CN113994288A - 用于快速检测实验室设备中的故障的计算机化方法和实验室设备 - Google Patents

用于快速检测实验室设备中的故障的计算机化方法和实验室设备 Download PDF

Info

Publication number
CN113994288A
CN113994288A CN202080042768.9A CN202080042768A CN113994288A CN 113994288 A CN113994288 A CN 113994288A CN 202080042768 A CN202080042768 A CN 202080042768A CN 113994288 A CN113994288 A CN 113994288A
Authority
CN
China
Prior art keywords
rule
determining
results
fault
normalized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080042768.9A
Other languages
English (en)
Inventor
F·克劳斯
R·劳宾德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN113994288A publication Critical patent/CN113994288A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00613—Quality control
    • G01N35/00623—Quality control of instruments
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00613—Quality control
    • G01N35/00623—Quality control of instruments
    • G01N2035/00633—Quality control of instruments logging process history of individual samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00613—Quality control
    • G01N35/00623—Quality control of instruments
    • G01N2035/00653—Quality control of instruments statistical methods comparing labs or apparatuses

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Automation & Control Theory (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明给出用于确定实验室设备中的故障的计算机实现方法，本发明的目的是简化实验室测试设备中的故障的快速检测。所述目的通过包括以下规则生成步骤的方法来实现：a)接收与待由所述设备处理的质量控制(QC)样品的一个或多个QC水平(J)相关的期望误拒绝概率(P̌fr)和期望误差检测率ĚD，例如期望误差检测概率(P̌ed)；b)将运行次数(R)设置为1；c)至少部分地基于R来计算误差检测率(ÊD)；d)确定ÊD是否低于ĚD，并且如果是：则将R增加1，并重复步骤c)至d)，而如果不是：则至少部分地基于R来定义用于确定所述实验室设备中的故障的规则；所述方法进一步包括以下规则应用步骤：e)接收或收集标准化QC结果，优选地从由所述设备生成的QC样品的至少R次运行中接收或收集；f)将步骤d)中定义的所述规则应用于所述标准化QC结果；g)如果所述标准化QC结果符合所述规则，则确定出所述设备中的故障。

