CN118230926A - 用于体外检验的一致性的协调方法 - Google Patents
用于体外检验的一致性的协调方法 Download PDFInfo
- Publication number
- CN118230926A CN118230926A CN202211590535.XA CN202211590535A CN118230926A CN 118230926 A CN118230926 A CN 118230926A CN 202211590535 A CN202211590535 A CN 202211590535A CN 118230926 A CN118230926 A CN 118230926A
- Authority
- CN
- China
- Prior art keywords
- ivd
- reference substance
- result
- sample
- bland
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 178
- 238000012360 testing method Methods 0.000 title claims abstract description 47
- 238000000338 in vitro Methods 0.000 title claims abstract description 14
- 239000013558 reference substance Substances 0.000 claims abstract description 256
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000010989 Bland-Altman Methods 0.000 claims description 89
- 238000005259 measurement Methods 0.000 claims description 42
- 239000012925 reference material Substances 0.000 claims description 22
- 230000001419 dependent effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000000611 regression analysis Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 7
- 238000012352 Spearman correlation analysis Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 102400001263 NT-proBNP Human genes 0.000 description 12
- 108010008064 pro-brain natriuretic peptide (1-76) Proteins 0.000 description 12
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 238000012417 linear regression Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000012353 t test Methods 0.000 description 7
- 238000000692 Student's t-test Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000011166 aliquoting Methods 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 238000010998 test method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000011077 uniformity evaluation Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 206010023126 Jaundice Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010018910 Haemolysis Diseases 0.000 description 1
- 241001662043 Icterus Species 0.000 description 1
- 102100036836 Natriuretic peptides B Human genes 0.000 description 1
- 101710187802 Natriuretic peptides B Proteins 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 230000002949 hemolytic effect Effects 0.000 description 1
- 238000000099 in vitro assay Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000001543 one-way ANOVA Methods 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本申请提供了一种用于体外检验的一致性的协调方法。该方法包括如下步骤:(1)从一组体外检验医疗器械(IVD MD)中筛选待纳入所述方法的IVD MD,使用所述IVD MD对参考物质组的检验结果进行筛选;(2)为参考物质组中的每个参考物质样本赋值;和(3)判断待纳入所述方法或纳入所述方法的IVD MD的检测结果是否协调一致,如果不协调一致,使用协调一致性算法,使检测结果协调一致,步骤(1)包括针对每个待纳入所述方法的IVD MD的每个参考物质样本的检测结果检验重复检测离群值和/或检验离群样本。采用本发明的一致性的协调方法提供了一种更能满足实际需要的协调一致性方案,实现了对第五等级计量学溯源的优化。
Description
技术领域
本发明属于医疗检验领域,特别是属于样本分析领域。
背景技术
依据2013年中国发布的《医疗机构临床检验项目目录》,目前中国临床开展的检验项目大概有1462项,然而,这1462项中能够执行标准化的项目仅占2.4%,绝大部分项目无法依据国际标准化组织的(International Organization for Standardization,ISO)的要求建立第一到第四等级的计量学溯源模型,无法实现标准化,导致这些项目在不同检验系统间不同检测结果差异很大,结果互认难度很高。因此,亟需制定更能满足实际需要的用于体外检验的协调一致性方案。
发明内容
本发明涉及用于体外检验的一致性的协调方法以及进行所述一致性的协调方法的装置。
在第一方面,本发明提供了一种用于体外检验的一致性的协调方法,所述方法包括如下步骤:
(1)从一组体外检验医疗器械(IVD MD)中筛选待纳入所述一致性的协调方法的IVD MD,其中,使用所述IVD MD对参考物质组的检验结果进行筛选;
(2)为参考物质组中的每个参考物质样本赋值;和
(3)判断待纳入所述方法或纳入所述方法的IVD MD的检测结果是否协调一致,如果不协调一致,使用协调一致性算法,使待纳入所述方法的IVD MD的检测结果协调一致,
其中,步骤(1)中包括针对每个待纳入所述一致性的协调方法的IVD MD的每个参考物质样本的检测结果检验重复检测离群值和/或检验离群样本。
在一些实施方式中,所述检验重复检测离群值包括:
(1)用待纳入所述方法的IVD MD重复检测参考物质组中的每个参考物质样本,获得每个参考物质样本的重复检测结果;以及
(2)利用离群值检验法检验每个参考物质样本的重复检测结果是否存在重复检测离群值,如果存在重复检测离群值,从所述重复检测结果剔除重复检测离群值。
在一些实施方式中,采用Grubbs法检验每个参考物质样本的重复检测结果是否存在重复检测离群值,
如果某个参考物质样本的重复检测结果存在重复检测离群值,从所述重复检测结果剔除一个重复检测离群值。
在一些实施方式中,采用Grubbs法检验针对每个参考物质样本的重复检测结果是否存在重复检测离群值中,利用如下公式计算Gn值:
