ES2845348T3

ES2845348T3 - Sistemas y procedimientos de detección de muestras cortas y largas

Info

Publication number: ES2845348T3
Application number: ES03809123T
Authority: ES
Inventors: Vladimir Ostoich; Kenneth Aron; Dennis Bleile
Original assignee: Zoetis Services LLC
Current assignee: Zoetis Services LLC
Priority date: 2002-10-18
Filing date: 2003-10-17
Publication date: 2021-07-26
Anticipated expiration: 2023-10-17
Also published as: US20040078145A1; JP2006503296A; CA2500345C; AU2003277426B2; US20050283318A1; US7177767B2; EP1556688A4; PT1556688T; JP4633465B2; CA2500345A1; EP1556688B1; EP1556688A2; AU2003277426A1; WO2004036180A2; US7765069B2; WO2004036180A3

Abstract

Un sistema (100) para analizar una muestra, sistema (100) que comprende: un módulo (102) analizador configurado para analizar la muestra para al menos dos características medibles para generar de este modo datos de muestra, incluyendo la al menos una característica medible concentración, osmolaridad, acidez, alcalinidad, un cambio de color, fluorescencia o luminiscencia; un módulo (104) de datos adaptado para almacenar datos de parámetro y datos de relación, definiendo los datos de parámetro un ajuste de curva de una distribución que define una frecuencia de ocurrencia para las al menos dos características medibles en una población de sujetos representativa, incluyendo los datos de relación ecuaciones de probabilidad que pueden utilizarse para determinar, utilizando los datos de parámetro y los datos de muestra, la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable; y un módulo (106) de evaluación en comunicación con el módulo (104) de datos y el módulo (102) analizador, y programado para usar los datos de parámetro, los datos de relación y los datos de muestra para determinar la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable comparando la probabilidad determinada con un nivel de probabilidad umbral y determinando una probabilidad global de que la muestra sea la muestra corta, la muestra larga o la muestra aceptable para dos o más de las características medibles; en el que una muestra corta es una muestra que tiene erróneamente una concentración de muestra demasiado pequeña debido a una dilución incorrecta, una muestra larga es una muestra que tiene erróneamente una concentración de muestra demasiado grande debido a una dilución incorrecta, y una muestra aceptable no es una muestra corta ni una muestra larga y tiene una concentración de muestra correcta.

Description

DESCRIPCIÓN

Sistemas y procedimientos de detección de muestras cortas y largas

Antecedentes de la invención

1. El campo de la invención

La presente invención se refiere en general a sistemas y procedimientos para analizar muestras o especímenes. En concreto, la invención se refiere a sistemas y procedimientos para detectar el uso no intencionado de muestras cortas y largas en los análisis de fluidos de muestra, espécimen o ensayo.

2. La tecnología relevante

Una prueba fisiológica importante que suelen realizar los profesionales médicos y veterinarios es la detección y cuantificación de analitos químicos en muestras o especímenes biológicos. Las muestras biológicas o especímenes que pueden analizarse incluyen una variedad de fluidos biológicos, como sangre, plasma, orina, esputo, semen, saliva, fluido del cristalino ocular, fluido cerebral, fluido cefalorraquídeo y fluido amniótico. Evidentemente, otros fluidos pueden analizarse de manera similar para determinar la presencia y concentración de analitos, incluyendo medios de cultivo de tejidos, productos químicos industriales y alimentarios y muestras ambientales.

Dichas pruebas biológicas de plasma sanguíneo y otros fluidos biológicos requieren normalmente que se inserte una muestra o espécimen en un analizador clínico. Las muestras o especímenes biológicos se procesan normalmente con varias etapas intermedias antes de la prueba, como el mezclado con un diluyente. Estos analizadores clínicos a menudo son capaces de analizar cuantitativamente una variedad de diferentes analitos de una sola muestra o espécimen.

Un analizador clínico de este tipo utiliza un rotor, que divide los fluidos en volúmenes predeterminados para su análisis en una variedad de pruebas o ensayos ópticos. Estos analizadores están diseñados para medir volúmenes de un fluido biológico, como sangre, eliminar componentes celulares y mezclar el fluido con un diluyente apropiado para su análisis, por ejemplo, mediante pruebas espectrofotométricas. Normalmente, los rotores proporcionan una pluralidad de volúmenes discretos de muestra o espécimen en cubetas separadas en las que la muestra o espécimen se analiza ópticamente. Uno de dichos rotores centrífugos se describe en la Patente de Estados Unidos número 6,235,531 de Kopf-Sill et al., incorporada en el presente documento como referencia.

Aunque los analizadores clínicos normalmente diluyen la muestra o espécimen con mucha precisión, pueden ocurrir errores tanto humanos como mecánicos, proporcionando por tanto lecturas falsas. En concreto, en la medición de la química clínica, un fenómeno llamado "muestra corta" es una fuente de errores muy dañinos. Una "muestra corta" es muy difícil de detectar, pero puede tener consecuencias muy perjudiciales en el diagnóstico de enfermedades o en el seguimiento de la recuperación. Por ejemplo, en algunas circunstancias, la dilución es mucho mayor que la nominal, lo que da como resultado valores medidos proporcionalmente más pequeños. Esto se denomina "muestra corta". La causa de esto suele ser el fallo del equipo o del operador para proporcionar la cantidad precisa de muestra o espécimen que esperan los instrumentos que realizan las mediciones. Por tanto, los datos analíticos incluirán números inexactamente bajos. De manera similar, una dilución baja dará como resultado una concentración alta de muestra o espécimen que dará como resultado una "muestra larga" que proporciona números incorrectamente altos. Actualmente no existen procedimientos fiables y sencillos para detectar la presencia de dichas muestras cortas o largas. Las únicas herramientas disponibles se basan en la fisiología, porque para algunos analitos el cuerpo controla la concentración dentro de una ventana relativamente estrecha. Los valores medidos por debajo de esa ventana de fisiología se utilizan como indicadores de una posible muestra corta. Un ejemplo de dicho procedimiento actual es la opinión subjetiva de un usuario que analiza los resultados, que puede reconocer que un valor de prueba cae por debajo o por encima del intervalo estándar. A continuación, el usuario puede solicitar repetir la prueba. Sin embargo, es evidente que este procedimiento es muy impreciso y extremadamente subjetivo. Por consiguiente, existe la necesidad de procedimientos y sistemas mejorados para detectar la presencia de muestras cortas y largas. El documento US 5,590,052 proporciona varios procedimientos para detectar errores en un sistema de análisis de sangre.

Sumario de la invención

La invención se establece en las reivindicaciones.

La presente invención se refiere a sistemas y procedimientos para analizar muestras o especímenes. En concreto, la invención se refiere a procedimientos para detectar el uso accidental de muestras cortas y largas en los análisis de fluidos de muestra, espécimen o ensayo, como, pero no limitado a, fluidos biológicos.

Los términos muestra y espécimen pueden usarse indistintamente en el presente documento. Una "muestra corta" es una muestra o muestra diluida que se utiliza en un analizador que, erróneamente, tiene una concentración o volumen de muestra demasiado pequeño, mientras que una "muestra larga" es una muestra o muestra diluida que se utiliza en un analizador que, erróneamente, tiene una concentración o volumen de muestra demasiado grande. En un modo de realización de la presente invención, se adapta un sistema para detectar si se utilizó una muestra corta para determinar los datos de muestra para dos o más características medibles de la muestra. El sistema incluye un módulo de datos y un módulo de evaluación. El sistema también incluye un módulo analizador y opcionalmente un módulo de salida. El módulo analizador, como, pero no limitado a, un analizador clínico con varios componentes y elementos de hardware y/o software, genera datos de muestra, como, pero no limitado a, valores para dos o más características medibles de la muestra, espécimen o ensayo. De manera ilustrativa, las dos o más características medibles incluyen la concentración de uno o más analitos de la muestra, como sangre, plasma, orina, esputo, semen, saliva, fluido del cristalino ocular, fluido cerebral, fluido cefalorraquídeo, fluido amniótico, inmunoensayos, ensayos genómicos u otra característica medible. Además, las dos o más características medibles pueden ser cualquier componente de agua potable, aguas residuales, etc. Sin embargo, se prevé que los datos de muestra se puedan recibir de otra fuente, como datos previamente generados o registrados.

El módulo de datos almacena datos de referencia indicativos de una o más distribuciones de datos de muestra de referencia, como datos indicativos del valor de dos o más características medibles de la muestra en una o más poblaciones representativas. El módulo de datos contiene los datos de relación, que contienen la información necesaria para que el módulo de evaluación utilice los datos de parámetro y los datos de muestra para identificar la probabilidad de que la muestra sea una muestra corta, una muestra larga y/o una muestra aceptable. Estos datos se pueden almacenar en uno o más campos de datos en un medio legible por ordenador almacenado en el módulo de datos o accesible de otra manera al módulo de datos.