Description

用于快速检测实验室设备中的故障的计算机化方法和实验室 设备
发明内容
本发明涉及一种用于快速检测实验室设备中的故障的方法和实验室设备。
选择和实施质量控制 (QC) 规则是在实验室中确保发布来自患者样品的正确测试结果的关键步骤。更关键的是，要尽可能快地识别故障，以防止发送不正确的结果，并限制必须重新处理的样品数量。
当今的实验室设备可能提供几种不同类型的诊断测试，所述测试可达数百种诊断测试（每种诊断测试可能测试特定的物质）。为了保证患者样品的有效测试结果，每次测试都可以使用和监测质量控制 (QC) 样品。针对每次测试选择和实施统计质量控制规则通常是监测质量控制样品的先决条件。
设计用于评估实验室设备的统计程序可能包括误差检测的要求（诸如误差检测概率 (Ped)）和/或误拒绝的要求，诸如误拒绝概率 (Pfr)。如果设备出现故障，导致实验室设备处于“失控”状态，则要达成的目标是以高概率检测到所述故障（本领域中的目标通常是90% 的 Ped 或“能力”）。然而，如果设备是“可控的”，则程序基于结果识别故障的概率应该很低（目标通常是 5% 或 1% 的Pfr）。
传统上，可使用“Westgard 规则”来识别实验室设备中的故障。Westgard 规则可能要求在识别失控情况之前进行不必要的运行次数，并且因此可能导致不必要的等待时间，直到结果被认为是可靠的，从而导致额外的成本和患者更长的等待时间。此外，Westgard 规则提供了几种没有明确选择过程的替代规则组合，并且因此实施起来很复杂和/或需要大量的训练工作。由于复杂性，Westgard 规则可能容易被不正确地地实施。Westgard 规则进一步不适用于包括多重诊断测试的样品。
特别地，通过用于确定设备中的故障的计算机实现方法来解决现有技术中的不足，所述方法包括以下步骤：
a) 接收与待由所述设备处理的质量控制 (QC) 样品的一个或多个 QC 水平 (J)相关的期望误拒绝概率 (P̌fr)、期望误差检测度量 (ĚD)，诸如期望误差检测概率 (P̌ed)；
b) 将 QC 运行次数 (R) 设置为 1；
c) 至少部分地基于 R 来计算误差检测度量 (ÊD)；
d) 确定 ÊD 是否低于 ĚD，并且如果是：
则将 R 增加 1，并且重复步骤 c) 至 d)，而
如果不是：
则至少部分地基于 R 来定义用于确定所述实验室设备中的故障的规则；
e) 接收或收集标准化 QC 结果，优选从所述设备生成的 QC 样品的至少 R 次运行中接收或收集；
f) 将步骤 d) 中定义的所述规则应用于所述标准化 QC 结果；
g) 如果所述标准化 QC 结果符合所述规则，则确定出所述设备中的故障。
优点包括简化和快速检测实验室测试设备中的故障。优点进一步包括统计规则的改进设计，以更少的运行快速识别实验室设备中的故障。快速识别故障通过防止将不正确的结果发送给临床医生来提高患者的安全性，并允许对时间紧迫的样品进行早期确定。此外，设计简单，并且可以更容易地自动化，便于使用并增加安全性。本发明还适用于执行多重诊断测试的设备。
步骤 e) 中接收或收集的标准化 QC 结果可以从非标准化 QC 测试结果中生成。这些 QC 测试结果和患者样品可由实验室设备一起测量。
在一个实施例中，步骤 d) 中定义的所述规则包括与平方距离 (d2) 的比较，其中 d2 优选从以下中心卡方分布导出
d2 = C-1(1 - P̌fr; DF),其中 DF = J x R；或
替代地从霍特林的 T 平方分布导出；并且
其中步骤 f) 优选地包括针对 QC 水平的 J 数和优选最新运行的 R 数计算马氏距离 (M)，并且在步骤 f) 中应用所述规则包括确定 M 是否等于或大于 d2。
所述马氏距离 (M) 由以下等式导出：
Figure 581188DEST_PATH_IMAGE001
其中 Zjr 是从 QC 水平 j 和运行 r 得出的所述标准化 QC 结果；并且
其中 Zjr 优选由以下等式给出：
Zjr = (Xjr - µj)/ σj
其中 Xjr 是从 QC 水平 j 和运行 r 得出的 QC 测试结果，且
µj 是可控中心趋势，诸如平均值或中值，并且 σj 是与 QC 水平 j 相关的离差诸如标准偏差或四分位差的可控度量，并且其中 µj 和 σj 优选从设备验证测试结果导出。
优点包括单一简单的规则，所述规则可以在很少运行的情况下安全地自动检测实验室设备中的故障。
非标准化 QC 测试结果可以通过从非标准化 QC 测试结果中减去可控中心趋势/偏差 (σj) 并将减法的结果除以每个 QC 水平 j 的离差/标准偏差 (µj) 来标准化。
