Plik do pobrania (format pdf) - bioMérieux
Plik do pobrania (format pdf) - bioMérieux
Plik do pobrania (format pdf) - bioMérieux
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
diagnostyka<br />
êród∏em <strong>do</strong>brego zdrowia<br />
Zrozumieć<br />
kontrolę jakości
B<br />
dr Wojciech Gernand<br />
Zakład Diagnostyki, Katedra Biochemii Klinicznej<br />
Collegium Medicum Uniwersytetu Jagiellońskiego w Krakowie
Zrozumieç kontrol´ jakoÊci. Cz´Êç 1. Pomiar jakoÊci<br />
Zrozumieć kontrolę jakości<br />
1.<br />
Część<br />
Pomiar jakości<br />
„Zmienić możemy tylko to, co zmierzymy”<br />
Mikel Harry, Richard Schroeder. Six Sigma.<br />
Oficyna Ekonomiczna, Kraków 2001<br />
Ka˝dego dnia w polskich laboratoriach<br />
wykonuje si´ tysiàce pomiarów<br />
kontrolnych. Ka˝dy wynik<br />
takiego pomiaru wymaga interpretacji,<br />
pozwalajàcej ustaliç, czy<br />
kontrolowana metoda jest <strong>do</strong>k∏adna.<br />
Nie jest to proste zadanie.<br />
Wcià˝ brakuje jednoznacznych<br />
wytycznych <strong>do</strong>tyczàcych kontroli<br />
jakoÊci. W ostatnich latach zmieni-<br />
∏o si´ stosowane s∏ownictwo. Nadal<br />
niewielka jest liczba aktualnych<br />
publikacji na temat dzia∏aƒ kontrolnych.<br />
Celem prezentowanej serii artyku-<br />
∏ów jest <strong>do</strong>starczenie zainteresowanym<br />
czytelnikom informacji,<br />
które pozwolà zrozumieç podstawowà<br />
ide´ kontroli jakoÊci – Êcis∏y<br />
zwiàzek dzia∏aƒ kontrolnych z jakoÊcià<br />
kontrolowanej metody.<br />
Historia pewnej krowy<br />
Trzej d˝entelmeni, ekonomista, fizyk<br />
i matematyk, jadàcy pociàgiem przez<br />
zielone pola Szkocji, <strong>do</strong>strzegli pasàcà<br />
si´ krow´.<br />
– Wspania∏e sà te bràzowe szkockie<br />
krowy – zauwa˝y∏ ekonomista.<br />
– Có˝, myli si´ pan, drogi kolego.<br />
Mo˝na jedynie powiedzieç, ˝e niektóre<br />
ze szkockich krów sà bràzowe<br />
– odpar∏ fizyk.<br />
– Obaj panowie jesteÊcie w b∏´dzie.<br />
Jedyne, co mo˝na powiedzieç na<br />
ten temat, to to, ˝e co najmniej jedna<br />
szkocka krowa jest bràzowa i to<br />
z jednej strony – zaprotestowa∏ matematyk.<br />
Ta stara aneg<strong>do</strong>ta, opowiadana przez<br />
entuzjastów nauk Êcis∏ych, przypomina<br />
mi si´ zawsze wtedy, gdy s∏ysz´<br />
dyskusj´ o jakoÊci badaƒ laboratoryjnych.<br />
Wcià˝ spotkaç mo˝na po<strong>do</strong>bnych<br />
„ekonomistów”, zachwalajàcych<br />
hurtem jakieÊ laboratorium, jako „najlepsze<br />
w Polsce”. Cz´ste sà te˝ g∏osy<br />
„fizyków”, którzy twierdzà, ˝e jakiÊ<br />
analizator jest lepszy od innego.<br />
W czym lepszy? Wobec jakich kryteriów<br />
przeprowadzono ocen´ jakoÊci?<br />
Nazbyt cz´sto ogólne wnioski wyciàgane<br />
sà z niejasnych przes∏anek.<br />
Warto pami´taç w takich momentach,<br />
˝e jakoÊç badaƒ laboratoryjnych<br />
jest poj´ciem wymiernym.<br />
Mo˝na jà wyraziç w sposób iloÊciowy<br />
i sprawdziç, czy spe∏nia okreÊlone<br />
wymagania.<br />
Ró˝ne perspektywy<br />
W ostatnich latach przybiera na sile<br />
dyskusja na temat tego, jak nale˝y<br />
mierzyç jakoÊç pracy laboratorium.<br />
Organizowane sà konferencje naukowe<br />
na ten temat 1 . Do ˝ycia powo∏ywane<br />
sà nowe organizacje, jak<br />
na przyk∏ad Institute for Quality in Laboratory<br />
Medicine (IQLM), uwzgl´dniajàce<br />
wÊród swych priorytetów<br />
znalezienie wiarygodnych mierników<br />
jakoÊci pracy laboratorium 2 .<br />
W bardzo z∏o˝onej rzeczywistoÊci,<br />
w której przysz∏o dzia∏aç wspó∏czesnym<br />
pracowniom, oczywista jest<br />
koniecznoÊç kompleksowego zarzàdzania<br />
jakoÊcià (total quality management,<br />
TQM), opartego na analizie<br />
ró˝norodnych wskaêników i miar.<br />
Ocena jakoÊci pracy ca∏ego laboratorium<br />
przyjmowaç mo˝e skomplikowanà<br />
form´.<br />
W ostatnich latach du˝à popularnoÊcià<br />
wÊród specjalistów od zarzàdzania jakoÊcià<br />
cieszy si´ tzw. Strategiczna<br />
(Zrównowa˝ona) Karta Wyników<br />
(Balanced Scorecard, BSC). Koncepcja<br />
BSC, zaproponowana przez Kaplana<br />
i Nortona na poczàtku lat ‘90,<br />
zak∏ada, ˝e jakoÊç dzia∏aƒ ka˝dej firmy<br />
kszta∏tuje si´ w czterech perspektywach.<br />
JakoÊç nale˝y oceniaç<br />
z perspektywy klienta, z perspektywy<br />
finansowej, z perspektywy operacyjnej<br />
oraz z perspektywy wzrostu i rozwoju<br />
3 . W ka˝dej z tych perspektyw<br />
stosowaç mo˝na odr´bne wskaêniki<br />
jakoÊci.<br />
Koncepcja BSC znajduje zastosowanie<br />
w laboratoriach medycznych.<br />
Mo˝na si´ by∏o o tym przekonaç<br />
dzi´ki wyk∏a<strong>do</strong>wi wyg∏oszonemu<br />
przez prof. dr Keesa Ahausa – dyrektora<br />
TNO Management Consultants<br />
z Amsterdamu – podczas 11 Konferencji<br />
„Quality in the Spotlight”<br />
(20–21.03.2006 r., Antwerpia, Belgia).<br />
SpoÊród prawie 100 specjalistów <strong>do</strong><br />
spraw jakoÊci, s∏uchaczy wyk∏adu pochodzàcych<br />
z 20 krajów, dziesi´ciu<br />
deklarowa∏o korzystanie z BSC.<br />
Spojrzenie znad<br />
probówek<br />
Perspektywa operacyjna wydaje si´<br />
najbli˝sza wykonawcom badaƒ laboratoryjnych.<br />
Interesuje nas to, czy<br />
1
Zrozumieç kontrol´ jakoÊci. Cz´Êç 1. Pomiar jakoÊci<br />
2<br />
wynik, który uzyskujemy na drodze<br />
z∏o˝onych czynnoÊci cyklu diagnostycznego,<br />
jest wiarygodny. Czy kolejne<br />
czynnoÊci sk∏adajàce si´ na faz´<br />
przedanalitycznà, analitycznà i poanalitycznà,<br />
wykonywane sà w prawid∏owy<br />
sposób. Interesuje nas jakoÊç realizowanych<br />
operacji.<br />
Jednà z miar jakoÊci w perspektywie<br />
operacyjnej jest liczba niezgodnoÊci<br />
wyst´pujàcych w cyklu diagnostycznym.<br />
NiezgodnoÊci sà odst´pstwami<br />
od przyj´tych przez laboratorium<br />
procedur. NiezgodnoÊcià mo˝e byç<br />
na przyk∏ad nieodpowiednie przygotowanie<br />
pacjenta <strong>do</strong> badania, przekroczenie<br />
<strong>do</strong>puszczalnego czasu<br />
up∏ywajàcego od <strong>pobrania</strong> materia∏u<br />
<strong>do</strong> wykonania badania, zamiana<br />
próbki, zbyt du˝e obcià˝enie metody<br />
pomiarowej, czy podanie niew∏aÊciwego<br />
przedzia∏u wartoÊci referencyjnych<br />
w raporcie z przeprowadzonych<br />
badaƒ 4 .<br />
Autorzy zajmujàcy si´ szacowaniem<br />
liczby niezgodnoÊci wyst´pujàcych<br />
w cyklu diagnostycznym, twierdzà,<br />
˝e najwi´cej problemów wyst´puje<br />
w fazie przedanalitycznej (oko∏o<br />
45%) i w fazie poanalitycznej (oko-<br />
∏o 45%) 5 . Faza analityczna cyklu diagnostycznego<br />
jest êród∏em oko∏o<br />
10% niezgodnoÊci 6, 7 .<br />
Rozdêwi´k<br />
Opisana cz´stoÊç wyst´powania niezgodnoÊci<br />
w cyklu diagnostycznym<br />
sta∏a si´ w ostatnim czasie przyczynà<br />
sporu w Êro<strong>do</strong>wisku specjalistów zajmujàcych<br />
si´ zarzàdzaniem jakoÊcià<br />
w laboratorium medycznym. Przyt∏aczajàca<br />
liczba niezgodnoÊci, wyst´pujàcych<br />
poza fazà analitycznà, sk∏ania<br />
niektórych autorów <strong>do</strong> koncentrowania<br />
si´ w g∏ównej mierze na dzia∏aniach<br />
poprawiajàcych jakoÊç fazy<br />
przed- i poanalitycznej. Istotna poprawa<br />
mo˝liwa jest poprzez <strong>do</strong>pracowanie<br />
i nadzorowanie realizacji<br />
procedur w tych dwóch fazach. Konieczne<br />
jest rejestrowanie wyst´pujàcych<br />
niezgodnoÊci oraz ich skuteczna<br />
eliminacja.<br />
Autorzy, tacy jak Libeer i Goldschmidt,<br />
czy Bonini, twierdzà, ˝e post´p<br />
techniczny, obserwowany w ostatnim<br />
dziesi´cioleciu, <strong>do</strong>prowadzi∏ <strong>do</strong><br />
opracowania metod analitycznych<br />
o bardzo <strong>do</strong>brej jakoÊci, co sprawia,<br />
˝e b∏´dy fazy analitycznej nie sà ju˝<br />
problemem, a wewnàtrzlaboratoryjnà<br />
kontrol´ jakoÊci sprowadziç mo˝na<br />
<strong>do</strong> minimum 8, 9 .<br />
G∏ównym przeciwnikiem takiego podejÊcia<br />
jest prof. James O. Westgard,<br />
jeden ze s∏awnych twórców systemu<br />
wewnàtrzlaboratoryjnej kontroli jakoÊci.<br />
Zgodnie z jego opinià, jako wykonawcy<br />
badaƒ laboratoryjnych, najwi´kszà odpowiedzialnoÊç<br />
ponosimy za jakoÊç<br />
fazy analitycznej. Reszta jest politykà<br />
– podkreÊla <strong>do</strong>bitnie profesor.<br />
Wbrew optymistycznym opiniom,<br />
twierdzi Westgard, stosowane metody<br />
pomiarowe nie sà wcale idealne.<br />
Staje si´ to wyraênie wi<strong>do</strong>czne <strong>do</strong>piero<br />
wtedy, gdy <strong>do</strong>kona si´ pomiaru<br />
ich jakoÊci.<br />
Wracajàc <strong>do</strong> podstaw<br />
W celu okreÊlenia jakoÊci metody<br />
pomiarowej, nale˝y ustaliç kilka podstawowych<br />
faktów. Trzy liczby majà<br />