El módulo de evaluación está adaptado para recibir los datos de muestra, opcionalmente, del módulo analizador. El módulo de evaluación también contiene un módulo de identificación que identifica las características medibles concretas para las que se incluyen valores en los datos de muestra y obtiene los datos de referencia apropiados, incluyendo los datos de parámetro y los datos de relación, del módulo de datos. Después, el módulo de evaluación usa los datos de muestra, los datos de parámetro y los datos de relación para determinar la probabilidad de que la muestra analizada sea una muestra corta, una muestra larga o una muestra aceptable.

Un procedimiento ilustrativo de acuerdo con un aspecto de la presente invención incluye un procedimiento para analizar una muestra como se define en la reivindicación 6.

Estas y otras características de la presente invención resultarán más evidentes a partir de la siguiente descripción y las reivindicaciones adjuntas, o pueden aprenderse mediante la práctica de la invención como se establece de aquí en adelante.

Breve descripción de los dibujos

Para la manera en que se obtienen las ventajas y características mencionadas anteriormente y otras de la invención, se presentará una descripción más concreta de la invención descrita brevemente anteriormente con referencia a modos de realización específicos de la misma que se ilustran en los dibujos adjuntos. Entendiendo que estos dibujos representan solo modos de realización habituales de la invención y, por lo tanto, no han de considerarse limitantes de su alcance, la invención se describirá y explicará con especificidad y detalle adicionales mediante el uso de los dibujos adjuntos en los que:

La figura 1 ilustra un sistema de ejemplo de acuerdo con un modo de realización de la invención;

La figura 2 ilustra una representación más detallada de una porción del sistema de ejemplo, de acuerdo con un modo de realización de la invención, ilustrado en la figura 1;

La figura 3 ilustra una estructura de datos de ejemplo utilizada en el sistema de ejemplo, de acuerdo con un modo de realización de la invención, de la figura 1;

La figura 4 ilustra otra estructura de datos de ejemplo utilizada en el sistema de ejemplo, de acuerdo con un modo de realización de la invención, de la figura 1;

La figura 5 ilustra aun otra estructura de datos de ejemplo utilizada en el sistema de ejemplo, de acuerdo con un modo de realización de la invención, de la figura 1;

La figura 6 ilustra un procedimiento de ejemplo de acuerdo con un modo de realización de la invención;

La figura 7 ilustra otro aspecto más del procedimiento de ejemplo, de acuerdo con un modo de realización de la invención, representado en la figura 6;

La figura 8 ilustra otro aspecto más del procedimiento de ejemplo, de acuerdo con un modo de realización de la invención, representado en la figura 6;

La figura 9 ilustra otro aspecto más del procedimiento de ejemplo, de acuerdo con un modo de realización de la invención, representado en la figura 6;

La figura 10 es un gráfico que representa una distribución de concentración de analito y curvas ajustadas a los intervalos superior e inferior de la distribución de concentración de analito;

La figura 11 es un gráfico que representa la probabilidad de una muestra corta basada en tamaños de muestra teóricamente ampliados;

La figura 12 es un gráfico que representa la frecuencia y la frecuencia acumulativa de probabilidad de muestra corta para una pluralidad de muestras;

La figura 13 es un gráfico que representa la probabilidad de una muestra larga basada en tamaños de muestra teóricamente ampliados; y

La figura 14 es un gráfico que representa la frecuencia y la frecuencia acumulativa de probabilidad de muestra larga para una pluralidad de muestras.

Descripción detallada de la invención

La presente invención se refiere en general a sistemas y procedimientos para detectar errores en pruebas analíticas de muestras o especímenes, como, pero no limitado a, sangre, plasma, suero, orina, esputo, semen, saliva, fluido del cristalino ocular, fluido cerebral, fluido cefalorraquídeo, fluido amniótico, otros fluidos biológicos u otras sustancias sobre las que se realizarán pruebas analíticas. En concreto, la invención se refiere a detectar si una muestra, espécimen o ensayo usado en una prueba analítica es una muestra corta, una muestra larga o una muestra aceptable.

Como se usa en el presente documento, el término "muestra corta" indica una muestra que se ha diluido en mayor grado de lo que ocurre en una muestra diluida estándar, lo que da como resultado que los valores de las características medibles de la muestra sean proporcionalmente menores que los de una muestra estándar. Esto puede resultar de un volumen inadecuado de muestra o de un suministro excesivo de reactivos o diluyentes. De manera similar, como se usa en el presente documento, el término "muestra larga" indica una muestra que se ha diluido en un grado menor de lo que ocurre en una muestra diluida estándar, lo que da como resultado que el volumen total sea menor que el volumen estándar y los valores resultantes de las características medibles de la muestra sean proporcionalmente mayores que los de una muestra estándar. Esto puede resultar de un suministro excesivo de muestra o de un volumen inadecuado de reactivos o diluyentes. El término "muestra aceptable" se usa en el presente documento para indicar una muestra que no es ni una muestra corta ni una muestra larga, es decir, esencialmente similar a una muestra nominal con volumen nominal.

Los analitos son sustancias que son el objeto de análisis, como glucosa, sodio, antígenos, anticuerpos o cualquier otra sustancia a analizar dentro de una muestra, espécimen o ensayo. Las pruebas analíticas compatibles con la invención pueden determinar información sobre los diversos analitos en la muestra, como concentración de glucosa, concentración de sodio, concentración de antígeno, concentración de anticuerpos o la concentración de cualquier otra sustancia a analizar con una muestra, espécimen o ensayo. Las pruebas analíticas también pueden determinar una variedad de otra información sobre una muestra, como los valores de las propiedades de la propia muestra, por ejemplo, osmolaridad, alcalinidad, acidez y similares. En conjunto, el analito y las propiedades del analito y/o muestra se denominan "características medibles".

El término "datos de muestra" se refiere a datos recopilados de una prueba analítica de una muestra, espécimen o ensayo, como cualquier información o valores para cualquiera de las una o más características medibles de la muestra, espécimen o ensayo. Por ejemplo, una lista no exclusiva de datos de muestra y, por lo tanto, cualquier característica medible incluye: bilirrubina total (bilt), bilirrubina directa (bild), aspartato aminotransferasa (ast), creatina quinasa (ck), alanina aminotransferasa (alt), gamma glutamil transferasa (ggt), fosfotasa alcalina (fal), amilasa (ami), dióxido de carbono (CO²), sodio (Na), postasio (K), cloruro (Cl), osmolaridad (osmo), nitrógeno ureico en sangre (nus), creatinina (cre), glucosa (glu), proteína total (pt), albúmina (alb), calcio (Ca), fosfatasa (fos), triglicéridos (trig), colesterol (col), ácido úrico (au), magnesio (Mg), lactato deshidrogenasa, transaminasa glutámicooxalacética sérica (tgos), transaminasa glutámico-pirúvica sérica (sgpt), alcalinidad, acidez, osmolaridad, proteína total/albúmina (pt/alb), nitrógeno ureico en sangre/creatinina (nus/cre), y tetrayodotiro (T⁴), HDL, colesterol total, marcadores citoplasmáticos, como CK-MB y proteínas estructurales, como, pero no limitado a, Tropomin -I y -T. Además, los "datos de muestra" pueden incluir datos obtenidos mediante inmunoensayo, ensayo genómico o ensayo de tratamiento de fluidos, como, por ejemplo, pero no limitado a, tratamiento de agua. Esta lista no es exhaustiva y está destinada sencillamente a ser un ejemplo de los ensayos que se pueden realizar usando los sistemas y el procedimiento de la presente invención.

Uno o más de los datos de muestra anteriores, y por lo tanto los valores para cualquiera de las características medibles de la muestra, espécimen o ensayo, se pueden recopilar individualmente o en grupos para proporcionar un análisis más completo de una muestra, espécimen o ensayo para un propósito concreto. Tres agrupaciones de ejemplo pueden incluir, pero no están limitados a, una química general, que incluye albúmina, fosfatasa alcalina, alanina aminotransferasa, amilasa, aspartato aminotransferasa, bilirrubina total, nitrógeno ureico en sangre, calcio, colesterol, creatinina, glucosa, proteína total, proteína total/albúmina y nitrógeno ureico en sangre/creatinina; un panel metabólico básico, que incluye nitrógeno ureico en sangre, creatinina, glucosa, calcio, dióxido de carbono, sodio, potasio, cloro, osmolaridad y nitrógeno ureico en sangre/creatinina; y una prueba de electrolitos simple, que cuantifica dióxido de carbono, sodio, potasio y cloro.

El término "datos de parámetro" como se usa en el presente documento se refiere a datos indicativos de una distribución para al menos una característica medible de una muestra, espécimen o ensayo o los valores que en parte definen un ajuste de curva para al menos una porción de una distribución para los datos de muestra en una población representativa analizada para la muestra, espécimen o ensayo. Por ejemplo, los datos de parámetro pueden incluir valores como la media, la desviación estándar y otras constantes para un ajuste de curva concreto para la distribución de al menos una característica medible en una población representativa de muestras de prueba o especímenes.