可控偏差和可控可变性可以从每个 QC 水平的验证测试结果中计算出来。这些验证 QC 结果可被视为可控的（即在不受失控故障影响的情况下测量）。验证 QC 结果可以是至少 20 个或至少 10 个初始验证 QC 结果，用于导出可控偏差（例如 QC 测试结果的平均值）和可控标准偏差（例如验证 QC 测试结果的标准偏差）。验证 QC 结果以及 QC 测试结果可能具有多元正态分布，在 QC 水平和运行之间具有低或零相关性。
在一个实施例中，ĚD 与期望系统误差检测概率 (P̌sed) 和临界系统误差(ΔSECrit) 相关，其中 ΔSECrit 可以被定义为
Figure 154121DEST_PATH_IMAGE002
，其中
Figure 137121DEST_PATH_IMAGE003
作为计算为
Figure 955166DEST_PATH_IMAGE004
的标准正态分布的分位数，并且
Figure 300697DEST_PATH_IMAGE005
被定义为
Figure 529684DEST_PATH_IMAGE006
，其中
Figure 327876DEST_PATH_IMAGE007
为偏差且
Figure 182568DEST_PATH_IMAGE008
为在所有 QC 水平上聚合的不精确性，并且
Figure 648184DEST_PATH_IMAGE009
为可允许总误差；
其中 ÊD 包括系统误差检测 (P̂Sed)，并且步骤 c) 中的计算包括从非中心卡方分布的累积分布函数 H(d2; DF, NCP) 导出 P̂Sed，其中 NCP = J x R x ΔSECrit 2；并且
其中步骤 d) 包括确定 P̂Sed 是否低于 P̌Sed。
优点包括可以有效识别实验室设备中的故障的方法，所述故障会导致测试结果的变化。
临界系统误差 (ΔSECrit) 可以定义为
Figure 48073DEST_PATH_IMAGE002
，其中
Figure 333561DEST_PATH_IMAGE003
作为计算为
Figure 804993DEST_PATH_IMAGE004
的标准正态分布的分位数（在
Figure 485636DEST_PATH_IMAGE010
时，
Figure 446638DEST_PATH_IMAGE003
分位数为约 1.65）。σ 度量
Figure 94789DEST_PATH_IMAGE005
可以在 QC测量过程处可控时指定偏离可允许总误差
Figure 901071DEST_PATH_IMAGE009
上限的标准偏差的数量。σ 度量可以正式定义为
Figure 465913DEST_PATH_IMAGE006
，其中
Figure 535500DEST_PATH_IMAGE007
作为偏差，且
Figure 795580DEST_PATH_IMAGE008
作为在所有 QC 水平上聚合的标准偏差。
在一个实施例中，ĚD 与期望随机误差检测概率 (P̌Red) 和临界随机误差(ΔRECrit) 相关，其中 ΔRECrit 可以被定义为
Figure 280919DEST_PATH_IMAGE011
，其中
Figure 575634DEST_PATH_IMAGE003
作为计算为
Figure 504538DEST_PATH_IMAGE004
的标准正态分布的分位数，并且
Figure 986335DEST_PATH_IMAGE005
被定义为
Figure 603261DEST_PATH_IMAGE006
，其中
Figure 362270DEST_PATH_IMAGE007
作为偏差且
Figure 101556DEST_PATH_IMAGE008
作为在所有 QC 水平上聚合的不精确性；
其中 ÊD 包括随机误差检测 (P̂Red)，并且步骤 c) 中的计算包括从 γ 分布的累积分布函数 G(d2; SH, SC) 导出 P̂Red，其中 SH = (J x R)/2 且 SC = 2 x ΔRECrit 2；并且
其中步骤 d) 包括确定 P̂Red 是否低于 P̌Red。
优点包括可以有效识别实验室设备中的故障的方法，所述故障会导致测试结果的不精确性增加。
在 ĚD 与期望随机误差检测概率 (P̌Red) 和期望系统误差检测概率 (P̌sed) 相关的情况下，确定（在步骤 d) 中）可以包括确定 P̂Sed 是否低于 P̌Sed 且 P̂Red 是否低于 P̌Red，或是否满足这些条件中的至少一者。
在一个实施例中，步骤 a) 进一步包括接收最大运行次数 (RMax)；