是某个参考物质样本重复检测结果的均值,S是该参考物质样本重复检测结果的标准差,n为重复检测的次数;
然后,检查Grubbs检验的临界值表值Gp(n),当Gn>Gp(n),判定为针对该IVD MD的该参考物质样本重复检测结果存在重复检测离群值。
在一些实施方式中,如果针对某个待纳入所述方法的IVD MD剔除的重复检测离群值超过参考物质样本数量的10%,优选超过参考物质样本数量的5%,则剔除该IVD MD。
在一些实施方式中,所述检验重复检测离群值还包括针对待纳入所述方法的每台IVD MD计算参考物质组的合成CV值,如果某台IVD MD的合成CV值大于所述方法的允许不精密度,则剔除该IVD MD。在此,首先针对参考物质组中的每个参考物质样本计算该IVD MD对该参考物质样本的多次重复检测结果的CV值,然后,将参考物质组中的所有参考物质样本的所有CV值计算成该IVD MD的合成CV值。随后,比较该合成CV值与所述方法的允许不精密度。在该合成CV值大于允许不精密度的50%-75%,优选大于允许不精密度的情况下,剔除该IVD MD。
在一些实施方式中,所述检验离群样本包括:
(1)针对待纳入所述方法的每台IVD MD计算参考物质组中每个参考物质样本的重复检测结果的均值;
(2)针对待纳入所述方法的所有IVD MD计算每个参考物质样本的总均值;和
(3)检验是否存在离群样本,
如果存在离群样本,剔除所述离群样本,
优选地,在检验重复检测离群值后检验离群样本。
在一些实施方式中,所述针对待纳入所述方法的每台IVD MD计算参考物质组中每个参考物质样本的重复检测结果的均值为:mean-x-i,i=1,2,...,N,χ=A,B,C...M,其中,N为参考物质组的样本数量,M为待纳入所述方法的IVD MD的台数;
所述针对待纳入所述方法的所有IVD MD计算每个参考物质样本的总均值为:MEANtotal-i,i=1,2,...,N,N为参考物质组的样本数量。
在一些实施方式中,所述检验离群样本包括:
(1)针对待纳入所述方法的每台IVD MD的参考物质组中每个参考物质样本,以MEANtotal-i为因变量X,以mean-χ-i为自变量Y,计算所述因变量X和自变量Y的相对偏差:和
(2)利用ESD法检验针对待纳入所述方法的每台IVD MD的参考物质组中参考物质样本的相对偏差是否存在离群值,
如果存在离群值,剔除所对应的样本。
在一些实施方式中,如果待纳入所述方法的某台IVD MD的参考物质组剔除≥10%个离群样本,优选地,如果剔除≥5%个离群样本,则剔除该IVD MD。
优选地,如果超过20%的IVD MD剔除同一样本,则该样本不纳入作为参考物质样本,并且该样本不作为离群样本。
在一些实施方式中,所述ESD法包括如下步骤:
(1)针对待纳入所述方法的每台IVD MD的参考物质组中参考物质样本计算出[(Y-X)/X*100%]的均值及标准差(SD);
(2)根据所述均值及标准差(SD)计算出每个样本对应的ESD并取其中最大的偏移(ESDi);
(3)根据参考物质组的样本数量计算临界值(λi);
(4)如果ESD1>λ1,则认为所述参考物质样本的[(Y-X)/X*100%]为离群值,则剔除该离群值后进行下一个最大偏移计算和比较;
(5)通过找到最大的i,使得ESDi>λi,确定离群值的个数;和
(6)剔除离群样本,
所述ESDi由如下公式计算:
所述λi按照如下公式计算:
其中,N是参考物质组中的样本数量;j=1,2,...,N;i=1,2,...,h;ν=N-i-1;h为可能离群样本的数量,所述h小于等于参考物质组中的样本数量N的10%,优选地所述h小于等于参考物质组中的样本数量N的5%,更优选地,所述h小于等于参考物质组中的样本数量N的2.5%;
tν,p为单侧t分布临界值,v为自由度,p为概率(α=0.01或0.05)。
在一些实施方式中,所述步骤(1)还包括对待纳入所述方法的所有IVD MD进行间相关性检验,所述间相关性检验包括:
以MEANtotal-i为因变量X,以mean-x-i为自变量Y,进行Pearson相关分析、Spearman相关分析或Kendall相关分析中的任一种,计算相关系数满足相关性的IVD MD纳入所述方法;如果所述IVD MD相关分析的相关系数不满足相关性,则剔除所述IVD MD。
在一些实施方式中,进行Spearman相关分析时,其中,mean-x-i为针对待纳入所述方法的每台IVD MD计算参考物质组中每个参考物质样本的重复检测结果的均值,其中,i=1,2,...,N,χ=A,B,C...M,N为参考物质组的样本数量,M为待纳入所述方法的IVD MD的台数,MEANtotal-i为针对待纳入所述方法的所有IVD MD计算的每个所述参考物质样本的总均值,其中,i=1,2,...,N,N为参考物质组的样本数量,如果Spearman相关系数≥0.95,优选地,如果Spearman相关系数≥0.98,则待纳入所述方法的所有IVD MD满足相关性要求。
在一些实施方式中,所述参考物质组通过包括步骤的方法制备:
(1)收集人体样本;以及
(2)基于医学水平数据选择含有指定浓度被测量的样本组成参考物质组,每浓度样本数量占样本组总样本数量的百分比与该浓度对应的医学水平数据出现频次一致。
在一些实施方式中,所述步骤(1)还包括处理所收集的人体样本,优选地,根据临床和实验室标准研究所指南C37收集和处理样本。
优选地,样本不进行过滤。
在一些实施方式中,所述步骤(1)收集的样本为非溶血、非黄疸、非脂浊的体液样本。
优选地,所述步骤(1)收集的样本不是感染性疾病标志物阳性的样本和/或不是含有特定药物的样本。
在一些实施方式中,所述步骤(2)包括基于医学水平数据确定被测量的各浓度区间段,计算各浓度区间段出现的频次作为相应浓度区间段的占比,以及根据所述占比确定参考物质组中各浓度区间段样本的数目。
在一些实施方式中,所述医学水平数据依据被测量的既往研究信息和/或相关指南信息确定,包括健康人群的参考范围、不同性别人群的参考范围、疾病诊断的分级或分类、预后评估、决定采取治疗措施中的一种或者多种进行选择。
本申请中根据医学数据库确定的浓度分布包括医学决定水平的浓度。医学决定水平指在诊断及治疗工作时,对疾病诊断或治疗起关键作用的某一被测成分的浓度,临床上必须采取措施的检测水平,其不同于正常参考值。临床工作中,常用作确定或排除某种疾病。通过观察测定值是否高于或低于这些限值,可在疾病诊断中起排除或确认的作用,或对某些疾病进行分级或分类,或对预后作出估计,以提示医师在临床上应采取何种处理方式,如进一步进行某一方面的检查,或决定采取某种治疗措施等等。
在一些实施方式中,每浓度参考物质样本充分混匀后按固定体积等分,得到等分样本,每浓度选择一个等分样本组成参考物质组。
在一些实施方式中,所述方法还包括对参考物质组中的参考物质样本进行均匀性评估,所述均匀性评估包括如下步骤:
(a)每浓度参考物质样本的等分样本中随机抽取1/25-1/15份,每份重复测量2-6次,得到汇总结果;优选地,重复测量之间颠倒样本检测顺序;以及
(b)采用Grubbs(α=0.01)法检验步骤(a)获得的重复检测结果是否存在重复检测离群值,如果存在重复检测离群值,剔除1个离群值后剩余的检测结果作为汇总结果。
在一些实施方式中,对汇总结果开展单因素方差分析,如果p值不满足大于等于0.05,和/或方差不满足齐性检验通过,对参考物质样本重新充分混匀。
在一些实施方式中,所述为参考物质组中的每个参考物质样本赋值包括:
(1)针对纳入所述方法的每台IVD MD计算参考物质组中每个参考物质样本的重复检测结果的均值;
(2)针对纳入所述方法的所有IVD MD计算每个参考物质样本的总均值或总稳健均值,即为参考物质组中的每个参考物质样本的赋值。
在一些实施方式中,所述为参考物质组中的每个参考物质样本赋值还包括:对纳入所述方法的每台IVD MD的参考物质组中每个参考物质样本的重复检测结果的均值进行聚类分析,如果超过50%的IVD MD的均值相近,则以该超过50%的IVD MD的总均值或总稳健均值作为参考物质样本的赋值。
在所述为参考物质组中的每个参考物质样本赋值中,总均值或总稳健均值的区别是考虑部分IVD MD虽相关性较好,但整体测值偏高或偏低问题,导致参考物质样本的赋值受个别IVD MD影响较大,造成不必要的工作校准物的设定值的调整,应结合实际情况,对各个IVDMD检测结果进行聚类,若一半以上数量的IVD MD测值相近,应考虑以该组仪器的总稳健均值作为参考物质样本的赋值。
在一些实施方式中,每个参考物质样本的重复检测结果的均值为mean-χ-i,i=1,2,...,N,χ=A,B,C...M,其中,N为参考物质组的样本数量,M为待纳入所述方法的IVD MD的台数;每个参考物质样本的总均值为MEANtotal-i,i=1,2,...,N,N为参考物质组的样本数量;每个参考物质样本的总稳健均值为R-MEANtotal-i。