De manera similar, el término "datos de relación" como se usa en el presente documento se refiere a datos que definen una relación entre los datos de parámetro y los datos de muestra que ayudan a identificar la muestra como una muestra corta, una muestra larga o una muestra aceptable. De manera ilustrativa, los datos de relación pueden incluir datos adecuados, como una o más ecuaciones que definen el tipo de ajuste de curva utilizado para aproximar toda o una porción de la distribución. En conjunto, los datos de parámetro y los datos de relación se denominan como "datos de referencia".

Los modos de realización de la presente invención proporcionan sistemas y procedimientos que proporcionan de forma rápida y fiable una probabilidad indicativa de si los datos de muestra son incorrectos porque se generaron a partir de una muestra concreta que accidentalmente era una muestra corta o larga.

I. Sistemas

Haciendo referencia ahora a los dibujos, en los que estructuras similares se proporcionan con designaciones de referencia similares, los dibujos muestran sistemas, procedimientos y módulos ilustrativos de un modo de realización de la presente invención. La presente invención se extiende a procedimientos, módulos y sistemas para identificar si una muestra, espécimen o ensayo analizados es una muestra corta, una muestra larga o una muestra aceptable. Los modos de realización de la presente invención pueden comprender un ordenador de propósito especial o de propósito general que incluya varios equipos de ordenador, como se expone con mayor detalle a continuación. Los modos de realización dentro del alcance de la presente invención también incluyen medios legibles por ordenador para transportar o tener instrucciones o estructuras de datos ejecutables por ordenador almacenadas en los mismos. Dichos medios legibles por ordenador pueden ser cualquier medio disponible al que se pueda acceder mediante un ordenador de propósito general o especial. A modo de ejemplo, y sin limitación, dichos medios legibles por ordenador pueden incluir RAM, ROM, EEPROM, CD-ROM u otro almacenamiento en disco óptico, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnético, o cualquier otro medio que pueda usarse para transportar o almacenar los medios de código de programa deseados en forma de estructuras de datos o instrucciones ejecutables por ordenador y a los que se puede acceder mediante un ordenador de propósito general o de propósito especial. Cuando la información se transfiere o se proporciona a través de una red u otra conexión de comunicaciones (ya sea por cable, inalámbrica o una combinación de cable o inalámbrica) a un ordenador, el ordenador ve correctamente la conexión como un medio legible por ordenador. Por tanto, cualquier conexión de este tipo se denomina correctamente un medio legible por ordenador. Las combinaciones de los anteriores también han de incluirse dentro del alcance de los medios legibles por ordenador. Instrucciones ejecutables por ordenador incluyen, por ejemplo, instrucciones y datos que hacen que un ordenador de propósito general, un ordenador de propósito especial o un dispositivo de procesamiento de propósito especial realice una determinada función o grupo de funciones.

La figura 1 y la siguiente exposición están destinadas a proporcionar una breve descripción general de un entorno informático adecuado en el que se puede implementar un modo de realización de ejemplo de la invención. Aunque no es necesario, la invención se describirá en el contexto general de instrucciones ejecutables por ordenador, como módulos de programa, que se ejecutan por uno o más ordenadores, opcionalmente en un entorno de red. Generalmente, los módulos de programa incluyen rutinas, programas, objetos, componentes, estructuras de datos, etc. que realizan tareas concretas o implementan tipos de datos abstractos concretos. Las instrucciones ejecutables por ordenador, las estructuras de datos asociadas y los módulos de programa representan ejemplos de los medios de código de programa para ejecutar etapas de los procedimientos divulgados en el presente documento. La secuencia concreta de dichas instrucciones ejecutables o estructuras de datos asociadas representa ejemplos de actos correspondientes para implementar las funciones descritas en dichas etapas.

Los expertos en la técnica reconocerán que la invención se puede poner en práctica mediante un solo dispositivo informático de uso general o de propósito especial. Como alternativa, la invención puede practicarse en entornos informáticos de red con muchos tipos de configuraciones de sistemas informáticos, incluyendo ordenadores personales, dispositivos portátiles, sistemas multiprocesador, electrónica de consumo programable o basada en microprocesadores, PCs en red, minicomputadoras, ordenadores centrales y similares. La invención también se puede poner en práctica en entornos informáticos distribuidos donde las tareas se realizan mediante dispositivos de procesamiento local y remoto que están conectados (ya sea mediante enlaces por cable, enlaces inalámbricos o mediante una combinación de enlaces por cable o inalámbricos) a través de una red de comunicaciones. En un entorno informático distribuido, los módulos de programa pueden estar ubicados en dispositivos de almacenamiento de memoria tanto locales como remotos.

La figura 1 representa un sistema 100 ilustrativo que incluye un módulo 102 analizador, un módulo 104 de datos, un módulo 106 de evaluación y un módulo 108 de salida opcional. La línea de puntos que rodea el sistema 100 ilustra que el sistema 100 es opcionalmente parte de una única unidad, aunque también se contempla que el sistema 100 pueda incluir unidades dispares conectadas por medio de una o más redes, como se representa con las flechas que conectan los módulos del sistema 100. Estas redes incluyen, pero no se limitan a, una red de área amplia, una red de área local, Internet u otro enlace de comunicación que permita que los datos se transmitan de un módulo a otro. El módulo 102 analizador está adaptado para generar datos de muestra que utiliza el módulo 106 de evaluación, que está en comunicación con el módulo 104 de datos, para determinar si los datos de muestra de una muestra, espécimen o ensayo analizados son el resultado de una muestra corta, muestra larga o muestra aceptable. De esta manera, el sistema 100 proporciona un mecanismo mediante el cual los datos de muestra pueden identificarse como precisos o inexactos y, por lo tanto, fiables o no.

Como se muestra en este modo de realización ilustrativo, el sistema 100 incluye el módulo 102 analizador. El módulo 102 analizador está adaptado para determinar o generar datos de muestra de una muestra, espécimen o ensayo analizados. De manera ilustrativa, el módulo 102 analizador genera valores para una o más características medibles de muestra, espécimen o ensayo analizados. El módulo 102 analizador incluye varios componentes y elementos de hardware y/o software que facilitan la realización de la función mencionada anteriormente, como, pero no limitado a, un analizador electroquímico. Actualmente se encuentran disponibles varios tipos de analizadores o se pueden desarrollar en el futuro para realizar la función del módulo 102 analizador, siempre que el analizador seleccionado sea capaz de determinar los datos de muestra.

De manera ilustrativa, el módulo 102 analizador, como, pero no limitado a, un analizador electroóptico, puede utilizar una centrífuga de laboratorio convencional. Bajo el funcionamiento de los módulos y componentes de software y/o hardware incluidos dentro de la centrífuga de laboratorio convencional, representada por el módulo 102 analizador, la centrífuga hace girar un rotor centrífugo montado en la misma. Este rotor centrífugo incluye cámaras, pasajes y aberturas de ventilación en un patrón o relación geométrica deseada que facilitan la separación de los componentes celulares de una muestra de prueba, como una muestra biológica (por ejemplo, sangre entera) cuando el rotor gira bajo la dirección del software y/o hardware de la centrífuga. Además, las cámaras, pasajes y aberturas de ventilación ayudan a medir un volumen preciso de muestra de prueba (por ejemplo, plasma), a mezclar la muestra de prueba con un diluyente apropiado y a entregar la muestra de prueba diluida a las cubetas para su análisis. Varias cámaras y canales especializados adecuados para su uso en los rotores usados en la invención se divulgan en las Patentes de Estados Unidos números 5,061,381 de Burd, 5,122,284 de Braynin, 5,186,844 de Burd y 5,242,606 de Braynin.

En una configuración, la muestra de prueba o el fluido suministrado a las cubetas reacciona con un reactivo. Los reactivos usados son bien conocidos y están ampliamente descritos en la literatura científica y de patentes, como, pero no limitado a, los reactivos descritos en la Patente de Estados Unidos número 5,413,732 de Buhl et al., Patente de Estados Unidos número 5,998,031 de Buhl et al., Patente de Estados Unidos número 5,776,563 de Buhl et al., y Patente de Estados unidos número 5,624,597 de Buhl et al.

Las reacciones entre la muestra de prueba y los reactivos en la cureta de prueba dan como resultado algunos cambios detectables o medibles que pueden estar relacionados con la presencia y/o cantidad de una característica medible concreta de muestra de prueba, espécimen o ensayo. Por ejemplo, la adición de muestra a la cureta de prueba puede modular una reacción u otro cambio que resulte en un cambio de color, fluorescencia, luminiscencia u otro cambio detectable en la muestra, espécimen o ensayo.

Durante el transcurso de una reacción, o después de una reacción, las curetas de prueba se analizan para detectar una o más de las características medibles, como uno o más analitos dentro de muestra, espécimen o ensayo o propiedades concretas de muestra, espécimen o ensayo, como, pero no limitado a, los descritos en el presente documento y otros conocidos por un experto en la técnica a partir de las enseñanzas contenidas en el presente documento.