其中步骤 d) 进一步包括确定是否 R > RMax，并且如果是：
则确定没有找到规则；且
其中在 J=2 时，RMax 优选为 4，并且其中在 J=3 时，RMax 优选为 2。
在一个实施例中，每次运行从一个、两个或更多个、优选少于 100 个不同的诊断测试 (I) 生成数据；
其中步骤 g) 进一步包括将校正函数应用于所述期望误拒绝概率 (P̌fr)；并且
其中所述校正函数优选为
P̌fr / I 或
1 - (1 - P̌fr)1/I。
在一个实施例中，步骤 b) 至 g) 针对每个诊断测试分别进行；并且如果与所述测试中的任一者相关的标准化 QC 结果不符合对应规则，则确定所述设备中存在故障。
优点包括检测失控条件的速度加快，其中使用 QC 样品测量几个诊断测试。
在一个实施例中，响应于在步骤 g) 中确定出故障，所述方法进一步包括
h) 中断测量过程和/或阻止结果，诸如在 R 或 R+1 次最新 QC 运行后生成的结果。
优点包括提高患者安全性。在实验室设备利用所谓的括号内 QC 策略时，括号可以是两次 QC 事件之间的患者样品。实验室可以保留括号的 R 数，直到后续 QC 事件过去。如果在 QC 事件后检测到故障，则 R 数的最新括号患者结果可能会被阻止并被确定为不可靠。
特别地，所述目标通过用于确定所述设备中的故障实验室设备来解决，优选地通过实施根据前述权利要求中任一项所述的方法，所述设备包括：
规则生成器单元；
规则应用单元；和
测试结果生成单元，其用于生成与至少一个 QC 水平 (J) 相关并且与至少一个、优选两个或更多个不同测试 (I) 相关的结果；
其中所述设备包括用于进行以下的装置：
a) 由所述规则生成器单元接收与质量控制 (QC) 样品的一个或多个 QC 水平(j) 相关的期望误拒绝概率 (P̌fr) 和期望误差检测率 (ĚD)，诸如期望误差检测概率 (P̌ed)；
b) 由所述规则生成器单元将运行次数 (R) 设置为 1；
c) 由所述规则生成器单元至少基于 R 来计算误差检测率 (ÊD)；
d) 由所述规则生成器单元确定 ÊD 是否低于 ĚD，并且如果是：
则将 R 增加 1，并且重复步骤 c) 至 d)，而
如果不是：
则至少部分地基于 R 来定义用于确定所述实验室设备中的故障的规则；
e) 由所述规则应用单元收集标准化 QC 结果，优选从由所述测试结果生成单元生成的 QC 样品的至少 R 次运行导出；
f) 由所述规则应用单元将步骤 d) 中定义的所述规则应用于步骤 e) 中收集的所述标准化 QC 结果；
g) 如果所述标准化 QC 结果符合所述规则，则由所述规则应用单元确定所述设备中的故障。
优点包括简化和快速检测实验室设备中的故障。优点进一步包括统计规则的改进设计，以更少的运行快速识别实验室设备中的故障。
在一个实施例中，所述设备进一步包括显示器；
其中当所述规则应用单元确定所述设备中存在故障时，使所述显示器指示所述设备中存在故障。
优点包括向实验室人员发出信号，通知实验室设备中存在故障，导致患者样品失控，以及一定量的患者样品（诸如最新 R 或 R+1 QC 事件后的那些）不可靠。实验室设备还可以经由有线和/或无线通信向受影响的实验室人员、临床医生和/或患者发送消息，所述消息指示故障和/或不可靠的结果和/或用于提供可靠结果的延迟估计。
在一个实施例中，每次运行从两个或更多个、优选少于 100 个不同的诊断测试(I) 生成数据；
其中步骤 g) 进一步包括将校正函数应用于所述期望误拒绝概率 (P̌fr)；
其中所述校正函数优选地包括
P̌fr / I 或
1 - (1 - P̌fr)1/I；且
其中步骤 b) 至 g) 针对每个诊断测试分别进行；并且如果与所述测试中的任一者相关的所述标准化 QC 结果不符合对应规则，则确定所述设备中存在故障。
优点包括检测失控条件的速度加快，其中在每个 QC 样品测量几个诊断测试。
在一个实施例中，所述显示器指示不符合所述规则的所述标准化 QC 结果与所述不同诊断测试中的哪一者相关。
当针对每个诊断测试分别应用规则时，实验室设备可能会在显示器上指示哪些诊断测试受到失控故障的影响。这有助于定位和校正故障。
在一个实施例中，显示器指示检测到的故障是系统误差或是随机误差。受随机误差故障影响的 QC 结果的中心趋势（诸如平均值）可能不会显著偏离可控中心趋势（诸如平均值），而受系统故障影响的 QC 结果的中心趋势（诸如平均值）可能会导致显著偏离可控平均值的中心趋势（诸如平均值）。