在一些实施方式中,所述使用协调一致性算法使待纳入所述方法或纳入所述方法的IVD MD检测结果协调一致包括:
(1)以参考物质组中的参考物质样本的赋值作为参比结果,以每台IVD MD测定参考物质组中的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,其中,所述IVD MD已经使用各自的工作校准物进行了校准,以及
(2)对参比结果和待评结果不等效的IVD MD的工作校准物设定值进行调整,使得待纳入所述方法或纳入所述方法的每台IVD MD的参比结果和待评结果等效,
优选地,选择参考物质组中60%-90%参考物质样本的赋值作为参比结果,以每台IVD MD测定参考物质组中的参考物质样本获得的测定值作为待评结果。
在一些实施方式中,所述Bland-Altman图的横轴为所述参考物质样本的赋值由低到高的排序秩次,所述Bland-Altman图的纵轴为相对偏差Bias%=(Y-X)/X*100%,其中,X为参考物质样本的赋值,Y为每台IVD MD测定所述参考物质样本获得的测定值。
在一些实施方式中,所述参比结果和待评结果等效包括所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化。
在一些实施方式中,参比结果和待评结果等效为Bland-Altman图符合以下(1)-(4)中的一个或者多个:
(1)Bland-Altman图中各散点均在均值对应的均等线的上下均匀分布,所述均值为Bland-Altman图所有相对偏差Bias%的均值;
(2)Bland-Altman图中各散点的相对偏差Bias%在一致性界限LoA内均匀分布;
(3)Bland-Altman图中一致性界限LoA小于最大允许差异;
(4)Bland-Altman图中不存在秩次相邻的一组参考物质样本分布于均等线一侧,
优选地,如果所述Bland-Altman图不满足上述(1)-(4)中的任一个,则所述参比结果和待评结果不等效;
优选地,Bland-Altman图的均值落于阈值以内,优选地,所述阈值为±2%;
优选地,Bland-Altman图中,位于LoA范围内的散点占所有散点的90%以上,优选95%以上;
优选地,在Passing-Bablok回归分析中,比例偏倚小于等于允许偏倚的1/2-3/4;
优选地,在Passing-Bablok回归分析中,截距小于等于所述参考物质组的性能规范;
优选地,参考物质组的医学决定水平处的相对偏差水平Bias%应小于等于允许偏倚的3/4。
在一些实施方式中,所述Passing-Bablok回归分析中的比例偏倚=(斜率-1)×100%。
在一些实施方式中,对参比结果和待评结果不等效的IVD MD的工作校准物的设定值进行调整包括:
(1)分别确定所述参比结果和待评结果不等效的IVD MD的每个待调整工作校准物的设定值相近的对应Y值的秩次点;
(2)针对(1)确定的每个秩次点分别收集其周围预定数量的秩次点;
(3)针对(1)确定的每个秩次点,对(2)中收集的其周围预定数量的秩次点分别计算相对偏差Bias%,然后计算针对(1)确定的该预定数量的秩次点的所有相对偏差Bias%的稳健均值;
(4)根据以下公式调整每个待调整工作校准物设定值:
调整后工作校准物设定值=待调整工作校准物设定值×(100%-相对偏差Bias%的稳健均值)。
在一些实施方式中,步骤(1)中,所述对应Y值为待调整工作校准物设定值±(5%~30%),优选±(10%~20%)。
在一些实施方式中,步骤(2)中,收集确定的每个秩次点周围5-20个秩次点,优选8-15个秩次点,优选周围秩次点分别位于(1)确定的秩次点左右两侧。
在一些实施方式中,调整后工作校准物设定值满足以下(1)-(5)中的至少一者:
(1)Bland-Altman图的均值落于阈值内,所述均值为Bland-Altman图所有相对偏差Bias%的均值,优选地,所述阈值为±2%;
(2)Bland-Altman图的一致性界限LoA小于最大允许差异;
(3)Bland-Altman图中,位于LoA范围内的散点占所有散点的90%以上,优选95%以上;
(4)在Passing-Bablok回归分析中,比例偏倚小于等于允许偏倚的1/2-3/4;
(5)在Passing-Bablok回归分析中,截距小于等于所述参考物质组的性能规范;
(6)参考物质组的医学决定水平处的相对偏差水平Bias%应小于等于允许偏倚的3/4。
在一些实施方式中,判断所述Bland-Altman图的相对偏差Bias%是否呈现恒定CV变化包括:
(1)将所述参考物质样本的赋值由低到高的排序秩次作为自变量X,以相对偏差Bias%作为因变量Y,所述相对偏差Bias%=(Y-X)/X*100%,其中,X为参考物质样本的赋值,Y为每台IVD MD测定所述参考物质样本获得的测定均值;
(2)针对X与Y进行一般线性回归分析,计算斜率与截距95%置信区间判断是否满足如下参数中的一个或多个:
斜率的t检验p值≥0.1;截距的t检验p值≥0.1;斜率与截距的95%置信区间均包含0;一般线性回归分析的截距小于等于工作校准物设定值调整后的Bland-Altman图的均值,所述Bland-Altman图的均值为Bland-Altman图所有相对偏差Bias%的均值;以及利用一阶线性模型、二阶线性模型和/或三阶线性模型针对X与Y进行曲线估计,要求除常数外的所有系数t检验p值≥0.1,
优选地,如果不满足所述参数中的任一个,再次调整工作校准物的设定值,直至述Bland-Altman图的相对偏差Bias%呈现恒定CV变化。
在一些实施方式中,依据CLSI EP6-A方案利用一阶线性模型、二阶线性模型和/或三阶线性模型针对X与Y进行曲线估计。
在一些实施方式中,进行曲线估计的一阶线性模型为:
Y=b0+(b1×X);
进行曲线估计的二阶线性模型为:
Y=b0+(b1×X)+(b2×X2);
进行曲线估计的三阶线性模型为:
Y=b0+(b1×X)+(b2×X2)+(b3×X3)。
在一些实施方式中,所述方法还包括评估一致性的协调方法的有效性。
在一些实施方式中,所述评估一致性的协调方法的有效性包括以参考物质组中的参考物质样本的赋值作为参比结果,以每台IVD MD测定参考物质组中的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,按照前述方法所述判断参比结果和待评结果是否等效,
所述IVD MD按照前述方法调整了工作校准物设定值,
优选地,选择参考物质组中10%-40%参考物质样本的赋值作为参比结果,优选地,以每台IVD MD测定所述参考物质组中10%-40%参考物质样本获得的测定值作为待评结果。
在一些实施方式中,所述方法还包括保持参考物质组的延续性。
在一些实施方式中,所述保持参考物质组的延续性包括:(1)选择用于保持参考物质组的延续性的IVD MD建立延续性保障检测程序库;以及(2)保持所述延续性保障检测程序库的IVD MD的间测值一致性。
在一些实施方式中,所述检测程序库中的IVD MD从纳入用于体外检验的一致性的协调方法的IVD MD中进行选择,所述纳入一致性的协调方法的IVD MD满足以下条件:
以参考物质组的赋值作为参比结果,以每台IVD MD测定参考物质组的测定值作为待评结果,绘制Bland-Altman图;
所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异。
在一些实施方式中,步骤(2)包括:每隔时间间隔C,利用c例参考物质样本,保证纳入一致性的协调方法的IVD MD的测值一致,其包括:
(1)以参考物质样本的赋值作为参比结果,以每台IVD MD测定的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效;
(2)调整参比结果和待评结果不等效的IVD MD的工作校准物设定值,使得纳入一致性的协调方法的每台IVD MD的参比结果和待评结果等效;
优选地,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,所述Bland-Altman图中一致性界限LoA小于最大允许差异,
其中:
所述Bland-Altman图的横轴为所述参考物质样本的赋值由低到高的排序秩次,
所述Bland-Altman图的纵轴为相对偏差Bias%=(Y-X)/X*100%,其中,X为参考物质样本的赋值,Y为每台IVD MD测定所述参考物质样本获得的测定值。
在一些实施方式中,所述检测程序库中的IVD MD满足以下条件:
以参考物质组的赋值作为参比结果,以每台IVD MD测定参考物质组的测定值作为待评结果,绘制Bland-Altman图,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异的80%。
在一些实施方式中,步骤(2)中还包括:每隔时间间隔A,按照所述参考物质样本的标准收集a例新鲜的样本,评估所述检测程序库中的IVD MD的测值一致性。
在一些实施方式中,所述评估测值一致性包括:
以所述检测程序库中任一台IVD MD的测定值作为参比结果,以所述检测程序库中其他IVD MD的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,优选地,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异。
在一些实施方式中,步骤(2)中还包括:每隔时间间隔B,利用b例参考物质样本,评估所述检测程序库中的IVD MD的测值一致性;
优选地,b为参考物质组中样本数量的20%。
在一些实施方式中,所述评估测值一致性包括:
以参考物质组的赋值作为参比结果,以每台IVD MD的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,优选地,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异。
在一些实施方式中,所述方法还包括收集新的参考物质样本,并且利用所述检测程序库中的IVD MD为新收集的参考物质样本赋值。
在一些实施方式中,所述为新收集的参考物质样本赋值包括:
用所述检测程序库中的所有IVD MD检测新收集的参考物质样本,计算每个新收集的参考物质样本的总均值或总稳健均值,即为每个新收集的参考物质样本的赋值。
在第二方面,本发明提供了一种用于一致性的协调方法的装置,所述装置包括:
处理器;
存储器,其上存储有在所述处理器上运行的计算机程序;
其中,所述计算机程序被所述处理器执行时实现如第一方面所述的一致性的协调方法的步骤。
采用本发明的一致性的协调方法提供了一种更能满足实际需要的协调一致性方案,从而实现了对第五等级计量学溯源的优化。
附图说明
图1显示了本申请方法中剔除重复检测离群值及离群样本的示意图。
图2显示了本申请方法中以NT-proBNP为例的各医学决定水平所占比例的饼图。
图3显示了本申请方法中示例性的不同数据组特点的Bland-Altman图。
图4显示了本申请方法中示例性的工作校准物设定值调整后绘制的Bland-Altman图。
图5显示了本申请方法中示例性的数据组B曲线估计散点图。
图6显示了本申请方法中示例性的整数据组B校准物赋值后曲线估计散点图。
具体实施方式
以下所述的是本发明的优选实施方案,本发明所保护的不限于以下优选实施方案。应当指出,对于本领域的技术人员来说在此发明创造构思的基础上,做出的若干变形和改进,都属于本发明的保护范围。
在本申请中,“检测程序”可以理解为用于执行检测过程的一系列规定步骤。
离群值(outlier),也称逸出值,是指在数据中有一个或几个数值与其他数值相比差异较大,或者,在一组平行测定中,若有个别数据离开其他数据较远,则把此数据视为可疑,即离群值。
CV也称作变异系数,是概率分布的离散度的归一化量度(即,SD与平均值的比例)。
精密度是指规定条件下所获得独立测量结果的接近程度,通常定量衡量测量结果的不一致性即不精密度。精密度组成部分主要有重复性(批内精密度)、批间精密度、日内精密度、日间精密度和室内精密度(仪器精密度),所述室内精密度(仪器精密度)也称为总精密度或者合成精密度。若在一批内的重复测量,这是批内不精密度。
Bland-Altman图是一种以可视化的方式评价两种测量间的一致性方法。
Bland-Altman图中的均等线是均值对应的均等线,所述均值为Bland-Altman图所有相对偏差Bias%的均值。
95%一致性界限(Limits ofAgreement),计算方法为Bias±1.96(Bias的SD),比如,计算出的Bias和(Bias的SD)分别为0.2381和6.964,那么95%一致性界限就是0.2381±1.96×6.964=-13.41~13.89。
均匀分布指的是在概率论和统计学意义中的“均匀分布”,也叫矩形分布,它是对称概率分布,在相同长度间隔的分布概率是等可能的。
用两种方法对同一组数据进行测量,一般不会获得完全相同的结果,总是存在着一定趋势的差异,如一种方法的测量结果经常大于(小于)另一种方法的结果,这种差异被称为偏倚。
正确度指由大量测试结果得到的平均数与接受参照值间的一致程度。正确度的度量通常以偏倚来表示,偏倚是测试结果与真值(接受参照值)之差。根据生物学变异(个体内生物学变异CV1和个体间生物学变异CVG)导出允许不精密度、允许偏倚和允许总误差,分为最佳、适当和最低三等级作为可依据的性能规范。
精密度按条件不同可进一步分为重复性(repeatability)、中间精密(intermediate precision)和重现性(reproducibility)。重复性是指在相同条件(时间、校准、操作者、仪器等)下获得的精密度,即所谓的批内精密度;中间精密度是指在一种或几种条件因素发生变化,但在同一实验室内获得的精密度;重现性则是在不同实验室、不同条件下获得的精密度,故又称实验室间精密度。
本申请中,稳健均值、t-检验、Grubbs法检验、Passing-Bablok回归等都均按照数理统计的常规方法进行即可。
医学水平数据来自于医学决定水平(Medical decision level,MDL),指在诊断及治疗工作时,对疾病诊断或治疗起关键作用的某一被测成分的浓度。医学决定水平,不同于正常参考值。通过观察测定值是否高于或低于这些限值,可在疾病诊断中起排除或确认的作用,或对某些疾病进行分级或分类,或对预后作出估计,以提示医师采取何种处理方式,如进一步进行某一方面的检查,或决定采取某种治疗措施等等。
“最大允许差异”是指可比较测值之间允许的最大误差。
参考物质是具有一种或多种充分均匀和明确定义的特性,用以校准测量装置、评价测量方法或给材料赋值的一种材料或物质。
校准物是在校准函数中用作独立变量值的参考物质;具有定值和已知的测量不确定度,其目的是校准某一测量系统,从而建立此系统测量结果的计量学溯源性。校准物分为产品校准物(product calibrator)和工作校准物(working calibrator)。产品校准物用于校准试剂。工作校准物用于校准常设测量程序或常规的检测系统,可以将参考物质的正确度传递给产品校准物。
实施例
为使本发明更加容易理解,下面通过具体实施例来进一步详细说明本发明,这些实施例仅起说明性作用,并不局限于本发明的应用范围。
以下以NT-proBNP体外检测的一致性的协调方法为例进一步说明本发明。
实施例1.定义被测量和性能规范
本实施例中,NT-proBNP体外检测的被测量为:人血浆样本中NT-proBNP/proBNP的质量体积浓度,单位为pg/mL。该被测量可由科美诊断公司的系列检测产品和检测程序以及用于执行本方案、检测提供的协调一致参考物质、结果等效的一组检测程序确定。
对NT-proBNP项目开展生物学变异相关研究,评估长期个体内及个体间生物学变异,得到结果见表1。
表1
/>
利用表1数据计算NT-proBNP个体内生物学变异为26.25%(CV1),个体间生物学变异为53.56%(CV2),按照公式“允许不精密度=0.25CV1”计算最佳的允许不精密度为6.56%,按照公式“允许偏倚=0.25(CV1 2+CV2 2)1/2”计算适当的允许偏倚为14.91%。
实施例2.NT-proBNP体外检测的一致性的协调方法
(1)筛选待纳入所述一致性的协调方法的IVD MD
对待纳入所述一致性的协调方法的IVD MD进行离群检验,包括检验重复检测离群值和检验离群样本,其中:
通过如下方法检验重复检测离群值:用待纳入的IVD MD均重复检测参考物质血浆盘(100例样本组成)多次。以检测2天,每天每个参考物质样本检测3次为例。此时共得到6个重复检测结果,如图1所示。采用Grubbs离群值检验方法(α=0.01),计算6个重复检测结果中是否存在离群值。如果存在离群值,每个参考物质样本允许剔除1个离群值,100例样本允许剔除5个离群值,若超出5个离群值,证明该IVD MD存在性能问题且不被纳入该方法。同时计算每个参考物质样本的6个重复检测结果的CV%,计算每台IVD MD的100例样本的合成CV%(具体计算过程见ISO21151)。判断每台IVD MD的合成CV%是否小于实施例1中的允许不精密度。如果某台IVD MD的合成CV%大于允许不精密度,则剔除该IVD MD。此外,选取接近参考范围上限的单个样本,计算该样本的6个重复检测结果的CV%是否小于4%。如果大于4%,则剔除IVD MD。