En una configuración, el rotor es transparente de modo que la presencia y distribución de la muestra, espécimen o ensayo, componentes celulares de los mismos y/o reactivos, se pueden observar dentro de las diversas cámaras internas, pasajes y/o cubetas. Opcionalmente, cuando el rotor es opaco o no transparente, es deseable tener una o más trayectorias ópticas adecuadas formadas dentro del rotor de modo que se pueda observar el contenido de las cubetas. En cualquier caso, la muestra, espécimen o ensayo se analiza espectrofotométricamente, fluorométricamente, usando quimioluminiscencia, usando tecnología de dispersión de luz, o mediante el uso de otros instrumentos y tecnologías de medición, y hardware y/o software apropiados, como conocen los expertos en la técnica para generar datos de muestra representativos de una o más características medibles de una muestra, espécimen o ensayo. En algunos casos, los inmunoensayos y otros ensayos de unión específicos pueden realizarse dentro de la cámara de recolección de fluido libre de células o dentro de cubetas que están conectadas a la cámara de recolección.

Haciendo referencia ahora a la figura 2, se muestra una representación más detallada del módulo 106 de evaluación y el módulo 104 de datos. Como se muestra, el módulo 104 de datos incluye el almacén 124 de datos de parámetro y el almacén 126 de datos de relación. Aunque se hace referencia al módulo 104 de datos que incluye almacén 124 de datos de parámetro y almacén 126 de datos de relación, un experto en la técnica puede reconocer que el módulo 104 de datos puede acceder a los datos de parámetro y los datos de relación almacenados en uno o más de otros almacenes de datos que son locales o remotos del sistema 100 pero accesibles por el módulo 104 de datos. Por ejemplo, el módulo 104 de datos, el almacén 124 de datos de parámetro, el almacén 126 de datos de relación u otro almacén de datos pueden incluir una o más bases de datos que tengan estructuras de base de datos jerárquicas, relacionales, planas u otras, al tiempo que incluyen sistemas de gestión de bases de datos relacionados (no mostrados). Además, el módulo 104 de datos, el almacén 124 de datos de parámetro, el almacén 126 de datos de relación u otro almacén de datos pueden utilizar memoria modular o fija, memoria volátil o no volátil, medios de almacenamiento magnético, CDRW, medios de almacenamiento óptico u otro almacenamiento masivo para almacenar la información y los datos descritos en el presente documento.

Como se muestra en la figura 3, el almacén 124 de datos de parámetro puede almacenar datos de referencia como una lista de los diversos analitos, propiedades o características que pueden identificarse en una muestra de prueba, espécimen o ensayo, es decir, CaracterísticaA-CaracterísticaN. Cada CaracterísticaA-CaracterísticaN incluye uno o más parámetros que definen toda o una porción de una distribución, como un ajuste de curva de distribución, para esa característica medible específica. Como se muestra, dichos parámetros de los datos de referencia pueden incluir, pero no se limitan a, media, desviación estándar, constantes K⁰, K¹, K²u otras ecuaciones matemáticas relacionadas con características o propiedades de la muestra, espécimen o ensayo. Cada parámetro incluye un valor relacionado, ValoroMedia, ValoroSTD, Valorara, Valonan, Valorara, etc., u otros valores conocidos por los expertos en la técnica a partir de las enseñanzas contenidas en el presente documento. Estos parámetros y valores se pueden almacenar en uno o más campos, la organización concreta de los campos, los parámetros y los valores que es una estructura de datos. Además, el almacén 124 de datos de parámetro incluye uno o más parámetros de datos de relación que definen los datos de relación concretos almacenados en el almacén 126 de datos de relación que se utilizarán para generar una probabilidad de que la muestra sea una muestra corta, una muestra larga y/o una muestra aceptable en base a las características medibles que se van a probar. Por ejemplo, el parámetro de datos de relación incluye un valor ValorCDatos. Como alternativa, el parámetro de datos de relación puede ser una o más ecuaciones que devuelvan una probabilidad dado un valor o valores para características o propiedades concretas de la muestra de prueba, espécimen o ensayo.

Además, el almacén 124 de datos de parámetro incluye además un parámetro de nivel de decisión que define un valor umbral que limita si la muestra, espécimen o ensayo analizado es una muestra corta, una muestra larga y/o una muestra aceptable. Por ejemplo, el valor del parámetro de nivel de decisión, ValorCNVL, puede ser un porcentaje umbral por debajo del cual la muestra se considera una muestra corta o una muestra larga. Este valor puede ser definido de forma variable por un operador o usuario del sistema 100 o codificado en el sistema 100. Por ejemplo, el valor umbral puede obtenerse de distribuciones acumulativas de muestra corta o muestra larga que indican la población de valores de la probabilidad de que una muestra sea una muestra corta o muestra larga. Por ejemplo, en la Tabla 1 se indica una distribución acumulativa de muestra corta de ejemplo para un panel general de 12 muestras de químicas.

TABLA 1

continuación

Como puede apreciarse en la Tabla 1, no se observaron valores de probabilidad superiores al 42,5 % en esta muestra de ejemplo; sin embargo, se pueden observar valores de probabilidad superiores o inferiores al 42,5 % para otras muestras. En el caso de que se seleccione un nivel umbral del 27,5 %, aproximadamente el 3,76 % de las muestras, es decir, 100 %-96,24 %=3,76 % de las muestras se detectarán como muestras cortas, incluso si son muestras normales o aceptables. Por el contrario, si se seleccionara un nivel de umbral del 42,5 %, no se detectarían muestras cortas falsas; sin embargo, existe la posibilidad de que no se detecten algunas muestras cortas reales.

Aunque se hace referencia a una distribución acumulativa específica asociada con un conjunto de probabilidades de muestra cortas asociadas con una muestra concreta, un experto en la técnica puede reconocer que las distribuciones acumulativas se pueden calcular para muestras largas o cortas para una variedad de muestras diferentes. Además, cada distribución acumulativa puede proporcionar uno o más niveles umbral que pueden ser seleccionados por un usuario o codificados en el sistema.

Como se mencionó anteriormente, el módulo 104 de datos incluye el almacén 126 de datos de relación. Este almacén 126 de datos de relación, como se muestra en la figura 4, incluye datos de relación, RelaciónA-RelaciónN, indicativos de una o más ecuaciones que pueden usarse para generar una probabilidad de la característica concreta, CaracterísticaA-CaracterísticaN, que se mide en una muestra, espécimen o ensayo. Se puede apreciar que una o más de CaracterísticaA-CaracterísticaN pueden usar los mismos datos de relación, RelaciónA-RelaciónN, mientras que se entiende que, como alternativa cada característica, CaracterísticaA-CaracterísticaN puede usar diferentes datos de relación, RelaciónA-RelaciónN. Aunque se hace referencia a los datos de la relación final, siendo RelaciónA-RelaciónN una o más ecuaciones, de manera más general, los datos de relación, RelaciónA-RelaciónN pueden ser uno o más parámetros que definen una relación entre los datos de parámetro y los datos de muestra que ayudan a identificar la muestra, espécimen o ensayo como al menos uno de entre una muestra corta, una muestra larga o una muestra aceptable.

Volviendo a la figura 2, el módulo 106 de evaluación se comunica con el módulo 104 de datos. El módulo 106 de evaluación contiene un módulo 120 de identificación que está en comunicación con un módulo 122 de procesamiento. El módulo 120 de identificación está adaptado para recibir datos de muestra del módulo 102 analizador y determinar las características medibles específicas identificadas por los datos de muestra y opcionalmente los valores de las mismas. Por ejemplo, con referencia a la figura 5, el módulo 120 de identificación puede recibir datos 128 de muestra que incluyen una lista de características medibles concretas y valores asociados, CaracterísticaAMuestra-CaracterísticaAMuestra y ValorAMuestra-ValorNMuestra respectivamente. Aunque se hace referencia a una lista de CaracterísticaAMuestra-CaracterísticaAMuestra y ValorAMuestra-ValorNMuestra, un experto en la técnica, a partir de las enseñanzas contenidas en el presente documento, puede reconocer que dichos datos se pueden entregar al módulo 106 de evaluación en una variedad de formatos diferentes.

Al recibir los datos de muestra, el módulo 120 de identificación puede identificar cada CaracterísticaAMuestra-CaracterísticaNMuestra concreta y obtener los datos de parámetro relevantes del módulo 104 de datos. Más específicamente, el módulo 120 de identificación puede recuperar los datos 124 de parámetro, es decir, parámetro asociado con uno o más de CaracterísticaA-CaracterísticaA para la CaracterísticaAMuestra-CaracterísticaNMuestra identificada específica, ya sea directamente desde el módulo 104 de datos o desde algún otro módulo de datos que se comunique con el módulo 104 de datos, incluido en los datos de muestra. Además, el módulo 120 de identificación puede recuperar los datos de relación relevantes del almacén 126 de datos de relación antes de entregar los datos de muestra, los datos de parámetro y los datos de relación al módulo 122 de procesamiento. El módulo 122 de procesamiento, utilizando los datos de muestra, los datos de parámetro y los datos de relación, genera datos indicativos de la probabilidad de que la muestra de prueba analizada con el módulo 102 analizador sea una muestra corta, una muestra larga o una muestra aceptable. Esto se puede lograr cuando el módulo 122 de procesamiento combina los datos de relación y los datos de parámetro para generar una probabilidad derivada de la ecuación de probabilidad que usa una o más de las características medibles específicas incluidas en los datos de muestra para la muestra de prueba, espécimen o ensayo. El módulo 122 de procesamiento puede combinar además las probabilidades asociadas con una o más características medibles de la muestra de prueba, espécimen o ensayo para determinar si cualquier combinación de una o más características medibles da como resultado que la muestra de prueba, espécimen o ensayo se identifique como una muestra corta, muestra larga o muestra aceptable.

El módulo 106 de evaluación entrega los resultados del análisis al módulo 108 de salida. El módulo 108 de salida presenta los resultados al usuario del sistema 100, como un administrador, y opcionalmente los almacena para su posterior acceso o entrega. La presentación de los resultados se puede lograr de diversas formas, como una notificación de audio, una notificación visual, una combinación de las mismas, o similares, de que la muestra es corta, larga o aceptable. De manera ilustrativa, el módulo 108 de salida puede incluir un indicador "pasa/no pasa" calibrado para mostrar una probabilidad de muestra corta concreta. Dicho indicador puede usar codificación de colores, como verde, amarillo o rojo; mensajes de texto; o pantallas numéricas, como "20 % de probabilidad" para mostrar la información requerida. El indicador pasa/no pasa puede transmitir rápidamente información a un administrador con respecto a la probabilidad de muestra corta o larga basada en datos que el administrador ha ingresado previamente en el sistema.

En otra configuración, el módulo 108 de salida puede presentar los resultados usando una pantalla de video, como, pero sin limitarse a, un monitor de video, un dispositivo de tubo de rayos catódicos o un dispositivo de pantalla plana. Como alternativa, el módulo 108 de salida puede incluir uno o más diodos emisores de luz (LED) que indican si la muestra es corta, larga o aceptable. Por ejemplo, el módulo 108 de salida puede incluir tres LEDs de diferentes colores, con un LED representativo de si una muestra es una muestra corta, una muestra larga o una muestra aceptable. En otra configuración, cada LED es del mismo color. En otra configuración más, se proporciona una serie de LEDs, con un número suficiente de LEDs iluminados para ilustrar el valor de probabilidad generado de si la muestra es una muestra corta, larga o aceptable. En otra configuración más, el módulo 108 de salida incluye o se comunica con una o más pantallas de cristal líquido que muestran el valor de probabilidad generado de si la muestra es una muestra corta, larga o aceptable.

Además de lo anterior, el módulo 108 de salida puede generar una copia impresa de los resultados, ya sea que los resultados sencillamente indiquen si la muestra es corta, larga o aceptable, o proporciona una o más de (i) una representación gráfica de la probabilidad, (ii) detalles de los cálculos asociados con la probabilidad, (iii) a qué nivel de dilución o concentración de la muestra se marcará una muestra corta o larga, combinaciones de las mismas u otra información relevante para la prueba y marcado de una muestra como corta, larga o aceptable.

En general, el módulo 108 de salida es una estructura capaz de realizar la función de medios para mostrar los resultados de probabilidad. Cada uno de los ejemplos anteriores es una estructura ilustrativa de dichos medios. Además, un experto en la técnica puede identificar otras varias configuraciones a partir de las enseñanzas contenidas en el presente documento.

II. Procedimientos

Los procedimientos ilustrativos de acuerdo con la invención se representan en las figuras 6-9 e implican múltiples etapas para identificar que se usó una muestra corta, larga o aceptable para determinar los datos de muestra en un módulo analizador, como, pero no limitado a, un analizador clínico.

Haciendo referencia a la figura 6, en la misma se ilustra un procedimiento de ejemplo. El procedimiento incluye primero proporcionar datos de muestra, como se representa por el bloque 202. A continuación, se proporcionan datos de parámetro y datos de relación relacionados con los datos de muestra, como se representa por el bloque 204. Finalmente, el estado de la muestra, es decir, muestra corta, muestra larga, y/o muestra aceptable, se identifica usando los datos de muestra y los datos de parámetro, como se indica por el bloque 206. Dependiendo del modo de realización concreto de la invención empleado, las etapas de proporcionar datos de muestra y datos de referencia pueden invertirse. Cada una de estas etapas, como se representa en los bloques 202, 204, 206, se describirá con más detalle de aquí en adelante con referencia a las figuras 7-9, respectivamente.

De acuerdo con un modo de realización de la invención, representado por el bloque 210 de decisión en la figura 7, se determina si se van a obtener datos de muestra nuevos o almacenados. En el caso de que el bloque 210 de decisión sea negativo, entonces se obtienen datos de muestra almacenados, como se representa por el bloque 212. Los datos de muestra almacenados pueden obtenerse de una variedad de fuentes, como, pero no limitado a, de la entrada del usuario, fuentes en red o medios de almacenamiento asociados con el módulo analizador, el módulo de evaluación y/o el módulo de datos. En el caso de que se utilicen nuevos datos de muestra, lo que ocurre cuando el bloque 210 de decisión es afirmativo, entonces se obtiene primero una muestra, como se representa por el bloque 214. La muestra es luego analizada, como se representa por el bloque 216, por el módulo analizador y se generan datos de muestra. A continuación, los datos de muestra salen del módulo analizador, como se representa por el bloque 218. Los datos de muestra ya sean obtenidos de una fuente almacenada o generados recientemente, se comunican directamente al módulo de evaluación y/o se almacenan opcionalmente para un acceso y análisis futuros.

Haciendo referencia ahora a la figura 8, en la misma se representa un procedimiento para generar datos de referencia. Inicialmente, se determina si se van a utilizar nuevos datos de referencia o datos de referencia almacenados durante el análisis y el procesamiento, como se representa por el bloque 230 de decisión. En el caso de que el bloque 230 de decisión sea negativo, los datos de referencia almacenados se obtienen del módulo 104 de datos, representado por el bloque 232.

Cuando el bloque 230 de decisión es afirmativo, entonces el procedimiento incluye proporcionar un conjunto de datos estándar estadísticamente significativo de una población representativa para una o más de las características medibles incluidas en los datos de muestra, como se representa por el bloque 234. Este conjunto de datos estándar se puede obtener compilando un número estadísticamente significativo de puntos de datos para generar una distribución representativa de la población objetivo. Este conjunto de datos estándar se utiliza para crear un margen de distribución, como representa el bloque 236, que opcionalmente se representa como una representación gráfica. El margen de distribución define la frecuencia de aparición de varios valores medidos para cada una de las características medibles.

Cada margen de distribución se usa para determinar un valor máximo de distribución ("Amáx"), como se representa por el bloque 238, que corresponde a la frecuencia máxima de ocurrencia para cada característica medible específica incluida en los datos de muestra, es decir, un valor Amáx para cada característica medible específica. En el caso de la detección de muestras cortas, este Amáx se define como el punto en el que la probabilidad de que la muestra de prueba que produce ese valor específico para la característica medible específica igual o mayor que este valor máximo de distribución sea una muestra corta es cero por ciento (0 %). En el caso de detección de muestras largas, este Amáx se define como el punto en el que la probabilidad de que la muestra de prueba que produce ese valor específico para la característica medible específica igual o menor que este valor máximo de distribución sea una muestra larga es cero por ciento (0 %).

De manera similar, se selecciona un valor mínimo de distribución usando el margen de distribución para que corresponda al punto donde la frecuencia de ocurrencia es cercana o igual a cero, como también se representa por el bloque 238. Para la detección de muestra corta, el valor mínimo de distribución es entonces definido como el punto en el que la probabilidad de que una muestra de prueba que produzca ese valor específico para la característica medible específica igual o menor que el valor mínimo de distribución sea una muestra corta es del cien por ciento (100 %). Para la detección de muestras largas, el valor mínimo de distribución se define como el punto en el que la probabilidad de que una muestra de prueba que produzca ese valor específico para la característica medible específica igual o mayor que el valor mínimo de distribución sea una muestra larga es del cien por ciento (100 %). Además, para la detección de muestras cortas, Amin corresponderá a un valor para la característica medible específica menor que Amáx, mientras que, en la detección de muestras largas, Amin corresponderá a un valor mayor que Amáx.

Después de la identificación de Amáx y Amin, se definen uno o más parámetros que identifican la porción del margen de distribución delimitada por Amáx y Amin, como se representa por el bloque 240. Por ejemplo, se genera una ecuación de ajuste de curva, con uno o más parámetros asociados, que se ajusta al margen de distribución entre el Amáx y el Amin. La ecuación de ajuste de curva puede tomar la forma de una ecuación de distribución gaussiana u otra, e incluirá al menos uno o más parámetros, como, pero no limitado a, la media, desviación estándar u otra constante según lo requiera el ajuste de curva. Los parámetros que definen la trayectoria del ajuste de curva al margen de distribución son los datos de parámetro o los datos de referencia almacenados en el almacén 124 de datos de parámetro. Aunque se hace referencia a la ecuación de distribución gaussiana, se pueden utilizar otras formas de ecuaciones de ajuste de curvas y son conocidas por los expertos en la técnica. Por ejemplo, y no a modo de limitación, otras ecuaciones de ajuste de curva pueden incluir ecuaciones exponenciales, ecuaciones logarítmicas, ecuaciones polinomiales, ecuaciones de Lorentz, ecuaciones de Laplacia, ecuaciones de Poisson u otras ecuaciones de ajuste de curvas conocidas por los expertos en la técnica a partir de las enseñanzas contenidas en el presente documento.

La ecuación de ajuste de curva generada entre Amáx y Amin define la probabilidad de que una muestra sea una muestra corta para todos los valores entre Amáx y Amin. Así como en Amáx la probabilidad de que una muestra sea una muestra corta es del 0 % y en Amin la probabilidad de que una muestra sea una muestra corta es del 100 %, la ecuación para la curva entre Amáx y Amin se normaliza para devolver una probabilidad de muestra corta entre 100 % (Amáx) y 0 % (Amin) para una característica única del ajuste de curva de distribución para la característica única. Para cada conjunto de uno o más parámetros, se definen datos de relación indicativos de la relación entre los datos de parámetro y los datos de muestra, como se representa por el bloque 242. Los datos de relación pueden incluir una o más ecuaciones de probabilidad utilizables para determinar, usando los datos de parámetro y los datos de muestra, la probabilidad de que un dato de muestra concreto se haya determinado a partir de una muestra corta, una muestra larga o una muestra aceptable. Los datos almacenados que definen la ecuación de probabilidad se denominan datos de relación y se almacenan en el módulo de datos o en algún otro almacén de datos asociado con el sistema.

Haciendo referencia ahora a la figura 9, el procedimiento para determinar la probabilidad de una muestra corta, larga o aceptable incluye usar el módulo de identificación del módulo de evaluación para identificar los datos de muestra, como se representa por el bloque 260, y los datos de referencia, como representado por el bloque 262. El módulo de procesamiento procesa los datos de muestra y los datos de referencia y determina la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable, como se representa por el bloque 264, que se calcula como un valor numérico que se convierte en un porcentaje. Finalmente, la probabilidad se genera o se almacena, como se describió anteriormente y se representa por el bloque 266.

Además, la invención también facilita la comparación de la probabilidad calculada con un valor de probabilidad umbral definido por el usuario y, en un modo de realización, el envío del resultado al usuario.

El procedimiento de acuerdo con la invención comprende determinar la probabilidad de una muestra corta, larga o aceptable de una muestra que tenga cualquier combinación de analitos A, B, ... N utilizando las probabilidades individuales de una muestra corta, larga o aceptable de la variedad de analitos. Por tanto, cuando se determinan valores para más de una característica medible, la probabilidad de muestra corta se define preferiblemente como la NOY o "no y" de las probabilidades de muestra corta de cada característica medible normalizada por el número de característica medible bajo consideración, como se presenta en la ecuación 1.

p( Muestra Corta) = [N-{p(A)+ p(B) ...4- p(X)}]/N { ecuación 1 )

En la ecuación 1, N es el número de características medibles. Evidentemente, también se pueden usar otras ecuaciones para proyectar la probabilidad de una muestra corta o larga en base a una o más muestras medidas, espécimen o características de ensayo.

De manera similar, cuando se determinan valores para más de una característica medible, la probabilidad de muestra larga se define preferiblemente como la NOY o "no y" de las probabilidades de muestra larga de cada característica medible normalizada por el número de características medibles en consideración, como se presenta en la ecuación 2, N es el número de características medibles.

p( Muestra Larga) = [N -{p(A)+ p(B) ... -t- p (X )}]/N { ecuación 2)

Los modos de realización de la presente invención también proporcionan procedimientos para analizar un número estadísticamente significativo de muestras para una combinación concreta de características medibles para calcular las distribuciones de probabilidad para la combinación de características medibles para las muestras. La distribución de las probabilidades se puede trazar o tabular y luego se puede establecer un límite umbral basado en un percentil para marcar la muestra. Por ejemplo, una muestra de prueba que tiene una probabilidad de muestra corta en el percentil 95 o más se puede usar para señalar que una muestra puede ser una muestra corta.

Una vez que se establece el modelo para una combinación concreta de características medibles, la comparación de la probabilidad calculada de muestra corta o larga con el umbral seleccionado puede usarse como una advertencia de que se usó una cantidad insuficiente o anormal de muestra en el análisis. En un modo de realización, se usa un nivel umbral del 20 por ciento o más. Aunque este es el caso de un modo de realización, se puede apreciar que la probabilidad se puede identificar entre aproximadamente el 18 % y aproximadamente el 24 %, o entre aproximadamente el 30 % y aproximadamente el 35 %, o entre aproximadamente el 48 % y aproximadamente el 55 %.

Por tanto, los valores umbral para marcar una muestra pueden basarse tanto en datos de muestras individuales como en otras funciones de probabilidad para una pluralidad de datos de muestras de diferentes analitos.

Dependiendo de las preferencias del usuario y la magnitud de las probabilidades, el usuario normalmente repetirá la prueba para confirmar que los valores medidos son reales y no el producto de una "muestra corta".

Un aspecto de la invención incluye el uso de los procedimientos anteriores para detectar diluciones intencionales de muestras biológicas en pruebas analíticas. Por ejemplo, los procedimientos de detección de muestras cortas anteriores se pueden usar para identificar que un análisis de orina, como el que se realiza comúnmente como prueba de drogas, se realizó con orina diluida. De esta forma, se puede validar la validez de un análisis sensible. Por lo tanto, la muestra, espécimen o ensayo puede tratarse para uno o más anticuerpos asociados con el abuso de drogas con el conocimiento de que los modos de realización de la presente invención determinarán cuándo las muestras o especímenes son válidos. De forma similar, cuando se utilizan modos de realización de la presente invención para analizar uno o más contaminantes en agua potable, aguas residuales u otro fluido, los modos de realización de la presente invención facilitan el proceso de verificación de la autenticación de muestras, espécimen o ensayo.

Los siguientes ejemplos se dan para ilustrar la presente invención y no pretenden limitar el alcance de la invención. De manera similar, las ecuaciones proporcionadas en el presente documento son ilustrativas y no pretenden limitar la posibilidad de utilizar otras ecuaciones.

111. Ejemplos

Haciendo referencia a la Tabla 2, se obtuvieron y representaron gráficamente la distribución de frecuencias de varios datos de muestras de fluidos, enumerados en los Ejemplos 1-26, para una población humana. El punto Amáx para cada distribución se obtuvo mediante el procedimiento descrito anteriormente. Para cada uno de los ejemplos 1-26, los mínimos y máximos de distribución se definieron como el mínimo igual a 0 y el máximo igual a Amáx. Se comprobó que una curva gaussiana de la fórmula presentada en la ecuación 3 a continuación proporciona un ajuste excelente a los datos para el intervalo definido. En la ecuación 3, A' es una concentración hipotética, % es el porcentaje de la población que tiene una concentración en ese intervalo, según lo determinado por el histograma de población utilizado para la determinación, y aA es la desviación estándar de la curva gaussiana. La media y constante ko también se calcularon basándose en la curva.

TABLA 2

continuación

Por tanto, cuando la concentración A es mayor que Amáx, la probabilidad de una muestra corta se define como:

p(A) = 0 (ecuación 4)

Para una concentración por debajo de Amáx, la probabilidad de muestra corta se determinó de acuerdo con:

‘ 1 max,

( 5 ( - - n

p (A ) = 1-exp _oA

( ecuación 5 )

Para ilustrar lo anterior, la figura 10 representa la distribución de frecuencia para la concentración total de bilirrubina (bilt) como se usó para crear los datos en el Ejemplo 1. La línea indicada como "Ajuste de curva corta" representa un ajuste de curva gaussiana establecido en la distribución de frecuencia para A<Amáx. Como puede apreciarse claramente, la curva gaussiana se ajusta muy bien a la distribución de frecuencia para A<Amáx, pero no se ajusta bien a A>Amáx.

Ejemplos 27-52

Por el contrario, para la detección de una muestra larga, la porción a la derecha de Amáx es el área de interés, porque las muestras con concentraciones más bajas que Amáx tendrán valores de discriminación limitados en términos de detección de una muestra larga. Para estas concentraciones, se ajustó a los datos una distribución gaussiana como la definida anteriormente o una distribución exponencial como la definida por la ecuación 6 a continuación.

La media, la desviación estándar y la constante kü se determinaron para la curva y se presentan en los Ejemplos 27 52 a continuación.

Tabla 3

Para determinar la probabilidad de una muestra larga, la probabilidad de una muestra larga para cualquier concentración determinada de un analito A, p(A), se define como sigue:

para A<Amáx,

p (A ) = O ( ecuación 7 )

Para A>Amáx,

Además de ilustrar el ajuste de curva para el análisis de muestra corta, la figura 10 representa la distribución de frecuencia para la concentración total de bilirrubina (bilt) como se usó para crear los datos en los Ejemplos 1 y 27. La línea indicada como "Ajuste de curva larga" representa un ajuste de curva gaussiana ajustado a la distribución de frecuencia para A>Amáx. Como puede apreciarse claramente, la curva gaussiana se ajusta muy bien a la distribución de frecuencia para A>Amáx, mientras que no se ajusta bien a A<Amáx.

Ejemplos 53-54

La figura 11 (Ejemplo 53) ilustra la probabilidad de muestra corta teórica para un conjunto de datos de muestra recopilado para la recopilación MetLyte8 de analitos y datos de fluido, que incluye nitrógeno ureico en sangre, creatinina, glucosa, creatina quinasa, dióxido de carbono, sodio, potasio, cloro, osmolaridad y nitrógeno ureico/creatinina en sangre. Se obtiene un analito de muestra o un conjunto de datos de valores característicos de fluido de muestra para una muestra diluida y dimensionada con precisión. A continuación, el conjunto de datos de muestra se multiplica hipotéticamente por un porcentaje de pérdida de muestra que aumenta secuencialmente, es decir, 10 %, 20 %, etc., para obtener resultados de datos más bajos. La probabilidad de muestra corta en porcentaje de muestra perdida se calcula para cada dato y luego todos se combinan mediante la Ecuación 5 que calcula la probabilidad de que se produzca una muestra corta para porcentaje de muestras perdidas de hasta el 45 %.

La figura 12 (Ejemplo 54) ilustra cómo se puede calcular un umbral de alta probabilidad de muestra corta. Se analizó un número estadísticamente significativo de muestras reales para la recopilación del panel metabólico básico de analitos y datos de fluidos y se calculó la probabilidad de muestra corta para cada una. La frecuencia de cada probabilidad se representa en la figura 12, junto con la distribución acumulativa de la población de valores de probabilidad de muestra corta. A continuación, se puede seleccionar un valor umbral de este gráfico para utilizarlo como un indicador de advertencia de alto riesgo de muestra corta. Por ejemplo, puede decidirse que es muy probable que las muestras en el 5 % más alto para la distribución acumulativa sean una muestra corta. Por tanto, debido a que la distribución acumulativa por encima del 95 % es aproximadamente igual a una probabilidad de muestra corta de aproximadamente 24 %, cualquier prueba analítica que produzca una probabilidad de muestra corta superior al 24 % puede marcarse como muestra corta.

Ejemplos 55-56

Se puede determinar la probabilidad de una muestra larga para la combinación del panel metabólico básico de analitos y datos de fluido de la muestra: nitrógeno ureico en sangre, creatinina, glucosa, creatina quinasa, dióxido de carbono, sodio, potasio, cloro, osmolaridad y nitrógeno ureico/creatinina en sangre. Se obtiene un conjunto de datos de muestra y luego se multiplica hipotéticamente por un porcentaje de muestra larga secuencialmente creciente, es decir, 102,5 %, 105 %, etc., para obtener valores más altos. Luego, estos datos se introducen en la ecuación 6 junto con los valores de la Tabla 3 para determinar las probabilidades de muestra larga para cada uno de los datos de muestra larga individual. Estas probabilidades de muestra larga se calculan luego de acuerdo con la ecuación 1 y los resultados se representan como se muestra en la figura 13 (Ejemplo 55).

La figura 14 (Ejemplo 56) ilustra cómo se puede calcular un umbral de alta probabilidad de muestra larga. Se analizó un número estadísticamente significativo de muestras reales para la recopilación del panel metabólico básico de analitos y datos de fluido y se calculó la probabilidad de muestra larga para cada una. La frecuencia de cada probabilidad se representa en la figura 14, junto con la frecuencia acumulativa. A continuación, se puede seleccionar un valor de umbral de este gráfico para utilizarlo como un indicador de advertencia de alto riesgo de muestra larga. Por ejemplo, se puede decidir que es muy probable que las muestras en el 5 % más alto para la distribución acumulativa sean una muestra larga. Por tanto, debido a que la distribución acumulativa de aproximadamente el 95 % es aproximadamente igual a una probabilidad de muestra larga de aproximadamente 56 %, se puede marcar cualquier prueba analítica única que produzca una probabilidad de muestra larga superior al 56 %.

La presente invención se puede realizar en otras formas específicas sin apartarse de sus características esenciales. Los modos de realización descritos han de considerarse en todos los aspectos solo como ilustrativos y no restrictivos. El alcance de la invención, por lo tanto, está indicado por las reivindicaciones adjuntas más que por la descripción anterior.

Claims

REIVINDICACIONES

1. Un sistema (100) para analizar una muestra, sistema (100) que comprende:

un módulo (102) analizador configurado para analizar la muestra para al menos dos características medibles para generar de este modo datos de muestra, incluyendo la al menos una característica medible concentración, osmolaridad, acidez, alcalinidad, un cambio de color, fluorescencia o luminiscencia;

un módulo (104) de datos adaptado para almacenar datos de parámetro y datos de relación, definiendo los datos de parámetro un ajuste de curva de una distribución que define una frecuencia de ocurrencia para las al menos dos características medibles en una población de sujetos representativa, incluyendo los datos de relación ecuaciones de probabilidad que pueden utilizarse para determinar, utilizando los datos de parámetro y los datos de muestra, la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable; y

un módulo (106) de evaluación en comunicación con el módulo (104) de datos y el módulo (102) analizador, y programado para usar los datos de parámetro, los datos de relación y los datos de muestra para determinar la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable comparando la probabilidad determinada con un nivel de probabilidad umbral y determinando una probabilidad global de que la muestra sea la muestra corta, la muestra larga o la muestra aceptable para dos o más de las características medibles;

en el que una muestra corta es una muestra que tiene erróneamente una concentración de muestra demasiado pequeña debido a una dilución incorrecta, una muestra larga es una muestra que tiene erróneamente una concentración de muestra demasiado grande debido a una dilución incorrecta, y una muestra aceptable no es una muestra corta ni una muestra larga y tiene una concentración de muestra correcta.

2. Un sistema según la reivindicación 1, en el que el módulo de evaluación comprende además:

un módulo de identificación adaptado para recibir los datos de muestra, los datos de parámetro y los datos de relación; un módulo de procesamiento para determinar la probabilidad de que la muestra sea la muestra corta, la muestra larga o la muestra aceptable, y en el que el módulo de datos comprende además datos que representan uno o más parámetros de nivel de decisión, en el que cada parámetro de nivel de decisión define el nivel de probabilidad umbral por debajo del cual la muestra se identifica como muestra corta o la muestra larga; y un módulo de salida para notificar al usuario si la muestra es la muestra corta, la muestra larga o la muestra aceptable.

3. Un sistema según la reivindicación 1, en el que las al menos dos características medibles comprenden al menos dos de la concentración de albúmina, fosfotasa alcalina, alanina aminotransferasa, amilasa, aspartato aminotransferasa, bilirrubina total, nitrógeno ureico en sangre, calcio, colesterol, creatinina, glucosa, proteína total, proteína total/albúmina y nitrógeno ureico en sangre/creatinina, creatina quinasa, dióxido de carbono, sodio, potasio o cloro, o en el que las al menos dos características medibles comprenden dos o más de osmolaridad, alcalinidad y acidez, o en en el que las al menos dos características medibles son características medibles de la sangre, o en el que las al menos dos características medibles son características medibles del suero, o en el que las al menos dos características medibles son características medibles de la orina.

4. Un sistema según la reivindicación 1, en el que las al menos dos características medibles comprenden al menos dos contaminantes que se encuentran en el agua, o en el que las al menos dos características medibles comprenden un anticuerpo asociado con un estupefaciente.

5. Un sistema según la reivindicación 1, en el que el módulo analizador comprende un analizador óptico o un analizador electroquímico.

6. Un procedimiento implementado en ordenador para analizar una muestra, procedimiento que comprende: analizar, utilizando un módulo (102) analizador, la muestra para al menos dos características medibles para generar de este modo datos de muestra, incluyendo las al menos dos características medibles concentración, osmolaridad, acidez, alcalinidad, un cambio de color, fluorescencia o luminiscencia;

almacenar datos de parámetro y datos de relación almacenados en un módulo (104) de datos, definiendo los datos de parámetro un ajuste de curva de una distribución que define una frecuencia de ocurrencia para las al menos dos características medibles en una población de sujetos representativa, incluyendo los datos de relación ecuaciones de probabilidad que pueden utilizarse para determinar, utilizando los datos de parámetro y los datos de muestra, la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable;

utilizar, en un módulo (106) de evaluación en comunicación con el módulo (104) de datos y el módulo (102) analizador, los datos de parámetro, los datos de relación y los datos de muestra para determinar la probabilidad de que la muestra sea una muestra corta, una muestra larga o una muestra aceptable comparando la probabilidad determinada con un nivel de probabilidad umbral y determinando una probabilidad global de que la muestra sea la muestra corta, la muestra larga o la muestra aceptable para dos o más de las características medibles;

7. Un procedimiento según la reivindicación 6, que comprende además enviar el resultado a un usuario.

8. Un procedimiento según la reivindicación 7, que comprende además:

determinar la probabilidad de que la muestra sea la muestra corta para cada una de las características medibles; y

calcular las probabilidades de que la muestra sea la muestra corta para cada una de las dos o más características medibles, o que comprende además:

determinar la probabilidad de que la muestra sea la muestra larga para cada una de las características medibles; y

calcular las probabilidades de que la muestra sea la muestra larga para cada una de las dos o más características medibles.

9. Un procedimiento según la reivindicación 7, que comprende además:

determinar la probabilidad de muestra corta para cada característica medible en una pluralidad de muestras representativas;

calcular las probabilidades de muestra corta para cada característica medible en cada muestra representativa para obtener la probabilidad de muestra corta para cada muestra representativa;

crear un margen de distribución de las probabilidades de muestras cortas para la pluralidad de muestras representativas; y

seleccionar un valor de probabilidad umbral que corresponda a una frecuencia de probabilidad acumulativa, en el que el valor de probabilidad umbral indica una alta probabilidad de que la muestra sea una muestra corta.

10. Un procedimiento según la reivindicación 7, en el que la obtención de datos de referencia comprende además acceder a los datos de referencia almacenados en un módulo de datos, o en el que la obtención de datos de referencia comprende:

crear un margen de distribución que defina la frecuencia de aparición de las características medidas definidas por los datos de muestra, comprendiendo el margen de distribución un valor máximo de distribución y un valor mínimo de distribución;

definir el valor máximo de distribución y todos los valores de las características medidas mayores que el valor característico medido asociado con el valor máximo de distribución para tener una probabilidad de muestra corta de cero por ciento y el valor mínimo de distribución para tener la probabilidad de muestra corta del 100 por cien; identificar uno o más parámetros que definen el margen de distribución acotado por el valor máximo de distribución y el valor mínimo de distribución; y

definir datos de relación que definen una relación entre los uno o más parámetros y los datos de muestra, siendo utilizada la relación para determinar la probabilidad de que la muestra sea la muestra corta, y en el que el valor mínimo de distribución corresponde a un punto en el margen de distribución donde la frecuencia de ocurrencia del valor de datos de muestra está cerca o es igual a cero, y en el que el valor máximo de distribución corresponde a la frecuencia de ocurrencia del valor característico medido máximo, o

comprende además el uso de un conjunto de datos estadísticamente significativo obtenido de una población representativa de muestras para crear el margen de distribución, o ambos.

11. Un procedimiento según la reivindicación 6, en el que la obtención de datos de referencia comprende: crear un margen de distribución que defina la frecuencia de aparición de las características medidas definidas por los datos de muestra, comprendiendo el margen de distribución un valor máximo de distribución y un valor mínimo de distribución;

definir el valor máximo de distribución y todos los valores de las características medidas menores que el valor característico medido asociado con el valor máximo de distribución para tener una probabilidad de muestra larga de cero por ciento y el valor mínimo de distribución que tiene un valor característico medido mayor que el valor característico medido asociado con el valor máximo de distribución para tener una probabilidad de muestra larga del 100 por cien;

identificar uno o más parámetros que definen el margen de distribución acotado por el valor máximo de distribución y el valor mínimo de distribución; y

definir datos de relación que definen una relación entre los uno o más parámetros y los datos de muestra, siendo la relación utilizada para determinar la probabilidad de que la muestra sea una muestra larga, y

en el que el valor mínimo de distribución corresponde a un punto en el margen de distribución donde la frecuencia de ocurrencia del valor de datos de muestra está cerca o es igual a cero; o

en el que el valor máximo de distribución corresponde a la frecuencia de ocurrencia del valor característico máximo medible; o

que comprende además el uso de un conjunto de datos estadísticamente significativos obtenidos de una población representativa de muestras para crear el margen de distribución.

12. Un procedimiento según la reivindicación 6, en el que los uno o más datos de fluido de muestra son uno o más de albúmina, fosfotasa alcalina, alanina aminotransferasa, amilasa, aspartato aminotransferasa, bilirrubina total, nitrógeno ureico en sangre, calcio, colesterol, creatinina, glucosa, proteína total, proteína total/albúmina y nitrógeno ureico en sangre/creatinina, creatina quinasa, dióxido de carbono, sodio, potasio, cloro y osmolaridad.

13. Un procedimiento según la reivindicación 6, en el que las al menos dos características medibles comprenden un inmunoensayo, o en el que las al menos dos características medibles comprenden un ensayo genómico, o en el que las al menos dos características medibles comprenden cualquier característica medible del agua.

14. Un procedimiento según la reivindicación 6, para determinar si la muestra es la muestra corta, procedimiento que comprende:

obtener datos de muestra asociados con la muestra, definiendo los datos de muestra dos o más valores para dos o más características medibles de la muestra;

obtener datos de referencia asociados con los datos de muestra, comprendiendo los datos de referencia: al menos un parámetro que define una porción de una distribución estándar para las dos o más características medibles identificadas por los datos de muestra; y

datos de relación que definen una relación entre el al menos un parámetro y los datos de muestra que ayudan a identificar la muestra como la muestra corta;

determinar la probabilidad de que la muestra sea la muestra corta en base a los datos de relación, y el al menos un parámetro, determinando de este modo si la muestra es la muestra corta.

15. Un procedimiento según la reivindicación 14, que comprende además determinar una probabilidad general de que la muestra sea la muestra corta para dos o más de las características medibles, y que comprende además: determinar la probabilidad de que la muestra sea la muestra corta para cada una de las características medibles; y calcular las probabilidades de que la muestra sea la muestra corta para cada una de las características medibles; o que comprende además:

calcular las probabilidades de muestra corta para cada característica medible en cada muestra representativa para obtener una probabilidad de muestra corta para cada muestra representativa;

crear un margen de distribución de las probabilidades de muestra corta para la pluralidad de muestras representativas; y

seleccionar un valor de probabilidad umbral que corresponda a una frecuencia probable acumulativa, en el que el valor de probabilidad umbral indica una alta probabilidad de que la muestra sea la muestra corta.

16. Un procedimiento según la reivindicación 14, en el que la obtención de datos de referencia comprende: crear un margen de distribución que defina la frecuencia de aparición de las características medidas definidas por los datos de muestra, comprendiendo el margen de distribución un valor máximo de distribución y un valor mínimo de distribución;

definir el valor máximo de distribución y todos los valores de las características medidas mayores que los valores característicos medidos asociados con el valor máximo de distribución para tener una probabilidad de muestra corta de cero por ciento y el valor mínimo de distribución para tener la probabilidad de muestra corta del 100 por cien;

definir datos de relación que definen una relación entre el uno o más parámetros y los datos de muestra, siendo utilizada la relación para determinar la probabilidad de que la muestra sea la muestra corta:

en el que el valor máximo de distribución corresponde a la frecuencia de ocurrencia del valor característico medido máximo; o

utilizar un conjunto de datos estadísticamente significativo obtenido de una población representativa de muestras para crear el margen de distribución.

17. Un producto de programa informático para implementar, en un sistema (100) que incluye al menos un procesador, un procedimiento para analizar una muestra, comprendiendo el producto de programa informático: un medio legible por ordenador que lleva instrucciones ejecutables por ordenador para implementar el procedimiento, realizando las instrucciones ejecutables por ordenador, cuando se ejecutan, las etapas del procedimiento de cualquiera de las reivindicaciones 6 a 16.

18. Un sistema según la reivindicación 1, en el que el analizador está configurado para analizar una muestra para una pluralidad de características medibles para generar de este modo datos de muestra, y los datos de parámetro comprenden una distribución para cada una de las características medibles en una población representativa.

19. Un sistema según la reivindicación 18, en el que la pluralidad de características medibles es un panel de electrolitos.

20. Un sistema según la reivindicación 1, en el que el módulo analizador comprende un rotor centrífugo, o en el que el módulo analizador comprende un espectrofotómetro.

21. Un sistema según la reivindicación 2, en el que el módulo de salida es una pantalla de vídeo o LED.