tu kluczowe znaczenie:<br />
– samodzielnie wybrany ca∏kowity<br />
<strong>do</strong>puszczalny b∏àd pomiaru;<br />
– nieprecyzyjnoÊç i obcià˝enie ustalone<br />
eksperymentalnie.<br />
Ich poznanie jest nieodzownym warunkiem<br />
racjonalnej oceny jakoÊci<br />
metody pomiarowej. Te trzy liczby<br />
sà niezb´dne <strong>do</strong> zaplanowania<br />
i w∏aÊciwego odczytania wyników<br />
kontroli jakoÊci.<br />
B∏àd pomiaru<br />
Zgodnie z Mi´dzynaro<strong>do</strong>wym s∏ownikiem<br />
podstawowych i ogólnych<br />
terminów metrologii 10 , b∏àd pomiaru<br />
jest ró˝nicà mi´dzy wynikiem pomiaru<br />
a wartoÊcià prawdziwà wielkoÊci<br />
mierzonej. Wynik ka˝dego pomiaru<br />
przeprowadzanego w laboratorium<br />
obarczony jest b∏´dem, oddalajàcym<br />
go od wartoÊci prawdziwej. B∏àd ten<br />
nie jest synonimem pomy∏ki – oznacza<br />
niemo˝liwà <strong>do</strong> unikni´cia nie<strong>do</strong>skona∏oÊç,<br />
nierozerwalnie zwiàzanà<br />
z istotà pomiaru. B∏´du nie mo˝na<br />
uniknàç, zachowujàc wi´kszà starannoÊç<br />
przy wykonywaniu pomiaru.<br />
Mo˝na jedynie dà˝yç, by by∏ mo˝liwie<br />
jak najmniejszy.<br />
B∏àd jest skutkiem dzia∏ania tzw.<br />
wielkoÊci wp∏ywajàcych, które, nie<br />
b´dàc wielkoÊciami mierzonymi,<br />
majà wp∏yw na wynik pomiaru. Na<br />
przyk∏ad wartoÊci zwiàzane z kalibratorami,<br />
od których zale˝y wynik<br />
pomiaru, a tak˝e zjawiska, takie jak<br />
krótkookresowe zmiany w dzia∏aniu<br />
analizatorów, i wielkoÊci, takie jak<br />
temperatura otoczenia, ciÊnienie<br />
atmosferyczne i wilgotnoÊç, sà wielkoÊciami<br />
wp∏ywajàcymi.<br />
Tradycyjnie przyjmuje si´, ˝e b∏àd<br />
pomiaru ma dwie sk∏a<strong>do</strong>we: sk∏a<strong>do</strong>wà<br />
przypadkowà i sk∏a<strong>do</strong>wà systematycznà.<br />
B∏àd przypadkowy jest to<br />
ró˝nica mi´dzy wynikiem pomiaru<br />
a Êrednià z nieskoƒczonej liczby wyników<br />
pomiarów tej samej wielkoÊci<br />
mierzonej, wykonanych w warunkach<br />
powtarzalnoÊci. B∏àd przypadkowy<br />
wynika z nieprzewidywalnych (stochastycznych)<br />
czasowych i przestrzennych<br />
zmian wielkoÊci wp∏ywajàcych.<br />
Zmiany te, nazywane oddzia∏ywaniami<br />
przypadkowymi, powodujà zró˝nicowanie<br />
wyników powtarzanych obserwacji<br />
wielkoÊci mierzonej. B∏àd przypadkowy<br />
mo˝e byç zmniejszony przez<br />
zwi´kszenie liczby obserwacji i u˝ycie<br />
Êredniej jako wartoÊci wielkoÊci mierzonej.<br />
B∏àd systematyczny jest ró˝nicà mi´dzy<br />
Êrednià z nieskoƒczonej liczby<br />
pomiarów tej samej wielkoÊci mierzonej,<br />
wykonanych w warunkach<br />
powtarzalnoÊci, a wartoÊcià prawdziwà<br />
wielkoÊci mierzonej. B∏àd systematyczny,<br />
po<strong>do</strong>bnie jak b∏àd przypadkowy,<br />
nie mo˝e byç ca∏kowicie<br />
wyeliminowany, ale cz´sto mo˝e byç<br />
zredukowany. Je˝eli b∏àd systematyczny<br />
powstaje wskutek rozpoznanego<br />
dzia∏ania wielkoÊci wp∏ywajàcej,<br />
to wynik tego oddzia∏ywania mo˝e<br />
byç okreÊlony iloÊciowo. JeÊli jest on<br />
znaczny w porównaniu z wymaganà<br />
poprawnoÊcià pomiaru, to aby skompensowaç<br />
jego wp∏yw, wprowadza<br />
si´ addytywnà poprawk´ lub multiplikatywnie<br />
wspó∏czynnik poprawkowy.<br />
Ca∏kowity <strong>do</strong>puszczalny<br />
b∏àd pomiaru<br />
JeÊli wia<strong>do</strong>mo, ˝e b∏´du pomiaru nie<br />
mo˝na uniknàç, zrozumia∏a staje si´<br />
potrzeba ustalenia mo˝liwej <strong>do</strong> przyj´cia<br />
wielkoÊci b∏´du. Ca∏kowity <strong>do</strong>puszczalny<br />
b∏àd pomiaru (total error<br />
allowable, TE A ) jest mo˝liwà <strong>do</strong><br />
zaakceptowania ró˝nicà pomi´dzy<br />
uzyskanym wynikiem a wartoÊcià<br />
rzeczywistà wielkoÊci mierzonej. Jest<br />
to poj´cie u˝ywane w laboratoriach<br />
medycznych dla okreÊlenia wymagaƒ,<br />
jakie powinna spe∏niaç stosowana<br />
metoda pomiarowa, by uznaç jà<br />
za wiarygodnà. TE A jest liczbà, która<br />
w jednoznaczny sposób okreÊla po-<br />
˝àdanà jakoÊç analitycznà metody<br />
(analytical goal, quality requirement).<br />
TE A traktowany jest jednak zbyt cz´sto<br />
jak abstrakcyjne poj´cie, tkwiàce<br />
gdzieÊ na marginesie „prawdziwych”,<br />
codziennych problemów zwiàzanych<br />
z zapewnieniem jakoÊci wykonywanych<br />
pomiarów. A przecie˝ on t´ jakoÊç<br />
wyznacza!<br />
TE A stanowi kryterium, wed∏ug którego<br />
oceniamy jakoÊç realizowanych<br />
w warunkach rutynowych, wykonywa-
Zrozumieç kontrol´ jakoÊci. Cz´Êç 1. Pomiar jakoÊci<br />
nych ka˝dego dnia badaƒ. W sytuacji,<br />
gdy b∏´dy pomiarowe (przypadkowe<br />
i systematyczne), które nieodmiennie<br />
towarzyszà naszym dzia∏aniom,<br />
nie przekraczajà TE A , mo˝emy stwierdziç,<br />
˝e uzyskiwane przez nas wyniki<br />
sà wiarygodne. Wtedy, gdy b∏´dy pomiarowe<br />
przekraczajà przyj´ty przez<br />
nas TE A , widzimy, ˝e jakoÊç naszych<br />
dzia∏aƒ jest nieza<strong>do</strong>walajàca.<br />
Brak ustaleƒ o wielkoÊci TE A sprawia,<br />
˝e rozwa˝ania na temat precyzji, poprawnoÊci,<br />
<strong>do</strong>k∏adnoÊci, liniowoÊci,<br />
porównywalnoÊci metod pomiarowych<br />
oraz kontroli ich jakoÊci, stajà<br />
si´ bezprzedmiotowe. Trudne staje<br />
si´ rozstrzygni´cie, czy oferowany<br />
analizator, nowa metoda pomiarowa,<br />
nowe rozwiàzanie techniczne,<br />
spe∏nià nasze oczekiwania zwiàzane<br />
z jakoÊcià. Jak mo˝na coÊ oceniaç,<br />
bez podania kryterium oceny?<br />
PodejÊcie <strong>do</strong> problemu TE A jest<br />
w ró˝nych krajach ró˝ne. W niektórych,<br />
np. w USA czy Niemczech,<br />
wielkoÊç TE A ustalana jest oficjalnie<br />
przez organizacje zajmujàce si´ akredytowaniem<br />
laboratoriów medycznych.<br />
Opublikowane wartoÊci TE A sà<br />
tam konkretnym kryterium, na podstawie<br />
którego oceniana jest jakoÊç<br />
metod pomiarowych.<br />
W innych krajach, równie˝ w Polsce,<br />
wybór TE A pozostawiany jest osobom<br />
odpowiedzialnym za jakoÊç<br />
Êwiadczonych przez laboratoria<br />
us∏ug. Kierownicy laboratoriów lub<br />
specjaliÊci <strong>do</strong> spraw jakoÊci, korzystajàc<br />
z ró˝nych metod wyznaczania<br />
TE A , decydujà o jego wielkoÊci.<br />
Oba rozwiàzania majà swoje <strong>do</strong>bre<br />
i z∏e strony. Narzucenie ogólnokrajowych<br />
kryteriów oceny jakoÊci jest<br />
bardzo wygodnym podejÊciem –<br />
zwalnia ono osoby zajmujàce si´ zarzàdzaniem<br />
laboratoriami z koniecznoÊci<br />
prowadzenia rozwa˝aƒ nad<br />
TE A . Podane wartoÊci majà byç stosowane<br />
i na tym problem si´ koƒczy.<br />
Drugà zaletà jest jednolite podejÊcie<br />
<strong>do</strong> kwestii jakoÊci w skali ca∏ego kraju<br />
– ograniczona zostaje nadmierna<br />
<strong>do</strong>wolnoÊç w formu∏owaniu wymagaƒ.<br />
Jest w tym niestety ukryta pewna<br />
pu∏apka.<br />
JeÊli zamierza si´ wprowadziç jedno<br />
kryterium dla wszystkich laboratoriów<br />
w kraju, nie mo˝e byç ono zbyt<br />
restrykcyjne. Laboratoria wykorzystujà<br />
w swej pracy urzàdzenia pomiarowe<br />
o bardzo zró˝nicowanym poziomie<br />
zaawansowania technicznego.<br />
To, co jest osiàgalne za pomocà najnowoczeÊniejszych<br />
analizatorów, pozostaje<br />
poza zasi´giem starszych<br />
urzàdzeƒ. Narzucane odgórnie wartoÊci<br />
TE A sà zazwyczaj <strong>do</strong>Êç du˝e.<br />
Pozostawienie decyzji o TE A pracownikom<br />
laboratorium, znajàcym mo˝liwoÊci<br />
techniczne swych pracowni,<br />
stwarza szans´ wyznaczenia realnych<br />
wymagaƒ <strong>do</strong>tyczàcych jakoÊci<br />
pomiarów. Rozwiàzanie to stanowi<br />
<strong>do</strong>skona∏à okazj´ dla wszystkich<br />
osób zainteresowanych jakoÊcià<br />
badaƒ laboratoryjnych <strong>do</strong> tego, by<br />
samodzielnie przemyÊleç swoje<br />
oczekiwania zwiàzane z jakoÊcià.<br />
Uwa˝am, ˝e poczucie odpowiedzialnoÊci<br />
za jakoÊç uzyskiwanych wyników<br />
jest w tym wypadku wystarczajàcym<br />
zabezpieczeniem przed zbyt liberalnym<br />
okreÊleniem wartoÊci TE A .<br />
TrudnoÊç przy samodzielnym wyznaczaniu<br />
TE A wynika najcz´Êciej z nieznajomoÊci<br />
<strong>do</strong>st´pnych metod jego<br />
wyznaczania oraz z ograniczonego<br />
<strong>do</strong>st´pu <strong>do</strong> niezb´dnych êróde∏ informacji.<br />
Szczegó∏owy opis sposobów<br />
samodzielnego wyznaczania<br />
TE A , wraz z aktualnymi przypisami,<br />
przedstawiony zostanie w Cz´Êci 2<br />
prezentowanej serii artyku∏ów.<br />
Precyzja<br />
B∏´dy przypadkowe, towarzyszàce<br />
wykonywanym pomiarom, sprawiajà,<br />
˝e wyniki, jakie uzyskujemy, badajàc<br />
wielokrotnie t´ samà próbk´, ró˝nià<br />
si´ mi´dzy sobà. Stopieƒ zgodnoÊci<br />
