劃的QC之間患者樣本的數量(批長度)E(NB)為100。每天的標本量為100，檢測系統平均失控周期為30天。根據Parvin的評估，血清葡糖糖因錯誤結果導致不適當的醫療決策或行動而導致患者傷害的概率為50.0%，Ph|u設定為0.5；因不適當的醫療決策或行動對患者的危害嚴重程度為“微小”等級。根據表2風險可接受矩陣，危害嚴重度等級中的“微小”等級一列，最大可接受的發生概率等級為“偶爾”。然后根據表3患者傷害類別概率的矩陣，“偶爾”等級的發生概率為0.000 01～0.000 1，上限為0.000 1。據此得出最大可接受的患者傷害概率(AcceptablePH)為0.000 1。參照表1的計算公式，在第4列“/”輸入上述對應的參數，在SE(%)處按一定間隔輸入不同的系統誤差大小(本例從-2TEa至2TEa，間隔0.5%)，P1為發生誤差后質控規則的誤差檢出概率，因單規則與多規則功效的計算公式不同，單規則P1計算公式見文獻[8-9]，多規則P1計算公式見文獻[10]，并按SE(%)間隔計算出不同系統誤差大小時的P1。上述參數的取值確定后，根據表1 Excel函數公式搭配Excel自動填充功能計算得出RMI值。

表2 風險可接受性矩陣(EP23)

表3 患者傷害類別概率矩陣(ISO 14971)

按該項目當前的質控方案，其RMI值為2.31，見表4。患者風險在現有質控策略下不可控，需設計新的質控策略。新的方案二采用了更加嚴格的質控規則13s/22s/R4s，在該方案下的RMI值下降至1.38，但仍未達到RMI≤1的目標，因此需再次設計新的質控策略。方案三在沿用13s/22s/R4s規則的情況下，將批長度縮短至之前的一半，即50個標本做一次QC，此方案下的RMI值降至0.89，達到了預期目標，意味著實驗室當前的質控策略已將患者風險降低至可接受水平。3種方案相關數據見表4和圖4。

表4 基于風險管理指數的室內質量控制方案設計示例

圖4 不同誤差狀態下E(Nuf)與E(Nuc)、PH(SE)示意圖注：方案一為A、B；方案二為C、D；方案三為E、F；E(Nuf)參照左側縱坐標；E(Nuc)參照右側縱坐標。

通過表4的數據還可以發現，檢測系統處于在控狀態時的患者傷害預期概率PH(0)是一個恒定的數值，在控狀態時PH(SE)的計算公式為PH(0)={PE(0)+E[Nuf(0)]/[MPBF+ANPed(0)]}×Ph|u，因為沒有發生系統誤差而導致的錯誤結果數的增加，此時E(Nuf)值為0，因此PH(0)=PE(0)×Ph|u，PE(0)為檢測結果超出均值±4s的概率，值為0.633 4×10-4，乘以Ph|u后即為PH(0)值。當發生很大系統誤差時，實驗室只需1次QC即可檢出誤差狀態，鑒于括號式(限定區間)QC方式，產生的錯誤報告均可糾正，因此發出錯誤報告的數量為0[8]，故PH(SE)曲線兩邊逐漸趨于平坦至PH(0)值，見圖4。E(Nuf)的圖形與PH(SE)的圖形外觀基本一致，隨著質控方案越來越嚴格，E(Nuf)的圖形波峰越來越低矮，E(Nuf)在沒有發生誤差時值為0，隨著系統誤差的增大，E(Nuf)由最初的逐漸上升，到一定數量后，也就是達到Max E(Nuf)后，開始逐漸下降，最終又接近于0，可見PH(SE)值與E(Nuf)值直接相關。E(Nuc)值隨著發生系統誤差的增大，由0逐漸增大，直到達到最大值E(N0)。

此外，3種方案的MaxE(Nuf)隨著質控方案越來越嚴格，其值也越來越低。根據以往的研究[11-13]，在設計基于參數MaxE(Nuf)的質控方案時，需將MaxE(Nuf)值控制在1以下，但是基于RMI的質量控制策略，MaxE(Nuf)值是否小于1并不是一個必要的條件，如方案三，盡管MaxE(Nuf)值為1.31，但該方案的RMI值為0.89，已滿足風險管理要求。緣于RMI包含了產生患者傷害的全過程因素，牽涉到更多的參數，因此，亦有可能發生MaxE(Nuf)值已小于1，RMI值不一定小于1的情況。

3 小 結

CLSI C24-Ed4明確了實驗室質量控制的主要目標是降低由錯誤檢驗結果導致的患者風險。實驗室的質量控制策略旨在確保即使發生測試系統故障，由于報告的錯誤結果而導致患者傷害的風險也可以保持在可接受的水平。RMI可將實驗室質控策略與患者傷害嚴重程度聯系起來，確定患者傷害風險是否得到有效控制。但預測RMI所需的一些參數，例如檢測系統平均失控周期，錯誤報告的結果導致不適當的醫療決策或行動的可能性，以及因不適當的決策或行動導致的患者傷害的嚴重性需要主觀估計。這些估計值可能會有不同的意見，對其中任何一個的更改都會改變所計算出的PH(SE)和RMI值[6]，因此需要權威機構來統一這些標準[4]。Excel作為常用的辦公軟件，不僅可以計算常用質控規則的功效，幫助實驗室進行個性化室內質控設計；還可以計算E(Nuf)值，輔助設計批長度；其功能也已滿足評估風險管理指數RMI的需要。隨著風險管理意識的深入，實驗室可利用上述方法評估RMI，完善質控策略，將患者傷害的風險降低到可接受水平。