受随机误差故障影响的 QC 结果的离差（诸如标准偏差）可能显著偏离可控离差（诸如标准偏差）。受系统误差故障影响的 QC 结果的离差（诸如标准偏差）可能不会显著偏离可控离差（诸如标准偏差）。
因此，失控 QC 结果的中心趋势和/或离差可用于确定故障类型（系统或随机）。错误类型的指示可以帮助定位和校正故障。
在一个实施例中，所述设备响应于在步骤 g) 中确定出故障，进一步包括用于进行以下的装置：
h) 中断测量过程和/或阻止结果，诸如在 R 或 R+1 次最新 QC 运行后生成的结果。
优点包括提高患者安全性。在实验室设备利用所谓的括号内 QC 策略时，括号可以是两次 QC 事件之间的患者样品。实验室可以保留括号的 R 数，直到后续 QC 事件过去。如果在 QC 事件后检测到故障，可能会阻止保留最新括号的 R 数的患者样品。
特别地，所述目标通过包括指令的计算机可读介质来实现，所述指令当被计算机执行时，使计算机执行上述方法中的一者的步骤。
所述介质的益处和优点等同于或类似于上述方法的优点。
下面，参考附图描述本发明的实施例，其中
图 1 示出了用于确定实验室测试设备故障的方法的步骤；
图 2 示出了根据本发明实施例的实验室设备。
图 1 示出了用于确定实验室设备故障的方法。所述方法可以包含以下步骤：接收110 与待由设备处理的质量控制 (QC) 样品的一个或多个 QC 水平 (J) 相关的期望误拒绝概率 (P̌fr) 和期望误差检测率 (ĚD)，诸如期望误差检测概率 (P̌ed)；将运行次数 (R) 设置 120 为 1 ；至少部分地基于 R 来计算 130 误差检测率 (ÊD)；确定 140 ÊD 是否低于ĚD，并且如果是：则将 R 增加 150 1，并重复步骤 c) 至 d),而如果不是：则至少部分地基于 R 来定义 160 用于确定实验室设备中的故障的规则；优选地从由设备生成的 QC 样品的至少 R 次运行中接收或收集 170 标准化 QC 结果；将步骤 d) 中定义的规则应用 180于标准化 QC 结果；以及如果标准化 QC 结果符合规则，则确定 190 设备中的故障。所述方法可以进一步任选地包括中断 195 测量过程和/或阻止结果，诸如在最近 R 或 R+1 次QC 运行后生成的结果。
计算 130 误差检测度量 (ÊD)的步骤可以包括以下任一者或分别地全部：从非中心卡方分布的累积分布函数 H(d2; DF, NCP) 来计算系统误差检测 (P̂Sed)，其中 NCP = Jx R x ΔSECrit 2，并从 γ 分布的累积分布函数 G(d2; SH, Sc) 来计算随机误差检测 (P̂Red)，其中 SH = (J x R)/2 且 SC = 2 x ΔRECrit 2。
根据系统误差检测 (P̂Sed) 和/或随机误差检测 (P̂Red) 是否作为目标，确定140 ÊD 是否低于 ĚD 的步骤可以包括：确定 P̂Sed 是否低于 P̌Sed，和/或 P̂Red 是否低于 P̌Red。如果是，则将 R 增加 150 1，并重复步骤 130 至 140，而如果不是，则至少部分基于 R 来定义 160 用于确定实验室设备中的故障的规则。
接收或收集步骤 170 可以包括通过公式 Zjr = (Xjr - µj)/ σj 标准化 QC 测试结果，其中 Xjr 是从 QC 水平 j 和运行 r 得到的非标准化（原始）QC 测试结果，µj 可以是可控平均值，并且 σj 可以是与 QC 水平 j 相关的可控标准偏差。运行 r = 1 至 R 是R 最新运行。
应用 180 所述规则可以包括确定马氏距离 (M) 是否由等式
Figure 195283DEST_PATH_IMAGE012
给出，等于或大于平方距离 (d2)。d2 可以从中心卡方分布d2 = C-1 (1 - P̌fr; DF)导出，其中DF = J x R，或者 d2 可以从霍特林的 T 平方分布 d2 = T2(1 - P̌fr, DF) 导出，其中 DF= J x R。
图 2 示出了根据本发明实施例的实验室设备 200。实验室设备可以包括：规则生成器单元 210；规则应用单元 220；和测试结果生成单元 230。实验室设备可以进一步任选地包括显示器 240。
验证样品、QC 样品和患者样品可被插入测试结果生成单元 230 以生成测试结果。规则生成器单元 210 可以适于接收对期望误拒绝概率 (P̌fr) 和期望误差检测度量 (ĚD) 的要求，并生成如上所述的规则。
规则应用单元 220 可以适于接收或生成标准化 QC 结果，并应用如上所述由规则生成器单元 210 生成的规则来确定实验室设备中是否存在故障。如上所述，显示器 240可用于向用户显示信息。