pomi´dzy niezale˝nymi wynikami<br />
pomiarów uzyskanymi w okreÊlonych<br />
warunkach nazywany jest precyzjà<br />
(precision).<br />
Prof. dr hab. in˝. Janusz M. Jaworski,<br />
autor przypisów <strong>do</strong> polskiego t∏umaczenia<br />
<strong>do</strong>kumentu Wyra˝anie niepewnoÊci<br />
pomiaru. Przewodnik,<br />
zwraca uwag´ na zwrot „stopieƒ<br />
zgodnoÊci”, stosowany jako t∏umaczenie<br />
angielskiego „closeness of the<br />
agreement”. Jego zdaniem lepiej by-<br />
∏oby zastosowaç zwrot „bliskoÊç<br />
zgodnoÊci”, poniewa˝ okreÊlanie<br />
poj´cia takiego jak precyzja przez<br />
„stopieƒ zgodnoÊci” nadaje mu charakter<br />
iloÊciowy, co nie jest zgodne<br />
z definicjà 11 .<br />
Precyzja jest poj´ciem jakoÊciowym,<br />
które powinno byç stosowane<br />
z ostro˝noÊcià. Nale˝y w szczególno-<br />
Êci unikaç sformu∏owaƒ typu „precyzja<br />
pomiarów wynosi 5 mmol/l” lub<br />
„precyzja pomiarów wynosi 2%”.<br />
Sen Dharana, czyli<br />
o nieprecyzyjnoÊci<br />
Precyzja pomiarów (cecha jakoÊciowa)<br />
opisywana jest za pomocà liczby,<br />
jakà jest odchylenie standar<strong>do</strong>we<br />
(standard deviation, SD). Zgodnie<br />
z <strong>do</strong>kumentem ISO 3534-1, iloÊciowa<br />
informacja o precyzji, przedstawiona<br />
w postaci odchylenia standar<strong>do</strong>wego,<br />
okreÊlana jest jako nieprecyzyjnoÊç<br />
(imprecision, I) 12 .<br />
Warto zaznaczyç, ˝e usankcjonowane zaleceniem<br />
ISO 3534-1 stosowanie poj´cia<br />
„nieprecyzyjnoÊç” w opisie jakoÊci pomiarów,<br />
budzi∏o w przesz∏oÊci i budzi nadal<br />
pewne wàtpliwoÊci. Chyba najbarwniej<br />
przedstawia je w swym dzienniku Murali<br />
Dharan, autor Total quality control in the<br />
clinical laboratory:<br />
„Przeczyta∏em dziÊ zalecenia na temat<br />
kontroli jakoÊci. Nie by∏em pewien, czy<br />
zgadzam si´ z poglàdami autorów na<br />
temat precyzji… Po∏o˝y∏em si´ spaç jak<br />
zwykle po pó∏nocy. Przed zaÊni´ciem my-<br />
Êla∏em jeszcze o tych zaleceniach. CoÊ<br />
ciàgle nie dawa∏o mi spokoju. Postanowi∏em<br />
jeszcze raz rzuciç okiem na ten<br />
materia∏. Ponownie przeczyta∏em wszystko<br />
o nieprecyzyjnoÊci. By∏o to mniej wi´cej<br />
logiczne. Zastanawiajàc si´, czy zaakceptowaç<br />
te zalecenia, zasnà∏em… Mia∏em<br />
sen. Prowadzi∏em Wybory Miss America<br />
w Niagara Falls. Tak si´ z∏o˝y∏o, ˝e jurorami<br />
byli cz∏onkowie Panelu Ekspertów<br />
ds. Nomenklatury i Zasad Kontroli Jako-<br />
Êci Mi´dzynaro<strong>do</strong>wej Federacji Chemii<br />
Klinicznej. Po pewnym czasie zauwa˝y-<br />
∏em jakieÊ zamieszanie wÊród jurorów.<br />
W czasie przerwy w programie zapyta-<br />
∏em o powód zamieszania. Najbardziej<br />
poruszony z jurorów oÊwiadczy∏, ˝e regu-<br />
∏a nr 14 mówi o tym, ˝e im mniejszy jest<br />
obwód talii, tym pi´kniejsza jest dziewczyna.<br />
Jest jakaÊ j´zykowa sprzecznoÊç<br />
w tej odwróconej zale˝noÊci. Zamierzamy<br />
zmieniç t´ regu∏´ na takà, która mówi,<br />
˝e im mniejszy jest obwód talii, tym<br />
mniejsza jest brzy<strong>do</strong>ta dziewczyny.<br />
W tym momencie skoƒczy∏a si´ przerwa.<br />
Juror wzià∏ mój mikrofon i wyjaÊni∏ wi<strong>do</strong>wni<br />
swojà teori´ na temat tej bezpo-<br />
Êredniej zale˝noÊci. Doda∏ przy tym, ˝e<br />
poniewa˝ mierzymy nasilenie brzy<strong>do</strong>ty,<br />
b´dziemy wybieraç Najmniej Brzydkà<br />
Miss America. Oburzeni widzowie wtargn´li<br />
na scen´, powsta∏o ogromne zamieszanie,<br />
zapanowa∏ chaos. By∏em<br />
bezsilny… Obudzi∏em si´, by∏a czwarta<br />
rano” 13 .<br />
Sen Dharana pokazuje pewnà intuicyjnie<br />
odczuwanà niezgodnoÊç. OkreÊlenie „precyzja”<br />
mo˝e byç niezr´czne z matematycznego<br />
czy statystycznego punktu widzenia,<br />
poniewa˝ jest ono cechà jakoÊciowà, wyst´pujàcà<br />
przy odpowiednio niskim odchyleniu<br />
standar<strong>do</strong>wym. Im mniejsze jest<br />
SD, tym wi´ksze praw<strong>do</strong>po<strong>do</strong>bieƒstwo,<br />
˝e pomiary sà precyzyjne. Jednak stosowanie<br />
okreÊlenia „nieprecyzyjnoÊç” <strong>do</strong><br />
iloÊciowego opisania jakoÊci pomiarów<br />
3
Zrozumieç kontrol´ jakoÊci. Cz´Êç 1. Pomiar jakoÊci<br />
4<br />
jest niezr´czne z punktu widzenia j´zykowego.<br />
Niew∏aÊciwe u˝ycie negatywnego<br />
okreÊlenia w opisie pozytywnej cechy<br />
zaznaczone zosta∏o w Ênie Dharana, gdzie<br />
pi´kno okreÊlone by∏o jako brak brzy<strong>do</strong>ty.<br />
Dodatkowo s∏owo „nieprecyzyjnoÊç” ma<br />
niekorzystne dzia∏anie psychologiczne.<br />
Nikt nie lubi wykonywaç nieprecyzyjnych<br />
pomiarów, niezale˝nie od tego ile ta nieprecyzyjnoÊç<br />
wynosi.<br />
Mo˝na traktowaç t´ histori´, jak aneg<strong>do</strong>t´<br />
sprzed prawie 30 lat, jednak nale˝y<br />
wspomnieç o tym, ˝e niektóre z publikowanych<br />
obecnie wytycznych sk∏aniajà si´<br />
<strong>do</strong> porzucenia „nieprecyzyjnoÊci” na rzecz<br />
„precyzji wyra˝anej w postaci odchylenia<br />
standar<strong>do</strong>wego” 14 .<br />
Podstawowym elementem wiedzy<br />
o jakoÊci pomiarów jest znajomoÊç<br />
ich nieprecyzyjnoÊci. Warunkiem, jaki<br />
musi byç spe∏niony, gdy konstruuje<br />
si´ racjonalny program kontroli wewnàtrzlaboratoryjnej,<br />
jest okreÊlenie<br />
rozproszenia wyników, typowego dla<br />
stabilnie funkcjonujàcego uk∏adu pomiarowego.<br />
Dane o nieprecyzyjnoÊci nie mogà<br />
pochodziç z literatury, czy z materia-<br />
∏ów <strong>do</strong>starczonych przez producenta<br />
aparatury lub odczynników. Producent<br />
nie jest w stanie przewiedzieç<br />
i wziàç pod uwag´ wszystkich czynników<br />
wp∏ywajàcych na zmiennoÊç<br />
wyników obserwowanà w naszym<br />
laboratorium. NieprecyzyjnoÊç musi<br />
byç oceniona tam, gdzie wykonuje<br />
si´ pomiary. Konieczne jest uzyskanie<br />
informacji o tym, ile wynosi SD,<br />
opisujàce zmiennoÊç wyników uzyskiwanych<br />
w naszych w∏asnych warunkach.<br />
W tym celu nale˝y zgromadziç odpowiednià<br />
iloÊç wyników uzyskanych<br />
w tym samym materiale, które pos∏u˝à<br />
<strong>do</strong> wykonania obliczeƒ. Zalecana<br />
minimalna iloÊç wyników, które<br />
stanowiç mogà podstaw´ oszacowania<br />
nieprecyzyjnoÊci, jest przedmiotem<br />
o˝ywionych dyskusji, jak ka˝de<br />
zalecenie decydujàce o wydatkach<br />
laboratorium. Najcz´Êciej przyjmuje<br />
si´, ˝e przy okreÊlaniu nieprecyzyjno-<br />
Êci <strong>do</strong> celów kontroli wewnàtrzlaboratoryjnej<br />
powinno to byç co najmniej<br />
20 wyników 15 .<br />
W opracowaniach publikowanych kilkanaÊcie<br />
lat temu spotkaç mo˝na<br />
zalecenie, mówiàce o koniecznoÊci<br />
zgromadzenia co najmniej 21 wyników<br />
16 . Wydaje si´, ˝e liczba 21 <strong>do</strong>brana<br />
zosta∏a w celu pewnego<br />
uproszczenia obliczeƒ statystycznych,<br />
w których korzysta si´ z liczby<br />
stopni swobody, obliczanej wg wzoru<br />
n – 1. Dzi´ki temu ∏atwiejsze by∏o<br />
obliczanie SD (sum´ kwadratów ró˝nic<br />
dzielono przez 21 – 1, czyli 20).<br />
Z chwilà upowszechnienia si´ kalkulatorów<br />
i komputerów z oprogramowaniem<br />
statystycznym u<strong>do</strong>godnienie<br />
to sta∏o si´ zbyteczne.<br />
Nale˝y zwróciç uwag´ na to, ˝e zalecana<br />
liczba 20 pomiarów nie wynika z konkretnych<br />
wymagaƒ statystyki. JeÊli zapytaç<br />
statystyka, ile wyników potrzeba, by<br />
w miar´ rzetelnie okreÊliç nieprecyzyjnoÊç,<br />
mo˝na spodziewaç si´ nast´pujàcej<br />
odpowiedzi – to zale˝y, co chce si´<br />
u<strong>do</strong>wodniç. Odchylenie standar<strong>do</strong>we, które<br />
obliczamy na podstawie ograniczonej<br />
liczby wyników, jest jedynie oszacowaniem<br />
(estymatà) rzeczywistego odchylenia standar<strong>do</strong>wego<br />
okreÊlajàcego rozproszenie<br />
wszystkich mo˝liwych wyników. Im wi´cej<br />
wyników weêmiemy <strong>do</strong> obliczeƒ, tym<br />
pewniejsze b´dzie oszacowanie nieprecyzyjnoÊci.<br />
Liczba 20 pomiarów wynika raczej z tradycji,<br />
której poczàtki znaleêç mo˝na w pierwszych<br />
pracach <strong>do</strong>tyczàcych zasad kontroli<br />
jakoÊci w laboratorium medycznym 17 . Nale˝y<br />
dà˝yç <strong>do</strong> tego, by, w miar´ gromadzenia<br />
kolejnych wyników pomiarów kontrolnych,<br />
wartoÊç odchylenia standar<strong>do</strong>wego,<br />
okreÊlajàcego nieprecyzyjnoÊç, by∏a aktualizowana.<br />
Sposób, w jaki zostanà zaplanowane<br />
i przeprowadzone pomiary, decyduje<br />
o interpretacji uzyskanych wyników.<br />
JeÊli pomiary zostanà wykonane<br />
w jednej serii analitycznej, uzyskane<br />
wyniki opisywaç b´dà tzw. nieprecyzyjnoÊç<br />
w serii (within-run imprecision),<br />
stanowiàcà iloÊciowà miar´<br />
powtarzalnoÊci (repeatability). PowtarzalnoÊç<br />
(cecha jakoÊciowa) jest<br />
to stopieƒ zgodnoÊci wyników kolejnych<br />
pomiarów tej samej wielkoÊci<br />
mierzonej, wykonywanych w tych<br />
samych warunkach pomiarowych 18 .<br />
Warunki te sà nazywane warunkami<br />
powtarzalnoÊci. Warunki powtarzalnoÊci<br />
zapewnia:<br />
– stosowanie tej samej procedury<br />
pomiarowej,<br />
– przez tego samego obserwatora,<br />
– przy u˝yciu tego samego przyrzàdu<br />
pomiarowego, w tych samych<br />
warunkach,<br />
– w tym samym miejscu<br />
– oraz powtarzanie oznaczeƒ w krótkich<br />
odst´pach czasu.<br />
Mo˝na przewidzieç, ˝e zró˝nicowanie<br />
uzyskanych wyników b´dzie<br />
w takich warunkach najmniejsze.<br />
Wykonywanie pomiarów w zmienionych<br />
warunkach powoduje, ˝e<br />
naruszone zostajà warunki powtarzalnoÊci.<br />
Ujawniajà si´ <strong>do</strong>datkowe<br />
czynniki, które zwi´kszajà zmiennoÊç<br />
uzyskiwanych wyników. Rozrzut wyników<br />
wzrasta. Warunki podlegajàce<br />
zmianom mogà obejmowaç:<br />
- zasad´ pomiaru,<br />
- metod´ pomiaru,<br />
- obserwatora,<br />
- przyrzàd pomiarowy,<br />
- wzorzec odniesienia,<br />
- miejsce, warunki stosowania<br />
- oraz czas.<br />
NieprecyzyjnoÊç oceniana w zmienionych<br />
warunkach stanowi iloÊciowà<br />
miar´ odtwarzalnoÊci (reproducibility).<br />
OdtwarzalnoÊç (cecha jakoÊciowa)<br />
jest to stopieƒ zgodnoÊci wyników<br />
pomiarów tej samej wielkoÊci mierzonej,<br />
wykonywanych w zmienionych<br />
warunkach 19 .<br />
Precyzja pomiarów, po<strong>do</strong>bnie jak powtarzalnoÊç<br />
i odtwarzalnoÊç, jest cechà jako-<br />
Êciowà. Zwa˝ywszy, ˝e miarà precyzji jest<br />
nieprecyzyjnoÊç, b´dàca odchyleniem<br />
standar<strong>do</strong>wym, wydaje si´, ˝e dla zachowania<br />
logiki w stosowanej nomenklaturze,<br />
miarà powtarzalnoÊci powinna byç<br />
„niepowtarzalnoÊç”, a miarà odtwarzalno-<br />
Êci „nieodtwarzalnoÊç”. Na szcz´Êcie ani<br />
w Mi´dzynaro<strong>do</strong>wym s∏owniku podstawowych<br />
i ogólnych terminów metrologii,<br />
ani w <strong>do</strong>kumencie ISO 3534-1 nie znajdujemy<br />
okreÊleƒ w rodzaju: „unrepeatability”,<br />
czy „unreproducibility”. Stwarza to<br />
nadziej´ na ograniczenie nadmiernego<br />
s∏owotwórstwa w omawianej dziedzinie.<br />
Je˝eli czas, w którym wykonuje si´<br />
pomiary, jest odpowiednio d∏ugi, staje<br />
si´ mo˝liwe oszacowanie nieprecyzyjnoÊci<br />
pomiarów w zmieniajàcych<br />
si´ warunkach rutynowej pracy<br />
laboratorium. Uwa˝a si´, ˝e konieczne<br />
jest w tym celu przeprowadzenie<br />
eksperymentu w ciàgu co najmniej<br />
20 dni roboczych 20 . Pomiary nale˝y<br />
wykonywaç w stabilnym materiale<br />
kontrolnym. Odchylenie standar<strong>do</strong>we,<br />
obliczone na podstawie 20 wyników<br />
zgromadzonych w ciàgu 20<br />
dni pracy laboratorium, stanowi tzw.<br />
nieprecyzyjnoÊç ca∏kowità (total imprecision).<br />
To w∏aÊnie ta liczba nas<br />
interesuje:<br />
I = SD =<br />
2<br />
∑ (x i – x)<br />
n – 1<br />
gdzie:<br />
I – nieprecyzyjnoÊç; SD – odchylenie<br />
standar<strong>do</strong>we; x i – kolejny (i-ty) wynik; x –<br />
wartoÊç Êrednia, n – liczba wyników.<br />
Informacja o nieprecyzyjnoÊci mo˝e<br />
byç tak˝e przedstawiona w formie
Zrozumieç kontrol´ jakoÊci. Cz´Êç 1. Pomiar jakoÊci<br />
wzgl´dnej, jako wspó∏czynnik zmiennoÊci:<br />
SD<br />
I% = CV = x 100<br />
x<br />
gdzie:<br />
I% – nieprecyzyjnoÊç wyra˝ona w formie<br />
wzgl´dnej; CV – wspó∏czynnik zmienno-<br />
Êci; SD – odchylenie standar<strong>do</strong>we; x –<br />
wartoÊç Êrednia.<br />
PoprawnoÊç<br />
B∏´dy systematyczne, wyst´pujàce<br />
podczas pomiarów, sprawiajà, ˝e<br />
wszystkie wyniki, jakie uzyskujemy,<br />
ró˝nià si´ o pewnà wartoÊç od wartoÊci<br />
rzeczywistej. Stopieƒ zgodnoÊci<br />
mi´dzy wartoÊcià Êrednià otrzymanà<br />
na podstawie du˝ej serii wyników<br />
badania a przyj´tà wartoÊcià odniesienia<br />
nazywany jest poprawno-<br />
Êcià (trueness) 21 . PoprawnoÊç by∏a<br />
tradycyjnie przedstawiana jako „<strong>do</strong>k∏adnoÊç”.<br />
U˝ywanie tego terminu<br />
nie jest zalecane.<br />
PoprawnoÊç, po<strong>do</strong>bnie jak precyzja,<br />
jest poj´ciem jakoÊciowym, które<br />
powinno byç stosowane z ostro˝no-<br />
Êcià. Nale˝y unikaç sformu∏owaƒ<br />
w rodzaju „poprawnoÊç pomiarów<br />
wynosi 1 mmol/l” lub „poprawnoÊç<br />
pomiarów wynosi 1%”.<br />
Obcià˝enie<br />
PoprawnoÊç pomiarów (cecha jako-<br />
Êciowa) opisywana jest za pomocà<br />
liczby, jakà jest ró˝nica pomi´dzy<br />
wartoÊcià Êrednià a przyj´tà wartoÊcià<br />
odniesienia. Zgodnie z <strong>do</strong>kumentem<br />
ISO 3534-1, iloÊciowa informacja<br />
o poprawnoÊci, przedstawiona w postaci<br />
tej ró˝nicy, okreÊlana jest jako<br />
obcià˝enie (bias, B) 22 . Obcià˝enie<br />
jest ca∏kowitym b∏´dem systematycznym,<br />
w odró˝nieniu od b∏´du losowego.<br />
Za wartoÊç odniesienia mo˝na przyjàç:<br />
– wartoÊç teoretycznà lub ustalonà<br />
na naukowych podstawach;<br />
– uznanà lub certyfikowanà wartoÊç,<br />
ustalonà na podstawie eksperymentalnej<br />
pracy kilku krajowych lub mi´dzynaro<strong>do</strong>wych<br />
organizacji;<br />
– uzgodnionà lub certyfikowanà wartoÊç,<br />
ustalonà na podstawie wspólnej<br />
eksperymentalnej pracy prowadzonej<br />
pod auspicjami naukowych lub in˝ynierskich<br />
zespo∏ów;<br />
– je˝eli w/w sà nie<strong>do</strong>st´pne, wartoÊç<br />
Êrednià z próbki okreÊlonej populacji<br />
wyników pomiarów 23 .<br />
W praktyce najcz´Êciej korzysta si´<br />
z wartoÊci odniesienia wyznaczonej<br />
tym ostatnim sposobem. Mianowany<br />
materia∏ kontrolny, przeznaczony<br />
<strong>do</strong> kontroli wewnàtrzlaboratoryjnej,<br />
<strong>do</strong>starczany jest <strong>do</strong> laboratorium<br />
wraz z <strong>do</strong>kumentacjà (metrykà), która<br />
zawiera wartoÊci nominalne poszczególnych<br />
wielkoÊci. WartoÊci nominalne<br />
sà Êrednimi obliczonymi w trakcie<br />
opracowywania materia∏u kontrolnego<br />
przez producenta.<br />
Obcià˝enie jest, wraz z TE A i nieprecyzyjnoÊcià,<br />
trzecià liczbà niezb´dnà<br />
<strong>do</strong> prawid∏owego opracowania programu<br />
kontroli wewnàtrzlaboratoryjnej:<br />
B = x – x r<br />
gdzie:<br />
B – obcià˝enie; x – wartoÊç Êrednia<br />
(w praktyce jest to Êrednia z 20 wyników<br />
pomiarów wykonanych podczas oceny<br />
nieprecyzyjnoÊci), x r – wartoÊç odniesienia<br />
(najcz´Êciej wartoÊç nominalna podana<br />
w metryce materia∏u kontrolnego).<br />
Informacja o obcià˝eniu mo˝e byç<br />
tak˝e przedstawiona w formie wzgl´dnej,<br />
jako procentowy wskaênik:<br />
x – x<br />
B% = r<br />
x<br />
x 100<br />
r<br />
gdzie:<br />
B% – obcià˝enie wyra˝one w formie<br />
wzgl´dnej; x – wartoÊç Êrednia, x r – wartoÊç<br />
odniesienia.<br />
Czym <strong>do</strong>k∏adnie jest<br />
<strong>do</strong>k∏adnoÊç?<br />
Nomenklatura stosowana przy opisie<br />
jakoÊci pomiarów zmieni∏a si´. Tradycyjnie,<br />
to co nazywa si´ dziÊ poprawno-<br />
Êcià, nazywano dawniej <strong>do</strong>k∏adnoÊcià.<br />
Jednak Mi´dzynaro<strong>do</strong>wa Organizacja<br />
Normalizacyjna zarezerwowa∏a dla <strong>do</strong>k∏adnoÊci<br />
inne znaczenie 24 .<br />
Dok∏adnoÊç (accuracy) jest to stopieƒ<br />
zgodnoÊci mi´dzy wynikiem<br />
badania a przyj´tà wartoÊcià odniesienia.<br />
Dok∏adnoÊç zale˝y od sumarycznego<br />
udzia∏u b∏´du przypadkowego<br />
oraz b∏´du systematycznego w kszta∏towaniu<br />
si´ wyniku pomiaru. Metoda<br />
<strong>do</strong>k∏adna jest precyzyjna i poprawna.<br />
Celem kontroli jakoÊci badaƒ laboratoryjnych<br />
jest nadzorowanie <strong>do</strong>k∏adnoÊci<br />
– sta∏e sprawdzanie, czy pojawiajàce<br />
si´ b∏´dy przypadkowe i systematyczne,<br />
uj´te ∏àcznie, nie przekraczajà<br />
ca∏kowitego <strong>do</strong>puszczalnego b∏´du pomiaru.<br />
Dok∏adnoÊç jest naszym celem.<br />
Przypisy<br />
1. Libeer J-C, Goldschmidt HMJ. The<br />
Euro-pean Conference on quality in the<br />
spotlight in medical laboratories, Antwerp<br />
Belgium,7-8 March 2005. Accred Qual<br />
Assur 2006; 11: 263-264.<br />
2. Gayken j, Noble M, Taylor J, et al. IQLM<br />
and CLMA take a snapshot of Americaís<br />
hospital laboratory quality management.<br />
Clin Leadersh Manag Rev 2005; 19: E2.<br />
3. Friedag HR, Schmidt W, Lewan<strong>do</strong>wska<br />
A, Likierski M. My Balanced Scorecard.<br />
Moja Strategiczna Karta Wyników.<br />
Najnowsza koncepcja zarzàdzania<br />
strategicznego. Wydawnictwo C.H. Beck,<br />
Warszawa 2004.<br />
4. PN-EN ISO 15189. Laboratoria medyczne<br />
– Szczególne wymagania <strong>do</strong>tyczàce<br />
jakoÊci i kompetencji. Polski Komitet<br />
Normalizacyjny, Warszawa 2006.<br />
5. Kazmierczak S.C. Laboratory quality control:<br />
using patient data to assess analytical<br />
performance. Clin Chem Lab Med<br />
2003; 41: 617-627.<br />
6. Astion ML, Shojania KG, Hamill TR, et al.<br />
Classyfying laboratory incident reports<br />
to identify problems that jeopardize<br />
patient safety. Am J Clin Pathol 2003;<br />
120: 18-26.<br />
7. Bonini P, Plebani M, Ceriotti F, Rubboli<br />
F. Errors in laboratory medicine. Clin<br />
Chem 2002; 48: 691-698.<br />
8. Libeer, op. cit.<br />
9. Bonini, op. cit.<br />
10. International vocabulary of basic and<br />
general terms in metrology. International<br />
Organization for Standardization,<br />
Genewa 1993; Mi´dzynaro<strong>do</strong>wy s∏ownik<br />
podstawowych i ogólnych terminów<br />
metrologii. G∏ówny Urzàd Miar, Warszawa<br />
1996.<br />
11. Guide to the expression of uncertainty<br />
in measurement. International Organization<br />
for Standardization, Genewa<br />
1995; Wyra˝anie niepewnoÊci pomiaru.<br />
Przewodnik. G∏ówny Urzàd Miar, Warszawa<br />
1999.<br />
12. ISO 3534-1. Statistics – Vocabulary<br />
and symbols – Part 1: Probability and<br />
general statistical terms. International<br />
Organization for Standardization, Genewa<br />
1993.<br />
13. Dharan M. Precision or imprecision that<br />
is the question. Lab Management 1976;<br />
14: 43.<br />
14. Taylor BN, Kuyatt CE. Guidelines for<br />
evaluating and expressing the uncertainty<br />
of NIST measurement results.<br />
NIST Technical Note 1297. National<br />
Institute of Standards and Technology,<br />
Gaithersburg 1994.<br />
15. NCCLS C24-A2. Statistical quality control<br />
for quantitative measurements:<br />
principles and definitions. National<br />
Committee for Clinical Laboratory<br />
Standards, Wayne 1999.<br />
16. Antes-Maciejczyk B, Panek E. Kontrola<br />
jakoÊci badaƒ w diagnostyce laboratoryjnej.<br />
Wydawnictwo Âlàskiej Akademii<br />
Medycznej, Katowice 1990.<br />
17. Henry RJ, Segalove M. The running of<br />
standards in clinical chemistry and the<br />
use of control charts. J Clin Path 1952;<br />
5: 305-311.<br />
18. ISO 3534-1, op. cit.<br />
19. Ib.<br />
20. NCCLS C24-A2, op. cit.<br />
21. ISO 3534-1, op. cit.<br />
22. Ib.<br />
23. PN-ISO 5725-1. Dok∏adnoÊç (poprawnoÊç<br />
i precyzja) metod pomiarowych<br />
i wyników pomiarów. Cz´Êç 1: Ogólne<br />
zasady i definicje. Polski Komitet Normalizacyjny,<br />
Warszawa 2002.<br />
24. ISO 3534-1, op. cit.<br />
5
Zrozumieç kontrol´ jakoÊci. Cz´Êç 2. Ca∏kowity <strong>do</strong>puszczalny b∏àd pomiaru<br />
2.<br />
Część<br />
Całkowity <strong>do</strong>puszczalny błąd pomiaru<br />
Drugi artyku∏ z serii „Zrozumieç kontrol´ jakoÊci” poÊwi´cony jest <strong>do</strong>puszczalnemu b∏´<strong>do</strong>wi pomiarowemu.<br />
Liczbie, która stanowiç ma punkt odniesienia dla ka˝dego, kto próbuje oceniç jakoÊç wykonywanych pomiarów.<br />
Liczbie, która niknie z oczu w nat∏oku codziennych obowiàzków, a która w ostatecznym rozrachunku<br />
stanowi punkt wyjÊcia dla wszystkich dzia∏aƒ kontrolnych.<br />
Pierwsze pytanie osoby oceniajàcej stosowany w laboratorium system kontroli jakoÊci powinno <strong>do</strong>tyczyç ca∏kowitego<br />
<strong>do</strong>puszczalnego b∏´du pomiaru – czy i na jakiej podstawie zosta∏ ustalony. Brak informacji na ten<br />
temat Êwiadczy o tym, ˝e nie znane sà kryteria oceny jakoÊci wykonywanych badaƒ, a tym samym kontrola<br />
jakoÊci jest tylko sztukà dla sztuki.<br />
6<br />
W praktyce laboratoryjnej rzeczywista<br />
wartoÊç wielkoÊci mierzonej nie<br />
jest znana, a w zwiàzku z tym niemo˝liwe<br />
jest okreÊlenie wielkoÊci<br />
b∏´du obarczajàcego pojedynczy<br />
wynik pomiaru. Dla opisu jakoÊci<br />
metody konieczne jest pos∏u˝enie<br />
si´ oszacowaniem. WielkoÊç b∏´dów<br />
przypadkowych i systematycznych staje<br />
si´ przedmiotem oszacowania prowadzonego<br />
na podstawie wyników<br />
pomiarów kontrolnych. Informacja<br />
o wielkoÊci b∏´dów przypadkowych<br />
i systematycznych wyra˝ona zostaje<br />
odpowiednio w postaci nieprecyzyjnoÊci<br />
i obcià˝enia (patrz Cz´Êç 1).<br />
Umiej´tne po∏àczenie nieprecyzyjnoÊci<br />
i obcià˝enia pozwala ustaliç<br />
przedzia∏ ufnoÊci, w którym mieÊci<br />
si´ uzyskany wynik pomiaru 1 :<br />
X + (z x I + B)<br />
–<br />
gdzie:<br />
X – wynik pomiaru;<br />
z – wspó∏czynnik rozszerzenia okre-<br />
Êlajàcy szerokoÊç przedzia∏u ufnoÊci<br />
(np. 1,65 dla jednostronnego 95%<br />
przedzia∏u ufnoÊci lub 1,96 dla jednostronnego<br />
99% przedzia∏u ufnoÊci);<br />
I – oszacowana nieprecyzyjnoÊç metody;<br />
B – oszacowane obcià˝enie metody.<br />
SzerokoÊç wyznaczonego przedzia∏u<br />
ufnoÊci odzwierciedla jakoÊç analitycznà<br />
wyniku. Wyra˝enie (z x I + B)<br />
okreÊlane jest mianem b∏´du ca∏kowitego<br />
(total error, TE).<br />
Wymagania <strong>do</strong>tyczàce jakoÊci metod<br />
analitycznych stosowanych w laboratoriach<br />
medycznych (quality specifications,<br />
quality goals) formu∏owane<br />
sà w postaci ca∏kowitego <strong>do</strong>puszczalnego<br />
b∏´du pomiaru (total error<br />
allowable, TE A ). TE A jest to szerokoÊç<br />
przedzia∏u ufnoÊci (z x I + B),<br />
której przekroczenie Êwiadczy o utracie<br />
wiarygodnoÊci analitycznej.<br />
OkreÊlenie konkretnych wartoÊci TE A<br />
dla poszczególnych wielkoÊci badanych<br />
w laboratorium medycznym<br />
jest podstawowym zadaniem osoby<br />
planujàcej prowadzenie statystycznej<br />
kontroli jakoÊci. Dopiero znajomoÊç<br />
TE A pozwala rozstrzygnàç, czy dana<br />
metoda, z jej nieprecyzyjnoÊcià i obcià˝eniem,<br />
jest metodà wiarygodnà.<br />
Przyst´pujàc <strong>do</strong> ustalenia wartoÊci<br />
TE A, nale˝y zdawaç sobie spraw´<br />
z tego, ˝e istnieje szereg sposobów<br />
realizacji tego zadania. Pomimo wielu<br />
staraƒ ujednolicenia post´powania<br />
nie uda∏o si´ jak <strong>do</strong>tàd opracowaç<br />
jednej metody, którà uznawano by za<br />
obowiàzujàcà 2 .<br />
Autorem, który jako pierwszy opisa∏<br />
i zastosowa∏ prostà metod´ wyznaczania<br />
TE A , by∏ David B. Tonks 3 .<br />
W opublikowanej w 1963 r. pracy,<br />
<strong>do</strong>tyczàcej kontroli jakoÊci badaƒ<br />
biochemicznych w 170 kanadyjskich<br />
laboratoriach, zaproponowa∏, by<br />
wartoÊç TE A powiàzaç z zakresem<br />
normy. Oryginalny wzór, s∏u˝àcy <strong>do</strong><br />
wyznaczania TE A , mia∏ nast´pujàcà<br />
postaç:<br />
Dopuszczalne granice błędu (w %) = + –<br />
(1/4 z zakresu normy)<br />
x 100%<br />
(średnia z zakresu normy)<br />
Dodatkowo Tonks zastosowa∏ drugà<br />
(arbitralnà) zasad´, zgodnie z którà<br />
˝aden TE A nie powinien byç wi´kszy<br />
od 10%. WartoÊci TE A przyj´te przez<br />
Tonksa w omawianej pracy by∏y<br />
nast´pujàce: sód ± 1,8%; chlorki ±<br />
2%; bia∏ko ca∏kowite ± 7%; glukoza,<br />
fosforany, azot mocznika, cholesterol<br />
– wszystkie ± 10%.<br />
Zaletà metody Tonksa by∏a jej prostota,<br />
która sprawia∏a, ˝e mo˝liwe by∏o<br />
okreÊlenie TE A dla ka˝dej mierzonej<br />
wielkoÊci o znanym zakresie normy.<br />
Wkrótce okaza∏o si´ jednak, ˝e metoda<br />
ta wykazuje <strong>do</strong>Êç istotnà wad´.<br />
SzerokoÊç i po∏o˝enie zakresu normy,<br />
stosowanego <strong>do</strong> okreÊlenia TE A ,<br />
uzale˝nione sà od jakoÊci samej metody.<br />
NieprecyzyjnoÊç poszerza ten<br />
zakres, zaÊ obcià˝enie przesuwa go<br />
w jednà lub drugà stron´. Wyst´powanie<br />
du˝ych b∏´dów przypadkowych<br />
i systematycznych mo˝e powo<strong>do</strong>waç<br />
uzyskanie bardzo szerokiego zakresu<br />
normy, a w zwiàzku z tym równie˝<br />
du˝ej wartoÊci TE A . Tak wi´c niska<br />
wyjÊciowa jakoÊç metody mo˝e prowadziç<br />
<strong>do</strong> zbyt liberalnej oceny jej<br />
wiarygodnoÊci.<br />
Drugim problemem, niezale˝nym od<br />
samej metody, by∏a utrata podstaw<br />
<strong>do</strong> prowadzenia obliczeƒ, wynikajàca<br />
z definitywnego odejÊcia od stosowania<br />
w praktyce laboratoryjnej<br />
zakresu normy. Pod koniec lat szeÊçdziesiàtych<br />
ubieg∏ego wieku zacz´∏y<br />
ukazywaç si´ publikacje krytykujàce<br />
poj´cie zakresu normy (wartoÊci<br />
normalnych). Poczàtkowo subtelne<br />
wàtpliwoÊci przerodzi∏y si´ w latach<br />
siedemdziesiàtych we frontalny atak<br />
ze strony autorów wytykajàcych j´zykowe,<br />
filozoficzne, statystyczne i meto<strong>do</strong>logiczne<br />
mankamenty normy<br />
w diagnostyce laboratoryjnej. W pod-
Zrozumieç kontrol´ jakoÊci. Cz´Êç 2. Ca∏kowity <strong>do</strong>puszczalny b∏àd pomiaru<br />
sumowaniu o˝ywionej dyskusji na<br />
ten temat Edmond A. Murphy 4 , s∏ynny<br />
filozof medycyny, stwierdzi∏, ˝e<br />
z naukowego punktu widzenia niemo˝liwe<br />
jest podanie definicji zakresu<br />
normy. WartoÊci normalne sà reliktem<br />
wprowadzonym <strong>do</strong> medycyny w erze<br />
przednaukowej. W wyniku prac Panelu<br />
Ekspertów ds. Teorii WartoÊci<br />
Referencyjnych Mi´dzynaro<strong>do</strong>wej<br />
Federacji Chemii Klinicznej zakres<br />
normy zastàpiony zosta∏ przedzia∏em<br />
(przedzia∏ami) referencyjnym (referencyjnymi).<br />
Propozycja Tonksa, by wywieÊç TE A<br />
z zakresu normy, choç krytykowana<br />
i w koƒcu odrzucona, sta∏a si´ êród∏em<br />
kolejnych pomys∏ów na wyznaczanie<br />
TE A . Powszechnà akceptacj´<br />
z<strong>do</strong>by∏a idea powiàzania wartoÊci<br />
TE A ze zmiennoÊcià biologicznà badanych<br />
wielkoÊci. Niezale˝nie rozwija∏a<br />
si´ inna koncepcja, zak∏adajàca<br />
ustalanie wartoÊci TE A na podstawie<br />
oczekiwaƒ formu∏owanych przez klinicystów.<br />
Pojawi∏y si´ tak˝e publikacje<br />
<strong>do</strong>wodzàce, i˝ wartoÊç TE A powinna<br />
byç ustalana w oparciu o analiz´ aktualnych<br />
mo˝liwoÊci technicznych, jakimi<br />
dysponujà laboratoria w zakresie<br />
pomiaru danej wielkoÊci.<br />
Ujednoliconà hierarchi´ sposobów<br />
wyznaczania TE A przedstawiono po<br />
raz pierwszy w czasie konferencji zatytu∏owanej:<br />
Strategies to set Global<br />
Quality Specifications in Laboratory<br />
Medicine, która odby∏a si´ w Sztokholmie<br />
w dniach 24-26.04.1999 roku 5 .<br />
Zgodnie z ustaleniami tej konferencji<br />
wielkoÊç TE A mo˝e byç obliczana lub<br />
przyjmowana w oparciu o:<br />
1. Wyniki analizy skutków ró˝nych<br />
wartoÊci TE A w okreÊlonych sytuacjach<br />
klinicznych;<br />
2. Wyniki analizy skutków ró˝nych<br />
wartoÊci TE A na podejmowane decyzje<br />
kliniczne:<br />
a. Dane oparte na zmiennoÊci biologicznej;<br />
b. Dane oparte na analizie opinii<br />
klinicystów;<br />
3. Publikowane zalecenia:<br />
a. Ustalenia krajowych i mi´dzynaro<strong>do</strong>wych<br />
grup ekspertów;<br />
b. Ustalenia lokalnych grup ekspertów<br />
lub indywidualnych specjalistów;<br />
4. Dopuszczalne TE A :<br />
a. OkreÊlone przez obowiàzujàce<br />
przepisy;<br />
b. Pochodzàce z programów zewnàtrzlaboratoryjnej<br />
oceny jako-<br />
Êci (external quality assessment,<br />
EQA);<br />
5. WartoÊci wynikajàce z mo˝liwoÊci<br />
technicznych (state of the art):<br />
a. Obliczane z wyników uzyskiwanych<br />
przez laboratoria w programach<br />
EQA;<br />
b. Podawane w aktualnym piÊmiennictwie.<br />
Szczegó∏owe wymagania<br />
kliniczne<br />
Idealnym rozwiàzaniem przy wyznaczaniu<br />
wartoÊci TE A by∏oby kierowanie<br />
si´ konkretnymi potrzebami klinicznymi.<br />
W praktyce post´powanie takie<br />
jest trudne z uwagi na problemy ze<br />
Êcis∏ym okreÊleniem po˝àdanej jako-<br />
Êci badaƒ laboratoryjnych w wielu,<br />
cz´sto diametralnie odmiennych, sytuacjach<br />
klinicznych. Stàd konieczne<br />
jest odwo∏anie si´ <strong>do</strong> prac grup ekspertów,<br />
którzy w trakcie przygotowywania<br />
wytycznych na temat zasad<br />
post´powania w okreÊlonych sytuacjach<br />
klinicznych opracowujà zalecane<br />
wartoÊci TE A . Takich szczegó∏owych<br />
opracowaƒ jest jak na razie niewiele<br />
6, 7, 8 . Nie znalaz∏y one jak <strong>do</strong>tàd powszechnego<br />
zastosowania w praktyce.<br />
ZmiennoÊç biologiczna<br />
Powszechnie przyj´tym rozwiàzaniem<br />
jest w chwili obecnej wyznaczanie<br />
wartoÊci TE A w oparciu o informacje<br />
na temat zmiennoÊci biologicznej badanych<br />
wielkoÊci.<br />
ZmiennoÊç biologiczna jest to naturalne,<br />
fizjologiczne, wynikajàce z dzia-<br />
∏ania wielu ró˝norodnych czynników<br />
(np. diety, aktywnoÊci fizycznej, pory<br />
dnia itp.), zró˝nicowanie wartoÊci<br />
badanych wielkoÊci. Wyró˝nia si´<br />
zmiennoÊç wewnàtrz- i mi´dzyosobniczà.<br />
Wewnàtrzosobnicza zmiennoÊç<br />
biologiczna to przeci´tne zró˝nicowanie<br />
wyników obserwowane u jednej<br />
zdrowej osoby. Mi´dzyosobnicza<br />
zmiennoÊç biologiczna to zró˝nicowanie<br />
obserwowane w grupie zdrowych<br />
osób. Ta ostatnia zmiennoÊç,<br />
wraz ze zmiennoÊcià analitycznà,<br />
decyduje o szerokoÊci przedzia∏u referencyjnego<br />
dla danej wielkoÊci.<br />
ZmiennoÊç biologiczna przedstawiana<br />
jest w postaci wspó∏czynnika zmiennoÊci<br />
(coefficient of variation, CV).<br />
Zgodnie z koncepcjà Cotlove’a i wsp. 9<br />
<strong>do</strong>puszczalna nieprecyzyjnoÊç powinna<br />
wyra˝aç si´ wspó∏czynnikiem<br />
zmiennoÊci nie przekraczajàcym po-<br />
∏owy zmiennoÊci wewnàtrzosobniczej<br />
badanej wielkoÊci:<br />
I A<br />
< 0,5 x CV I<br />
gdzie:<br />
I A – wspó∏czynnik zmiennoÊci okreÊlajàcy<br />
<strong>do</strong>puszczalnà nieprecyzyjnoÊç;<br />
CV I – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç wewnàtrzosobniczà.<br />
Tak wyznaczona wartoÊç okreÊla nieprecyzyjnoÊç<br />
na poziomie po˝àdanym.<br />
Z kolei wed∏ug Gowans i wsp. 10 <strong>do</strong>puszczalne<br />
obcià˝enie powinno<br />
wyra˝aç si´ wzgl´dnà ró˝nicà nie<br />
przekraczajàcà jednej czwartej sumy<br />
zmiennoÊci wewnàtrzosobniczej i mi´dzyosobniczej<br />
badanej wielkoÊci:<br />
2 2<br />
B A<br />
< 0,25 x CV I + CV G<br />
gdzie:<br />
B A – wzgl´dna ró˝nica okreÊlajàca<br />
<strong>do</strong>puszczalne obcià˝enie;<br />
CV I – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç wewnàtrzosobniczà;<br />
CV G – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç mi´dzyosobniczà.<br />
Tak wyznaczona wartoÊç okreÊla obcià˝enie<br />
na poziomie po˝àdanym.<br />
Przedstawione zalecenia zaakceptowane<br />
zosta∏y przez grup´ roboczà<br />
dzia∏ajàcà w ramach European Group<br />
for the Evaluation of Reagents and<br />
Analytical Systems in Laboratory Medicine<br />
w roku 1992 11 .<br />
Informacje na temat zmiennoÊci<br />
biologicznej wielkoÊci laboratoryjnych<br />
publikowane sà w fachowym<br />
piÊmiennictwie. Najobszerniejszym<br />
zbiorem jest praca grupy autorów<br />
hiszpaƒskich, kierowanej przez Carmen<br />
Ricós, zestawiajàca zmiennoÊç<br />
wewnàtrz- i mi´dzyosobniczà 289<br />
parametrów laboratoryjnych 12 . Ricós<br />
i wsp. <strong>do</strong>konujà regularnych przeglàdów<br />
piÊmiennictwa, zestawiajàc<br />
dane o zmiennoÊci biologicznej<br />
poszczególnych wielkoÊci. Dzi´ki<br />
wspó∏pracy z prof. JO Westgardem,<br />
autorzy wykorzystujà mo˝liwoÊç<br />
u<strong>do</strong>st´pniania tych danych szerokiej<br />
grupie odbiorców, publikujàc je na<br />
stronie internetowej Westgard QC.<br />
Wykorzystujàc informacje na temat<br />
zmiennoÊci biologicznej, mo˝na<br />
obliczyç I A iB A , a w koƒcu TE A dla<br />
rutynowo wykonywanych badaƒ hematologicznych,<br />
biochemicznych,<br />
immunochemicznych, koagulologicznych,<br />
gazometrycznych i innych.<br />
Poszukujàc na przyk∏ad <strong>do</strong>puszczalnej<br />
nieprecyzyjnoÊci i <strong>do</strong>puszczalnego<br />
obcià˝enia dla pomiarów st´˝enia<br />
glukozy w surowicy, nale˝y sprawdziç,<br />
jak oszacowana zosta∏a zmiennoÊç<br />
wewnàtrzosobnicza (CV I ) i mi´dzyosobnicza<br />
(CV G ) st´˝enia glukozy.<br />
Wiedzàc, ˝e CV I wynosi 5,7%, a CV G<br />
6,9 %, obliczyç mo˝na:<br />
– <strong>do</strong>puszczalnà nieprecyzyjnoÊç dla<br />
pomiarów st´˝enia glukozy:<br />
I A<br />
< 0,5 x 5,7% < 2,9%<br />
7
Zrozumieç kontrol´ jakoÊci. Cz´Êç 2. Ca∏kowity <strong>do</strong>puszczalny b∏àd pomiaru<br />
– <strong>do</strong>puszczalne obcià˝enie dla pomiarów<br />
st´˝enia glukozy:<br />
2 2<br />
B A<br />
< 0,25 x 5,7% + 6,9% < 2,2%<br />
– ca∏kowity <strong>do</strong>puszczalny b∏àd pomiarów<br />
st´˝enia glukozy:<br />
TE A<br />
< 1,65 x I A + B A<br />
<<br />
1,65 x 2,9% + 2,2% < 6,9%<br />
Wyznaczanie <strong>do</strong>puszczalnego b∏´du<br />
w oparciu o zmiennoÊç biologicznà<br />
jest cz´sto stosowanym rozwiàzaniem.<br />
Stwarza ono jednak pewnà<br />
praktycznà trudnoÊç, poniewa˝ nie<br />
uwzgl´dnia aktualnych mo˝liwoÊci<br />
technicznych laboratorium. JeÊli precyzja<br />
lub poprawnoÊç stosowanej<br />
metody pomiarowej jest niewystarczajàca,<br />
b∏´dy pomiarowe przekraczajà<br />
<strong>do</strong>puszczalny b∏àd ca∏kowity,<br />
a post´powanie kontrolne traci racjonalne<br />
podstawy. Konieczne staje si´<br />
poprawienie precyzji i/lub poprawno-<br />
Êci. Zdarza si´ jednak, ˝e stosowane<br />
zabiegi (np. wielokrotne powtarzanie<br />
pomiarów, cz´ste kalibracje) nie prowadzà<br />
<strong>do</strong> osiàgni´cia po˝àdanej precyzji<br />
czy poprawnoÊci. W takiej sytuacji<br />
mo˝e byç uzasadnione przyj´cie<br />
bardziej liberalnych granic b∏´du <strong>do</strong>puszczalnego.<br />
Przy obiektywnych trudnoÊciach<br />
z osiàgni´ciem po˝àdanej jakoÊci<br />
pomiarów zalecane jest wyznaczanie<br />
<strong>do</strong>puszczalnego b∏´du precyzji wed∏ug<br />
wzoru:<br />
I A<br />
< 0,75 x CV I<br />
gdzie:<br />
I A – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy <strong>do</strong>puszczalnà nieprecyzyjnoÊç;<br />
CV I – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç wewnàtrzosobniczà.<br />
Tak wyznaczona wartoÊç okreÊla <strong>do</strong>puszczalnà<br />
nieprecyzyjnoÊç na poziomie<br />
minimalnym.<br />
Po<strong>do</strong>bne z∏agodzenie wymagaƒ mo-<br />
˝e <strong>do</strong>tyczyç <strong>do</strong>puszczalnego obcià˝enia,<br />
które wyznacza si´ wed∏ug wzoru:<br />
2 2<br />
B A<br />
< 0,375 x CV I + CV G<br />
gdzie:<br />
B A – wzgl´dna ró˝nica okreÊlajàca<br />
<strong>do</strong>puszczalne obcià˝enie;<br />
CV I – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç wewnàtrzosobniczà;<br />
CV G – wspó∏czynnik zmiennoÊci<br />
okreÊlajàcy zmiennoÊç mi´dzyosobniczà.<br />
Tak wyznaczona wartoÊç okreÊla <strong>do</strong>puszczalne<br />
obcià˝enie na poziomie<br />
minimalnym.<br />
W pracy rutynowej mo˝liwe jest te˝<br />
zaobserwowanie sytuacji przeciwnej.<br />
Stosowane rozwiàzania techniczne<br />
mogà zapewniaç bardzo wysokà jakoÊç<br />
pomiarów. Dopuszczalnà nieprecyzyjnoÊç<br />
wyznaczyç mo˝na wtedy<br />
wed∏ug wzoru:<br />
I A<br />
< 0,25 x CV I<br />
gdzie:<br />
I A – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy <strong>do</strong>puszczalnà nieprecyzyjnoÊç;<br />
CV I – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç wewnàtrzosobniczà.<br />
Tak wyznaczona wartoÊç stanowi <strong>do</strong>puszczalnà<br />
nieprecyzyjnoÊç na poziomie<br />
optymalnym.<br />
Dopuszczalne obcià˝enie na poziomie<br />
optymalnym zaÊ oblicza si´ wed∏ug<br />
wzoru:<br />
2 2<br />
B A<br />
< 0,125 x CV I + CV G<br />
gdzie:<br />
B A – wzgl´dna ró˝nica okreÊlajàca<br />
<strong>do</strong>puszczalne obcià˝enie;<br />
CV I – wspó∏czynnik zmiennoÊci okre-<br />
Êlajàcy zmiennoÊç wewnàtrzosobniczà;<br />
CV G – wspó∏czynnik zmiennoÊci<br />
okreÊlajàcy zmiennoÊç mi´dzyosobniczà.<br />
Tym sposobem ró˝nicuje si´ wielkoÊç<br />
<strong>do</strong>puszczalnego b∏´du pomiarowego,<br />
uzale˝niajàc jà z jednej strony<br />
od zmiennoÊci biologicznej badanego<br />
parametru, z drugiej zaÊ od technicznych<br />
mo˝liwoÊci laboratorium.<br />
Zanim skorzysta si´ z bazy danych<br />
na temat zmiennoÊci biologicznej,<br />
warto pami´taç, ˝e wykorzystanie<br />
zmiennoÊci biologicznej, jako podstawy<br />
obliczeƒ TE A jest obecnie najlepszym<br />
rozwiàzaniem, zarówno<br />
z teoretycznego jak i praktycznego<br />
punktu widzenia.<br />
Analiza opinii klinicystów<br />
Ustalanie wartoÊci TE A z odbiorcami<br />
wyników badaƒ laboratoryjnych nastr´czaç<br />
mo˝e trudnoÊci, wynikajàce<br />
z ró˝nic w postrzeganiu jakoÊci wyników<br />
badaƒ laboratoryjnych pomi´dzy<br />
klinicystami a pracownikami<br />
laboratorium. Konieczne staje si´<br />
wi´c dzia∏anie poÊrednie, polegajàce<br />
na eksperymentalnym wyznaczaniu<br />
tzw. krytycznej ró˝nicy (critical difference,<br />
CD) i obliczaniu TE A na bazie<br />
CD 13 . Zadanie to wymaga zaplanowania<br />
i realizacji badania ankietowego,<br />
które pozwoli ustaliç, jaka zmiana<br />
badanej wielkoÊci jest zmianà istotnà<br />
wed∏ug lekarzy zlecajàcych badanie.<br />
Znajàc wartoÊç CD oraz zmiennoÊç<br />
biologicznà danej wielkoÊci, mo˝na<br />
obliczyç wartoÊç TE A . Metoda ta ma<br />
ma∏e znaczenie w praktyce.<br />
Publikowane zalecenia<br />
Naj∏atwiejszym rozwiàzaniem przy<br />
ustalaniu wartoÊci TE A jest powo∏anie<br />
si´ na zalecenia przedstawiajàce<br />
wymagania <strong>do</strong>tyczàce jakoÊci wykonywanych<br />
pomiarów, opublikowane<br />
w fachowym piÊmiennictwie. Zalecenia<br />
takie mogà byç formu∏owane<br />
przez mi´dzynaro<strong>do</strong>we lub naro<strong>do</strong>we<br />
grupy ekspertów, lokalnych ekspertów<br />
oraz indywidualnych specjalistów.<br />
Zalecenia przyjmujà w niektórych<br />
krajach form´ obowiàzujàcych urz´<strong>do</strong>wych<br />
wymagaƒ.<br />
Przyk∏adem publikowanych zaleceƒ,<br />
na które mo˝na si´ powo∏aç przy<br />
okreÊlaniu wartoÊci TE A , sà zalecenia<br />
na temat jakoÊci metod pomiaru st´-<br />
˝enia lipidów, przedstawione przez<br />
National Education Cholesterol Program<br />
(NCEP) 14 .<br />
Cholesterol<br />
Cholesterol LDL<br />
Cholesterol HDL<br />
Triglicerydy<br />
Rozpowszechnione sà tak˝e wymagania<br />
American Diabetes Association<br />
(ADA), zaakceptowane tak˝e WHO,<br />
a tak˝e przez Polskie Towarzystwo<br />
Diabetologiczne 15 , <strong>do</strong>tyczàce jakoÊci<br />
metod pomiarowych wykorzystywanych<br />
w diagnostyce i monitorowaniu<br />
cukrzycy.<br />
Glukoza<br />
HbA 1c<br />
I A<br />
< 3%<br />
< 4%<br />
< 6%<br />
< 5%<br />
I A<br />
< 3,3%<br />
< 5%<br />
Zalecane wartoÊci TE A dla metod<br />
laboratoryjnych wykorzystywanych<br />
w diagnostyce chorób wàtroby podane<br />
zosta∏y przez autorów <strong>do</strong>kumentu<br />
zatytu∏owanego „Wytyczne laboratoryjne<br />
<strong>do</strong>tyczàce badaƒ przesiewowych,<br />
rozpoznawania i monitorowania<br />
uszkodzeƒ wàtroby” opracowanego<br />
przez The National Academy of Clinical<br />
Biochemistry (NACB), przet∏umaczonego<br />
tak˝e na j´zyk polski 16 .<br />
AIAT<br />
AspAT<br />
Fosfataza zasa<strong>do</strong>wa<br />
γ-glutamylotranspeptydaza<br />
Bilirubina<br />
Albumina<br />
I A<br />
–<br />
–<br />
–<br />
–<br />
–<br />
–<br />
B A<br />
< 3%<br />
< 4%<br />
< 10%<br />
< 5%<br />
B A<br />
< 2,5%<br />
B A<br />
–<br />
–<br />
–<br />
–<br />
–<br />
–<br />
TE A<br />
< 10% #<br />
< 15-20% #<br />
< 10-15% #<br />
< 20% #<br />
< 20% #<br />
< 10% *<br />
# dla górnych wartoÊci referencyjnych;<br />
dla <strong>do</strong>lnych wartoÊci referencyjnych;<br />
* w <strong>do</strong>kumencie zawarto uwag´: „B∏àd<br />
–<br />
TE A<br />
< 8,9%<br />
< 12%<br />
< 22%<br />
< 15%<br />
TE A<br />
< 7,9%<br />
–<br />
8
Zrozumieç kontrol´ jakoÊci. Cz´Êç 2. Ca∏kowity <strong>do</strong>puszczalny b∏àd pomiaru<br />
optymalny, uwzgl´dniajàcy zmiennoÊç<br />
biologicznà, jest tak ma∏y, ˝e ze wzgl´dów<br />
technicznych wi´kszoÊç laboratoriów<br />
nie mo˝e go osiàgnàç”.<br />
W sytuacji, gdy podana zosta∏a jedynie<br />
wartoÊç TE A , mo˝na samodzielnie<br />
obliczyç wartoÊç IA oraz BA.<br />
W sposób uproszczony przyjmuje<br />
si´, ˝e IA ≤ 1/3 TE A oraz BA ≤ TE A .<br />
Programy kontroli<br />
zewnàtrzlaboratoryjnej<br />
Innym rozwiàzaniem przy ustalaniu<br />
wielkoÊci b∏´du <strong>do</strong>puszczalnego mo-<br />
˝e byç wykorzystanie granic przyj´tych<br />
przez organizatorów programów<br />
EQA. Uczestnicy takich programów<br />
uzyskujà szczegó∏owe informacje na<br />
temat wielkoÊci <strong>do</strong>puszczalnego b∏´du<br />
ca∏kowitego obj´tych kontrolà pomiarów.<br />
Zgodnie z opinià Frasera, z uwagi<br />
na <strong>do</strong>Êç wysokie wymagania obowiàzujàce<br />
obecnie w programach EQA,<br />
TE A przyj´ty w laboratorium powinien<br />
byç równy <strong>do</strong>puszczalnemu b∏´<strong>do</strong>wi<br />
ca∏kowitemu przyj´temu w wybranym<br />
programie EQA (tabela I).<br />
Wi<strong>do</strong>czne rozbie˝noÊci w przedstawionych<br />
wymaganiach wynikajà<br />
z zastosowania przez organizatorów<br />
programów EQA ró˝nych metod wyznaczania<br />
b∏´du <strong>do</strong>puszczalnego.<br />
„State of the art”<br />
B∏àd <strong>do</strong>puszczalny wyznaczyç mo˝na<br />
równie˝ uwzgl´dniajàc jakoÊç aktualnie<br />
stosowanych systemów analitycznych<br />
(state of the art). W takim<br />
przypadku konieczne jest zapoznanie<br />
si´ z aktualnymi wynikami zewnàtrzlaboratoryjnej<br />
oceny jakoÊci.<br />
Za ca∏kowity <strong>do</strong>puszczalny b∏àd pomiaru<br />
przyjàç mo˝na wybranà wielokrotnoÊç<br />
odchylenia standar<strong>do</strong>wego<br />
(w jednostkach pomiaru) lub wspó∏czynnika<br />
zmiennoÊci opisujàcego<br />
rozproszenie wyników pomiarów<br />