通过如下方法检验离群样本:剔除重复检测离群值后,针对每个参考物质样本,单个IVD MD的6个重复检测结果计算均值(eg.mean-x-i,i=1,2,…,100,x=A,B,C…),同时计算所有待纳入IVD MD检测该参考物质样本的总均值(eg.MEANtotal-i,i=1,2,…,100),如图1所示。采用ESD法剔除离群样本(α=0.01),以MEANtotal-i为因变量X,单个IVD MD的mean-x-i为自变量Y,计算两变量的相对偏差=(Y-X)/X*100%。利用ESD法检验每个IVD MD的100例样本,相对偏差是否存在离群值,若存在离群值,其对应的单个样本的均值被剔除,允许剔除5个离群样本,若超过5个离群样本,该IVD MD不被纳入该方法。若多台IVD MD剔除相同样本,该样本可能存在未知系统干扰,该样本不被纳入参考物质组,该样本的剔除不纳入离群样本计数。
依据上述步骤剔除重复检测离群值和离群样本后,对待纳入的IVD MD逐个评估100例样本mean-x-i和MEANtotal-i之间相关性,要求MEANtotal-i为因变量X,单个IVD MD的mean-x-i为自变量Y,开展Spearman相关分析,要求Spearman相关系数大于0.98,最终筛选待出纳入所述一致性的协调方法的入选IVD MD。
(2)参考物质组的制备
根据美国临床和实验室标准化协会指南C37收集和处理人血浆,不对样本开展过滤步骤,将鉴定为溶血、黄疸、脂浊、或感染性疾病标志物阳性的血浆样本丢弃,保存在4-8℃。
依据既往研究及相关指南所声明的医学决定水平(包括健康人群的参考范围、不同性别人群的参考范围、疾病诊断的分级或分类、预后评估、决定采取治疗措施中的一种或者多种)划分样本浓度区间段,并且依据不同浓度区间段医学决定水平出现的频次,绘制饼状图,见图2。测定收集的个体血浆样本中NT-proBNP浓度,按照图2比例确定参考物质组中不同浓度区间参考物质样本的个数(如:参考物质组共有100个参考物质样本,则浓度在0-200pg/mL的参考物质样本有23个),将浓度相近的数个个体血浆样本混合,最终得到100个参考物质样本,每个参考物质样本至少35mL。其中80例样本(组一)用于建立协调一致算法,保证入选IVD MD间检测结果的等效,剩余的20例样本(组二)作为验证血浆样本,评估一致性协调方法的有效性。组一和组二中的不同浓度的参考物质样本个数也依据图2各浓度所占比例确定。
将各参考物质样本混匀,按照0.3mL等分,每个参考物质样本等分为约100份,置于含有硅胶O形圈的聚丙烯冷冻瓶中。对等分后的样本进行均匀性检测,抽取5个浓度分别位于110-150pg/mL、290-350pg/mL、890-950pg/mL、1800-1950pg/mL、10000-13000pg/mL五个区间段(依据重要医学决定水平进行选择)的参考物质样本,从每个参考物质样本100等分的冷冻瓶中随机抽取5瓶,每瓶重复测量3次,为避免测量系统、时间等因素引起的波动,3次测量之间颠倒样本顺序,汇总结果进行均匀性评估,采用Grubbs(α=0.01)离群值检验,允许剔除1个离群值,剔除后数据开展单因素方差分析,要求p值大于等于0.05,且方差齐性检验通过,若不通过,则需要重新对样本进行混匀等分。检测通过的等分参考物质样本至于-70℃保存。
(3)获得参考物质组中的每个参考物质样本的赋值
利用纳入所述方法的入选IVD MD测定每个参考物质样本,从而获得纳入所述方法的入选IVD MD的每个参考物质样本的总均值(MEANtotal-i),或总稳健均值(eg.R-MEANtotal-i),作为参考物质样本的赋值,进而确定100例参考物质样本的赋值。其中,相比于MEANtotal-i,优选R-MEANtotal-i,原因在于考虑到部分IVD MD虽相关性较好,但整体测值偏高或偏低的问题,导致参考物质样本的赋值受个别IVD MD影响较大,造成对其余IVD MD的工作校准物设定值进行不必要的调整。在优选方案中,可以对各个IVD MD检测结果进行聚类。若一半以上数量的IVD MD测值相近,则以该组仪器的稳健均值R-MEANtotal-i作为参考物质样本的赋值。
(4)确定协调一致性算法
分析待纳入所述方法或纳入所述方法的IVD MD的检测结果,如果不协调一致,使用协调一致性算法,使待纳入所述方法的IVD MD的检测结果协调一致。
使用入选IVD MD各自对应的工作校准物对入选IVD MD进行校准。使用校准后的入选IVD MD再次检测参考物质样本。在此优选的是,可以选择仅检测参考物质组中的一部分参考物质样本。
依据检测结果绘制数据组的Bland-Altman图,以便依据后续步骤将Bland-Altman图中的数据组调整至“恒定CV”变化。Bland-Altman图中参比结果来自上述步骤(3)得到的参考物质样本的赋值(作为因变量X),待评结果为各个IVD MD测定参考物质样本获得的测定值的均值(作为自变量Y),横轴表示X浓度值由低到高的排序秩次,纵轴为相对偏差=(Y-X)/X*100%。
根据Bland-Altman图,判断参比结果和待评结果是否等效,Bland-Altman图满足以下条件时参比结果和待评结果等效:各散点均在均等线(line ofequalitydifference%=0)的上下均匀分布,同时所有散点的相对偏差也在LoA(LimitsofAgreement,LoA)内均匀分布,LoA小于最大允许差异(maximum allowed difference),没有出现秩次相邻的一组样本分布于均等线一侧。
例如,参见图3的III,第10秩次以下的点相对偏差均位于均等线以下,第10秩次以上的点相对偏差均位于均等线以上,该图表现为两个检测结果不等效,低端测值与X比较呈现负偏差,高端测值与X比较呈现正偏差;图中也没有出现随着X浓度的增加,两检测结果相对偏差呈现逐渐增大或减小的情况,如图3的II,第30秩次以下的点相对偏差最小为接近10%,第30秩次以上的点相对偏差逐渐增大至40%,该图显示两个检测结果不等效,随着X浓度的增加,Y的正偏差逐渐增大。
图3示例性显示了不同数据组的Bland-Altman图,其中,I与III均显示混合变化特点;II与IV随着因变量X的浓度增加,Y与X比较,相对偏差逐渐增加,因此,图3中的4种情况均显示参比结果和待评结果不等效,不呈现“恒定CV”变化。
针对参比结果和待评结果不等效的情况,对工作校准物的设定值进行调整。可以采用如下方法调整工作校准物的设定值:
①按照参考物质样本的赋值高低排序秩次作为因变量X,利用各个IVD MD测定的均值作为待评结果,也就是自变量Y;
②寻找与IVD MD待调整的工作校准物浓度值相近(±10%~20%)的对应Y浓度值的秩次点;
③收集该秩次点周围10个秩次点(向左5个秩次点,向右5个秩次点),共计11个秩次点;
④对所有秩次点计算“相对偏差Bias%”,对所有“相对偏差Bias%”计算稳健均值;
⑤将待调整的工作校准物值乘以(100%-“相对偏差Bias%”计算稳健均值),即为调整后的工作校准物赋值,调整幅度为“相对偏差Bias%”计算稳健均值的相反数。
在调整工作校准物设定值后,使用调整后的工作校准物再次校准入选IVD MD并再次绘制Bland-Altman图,直到数据组被调整至“恒定CV”变化特定并且满足以下要求为止:
①保障Bland-Altman图均值落于±2%以内;
②一致性界限LoA落于最大允许差异(maximum alloweddifference)即±25%以内;
③图中散点的95%位于LoA范围内;
④开展Passing-Bablok回归分析,比例偏倚(斜率-1的结果乘以100%)小于等于实施例1中允许偏倚的1/2,截距小于等于10.0pg/mL;
⑤医学决定水平(80pg/mL、130pg/mL、450pg/mL、900pg/mL及4000pg/mL)处相对偏差水平小于等于实施例1中允许偏倚的3/4。
以图3中的I及II为例,图中Y检测结果均来自于入选IVD MD的工作校准品为6个浓度点的检测程序,其中,图I和图II的IVD MD来自不同的制造商。利用检测数据组绘制Bland-Altman图,按照上述步骤①-⑤对工作校准物设定值做进一步调整,见表2,调整工作校准物设定值直至数据组呈现“恒定CV”变化特点,再根据调整后的数据绘制Bland-Altman图(见图4),可得I和II的Bland-Altman图均值分别为1.7%与0.4%,LoA上下限分别为-25.0%~28.5%与-8.7%~9.4%,各点均匀分布于LoA以内,最大允许差异分别为30%与15%,因此,可判定两组数据对应的两个结果等效,并且满足Passing-Bablok回归及医学决定水平相关要求。