Claims (16)

1.一种用于确定实验室设备中的故障的计算机实现方法，所述方法包括以下规则生成步骤：
a) 接收与待由所述设备处理的质量控制 (QC) 样品的一个或多个 QC 水平 (J) 相关的期望误拒绝概率 (P̌fr) 和期望误差检测率 ĚD，例如期望误差检测概率 (P̌ed)；
b) 将运行次数 (R) 设置为一；
c) 至少部分地基于 R 来计算误差检测率 (ÊD)；
d) 确定 ÊD 是否低于 ĚD，并且如果是：
则将 R 增加一，并且重复步骤 c) 至 d)，而
如果否：
则至少部分地基于 R 来定义用于确定所述实验室设备中的故障的规则；
所述方法进一步包括以下规则应用步骤：
e) 接收或收集标准化 QC 结果，优选地从由所述设备生成的 QC 样品的至少 R 次运行中接收或收集；
f) 将步骤 d) 中定义的所述规则应用于所述标准化 QC 结果；
g) 如果所述标准化 QC 结果符合所述规则，则确定出所述设备中的故障。
2.根据权利要求 1 所述的方法，
其中步骤 d) 中定义的所述规则包括与平方距离 (d2) 的比较，其中 d2 优选地从以下中心卡方分布导出
d2 = C-1(1 - P̌fr; DF)，其中 DF = J × R；或
优选地从霍特林的 T 平方分布导出；并且
其中步骤 f) 优选地包括针对 QC 水平的 J 数和优选最新运行的 R 数计算马氏距离 (M)，并且在步骤 f) 中应用所述规则包括确定 M 是否等于或大于 d2。
3.根据权利要求 2 所述的方法，
其中所述马氏距离 (M) 由以下等式给出：
Figure 391201DEST_PATH_IMAGE002
其中 Zjr 是从 QC 水平 j 和运行 r 得出的所述标准化 QC 结果；并且
其中 Zjr 优选地由以下等式给出：
Zjr = (Xjr - µj)/ σj
其中 Xjr 是从 QC 水平 j 和运行 r 得出的 QC 测试结果，且
µj 是可控中心趋势，诸如平均值或中值，并且 σj 是与 QC 水平 j 相关的离差诸如变差、标准偏差或四分位差范围的可控度量，并且其中 µj 和 σj 优选地从设备验证测试结果导出。
4.根据前述权利要求中的任一项所述的方法，
其中 ĚD 与期望系统误差检测概率 (P̌sed) 和临界系统误差 (ΔSECrit) 相关，其中ΔSECrit 可以被定义为
Figure 167396DEST_PATH_IMAGE003
，其中
Figure 415975DEST_PATH_IMAGE004
为估计为
Figure 263714DEST_PATH_IMAGE005
的标准正态分布的分位数，并且
Figure 812507DEST_PATH_IMAGE006
被定义为
Figure 103811DEST_PATH_IMAGE007
，其中
Figure 839686DEST_PATH_IMAGE008
为偏差且
Figure 756695DEST_PATH_IMAGE009
为在所有 QC 水平上聚合的标准偏差；
其中 ÊD 包括系统误差检测 (P̂Sed)，并且步骤 c) 中的计算包括从非中心卡方分布的累积分布函数 H(d2; DF, NCP) 导出 P̂Sed，其中 NCP = J × R × ΔSECrit 2；并且
其中步骤 d) 包括确定 P̂Sed 是否低于 P̌Sed。
5.根据前述权利要求中的任一项所述的方法，
其中 ĚD 与期望随机误差检测概率 (P̌Red) 和临界随机误差 (ΔRECrit) 相关，其中ΔRECrit 可以被定义为
Figure 159995DEST_PATH_IMAGE010
，其中
Figure 622200DEST_PATH_IMAGE004
为估计为
Figure 845371DEST_PATH_IMAGE005
的标准正态分布的分位数，并且
Figure 300492DEST_PATH_IMAGE006
被定义为
Figure 558298DEST_PATH_IMAGE007
，其中
Figure 722563DEST_PATH_IMAGE008
为偏差且
Figure 433030DEST_PATH_IMAGE009
为在所有 QC 水平上聚合的标准偏差；
其中 ÊD 包括随机误差检测 (P̂Red)，并且步骤 c) 中的计算包括从 γ 分布的累积分布函数 G(d2; SH, SC) 导出 P̂Red，其中 SH = (J × R)/2 且 SC = 2 × ΔRECrit 2；并且
其中步骤 d) 包括确定 P̂Red 是否低于 P̌Red。
6.根据前述权利要求中的任一项所述的方法，
其中步骤 a) 进一步包括接收最大运行次数 (RMax)；
其中步骤 d) 进一步包括确定是否 R > RMax，并且如果是：
则确定没有找到规则；且
其中对于J=2，RMax 优选为 4，并且其中对于J=3，RMax 优选为 2。
7.根据前述权利要求中的任一项所述的方法，
其中每次运行从两个或更多个、优选地少于 100 个不同的诊断测试 (I) 生成数据；
其中步骤 g) 进一步包括将校正函数应用于所述期望误拒绝概率 (P̌fr)；并且
其中所述校正函数优选为
P̌fr / I
或
1 - (1 - P̌fr)1/I。
8.根据权利要求 7 所述的方法，
其中步骤 b) 至 g) 针对每个诊断测试分别进行；并且如果与所述测试中的任一者相关的标准化 QC 结果不符合对应规则，则确定所述设备中存在故障。
9.根据前述权利要求中的任一项所述的方法，
其中响应于在步骤 g) 中确定出故障，所述方法进一步包括
h) 中断测量过程和/或阻止结果，诸如至少在 R 或 R+1 次最新 QC 运行后生成的结果。
10.用于确定设备中的故障的实验室设备 (200)，优选地通过实施根据前述权利要求中的一项所述的方法，所述设备包括：
规则生成器单元 (210)；
规则应用单元 (220)；和
测试结果生成单元 (230)，其用于生成与至少一个 QC 水平 (J) 相关并且与至少一个、优选地两个或更多个不同测试 (I) 相关的结果；
其中所述设备包括用于进行以下操作的装置：
a) 由所述规则生成器单元 (210) 接收与质量控制 (QC) 样品的一个或多个 QC 水平 (J) 相关的期望误拒绝概率 (P̌fr) 和期望误差检测率 ĚD，诸如期望误差检测概率 (P̌ed)；
b) 由所述规则生成器单元 (210) 将运行次数 (R) 设置为一；
c) 由所述规则生成器单元 (210) 至少基于 R 来计算误差检测率 (ÊD)；
d) 由所述规则生成器单元 (210) 确定 ÊD 是否低于 ĚD，并且如果是：
则将 R 增加一，并且重复步骤 c) 至 d)，而
如果否：
则至少部分地基于 R 来定义用于确定所述实验室设备中的故障的规则；
e) 由所述规则应用单元 (220) 收集标准化 QC 结果，优选地从由所述测试结果生成单元 (230) 生成的 QC 样品的至少 R 次运行导出；
f) 由所述规则应用单元 (220) 将步骤 d) 中定义的所述规则应用于步骤 e) 中收集的所述标准化 QC 结果；
g) 如果所述标准化 QC 结果符合所述规则，则由所述规则应用单元 (220) 确定所述设备中的故障。
11.根据权利要求 10 所述的实验室测试设备，
其进一步包括显示器 (240)；并且
其中当所述规则应用单元 (220) 确定所述设备中存在故障时，使所述显示器 (240)指示所述设备中存在故障。
12.根据权利要求 10 或 11 所述的实验室测试设备，
其中每次运行从两个或更多个、优选地少于 100 个不同的诊断测试 (I) 生成数据；
其中步骤 g) 进一步包括将校正函数应用于所述期望误拒绝概率 (P̌fr)；
其中所述校正函数优选地包括
P̌fr / I
或
1 - (1 - P̌fr)1/I；且
其中步骤 b) 至 g) 针对每个诊断测试分别进行；并且如果与所述测试中的任一者相关的所述标准化 QC 结果不符合对应规则，则确定所述设备中存在故障。
13.根据权利要求 12 所述的实验室测试设备，
其中所述显示器 (240) 指示不符合所述规则的所述标准化 QC 结果与所述不同诊断测试中的哪一者相关。
14.根据权利要求 10 至 13 中的任一项所述的实验室测试设备，
其中所述显示器 (240) 指示检测到的故障是系统误差还是随机误差。
15.根据权利要求 10 至 14 中的任一项所述的实验室测试设备，
其中所述设备响应于在步骤 g) 中确定出故障，进一步包括用于进行以下操作的装置：
h) 中断测量过程和/或阻止结果，诸如在 R 或 R+1 次最新 QC 运行后生成的结果。
16.一种包括指令的计算机可读介质，所述指令当由计算机执行时，使所述计算机执行根据权利要求 1 至 9 中的一项所述的方法的步骤。
CN202080042768.9A 2019-06-13 2020-06-04 用于快速检测实验室设备中的故障的计算机化方法和实验室设备 Pending CN113994288A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19180020 2019-06-13
EP19180020.0 2019-06-13
PCT/EP2020/065479 WO2020249459A1 (en) 2019-06-13 2020-06-04 A computerized method and laboratory equipment for fast detection of failure in laboratory equipment

Publications (1)

Publication Number Publication Date
CN113994288A true CN113994288A (zh) 2022-01-28

Family

ID=67003191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080042768.9A Pending CN113994288A (zh) 2019-06-13 2020-06-04 用于快速检测实验室设备中的故障的计算机化方法和实验室设备

Country Status (5)

Country Link
US (1) US20220099690A1 (zh)
EP (1) EP3983860A1 (zh)
JP (1) JP7523475B2 (zh)
CN (1) CN113994288A (zh)
WO (1) WO2020249459A1 (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5633166A (en) * 1995-01-19 1997-05-27 Mds Health Group Limited Method of analyzing medical specimens with improved length of analytical run determination
US5937364A (en) * 1996-05-07 1999-08-10 Westgard Quality Corporation Automatic selection of statistical quality control procedures
US6512986B1 (en) 2000-12-30 2003-01-28 Lifescan, Inc. Method for automated exception-based quality control compliance for point-of-care devices
AU2002313818B2 (en) 2001-08-24 2007-12-20 Bio-Rad Laboratories, Inc. Biometric quality control process
US8059001B2 (en) 2009-05-22 2011-11-15 Bio-Rad Laboratories, Inc. System and method for automatic quality control of clinical diagnostic processes
US8738548B2 (en) 2011-06-23 2014-05-27 Bio-Rad Laboratories, Inc. System and method for determining an optimum QC strategy for immediate release results
JP6567890B2 (ja) 2015-06-19 2019-08-28 株式会社日立ハイテクノロジーズ 自動分析装置
JP2019023771A (ja) 2015-12-16 2019-02-14 三菱電機株式会社 故障診断装置

Also Published As

Publication number Publication date
JP7523475B2 (ja) 2024-07-26
WO2020249459A1 (en) 2020-12-17
EP3983860A1 (en) 2022-04-20
US20220099690A1 (en) 2022-03-31
JP2022535985A (ja) 2022-08-10

Similar Documents

Publication Publication Date Title
CN107271650B (zh) 对诊断分析仪执行质量控制的方法和系统
CA2762415C (en) System and method for automatic quality control of clinical diagnostic processes
EP3535665B1 (en) Methods and systems for processing log data
JP6655926B2 (ja) 異常診断システム
CN106643808A (zh) 一种星敏感器在轨数据多级故障诊断方法
US20210088986A1 (en) Assistance device, learning device, and plant operation condition setting assistance system
WO2016050412A2 (en) Monitoring means and monitoring method for monitoring at least one step of a process run on an industrial site
US12079303B2 (en) Degradation detection system
CN113050019A (zh) 数据驱动评估结果和检定规程融合的电压互感器评估方法及系统
US20180120292A1 (en) Blood coagulation analysis method, blood coagulation analyzer, and computer program
US20130311231A1 (en) Risk management device
CN114020598B (zh) 一种时间序列数据的异常检测方法、装置及设备
CN118352092A (zh) 一种基于医疗数据的分析预警系统
CN113994288A (zh) 用于快速检测实验室设备中的故障的计算机化方法和实验室设备
CN118072943A (zh) 一种基于人工智能医疗数据分析的辅助系统
CN112905463B (zh) 软件测试监控方法、装置、电子设备及可读存储介质
CN115879094A (zh) 一种口令过期的风险处理方法及系统
US10222791B2 (en) Operation assistance apparatus at time of accident in plant
US20220187262A1 (en) Device and method for anomaly detection of gas sensor
CN111898123B (zh) 一种恶意操作识别方法、装置、设备及可读存储介质
CN105426654B (zh) 在临床诊断过程中抽样检查小型失控状态的系统和方法
CN110046067B (zh) 接口测试方法及装置
CN113921128A (zh) 对医疗检测数据软件自动的审核方法及电子设备
CN112787883A (zh) 一种设备nat故障检测方法、装置及设备
CN111258788A (zh) 磁盘故障预测方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination