CN105426654A

CN105426654A - 在临床诊断过程中抽样检查小型失控状态的系统和方法

Info

Publication number: CN105426654A
Application number: CN201510715804.4A
Authority: CN
Inventors: L·S·库奇帕迪; C·帕文; J·扬特-帕切科
Original assignee: Bio Rad Laboratories Inc
Current assignee: Bio Rad Laboratories Inc
Priority date: 2014-07-10
Filing date: 2015-07-10
Publication date: 2016-03-23
Anticipated expiration: 2035-07-10
Also published as: EP2966583A3; EP2966583A2; EP2966583B1; AU2015203847B2; AU2015203847A1; CN105426654B; US20160012191A1

Abstract

公开了一种自动抽样检查临床诊断过程的小型失控状态的系统和方法。通过估计该失控状态的大小估计从最后良好质量控制事件开始评估的不可靠结果的期望数量，构建基于浓度的偏差、不精确和TE_a简况，并使用这些参数估计样本结果不可靠的概率。患者样本基于它们超过医学决策极限的概率或者不可靠的概率被自动选择以重新评估。当那些样本的结果已经被报告时，该系统和方法确定哪些重新评估的患者样本需要被纠正。还包括了该系统和方法的各种示例性实施例和实施方式。

Description

在临床诊断过程中抽样检查小型失控状态的系统和方法

相关申请的交叉引用

不适用

关于联邦政府资助的研究或开发的声明

不适用

技术领域

本发明涉及临床诊断过程，并且更具体地涉及在这种过程中抽样检查(spot-checking)小型失控状态的系统和方法。

背景技术

临床诊断实验室使用各种质量控制方案控制临床诊断过程以确保诊断结果的准确性。在美国，Westgard是一种公知的方案，而其他方案，诸如RiliBAK，在美国之外更为普遍。最近开发的基于患者数据的方案，诸如专利号为8,099,257的美国专利中描述的生物计量质量控制过程，也变得被更为广泛地使用。

不考虑使用的特定的质量控制(QC)过程，已知的QC过程的共有特征是所有这种过程终将会以某种方式失败。这些失败一般可分为两类：停止失败，其中整个测试系统或过程被中止；以及运行失败，其中该测试系统或过程继续，但是可能正在产生错误的结果。临床诊断过程继续运行的失败通常是指一种失控状态(out-of-controlcondition)——即，诊断过程仍在操作，但并不在期望的参数范围内运行。当存在失控状态时，失控状态影响所有被评估的样本，即以在评估中测量误差的量增大的形式。仅当在结果中的测量误差超过预定水平(即，能够允许的总误差TEa)时该结果被视为是不适用的或者不可靠的。如果该失控状态很大，它会导致在存在该状态期间评估的所有样本均不可靠。然而，如果该失控状态很小，它可能导致在存在该情况期间评估的仅一部分样本不可靠。

在临床诊断过程中的失控状态可在很长一段时间内保持不被检测到。由于被分析的患者样本自身具有不可知的分析浓度，难以从这些样本中确定它们的质量是否已被危害。因此，当最终检测到一种失控状态时，实验室有义务识别那些被视为不可靠的结果并采取纠正行动以补救该失控状态，从而可恢复准确和可信的结果。

所提供的一种确保准确和可靠结果的方法是首先纠正该失控状态，然后从临床诊断过程的最后已知“良好”状态开始重新测试已经测试的所有患者样本。这通常是被认定为该质量控制过程已被评估并认定为“良好”的最后的一次。虽然这一方法确保了所有可能的不可靠结果均被考虑并且样本被重新测试，但它可能过于繁琐和麻烦。例如，如果从最后已知的良好状态开始已经测试了一千个样本，并且失控错误刚好在样本九百九十九后发生，那么实际上当仅第一千个样本不可靠时所有的一千个样本必须被重新测试。如果失控状态的出现可被准确检测，则可以识别出该不可靠结果并且可减少样本的重新测试。然而，检测和处理小型失控状态是非常复杂的，这是因为难以确定哪些样本需要纠正和重新测试。

因此，很显然目前依靠识别大型失控状态和重新测试样本的质量控制过程是不够的，常常导致重复测试和对样本不必要的重新测试。

发明内容

本发明针对一种在临床诊断过程中抽样检查小型失控状态的系统和方法。本发明的该系统和方法自动特征化小型失控状态，并预测从最后已知良好质量的控制评估开始的不可靠患者样本结果的数量。该系统和方法进一步识别具有最高风险的不可靠的患者样本，并在已经补救该失控状态后重新评估或抽样检查这些样本。因此，仅当被授权(warranted)时要求对重新评估样本的纠正。

在一个方面，本发明的系统和方法在实验室质量控制(QC)过程中提供对失控状态的自动的抽样检查。在另一方面，本发明的系统和方法通过估计失控状态的大小(magnitude)，构建基于浓度的偏移、不精确性以及全部可允许误差(TEa)简况，并使用这些参数估计不可靠样本结果的概率，估计从最后良好QC事件开始的不可靠结果的期望数量。在另一方面，本发明的系统和方法基于样本通过医疗决策极限的概率或具有不可靠的高概率自动选择患者样本重新评估。在另一方面，本发明的系统和方法自动确定当该结果已经被报告或发布时哪些被重新评估的患者样本需要被纠正。

这里将联合专利号为8,099,257的美国专利的生物计量质量控制过程描述本发明的自动质量控制系统和方法，通过引用将该专利的全部内容包含于此。然而，应当理解，本发明的系统和方法可等同地与任意其他质量控制过程，生物计量或其他一起使用，这些实现方式被涵盖并处于本发明的范围内。

对本说明书其他部分的参考，包括附图和权利要求，将实现本发明的其他特征和优点。本发明的进一步特征和优点，以及本发明各实施例的结构和操作，将在下文参考附图和权利要求进行详细描述。在附图中，相同的附图标记表示相同或功能相似的元素。

附图说明

将参考构成本发明一部分的附图在本发明下面的具体说明中更详细地描述本发明，其中

图1描述了根据本发明第一示例性实施例的、配置有用于抽样检查临床诊断过程的小型失控状态的应用模块的客户端计算系统的框图。

图2描述了根据本发明的示例性实施例的、用于在多个计算系统和设备间执行共享应用和/或通信数据和命令的网络配置的框图。

图3A描述了根据本发明的示例性实施例的、用于抽样检查临床诊断过程的小型失控状态的过程的流程图的第一部分。

图3B描述了根据本发明的示例性实施例的、用于抽样检查临床诊断过程的小型失控状态的过程的流程图的第二部分。

具体实施方式

在图1至图3B中描述了根据本发明示例性实施例的抽样检查临床诊断过程的小型失控状态的系统和方法。虽然将在下文参考描述的示例性实施例和作为替换的实施例详细描述本发明，但应当理解，本发明不限于在这些实施例中示出和描述的特定配置。也就是说，本领域技术人员会理解根据本发明可实现多种配置。

首先参见图1和2，系统客户端计算机系统(例如，临床诊断仪器)10被配置有可操作以对各种分析物(如患者样本或质量控制样本)执行测试的应用模块20。应用模块20可以连同执行任意临床诊断过程执行任意顺序的诊断步骤或一个或多个诊断算法，诸如血液分析仪或任意其他临床诊断或分析过程。如图2中最优显示的，根据本发明的一个示例性实施例，多个客户端计算机系统100可安排在用于在多个计算系统和设备间执行共享的应用和/或通信数据和命令的网络配置中。应当理解，客户计算机系统10可作为一独立系统运行，诸如诊断仪器设备或实验室仪器，或者它可通过网络34连接至一服务器系统30和/或其他客户端系统10和/或其他设备/服务器32。

图1和2中描述的系统中的多个元素都是公知的，可根据本发明实现已有的元素和这些示例元素的变型。例如，客户端系统10可包括桌上型个人计算机，工作站，膝上型计算机，手持移动设备，或能够执行应用模块20的任意其他计算设备。在客户端-服务器或网络的实施例中，客户系统10被配置为通过网络34直接或间接与服务器系统30接口。网络34可为本领域公知的任意类型的网络，诸如局域网(LAN)，广域网(WAN)，因特网，自组织网，或任意其他类型的网络。客户端系统10还可通过网络34直接或间接与一个或多个其他客户端系统10和设备/服务器32通信。客户端系统10优选地执行网络浏览程序，诸如微软的因特网浏览器，网景的导览器，Opera浏览器等，允许客户端系统10的用户访问、处理和浏览通过网络34来自服务器系统30或的其他服务器系统的对它可用的信息和页面。客户端系统10还优选地包括一个或多个用户接口设备36，诸如键盘、鼠标、触摸屏、图形平板电脑、笔等，以与在显示器38上提供的图形用户界面(GUI)交互。显示器38优选为监视器或LCD屏幕，但可为本领域公知的任意类型的显示设备。

在一个示例性实施例中，应用模块20全部在客户端系统10(例如，独立的)上执行，然而，在作为替换的实施例中，该应用模块可在网络环境下执行，诸如客户端-服务器、点对点或多计算机联网环境，其中该应用代码的各部分可在网络系统的不同部分上执行或者其中数据和命令在执行该应用代码的各部分的各组件或设备间交换。在本地网络的实施例中，优选通过LAN的互连，然而，应当理解可使用其他网络，诸如因特网或任何内联网、外联网、虚拟专网(VPN)、基于非TCP/IP的网络、WAN等。例如，在图2描述的示例性实施例中，LAN33将多个设备互连至客户端系统10。这一网络是多个仪器环境35的示例，诸如实验室或医院，其中在实验室信息系统(LIS)配置中，多个仪器、设备或服务器被连接至客户端系统10。LAN33可包括无线和有线链接和节点，并使用本领域公知的各通信协议。

优选地，服务器系统30用作中央计算机系统，它执行该应用模块代码的大部分或全部，每个客户端系统10用作用户的终端或登录点。例如，客户端系统10可驻留在作为LIS一部分的实验室或医院的多仪器环境35中，而服务器系统30可驻留在地理上远程的位置。在这一配置中，该应用模块代码优选地全部在服务器系统30上执行，并且通过网络34在客户系统10之间发送数据和命令。例如，如果客户系统10驻留在实验室中，客户系统10可提供所需的患者数据和/或测试结果/数据，以及来自本地数据库和本地仪器和设备的由服务器系统30处理的其他信息，然后可以将处理结果提供回客户端系统10，或提供至其他计算机系统。应当理解，出于对计算效率的目标的需要，应用代码可全部在单个系统上执行或其部分可在系统10和30两者上(或在其他示例性实施例中的在多个系统上)执行。此外，在多个仪器环境35中的客户端系统10可执行应用模块代码的一部分或全部。

再次参见图1，在一个示例性实施例中，客户端系统10和它的部分或全部组件是在应用模块20的操作中可配置的运算器，该应用模块包括可在通过本领域公知的一个或多个总线42耦合至其他组件的中央处理单元40上执行的计算机代码。包括用于操作和配置客户端系统10(或执行应用模块的其他系统，诸如图2的服务器系统30)以处理数据内容、监视和控制应用过程、并渲染本文所述的GUI图像的指令的计算机代码优选地被存储在硬盘上，但是整个或部分程序代码，还可存储在任意其他公知的易失性或非易失性存储介质或设备上，诸如ROM或RAM，或被提供在能够存储程序代码的任意介质上，诸如致密盘(CD)介质、数字多功能盘(DVD)介质、软盘等。

提供了适当的介质驱动器44以从这一计算机可读介质上接收和读取文档、数据和代码。此外，模块20的整个或部分程序代码或相关的命令诸如ActiveX命令，可从诸如服务器系统30的软件源传输和下载至客户端系统10，或从另一服务器系统或计算设备通过公知的因特网至客户端系统10，或者使用同样公知的任意通信介质和协议(例如TCP/IP、HTTP、HTTPS、以太网等)通过任意其他传统的网络连接(诸如，外联网、VPN、LAN等)发送。应当理解，用于执行本发明各方面的计算机代码可以各种编码语言实现，诸如C、C++、Java、VisualBasic等，或者以任意脚本语言实现，诸如VBScript、JavaScript、Perl，或以标记语言实现，诸如XML，这些语言可被执行在客户端系统10和/或客户端-服务器或网络配置中。此外，根据本发明的各方面，各种语言可被用于外部和内部数据存储中，例如，患者结果、设备和仪器信息(例如，ID、日期/时间戳、校准信息、温度信息等)，以及其他信息。

如这里所述，在一示例性实施例中，应用模块20包括用于监视和控制临床诊断过程的指令，以及用于提供用户界面配置能力的指令。应用模块20优选地被下载并存储在介质硬盘驱动器44(或其他存储器诸如本地或附连的RAM或ROM)上，但如上文所述应用模块20还可提供在其他软件存储介质上，诸如软盘、CD、DVD等。

在图1描述的示例性实施例中，应用模块20包括用于处理数据内容的各种软件模块。通信接口模块22被提供用于将文字和/或其他数据通信至显示器驱动器以在显示器38上渲染图像(例如，GUI图像)，并用于在网络实施例中与设备/服务器32和/或其他计算机或服务器系统通信。用户接口模块24被提供用于接收来自用户接口设备36的用户输入、命令和信号。通信接口模块22优选地包括浏览器应用，它可为与如前文所述配置在客户端系统10上的默认浏览器相同的浏览器，或者任意其他浏览器或用户接口应用。作为替换的，接口模块22包括与在客户端系统10上执行的浏览器应用接口的功能。

应用模块20还包括根据一个或多个预定临床诊断过程执行指令以处理数据的临床诊断过程模块28。例如，该临床诊断过程可实现完整的血液分析仪，特定葡萄糖分析仪，或者任意其他临床分析或诊断过程，或者这些或其他过程的任意变型或组合。此外，应用模块20可包括可操作执行其他临床诊断过程或分析或质量控制过程的其他模块。如将在下文更详细说明的，应用模块20进一步包括可操作以检测在应用模块中运行的任意或所有临床诊断过程中小型失控状态的抽样检查模块26。

需要注意的是，虽然抽样检查模块26被示为连同应用模块20以及连同在该模块内执行的临床诊断过程28(或多个过程)一起操作，但应当理解，该抽样检查模块本身并不必须为应用过程的一部分，而是可以独立于该过程而运行。因此，虽然实现本发明抽样检查过程的该模块可能包含在实现临床诊断过程的一个仪器或系统中并可能连通该过程一起运行在一系统上(如图1的示例系统中所述)，或可能甚至与该过程编码为单个可执行应用，但是用于抽样检查本发明小型失控状态过程还可连同其它临床诊断过程一起或以独立的配置使用或实现，这被涵盖并处于本发明的范围内。

编译的统计数据(例如，设备和仪器信息)、患者信息以及其他信息优选地存储在数据库46中，它可驻留在存储器48中，在存储卡或其他存储或储存系统中，诸如附连的存储子系统RAID驱动系统，用于由临床诊断过程模块28、该抽样检查模块26、以及应用模块20的其他部分检索。应当理解，应用模块20或它的某些部分，以及适当的数据可被下载至并执行于客户端系统10。

现在将具体参考描述了与单个临床诊断过程或一组临床诊断过程联合使用的该过程的示例性实施例的流程图3A和3B描述抽样检查模块26的操作，诸如在多仪器或多实验室环境中。

本发明的方法自动特征化小型失控状态并预测从最后已知良好质量控制评估开始已经生成的不可靠患者样本结果的数量。该方法进一步识别处于最高风险的不可靠的患者样本，并在已经补救该失控状态后重新评估或抽样检查这些样本。因此仅当授权时要求对重新评估样本的纠正。在操作中，通常实验室将同时执行和运行多个临床诊断过程，在任意给定的时刻都运行着大量仪器，这些仪器中的每一个或者运行不同的临床诊断过程，或者如通常情况一样，多个仪器运行相同的过程。

用于抽样检查小型失控状态的方法被简略描述如下：基于对失控状态的检测，已通过实验室的仪器收集的样本评估数据被分析以确定该数据中的可能误差的范围。该数据的分析包括估计失控状态的大小，估计不正确的样本数据的概率，并计算该样本数据中预期的不正确结果的预测数量。如果失控状态的大小被发现过高(例如，该大小超过预定阈值)，那么该抽样检查方法并不适用，并且应当使用另一恢复方法。如果该失控状态的大小被发现过低(例如，该大小达不到预定阈值)，那么不需要任何抽样检查这是因为该误差处于可允许的容忍度中。如果该失控状态的大小处于这两个阈值之间，那么在解决了失控状态后应用该抽样检查方法。生成将要抽样检查的样本列表，并且那些样本被重新评估。如果初始结果(即，在检测到失控状态之前的样本的评估)已经被发布或报告，那么生成具有样本重新评估结果的纠正列表。如果该初始结果已经被发布，那么使用患者样本的重新评估结果替代该初始结果。

现在参考描述了本发明的抽样检查方法的示例性实施例的流程图图3A和3B。对于要使用本发明的抽样检查系统和方法的每个临床诊断过程，实验室必须首先定义多个过程参数如下：

NUMREP-是在要用于估计失控状态大小的每个质量控制(QC)浓度水平处的复制品的数量。通常NUMREP优选地在2至4的范围内，尽管取决于特定临床诊断过程和/或特定分析物，该范围之外的值可能是适用的。

TE_a-是临床诊断过程的可允许的总误差。TE_a的值通常由实验室的操作者确定，优选考虑技术能力和分析物的临床效用。TE_a优选基于一百分比或基于一基于分析物的浓度为TE_a赋值的函数。

MAXNI-是用于抽样检查的预测不正确结果的最大数量。优选地基于在质量控制(QC)事件之间评估的患者样本的数量选择MAXNI。正如将在下文更详细描述的，如果不正确结果的预测数量超过MAXNI，那么抽样检查可能并不适用并且可使用其他恢复过程。

PILO-是当确定哪些样本需要被抽样检查归因于它们接近于医学决策极限时要考虑的不正确结果的最低概率。

PIMIN-是当确定哪些样本需要被抽样检查归因于不正确的高概率时要考虑的不正确结果的最小概率。

优选地，实验室操作员将基于执行的各临床诊断过程的实验室历史和知识以及被处理的分析物的种类确定NUMREP、TE_a、MAXNI、PILO和PIMIN的默认或初始值。当然，随着实验室知识基础的增长，在本发明的范围内可能根据需要执行对于初始或默认值的调整或改变。

使用定义的特定临床诊断过程的初始参数和刚刚描述的设置，用于执行本发明的抽样检查方法的一般过程步骤在图3A和3B的流程图中描述。将首先整体上描述每个步骤，在下面给出该过程中每个步骤的更详细描述。

参见图3A和3B，当识别了失控状态时，该情况的抽样检查适于决200，其中在患者结果的浓度范围内作出对该失控状态的大小的估计。

在块202，对于从最后良好质量控制评估开始的每个估计的样本，估计不正确的评估的概率。

在块204，计算从最后良好质量控制评估开始的评估的不正确结果的期望数量(NI)。

在块206，如果计算的不正确结果的期望数量NI大于用于抽样检查的预定阈值(MAXNI)，那么应当使用另一恢复方法并且该抽样检查过程终止于块208。如上文所讨论的，本发明的抽样检查过程适于与小型失控状态联合使用。如果该失控状态大于预定阈值，MAXNI，那么其他方法将可能更为适合从该失控状态恢复。恢复的其他方法，诸如简单地重新测试从最后良好QC事件开始的每个样本，对于本领域技术人员是显而易见的并且在上文进行了描述。

如果该失控状态并不超过该MAXNI阈值，那么该过程在块210继续，其中确定不正确结果的估计数量N_I是否小于1。如果是这样，那么不需要任何抽样检查(因为没有不正确结果，或小于1个)并且该抽样检查过程终止于块212，在该处可重新开始普通测试。

如果不正确结果的估计数量(N_I)不小于1，那么该抽样检查过程在块214继续，其中失控状态得到解决。对于本领域技术人员来说显而易见的是失控状态的可能原因多样并且解决该故障所需的动作各异。

在解决了失控状态的情况下，在块216计算要抽样检查的患者样本的列表。该列表包括患者样本：(1)具有不正确的高概率或者(2)由于该失控状态而具有很大的机可以超过医疗决策极限。

在块218，该列表中识别的患者样本被检索并重新评估，针对那些样本的每一个产生新的结果。

在块220，确定在该列表中识别的患者样本的初始结果是否已经被报告或发布。

如果该结果未被报告，那么在块222该旧的结果被新的结果替代。

如果该结果已被报告，那么在块224生成纠正列表，它具有任何样本的结果，其中：(1)该新结果相对于旧结果位于医学决策极限的另一侧(例如，新结果已经改变了医疗决策的结果)或者(2)该新结果与旧结果的差多于允许的总误差TE_a(例如，该新结果与该旧结果的差多于允许的数量)。

因此，本发明的抽样检查过程允许基于失控状态的出现识别需要被重新评估的特定样本。对于提出的整体过程，仍然参考图3A和3B，现在将更详细地描述每个上述步骤。

在块200，该失控状态的大小被评估如下：

首先，针对当前由临床诊断过程测试的每个QC水平评估选择数量的质量控制(QC)样本。优选地，质量控制样本的选择数量为NUMREP，如上文所述那样被初始设置。

然后，使用刚执行的QC评估的结果，对于考虑的QC的每个浓度x将偏离函数构建为：

bias(x)＝MEAN(QC结果)-MEAN(QC目标水平)

应当理解该计算方法应当包括来自失败的QC事件结果的QC结果的值。

对于落入各QC水平之间的浓度x，该偏离通过这些QC水平之间的线性插值计算。对于高于或低于QC水平的浓度，该偏离被删减从而对于高于QC最高水平的浓度，使用QC的最高水平的偏离，并且对于低于QC最低水平的浓度，使用QC的最低水平的偏离水平。

然后，使用历史QC结果，对于考虑的QC的每个浓度x将不精确函数构建为：

SD(x)＝分析物浓度(x)

换句话说，对于考虑的QC的每个浓度，该水平的分析物浓度被赋值为SD(x)。

在浓度落入各QC水平之间的情况下，通过这些QC水平间的线性插值计算该SD。对于高于或低于QC水平的浓度，该SD被删减从而对于高于QC最高水平的浓度，使用QC的最高水平的SD；对于低于QC最低水平的浓度，使用QC的最低水平的SD水平。

因此，对于患者数据中的每个值，比较该患者样本的浓度与用于获取患者值的实验室仪器的样本元组中的浓度(浓度，SD)。当患者浓度和元组中的浓度之间存在直接匹配时，来自该元组的相应SD被赋值于该患者样本。需要注意的是，直接匹配可认为或者是浓度的精确匹配，或者是预定阈值内的匹配(例如，如果患者浓度在样本数据的浓度的0.1％内)。当患者浓度并不与元组中表示的任何浓度直接匹配时，通过上文刚描述的插值计算患者数据的SD并当SD超过或低于阈值时进行删减。

在作为替换的示例性实施例中，通过元组中SD的插值或外插计算患者数据的SD，如下所示：

当患者浓度落入两个元组的浓度之间时，(其中较低浓度元组被指定为(conc₀SD₀)并且较高浓度元素被指定为(conc₁，SD₁)，患者数据的SD(SD_p)被计算为SD_p＝SD₀+(浓度-conc₀)*(SD₁-SD₀)/(conc₁-conc₀)

当患者浓度低于最低的(浓度，SD)元组时，指定为(conc₁，SD₁)，最低浓度元组的SD值被赋值于患者SD，即SD_p＝SD_l。

最后，当患者浓度高于最高(浓度，SD)元组时，指定为(conc_h，SD_h)，分配的患者SD值被计算为SD_p＝(SD_h/conc_h)*(患者浓度)。

因此，对于每个患者值，或者基于与样本数据浓度的直接匹配，通过上文所述的在样本值之间进行插值，或者通过样本值进行外插赋值SD。应当理解，虽然已经描述了简单的分段线性插值功能和下限删减功能；但是依据本发明显然也可执行其他插值和外插方案。

最后，对于每个分析物浓度，x，分配的TE_a(如上文所述)被用于构建TE_a(x)。在TE_a被给出为百分比的情况下，该值可为最低，例如，在TE_a(x)＝％TE_a*x的情况下。

使用估计的失控状态的大小，在块202，对于从最后良好质量控制评估开始评估的每个样本x，该评估不正确的概率(pI(x))被估计如下：

pI(x)＝l-normcdf(TE_a(x)，bias(x)，sd(x))+normcdf(-TE_a(x)，bias(x)，sd(x))

其中TE_a(x)、bias(x)、以及sd(x)是关于块200如上文描述的函数，并且其中normcdf是正态累积分布函数：

其中μ是正态累积分布被计算的分布均值(即，在此情况下，偏差)，并且σ是正态累积分布被计算的分布标准偏差，并且其中x是该正态累计分布被计算的值。

对于被不正确计算的概率，我们移至块204，其中从最后良好质量控制评估开始评估的不正确结果的期望数量(N_I)被计算如下：

假设从最后良好质量控制评估开始开始已存在失控状态(即，最坏情况分析)，那么对于自从最后良好QC评估开始测试的所有患者样本来说不正确结果的预测数量可被计算为不正确的任何给定结果的概率的和，或者：

N_{I} = Σ_{i = 1}^{N B} {pI}_{i}

其中NB是从最后良好QC评估开始测试的患者样本的数量。

在块206，如果NI高于MAXNI(如初始定义的和上文描述的)，那么失控状态的大小过大，抽样检查方法并不适用并且在块208必须使用另一恢复方法。

在块210，如果N_I小于1，那么该失控状态的大小非常小并且处于可接受容忍度范围内。因此，如块212所示无需执行抽样检查方法并且样本的测试可以继续。

在块214，导致失控状态的问题被解决。本领域技术人员可以认识到失控状态的可能原因是多样的。本领域公知的各种测试和解决过程可应用于寻找故障和隔离任何特定错误的原因，解决方案可能需要测试系统维护、校准、改变试剂、或者各种其他动作以识别和解决本领域公知的故障。

转向图3B，在已解决了失控状态的情况下，抽样检查过程在块216继续，其中通过识别或者具有高概率不可靠性的或者由于失控状态而具有极大可能性超过医疗决策极限的那些样本生成要抽样检查或重新评估的患者样本列表。

通过以下方式识别具有高概率不正确性的患者样本：通过他们的pI(即，它们各自不正确的概率)对患者样本排序，选择N_I(期望不正确结果的数量，正如上文在块204所计算的)最高患者样本结果pI，并将pI小于PIMIN(要考虑的不正确结果的最小概率，正如被初始定义的以及上文所述的)的任何患者样本移除。

通过以下方式识别由于失控状态而具有极大可能性超过医疗决策极限的患者样本：

对于每个医疗决策极限，对于每个患者样本结果，通过从结果中减去极限而计算患者样本结果与医疗决策极限的距离。如果处于医疗决策极限的偏差为正并且计算的距离为负，那么不再考虑该患者样本(即，该结果低于决策极限并由于偏差而不会超过决策极限)。

如果处于医疗决策极限的偏差为负并且该距离为正，那么不再考虑该患者样本(即，该结果高于决策极限并且由于偏差不会超过决策极限)。

对于刚刚描述的不再考虑的患者样本，对于剩余的样本使用它们的绝对值替代任何负的距离并通过它们的距离对患者样本排序。然后选择N_I(如上文所述)个具有最小距离的患者样本并将任何pI＜PILO(要考虑的不正确结果的最低概率，如被初始定义的以及上文所描述的)的患者样本移除。

在块218，识别的患者样本被取回并重新评估。根据刚刚描述的选择过程，要被重新评估的患者样本的数量将介于零和2*N_I之间。

最后，在块220，确定患者样本的初始评估的结果是否已被报告或发布。如果否，在块222，使用通过抽样检查和重新评估患者样本而产生的重新评估结果代替初始评估结果。

如果是，在块224，生成具有任何样本结果的纠正列表，其中新结果相对于旧结果处于医学决策极限的另一侧，或者其中新结果与旧结果的差高于可允许的总误差TEA。

因此，在块224，如果以下成立，则新结果被添加至纠正列表：

|新结果-旧结果|＞TE_a(新结果)

相似地，如果下述两个计算结果的符号不同则新结果被添加至纠正列表(即，如果一个为正一个为负)：

旧结果-决策极限；以及新结果-决策极限

然而，如果两个计算结果的符号相同，则重新评估的结果不被添加至纠正列表。

因此，基于对失控状态的检测，本发明的该系统和方法自动特征化小型失控状态，并预测从最后已知良好质量控制评估开始不可靠患者样本结果的数量。该系统和方法进一步识别具有最高风险不可靠性的患者样本，并在已经补救该失控状态后重新评估或抽样检查那些样本。因此仅当授权时需要对重新评估样本的纠正，避免了高成本、耗时以及不必要的重新测试。

本文中所提出的任何定量表示均可允许发生变化而不改变其所涉及的基本功能，均可允许发生变化，只要不定性的改变本发明的性能。

虽然在上文参考各示例性实施例已经描述和说明了本发明，应当理解在不脱离本发明范围的情况下可对这些实施例作出各种改变。因此，本发明并不被限制为上文描述和说明的示例性实施例，除非这些限制被包含在下述权利要求中的情况下。

Claims

1.一种用于检测临床诊断过程中小型失控状态的方法，包括：

使用至少一个实验室仪器执行对至少一个样本的分析以获取样本测试数据；

从所述实验室仪器接收失控状态的通知；

分析所述样本测试数据以确定由所述失控状态导致的可能误差的范围；

基于确定的所述可能误差的范围识别要被重新评估的样本；以及

重新评估所述识别的样本。

2.权利要求1的方法，其中分析所述样本测试数据包括：

估计所述失控状态的大小，估计样本评估不正确的概率，计算不正确测试结果的预测数量，以及它们的组合。

3.权利要求2的方法，其中所述估计所述失控状态的大小包括评估质量控制样本并基于偏差和历史不精确数据确定可允许的总误差。

4.权利要求2的方法，其中所述估计样本评估不正确的概率包括计算正态累积分布。

5.权利要求2的方法，其中所述计算不正确测试结果的预测数量包括计算样本评估不正确的概率的和。

6.权利要求1的方法，进一步包括步骤：

使用重新评估的样本数据代替所述样本测试数据的至少一部分。

7.权利要求1的方法，进一步包括步骤：

生成标识重新评估样本数据的报告。

8.权利要求1的方法，进一步包括步骤：

等待所述失控状态被解决。

9.权利要求1的方法，其中所述测试数据包括患者数据。

10.一种用于检测临床诊断过程中小型失控状态的系统，包括：

可操作用于获取测试数据的一个或多个实验室仪器；

可操作与所述实验室仪器通信并从所述实验室仪器接收测试数据的计算机系统，所述计算机系统具有处理器，可操作用于：

从实验室仪器接收失控状态的通知；

分析来自所述实验室仪器的样本测试数据以确定由所述失控状态导致的可能误差的范围；

基于确定的所述可能误差的范围识别要重新评估的样本；以及

在解决所述失控状态后重新评估所述识别的样本。

11.权利要求10的系统，其中所述分析所述样本测试数据包括：

12.权利要求11的系统，其中所述估计所述失控状态的大小包括评估质量控制样本并基于偏差和历史不精确数据确定可允许的总误差。

13.权利要求11的系统，其中所述估计样本评估不正确的概率包括计算正态累积分布。

14.权利要求11的系统，其中所述计算不正确测试结果的预测数量包括计算样本评估不正确的概率的和。

15.权利要求10的系统，其中所述处理器进一步可操作为：

16.权利要求10的系统，其中所述处理器进一步可操作为：

生成标识重新评估样本数据的报告。

17.权利要求10的系统，其中所述测试数据包括患者数据。