表2工作校准物设定值调整表
由此,代表调整后的工作校准物与参考物质组有相同或可类比的测量表现,并且依据调整后的工作校准物校准的IVD MD有着彼此一致的测量精度。
可以利用如下步骤判断数据组是否呈现“恒定CV”变化:
①参考物质样本的赋值从低到高排序,以排序秩次作为自变量X1,以相对偏差Bias%作为因变量Y1;
②针对X1与Y1开展简单线性回归分析,计算斜率与截距95%置信区间,斜率的t检验p值≥0.1,截距的t检验p值≥0.1,斜率与截距的95%置信区间均包含0;
③依据CLSI EP6-A方案,针对X1与Y1开展曲线估计,计算一阶、二阶、三阶线性,除常数外的所有系数,t检验p值≥0.1,常数统计分析结果不纳入评估;
④简单线性回归分析截距小于等于2;
⑤以上任何一项要求不符合,则代表不呈现“恒定CV”变化。
以数据组B为例判断是否呈现“恒定CV”变化特点,简单线性回归结果见表3,曲线估计结果见表4,曲线估计散点图如图5所示,可得简单线性回归截距大于2,曲线估计三阶线性的非常数系数均小于0.1,因此,数据组B不呈“恒定CV”变化。
表3数据组B简单线性回归分析结果
表4数据组B曲线估计结果汇总表
对数据组B调整工作校准物赋值,重新拟合检测结果,简单线性回归结果见表5,曲线估计结果见表6,曲线估计散点图如图6所示,均符合要求,因此,经过调整后的数据组B呈“恒定CV”变化。
表5调整数据组B校准物赋值后简单线性回归分析结果
表6调整数据组B校准物赋值后曲线估计结果汇总表
实施例3评估NT-proBNP的一致性协调方法的有效性
在使用入选IVD MD各自的调整设定值后的工作校准品校准入选IVD MD后,入选IVD MD检测参考物质组中的未在实施例2中使用的参考物质样本,重复检测参考物质样本3次,以验证实施例2的NT-proBNP的一致性协调方法的有效性。在此,使用与实施例2的一致性协调方法中相同的评估方法、算法和调整方法。如果,Bland-Altman图中点的分布符合“恒定CV”变化特点,在均匀分布于均等线上下,LOA位于±25%的最大允许差异内,判定两变量结果等效:开展Passing-Bablok回归分析及医学决定水平处偏倚评估,质量要求与实施例2中一致性协调方法中的要求一致,即表明本申请的一致性协调方法针对该IVD MD有效。
实施例4NT-proBNP的一致性协调方法的延续性
保持NT-proBNP的一致性协调方法的延续性包括保持参考物质血浆盘即参考物质组的延续性,保持延续性保障检测程序库IVD MD间测值一致性,以及保持所有己纳入协调一致性方法的IVD MD间测值一致性。
(1)保持参考物质血浆盘延续性
为保障参考物质血浆盘延续性,从已经纳入一致性协调方法的入选IVD MD选择特选IVD MD,建立延续性保障检测程序库,所述特选IVD MD符合以下要求:以参考物质组中的参考物质样本的赋值作为参比结果,以每台IVD MD测定参考物质组中的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且,所述Bland-Altman图中一致性界限LoA落于最大允许差异即±20%之内。
在参考物质血浆盘即将用尽时,再次收集人血浆样本并且使用特选IVD MD借助实施例2中的步骤(3)为所收集的样本赋值。
延续性保障检测程序库的建立保障了快捷、准确地为新的参考物质血浆盘赋值,并保障赋值的延续性。
(2)保持延续性保障检测程序库IVD MD间测值一致性
对入选延续性保障检测程序库的上述特选IVD MD,每半年,由延续性保障检测程序库中各特选IVD MD交替依据指南C37收集和处理人血浆40例作为新的参考物质样本,样本浓度依据实施例2相同的方法选择,每例样本2mL,0.5mL等分分装,-70℃保存。延续性保障检测程序库中各特选IVD MD采用实施例2和实施例3的评估一致性协调方法有效性的方法及性能规范,评估特选仪器的测值一致性。其中,评估测值一致性包括以延续性保障检测程序库中任一台IVD MD的测定值作为参比结果,以延续性保障检测程序库中其他IVD MD的测定值作为待评结果,绘制Bland-Altman图,依据以下条件判断参比结果和待评结果是否等效:Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且Bland-Altman图中一致性界限LoA小于最大允许差异。利用延续性保障检测程序库的4台IVD MD为新收集的参考物质样本赋值包括:用延续性保障检测程序库中的所有IVD MD检测新收集的参考物质样本,计算每个新收集的参考物质样本的总均值或总稳健均值,为每个新收集的参考物质样本的赋值。
每1年从实施例2中制备的参考物质组下发20例验证样本,采用实施例2和实施例3的评估一致性协调方法有效性的方法及性能规范,评估所述延续性保障检测程序库的特选IVD MD的测值一致性。其中,评估延续性保障检测程序库中的特选IVD MD的测值一致性包括以参考物质组的赋值作为参比结果,以每台IVD MD的测定值作为待评结果,绘制Bland-Altman图,依据以下条件判断参比结果和待评结果是否等效:Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且Bland-Altman图中一致性界限LoA小于最大允许差异。
(3)保持所有己纳入协调一致性方法的IVD MD间测值一致性
每2年从实施例2中的参考物质组向所有已纳入本方法的IVD MD下发80例参考物质样本,将其再次纳入各IVD MD的溯源体系,溯源体系中,新组成的检测系统,均利用该80例参考物质样本,开展方法学比对,调整该检测系统中制定参考物质或校准物设定值,直至方法学比对通过,保证纳入一致性的协调方法的IVD MD的测值一致。方法学比对过程与实施例2的一致性协调方法一致,具体包括:①以参考物质样本的赋值作为参比结果,以每台IVD MD测定的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,其中X为参考物质样本的赋值,Y为每台IVD MD测定所述参考物质样本获得的测定值,横轴为所述参考物质样本的赋值由低到高的排序秩次,纵轴为相对偏差Bias%=(Y-X)/X*100%;②调整参比结果和待评结果不等效的IVD MD的工作校准物设定值,使得纳入一致性的协调方法的每台IVD MD的参比结果和待评结果等效,满足以下条件:保障数据组调整至“恒定CV”变化特定,且Bland-Altman图中均值落于土2%以内,一致性界限LoA落于最大允许差异即±25%以内。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (29)
1.用于体外检验的一致性的协调方法,所述方法包括如下步骤:
(1)从一组体外检验医疗器械(IVD MD)中筛选待纳入所述一致性的协调方法的IVDMD,其中,使用所述IVD MD对参考物质组的检验结果进行筛选;
(2)为参考物质组中的每个参考物质样本赋值;和
(3)判断待纳入所述方法或纳入所述方法的IVD MD的检测结果是否协调一致,如果不协调一致,使用协调一致性算法,使待纳入所述方法的IVD MD的检测结果协调一致,
其中,步骤(1)中包括针对每个待纳入所述一致性的协调方法的IVD MD的每个参考物质样本的检测结果检验重复检测离群值和/或检验离群样本。
2.根据权利要求1所述的方法,其中,所述检验重复检测离群值包括:
(1)用待纳入所述方法的IVD MD重复检测参考物质组中的每个参考物质样本,获得每个参考物质样本的重复检测结果;以及
(2)利用离群值检验法检验每个参考物质样本的重复检测结果是否存在重复检测离群值,如果存在重复检测离群值,从所述重复检测结果剔除重复检测离群值。
3.根据权利要求2所述的方法,其中,采用Grubbs法检验每个参考物质样本的重复检测结果是否存在重复检测离群值,
如果某个参考物质样本的重复检测结果存在重复检测离群值,从所述重复检测结果剔除一个重复检测离群值。
4.根据权利要求2所述的方法,其中,如果针对某个待纳入所述方法的IVD MD剔除的重复检测离群值超过参考物质样本数量的10%,优选超过参考物质样本数量的5%,则剔除该IVD MD。
5.根据权利要求2所述的方法,其中,所述检验重复检测离群值还包括针对待纳入所述方法的IVD MD计算参考物质组的合成CV值,如果某IVD MD的合成CV值大于所述方法的允许不精密度,则剔除该IVD MD。
6.根据权利要求1所述的方法,其中,所述检验离群样本包括:
(1)针对待纳入所述方法的每台IVD MD计算参考物质组中每个参考物质样本的重复检测结果的均值;
(2)针对待纳入所述方法的所有IVD MD计算每个参考物质样本的总均值;和
(3)检验是否存在离群样本,
如果存在离群样本,剔除所述离群样本,
优选地,在检验重复检测离群值后检验离群样本。
7.根据权利要求6所述的方法,其中,所述检验离群样本包括:
(1)针对待纳入所述方法的每台IVD MD的参考物质组中每个参考物质样本,以MEANtotal-i为因变量X,以mean-χ-i为自变量Y,计算所述因变量X和自变量Y的相对偏差:和
(2)利用ESD法检验针对待纳入所述方法的每台IVD MD的参考物质组中参考物质样本的相对偏差是否存在离群值,
如果存在离群值,剔除所对应的样本。
8.根据权利要求7所述的方法,其中,如果待纳入所述方法的某台IVD MD的参考物质组剔除≥10%个离群样本,优选地,如果剔除≥5%个离群样本,则剔除该IVD MD;
优选地,如果超过20%的IVD MD剔除同一样本,则该样本不纳入作为参考物质样本,并且该样本不作为离群样本。
9.根据权利要求1所述的方法,其中,所述步骤(1)还包括对待纳入所述方法的所有IVDMD进行间相关性检验,所述间相关性检验包括:
以MEANtotal-i为因变量X,以mean-χ-i为自变量Y,进行Pearson相关分析、Spearman相关分析或Kendall相关分析中的任一种,计算相关系数满足相关性的IVD MD纳入所述方法;
如果所述IVD MD相关分析的相关系数不满足相关性,则剔除所述IVD MD。
10.根据权利要求1所述的方法,其中,所述参考物质组通过包括步骤的方法制备:
(1)收集人体样本;以及
(2)基于医学水平数据选择含有指定浓度被测量的样本组成参考物质组,每浓度样本数量占样本组总样本数量的百分比与该浓度对应的医学水平数据出现频次一致。
11.根据权利要求1所述的方法,其中,所述为参考物质组中的每个参考物质样本赋值包括:
(1)针对纳入所述方法的每台IVD MD计算参考物质组中每个参考物质样本的重复检测结果的均值;
(2)针对纳入所述方法的所有IVD MD计算每个参考物质样本的总均值或总稳健均值,即为参考物质组中的每个参考物质样本的赋值;
优选地,所述为参考物质组中的每个参考物质样本赋值还包括:对纳入所述方法的每台IVD MD的参考物质组中每个参考物质样本的重复检测结果的均值进行聚类分析,如果超过50%的IVD MD的均值相近,则以该超过50%的IVD MD的总均值或总稳健均值作为参考物质样本的赋值。
12.根据权利要求1所述的方法,其中,所述使用协调一致性算法使待纳入所述方法或纳入所述方法的IVD MD检测结果协调一致包括:
(1)以参考物质组中的参考物质样本的赋值作为参比结果,以每台IVD MD测定参考物质组中的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,其中,所述IVD MD已经使用各自的工作校准物进行了校准,以及
(2)对参比结果和待评结果不等效的IVD MD的工作校准物设定值进行调整,使得待纳入所述方法或纳入所述方法的每台IVD MD的参比结果和待评结果等效,
优选地,选择参考物质组中60%-90%参考物质样本的赋值作为参比结果,以每台IVDMD测定参考物质组中的参考物质样本获得的测定值作为待评结果。
13.根据权利要求12所述的方法,其中:
所述Bland-Altman图的横轴为所述参考物质样本的赋值由低到高的排序秩次,
所述Bland-Altman图的纵轴为相对偏差Bias%=(Y-X)/X*100%,其中,X为参考物质样本的赋值,Y为每台IVD MD测定所述参考物质样本获得的测定值,
所述参比结果和待评结果等效包括所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化。
14.根据权利要求12所述的方法,其中,参比结果和待评结果等效为Bland-Altman图符合以下(1)-(4)中的一个或者多个:
(1)Bland-Altman图中各散点均在均值对应的均等线的上下均匀分布,所述均值为Bland-Altman图所有相对偏差Bias%的均值;
(2)Bland-Altman图中各散点的相对偏差Bias%在一致性界限LoA内均匀分布;
(3)Bland-Altman图中一致性界限LoA小于最大允许差异;
(4)Bland-Altman图中不存在秩次相邻的一组参考物质样本分布于均等线一侧,
优选地,如果所述Bland-Altman图不满足上述(1)-(4)中的任一个,则所述参比结果和待评结果不等效;
优选地,Bland-Altman图的均值落于阈值以内,优选地,所述阈值为±2%;
优选地,Bland-Altman图中,位于LoA范围内的散点占所有散点的90%以上,优选95%以上;
优选地,在Passing-Bablok回归分析中,比例偏倚小于等于允许偏倚的1/2-3/4;
优选地,在Passing-Bablok回归分析中,截距小于等于所述参考物质组的性能规范;
优选地,参考物质组的医学决定水平处的相对偏差水平Bias%小于等于允许偏倚的3/4。
15.根据权利要求14所述的方法,其中,所述Passing-Bablok回归分析中的比例偏倚=(斜率-1)×100%。
16.根据权利要求12所述的方法,其中,对参比结果和待评结果不等效的IVD MD的工作校准物的设定值进行调整包括:
(1)分别确定所述参比结果和待评结果不等效的IVD MD的每个待调整工作校准物的设定值相近的对应Y值的秩次点;
(2)针对(1)确定的每个秩次点分别收集其周围预定数量的秩次点;
(3)针对(1)确定的每个秩次点,对(2)中收集的其周围预定数量的秩次点分别计算相对偏差Bias%,然后计算针对(1)确定的该预定数量的秩次点的所有相对偏差Bias%的稳健均值;
(4)根据以下公式调整每个待调整工作校准物设定值:
调整后工作校准物设定值=待调整工作校准物设定值×(100%-相对偏差Bias%的稳健均值)。
17.根据权利要求16所述的方法,其中,步骤(1)中,所述对应Y值为待调整工作校准物设定值±(5%~30%),优选±(10%~20%)。
18.根据权利要求1所述的方法,其还包括评估一致性的协调方法的有效性。
19.根据权利要求18所述的方法,其中,所述评估一致性的协调方法的有效性包括以参考物质组中的参考物质样本的赋值作为参比结果,以每台IVD MD测定参考物质组中的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,按照权利要求13-15任一项中所述判断参比结果和待评结果是否等效,
所述IVD MD按照权利要求16调整了工作校准物设定值,
优选地,选择参考物质组中10%-40%参考物质样本的赋值作为参比结果,
优选地,以每台IVD MD测定所述参考物质组中10%-40%参考物质样本获得的测定值作为待评结果。
20.根据权利要求1所述的方法,还包括保持参考物质组的延续性。
21.根据权利要求20所述的方法,所述保持参考物质组的延续性包括:(1)选择用于保持参考物质组的延续性的IVD MD建立延续性保障检测程序库;以及(2)保持所述延续性保障检测程序库的IVD MD的间测值一致性。
22.根据权利要求21所述的方法,其中,所述延续性保障检测程序库中的IVD MD从纳入用于体外检验的一致性的协调方法的IVD MD中进行选择,所述纳入一致性的协调方法的IVD MD满足以下条件:
以参考物质组的赋值作为参比结果,以每台IVD MD测定参考物质组的测定值作为待评结果,绘制Bland-Altman图,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异。
23.根据权利要求22所述的方法,其中,步骤(2)包括:每隔时间间隔C,利用c例参考物质样本,保证纳入一致性的协调方法的IVD MD的测值一致,其包括:
(1)以参考物质样本的赋值作为参比结果,以每台IVD MD测定的参考物质样本获得的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效;
(2)调整参比结果和待评结果不等效的IVD MD的工作校准物设定值,使得纳入一致性的协调方法的每台IVD MD的参比结果和待评结果等效;
优选地,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,所述Bland-Altman图中一致性界限LoA小于最大允许差异,
其中:
所述Bland-Altman图的横轴为所述参考物质样本的赋值由低到高的排序秩次,
所述Bland-Altman图的纵轴为相对偏差Bias%=(Y-X)/X*100%,其中,X为参考物质样本的赋值,Y为每台IVD MD测定所述参考物质样本获得的测定值。
24.根据权利要求21所述的方法,其中所述延续性保障检测程序库中的IVD MD满足以下条件:
以参考物质组的赋值作为参比结果,以每台IVD MD测定参考物质组的测定值作为待评结果,绘制Bland-Altman图,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异的80%。
25.根据权利要求21所述的方法,其中步骤(2)中还包括:每隔时间间隔A,按照所述参考物质样本的标准收集a例新鲜的样本,评估所述延续性保障检测程序库中的IVD MD的测值一致性;
优选地,所述评估测值一致性包括:
以所述延续性保障检测程序库中任一台IVD MD的测定值作为参比结果,以所述延续性保障检测程序库中其他IVD MD的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,优选地,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异。
26.根据权利要求21所述的方法,其中步骤(2)中还包括:每隔时间间隔B,利用b例参考物质样本,评估所述延续性保障检测程序库中的IVD MD的测值一致性;
优选地,b为参考物质组中样本数量的20%;
优选地,所述评估测值一致性包括:
以参考物质组的赋值作为参比结果,以每台IVD MD的测定值作为待评结果,绘制Bland-Altman图,判断参比结果和待评结果是否等效,优选地,所述Bland-Altman图的相对偏差Bias%呈现恒定CV变化,并且所述Bland-Altman图中一致性界限LoA小于最大允许差异。
27.根据权利要求21所述的方法,还包括收集新的参考物质样本,并且利用所述延续性保障检测程序库中的IVD MD为新收集的参考物质样本赋值,
优选地,所述为新收集的参考物质样本赋值包括:
用所述延续性保障检测程序库中的所有IVD MD检测新收集的参考物质样本,计算每个新收集的参考物质样本的总均值或总稳健均值,即为每个新收集的参考物质样本的赋值。
28.根据权利要求23,25和26任一项的权利要求,其中时间间隔C>时间间隔B>时间间隔A,并且样本数c>a>b。
29.用于一致性的协调方法的装置,所述装置包括:
处理器;
存储器,其上存储有在所述处理器上运行的计算机程序;
其中,所述计算机程序被所述处理器执行时实现如权利要求1至28中任一项所述的一致性的协调方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211590535.XA CN118230926A (zh) | 2022-12-12 | 2022-12-12 | 用于体外检验的一致性的协调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211590535.XA CN118230926A (zh) | 2022-12-12 | 2022-12-12 | 用于体外检验的一致性的协调方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118230926A true CN118230926A (zh) | 2024-06-21 |
Family
ID=91503344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211590535.XA Pending CN118230926A (zh) | 2022-12-12 | 2022-12-12 | 用于体外检验的一致性的协调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118230926A (zh) |
-
2022
- 2022-12-12 CN CN202211590535.XA patent/CN118230926A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2367820A1 (en) | Nmr-method for determining the risk of developing type 2 diabetes | |
JP6224018B2 (ja) | 試験方法の臨床的等価を判定するためのシステムおよび方法 | |
JP2006267111A (ja) | スペクトル、特にnmrスペクトルのセットをプロセッシングする方法 | |
WO2020101025A1 (ja) | 分析方法、分析装置及び分析プログラム | |
JP2021056233A (ja) | Aptt延長要因推定システム | |
Ashenden et al. | Standardization of reticulocyte values in an antidoping context | |
WO2020218425A1 (ja) | 凝固因子インヒビター力価の測定方法 | |
CN118230926A (zh) | 用于体外检验的一致性的协调方法 | |
CN118230877A (zh) | 用于体外检验的为参考物质组赋值的方法 | |
CN118230927A (zh) | 用于体外检验的一致性的协调方法 | |
CN118226016A (zh) | 用于保持协调一致参考物质组的延续性的方法 | |
CN118230968A (zh) | 用于体外检验的参考物质组的制备方法 | |
CN118230827A (zh) | 用于体外检验NT-proBNP的一致性协调方法 | |
CN114944208A (zh) | 质量控制方法、装置、电子设备及存储介质 | |
EP1588164B1 (en) | Performance improvement for hematology analysis | |
Prajapati | Comparison of platelet counts estimated by peripheral blood smear examination and automated haematology analyzer | |
Pant et al. | Basics of laboratory statistics | |
Emekli et al. | Evaluation of Analytical process performance by Six Sigma method | |
EP4397978A1 (en) | Method for detecting anomaly in blood coagulation reaction | |
Zaninotto et al. | External quality assessment for biochemical markers of myocardial damage: an Italian experience | |
Muniraj et al. | Assessment of the platelet counting techniques in cases of erythropenia | |
Njeru et al. | Evaluation of Quality Control in Clinical Chemistry Using Sigma Metrics | |
Brown et al. | Development of the regular interlaboratory counting exchanges (RICE) scheme to include visual reference counts and samples from asbestos clearance operations | |
Freeman et al. | The importance of quality control validation and relationships with total error quality goals and bias in the interpretation of laboratory results | |
Valiya et al. | Sigma metrics: an additional tool for internal quality assurance in haematology laboratory. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |