靜脈用藥調配中心調配環境微生物動態監測數據的統計分析

宗留留，老東輝，沈藝，楊蘊智，張建中，，李曉宇，呂遷洲

靜脈用藥調配中心（PIVAS）的調配環境是典型的受控環境，其中微生物污染指標是調配環境管理的重要控制參數［1］。基于歷史監測數據發現，微生物污染水平存在大大低于相關規范上限標準的現狀［2］，而傳統“超限管理”模式則會造成環境監測數據信息的浪費，特別是異常值信號得不到解讀。為此，相關文件明確規定了基于環境質量特性的警戒限、糾偏限的建立要求，以便不斷審查，及時警覺并采取糾正措施，從而確保潔凈室微生物監控過程維持在統計學受控狀態［3-4］。

通常，糾偏限由監管或行業指南驅動，警戒限由歷史環境監測數據的分析驅動，同時糾偏限與警戒限的制訂與應用應保持一致性。查閱國內外相關法規及文獻，發現對于微生物數據控制限度的制定方法目前可以歸納有3種［5-7］。第1種參數模型，其原理是分析數據分布特征（如正態分布、泊松分布、負二項分布、伽馬分布、指數分布等）并利用概率密度制定控制限［7-8］；第2種閾值法（百分位函數法），其原理是將所有數據排序，取百分位數作為控制限［9］；第3種公差限制方法，根據標準值的百分比作為控制限［5］。但目前對于限度設置的最佳方法尚未達成共識，主流思想是基于數據特征選擇最適合的統計分析方法［7］。然而，PIVAS調配環境的微生物數據特征尚未有見報道。而微生物數據普遍被認為具有非正態性、包含零、高度分散以及可用性差等特性［8］，為限度制定帶來極大的挑戰。

基于上述兩點，本研究的目的是首先了解PIVAS調配環境動態質量特征；其次試圖基于PIVAS調配環境微生物動態監測數據特征，借助統計分析軟件建立控制限度（警戒限、糾偏限）設置方法，從而實現快速識別可能出現的異常原因的應用價值。

1 資料與方法

1.1 數據收集 收集復旦大學附屬中山醫院東院區靜脈用藥調配中心2018年4月至2021年3月調配環境微生物監測數據，按月份固定間隔抽取建立數據庫。微生物監測采用動態監測模式（即在操作人員進入調配環境開始加藥混合調配時開始采樣，直至清場前結束），具體方法依據文獻［2］進行。

1.2 數據預處理 依據潔凈級別和采樣方法，數據庫中數據分為四組（A級操作臺沉降菌、A級操作臺浮游菌、C級調配間沉降菌、C級調配間浮游菌）并整理至Excel。

1.3 限度制定方法 參照圖1方法分別對各組數據進行控制限度的制訂。①參數模型：利用Minitab數據統計分析軟件中的“個體分布識別”對各組數據進行14種分布（包含Johnson變換和Box-Cox變換）擬合，當P＞0.05提示分布擬合較好。當數據服從正態分布時，采用均值加2倍標準差作為警戒限，均值加3倍標準差作為糾偏限；服從其他分布則根據其概率密度設置限度（如90%作為警戒限，95%作為糾偏限）。②閾值法：利用Excel中的PERCENTILE功能對各組數據進行分析，以95分位數作為警戒限，99分位數作為行動限。③公差限制法：通過計算規范上限標準的95%作為警戒限，99%作為糾偏限。

圖1 限度設置方法

1.4 應用效果評價 利用2021年4月至2022年3月調配環境微生物數據，計算控制限度下的覆蓋率，將其與構建百分比進行比較以計算覆蓋率誤差。通過應用中的覆蓋率誤差、警報頻率等指標評價控制限度制訂方法的合理性。覆蓋率誤差百分比δ=（控制限度對應用數據的覆蓋率-控制限度構建的百分比）×100%，δ越小，說明控制限度制訂方法越合理。

2 結果

2.1 調配環境微生物污染水平評估結果 結果共計720次，經判定均未超標，合格率為100.00%。結果（圖2）顯示：A級操作臺微生物動態數據處于0、0.33、0.5、0.67四個數值間跳動，調配間微生物數值遠低于法規規定的上限。分析認為PIVAS調配環境具有很低的污染率并維持低水平的微生物污染，故有必要對PIVAS調配環境制訂適宜的控制限度以便及時發現異常。

圖2 靜脈用藥調配中心（PIVAS）調配環境微生物動態監測結果

2.2 參數模型結果 擬合結果（表1）顯示：PIVAS調配環境微生物監測數據無法擬合任何一項分布（包括Box-Cox 變換和Johnson 變換），說明無法進行參數模型構建控制限度。

表1 微生物動態監測數據擬合優度檢驗

2.3 閾值法結果 在閾值法構建過程中，A級操作臺閾值法初始估算的警戒限與糾偏限為同一數值，這是由于數據可用性差造成的，故糾偏限調整為法規推薦的微生物控制限度。閾值法最終成功構建了控制限度，控制參數在0.50～6.29，限度范圍相對較窄。見表2。

表2 微生物控制限度運算結果

2.4 公差限制法結果 公差限制法成功構建了控制限度，控制參數在0.95～99.00，限度范圍相對較寬，見表2。

2.5 控制限度應用效果評價 閾值法與公差限制法的覆蓋率誤差結果顯示，閾值法明顯優于公差限制法。見表3。此外，公差限制法僅警報了1次（概率為0.47%），未能實現對異常值的警報作用；閾值法警報了13次（概率為5.47%），基本覆蓋了異常值的警報，靈敏性相對較強，可及時提醒異常狀態的出現。見圖3。總體而言，閾值法構建的控制限度實用性強，較為合理。

表3 控制限度的覆蓋率誤差比較/%

圖3 靜脈用藥調配中心調配環境微生物控制限度制訂及應用結果：A為A級操作臺沉降菌；B為A級操作臺浮游菌；C為C級調配間沉降菌；D為C級調配間浮游菌

3 討論

空氣環境管理是PIVAS調配生產過程監控的重要環節［10］，國內研究默認參照執行的標準是GB/T 16293-2010和GB/T 16294-2010。然而，標準推薦的限度是固定，沒有考慮到每種生產線或產品類型的獨特性［8］。因此，本研究首先對PIVAS調配環境微生物污染水平進行了分析，當然監測結果離不開一系列改善衛生狀況措施的實施：由于成品輸液為最終非滅菌產品，C級調配間作為A級操作臺的背景，理論應當維持在較低的微生物濃度。故在調配流程中通過對物料數量進入的限制、風淋門風淋清潔、紫外燈消毒、人員走動控制等措施的設計以保障調配間微生物污染控制在較低水平。而A級環境要求培訓合格人員才能進行無菌配置的上崗操作，避免操作臺堆積無關物品、藥品手套不消毒等現象在A級環境中出現。總體而言，調配間的微生物污染控制在穩定的低水平上；但A級操作臺頻繁檢出微生物一直是質檢部門的困擾，該結果與沈國榮等［11］研究相一致，調查發現人員行為屬性是主要的影響因素。因此，基于環境特征及管控需求，本研究首次嘗試為PIVAS調配環境微生物動態監測添加基于歷史數據特征確定的控制限度，以監測微生物數據是否保持在預期范圍內，從而實現快速發現異常的目的，對環境監測具有重要的指導意義。

警戒限與糾偏限的制定原則是以檢測結果出現的概率作為判定依據，其核心原理都是小概率事件原理［6］。通常1%和5%小概率事件視作不可能發生而常被使用，但有學者根據三西格瑪規則精確換算出控制限度的百分位（97.5th為警戒限、99.85th為糾偏限、）［12］，對此本研究同樣進行了估算，應用結果與95th和99th相比，雖然限度變寬但具有相同的靈敏度。總之，概率密度的選擇并不絕對，應根據自身情況制訂并確保設置的合理，避免頻報或漏報現象的出現。本研究對控制限度的應用策略是：超過警戒限時，并不采取行動但予以跟進，并且比平時更密切地監控該樣本站點，一旦連續兩次超過警戒限則被視為超過糾偏限；超過糾偏限時，進行調查以確定污染源并評估偏移的關鍵性，基于評估采取適當的糾正措施，以減輕污染風險并降低環境中微生物的水平。

本研究利用閾值法和公差限制法均成功構建了PIVAS調配環境動態微生物控制限度，但實踐證明閾值法相對于公差限制法，覆蓋率誤差較低且基本可以覆蓋異常值的警報，具有靈敏性強的優勢，值得推廣。然而本研究還存在一定的局限性，即樣品數據量總體偏少且可用性差，導致控制限度水平可能偏高。為此，這項研究還須繼續跟蹤PIVAS調配環境微生物數據以建立穩健的低水平控制限。