kontrolnych. Poziom optymalny jako-<br />
Êci to 0,5 x SD (lub CV), zaÊ poziom<br />
minimalny to 1,65 x SD (lub CV) 17 .<br />
Tabela 1.<br />
Polska USA Niemcy Labquality<br />
COBJwDL CLIA-88 RILIBÄK<br />
Sód 3% 4 mmol/l 6,1% 2%<br />
Potas 4.5% 0,5 mmol/l 9% 4%<br />
Chlorki 4% 5% 9% 2%<br />
Wapƒ 6% 1 mg/dl 11% 3%<br />
Bia∏ko 6% 10% 11% 5%<br />
Mocznik 10% 2 mg/dl lub 9% 22% 10%<br />
Kreatynina 10% 0,3 mg/dl lub 15% 22% 8%<br />
Glukoza 8% 6 mg/dl lub 10% 16% 6%<br />
Bilirubina 15% 0,4 mg/dl lub 20% 26% 12%<br />
Cholesterol 8% 10% 14% 5%<br />
Przypisy<br />
1. Hyltoft Petersen P, Fraser CG, Jörgensen L,<br />
Brandslund I, Stahl M, Gowans EMS, Libeer<br />
J-C, Ricós C. Combination of analytical<br />
quality specifications based on<br />
biological within- and between-subject<br />
variation. Ann Clin Biochem 2002; 39:<br />
543-50.<br />
2. Hyltoft Petersen P, Fraser CG, Kallner A,<br />
Kenny D, eds. Strategies to set global<br />
analytical quality specifications in laboratory<br />
medicine. Scand J Clin Lab Invest<br />
1999; 59: 475-585.<br />
3. Tonks DB. A study of the accuracy and<br />
precision of clinical chemistry determinations<br />
in 170 canadian laboratories.<br />
Clin Chem 1963; 9: 217-33.<br />
4. Murphy EA. The normal, and the perils<br />
of the sylleptic argument. Perspect Biol<br />
Med 1972; 15: 566-82.<br />
5. Hyltoft Petersen P, op. cit.<br />
6. Hyltoft Petersen P, Horder M. Influence of<br />
analytical quality on test results. Scand<br />
J Clin Lab Investig 1992; 58 (Suppl 208):<br />
65-87.<br />
7. Klee GG. Tolerance limits for short-term<br />
analytical bias and analytical imprecision<br />
derived from clinical assay specificity.<br />
Clin Chem 1993; 39: 1514-8.<br />
8. Lytken Larsen M, Hyltoft Petersen P,<br />
Fraser CG. A comparison of analytical<br />
goals for haemoglobin A1c assays derived<br />
using different strategies. Ann Clin<br />
Biochem 1990; 28: 272-8.<br />
9. Cotlove E, Harris EK, Williams GZ. Biological<br />
and analytical components of variation<br />
in long term studies of serum<br />
constituents in normal subjects. III. Physiological<br />
and medical implications. Clin<br />
Chem 1970; 16: 1028-32.<br />
10. Gowans EMS, Hyltoft Petersen P, Blaabjerg<br />
O, H?rder M. Analytical goals for acceptance<br />
of reference intervals for laboratories<br />
throughout a geographical area. Scand<br />
J Clin Lab Invest 1988; 48: 757-64.<br />
11. Fraser CG, Hyltoft Petersen P, Ricós C,<br />
Haeckel R. Proposed quality specifications<br />
for the imprecision and inaccuracy<br />
of analytical systems for clinical chemistry.<br />
Eur Clin Chem Clin Biochem 1992;<br />
30: 311-7.<br />
12. http://www.westgard.com/biodatabase1.htm<br />
(15. 11. 2006 r.).<br />
13. Sandberg S, Thue G. Quality specifications<br />
derived from objective analyses<br />
based upon clinical needs. Scand J Clin<br />
Lab Invest 1999; 59: 531-34.<br />
14. National Education Cholesterol Program.<br />
Recommendations on lipoprotein<br />
measurement. From the Working<br />
Group on Lipoprotein Measurement.<br />
National Institutes of Health 1995.<br />
15. Zalecenia kliniczne <strong>do</strong>tyczàce post´powania<br />
u chorych na cukrzyc´, 2006.<br />
Stanowisko Polskiego Towarzystwa Diabetologicznego.<br />
http://www.cukrzyca.info.pl/<br />
lekarz/standardy/article/1597.html<br />
16. http://www.nacb.org/lmpg/hepatic/<br />
Monograph_Hepatitis_Polish.<strong>pdf</strong><br />
17. Castilla JA, Morancho-Zaragoza J, Aguilar J,<br />
Prats-Gimenez R, Gonzalvo MC, Fernandez-Par<strong>do</strong><br />
E, Ivarez CA, Calafell R, Martinez<br />
L. Quality specifications for seminal<br />
parameters based on the state of the<br />
art. Hum Reprod 2005; 20: 2573-8.<br />
9
Zrozumieç kontrol´ jakoÊci. Cz´Êç 3. Karta kontrolna<br />
3.<br />
Część<br />
Karta kontrolna<br />
Wielka siódemka w statystycznej kontroli procesu (magnificent seven of statistical process control) to zestaw<br />
narz´dzi umo˝liwiajàcych praktycznà realizacj´ zadaƒ, majàcych na celu osiàgni´cie i utrzymanie po˝àdanej<br />
jakoÊci produktów lub us∏ug. Wielkà siódemk´ tworzà: diagram przebiegu procesu, karta kontrolna, arkusz kontrolny,<br />
diagram Ishikawy, diagram Pareto, histogram oraz punktowy diagram korelacji. Ka˝de z wymienionych<br />
narz´dzi <strong>do</strong>starcza informacji, które mogà staç si´ podstawà wa˝nych decyzji, wp∏ywajàcych na jakoÊç procesu.<br />
Najwi´ksze znaczenie w statystycznej kontroli jakoÊci prowadzonej w laboratoriach medycznych odgrywajà<br />
karty kontrolne. Trzecia cz´Êç serii „Zrozumieç kontrol´ jakoÊci” przedstawia kart´ s∏u˝àcà <strong>do</strong> kontroli nieprecyzyjnoÊci<br />
i obcià˝enia, zwanà tradycyjnie kartà Levey’a i Jenningsa.<br />
Naukowe podstawy statystycznej<br />
kontroli jakoÊci procesu produkcyjnego<br />
opracowa∏ Walter A. Shewhart<br />
(1891-1967) – statystyk zatrudniony<br />
w latach dwudziestych i trzydziestych<br />
ubieg∏ego wieku w Bell Telephone<br />
Laboratories w USA. Shewhart twierdzi∏,<br />
˝e celem przemys∏u jest ustanowienie<br />
takich sposobów zaspokajania<br />
ludzkich potrzeb, które gwarantowa∏yby<br />
maksymalnà redukcj´ dzia∏aƒ wymagajàcych<br />
ludzkiego wysi∏ku. U˝ywajàc<br />
metod naukowych, obejmujàcych<br />
mi´dzy innymi nowoczesne metody<br />
statystyczne, stwierdzi∏, ˝e mo˝liwe<br />
jest okreÊlenie granic, w których wyniki<br />
ludzkich dzia∏aƒ powinny si´<br />
mieÊciç, aby dzia∏ania te by∏y uzasadnione<br />
z punktu widzenia ekonomii.<br />
Przekroczenie wyznaczonych granic<br />
zmiennoÊci wskazywaç mia∏o na pogorszenie<br />
si´ procesu, który pozostawa∏<br />
nieekonomiczny <strong>do</strong> momentu,<br />
gdy przyczyna problemu nie zosta∏a<br />
usuni´ta.<br />
Shewhart sformu∏owa∏ t´ myÊl we<br />
wst´pie <strong>do</strong> ksià˝ki Economic control<br />
of quality of the manufactured products<br />
wydanej w Nowym Jorku<br />
w 1931 roku. Proces statystycznej<br />
kontroli od samego poczàtku mia∏ na<br />
celu uzyskanie po˝àdanej jakoÊci,<br />
która satysfakcjonowa∏aby ludzkie<br />
potrzeby przy minimalnych kosztach.<br />
Shewhart zidentyfikowa∏ najwa˝niejsze<br />
elementy programu kontroli jakoÊci:<br />
● przewidywanà zmiennoÊç procesu;<br />
● sposób wyznaczania wartoÊci granicznych,<br />
które umo˝liwia∏yby wykrywanie<br />
pojawiajàcych si´ problemów;<br />
● potrzeb´ wyeliminowania przyczyn<br />
problemów (dzia∏aƒ naprawczych),<br />
stwierdzonych na podstawie przekroczenia<br />
wyznaczonych granic.<br />
DwadzieÊcia lat póêniej dwaj amerykaƒscy<br />
patolodzy z Wayne University<br />
College of Medicine, Stanley Levey<br />
i Elmer R. „Al” Jennings, opisali metod´<br />
statystycznej kontroli jakoÊci<br />
w laboratorium medycznym. Badacze<br />
opublikowali w roku 1950 prac´<br />
The use of control charts in the clinical<br />
laboratory, w której wykorzystali zasady<br />
bu<strong>do</strong>wy karty kontrolnej podane<br />
przez Shewharta. Ârednià z dwóch<br />
wyników pomiarów kontrolnych, wykonywanych<br />
w pulowanej surowicy,<br />
nanosili na górnà cz´Êç karty kontrolnej,<br />
uzyskujàc zapis zmian obcià˝enia<br />
kontrolowanej metody. Ró˝nic´<br />
obliczanà z dwóch wyników umieszczali<br />
w <strong>do</strong>lnej cz´Êci karty kontrolnej,<br />
rejestrujàc tym samym zmiany nieprecyzyjnoÊci<br />
metody.<br />
Richard J. Henry i Milton Segalove<br />
opisali w roku 1952 metod´ alternatywnà,<br />
w której stabilna próbka kontrolna<br />
analizowana by∏a wielokrotnie,<br />
a pojedyncze wyniki nanoszono bezpoÊrednio<br />
na kart´ kontrolnà. Ten<br />
rodzaj karty kontrolnej, zupe∏nie odmienny<br />
od karty opisanej przez<br />
Levey’a i Jenningsa, znany jest pod<br />
tradycyjnà nazwà karty Leveya i Jenningsa.<br />
Jest to przyk∏ad tego, jak dzia∏a tzw. prawo<br />
eponimii Stiglera. Sformu∏owane przez<br />
statystyka Stephena Stiglera prawo g∏osi,<br />
˝e ˝adne naukowe odkrycie nie zosta∏o<br />
nazwane na czeÊç oryginalnego odkrywcy.<br />
Levey i Jennings opisali zastosowanie<br />
karty Shewharta. Henry i Segalove przedstawili<br />
modyfikacj´ karty Shewharta, którà<br />
stosuje si´ obecnie.<br />
Idea<br />
Idea kontroli jakoÊci prowadzonej<br />
w oparciu o kart´ kontrolnà jest prosta.<br />
W teorii kart kontrolnych uznaje<br />
si´ wyst´powanie dwóch rodzajów<br />
zmiennoÊci. Pierwsza z nich jest<br />
zmiennoÊcià przypadkowà, powsta∏à<br />
z „przyczyn losowych” (zwanych tak-<br />
˝e „przyczynami ogólnymi”). Jest<br />
ona spowo<strong>do</strong>wana ró˝nymi drobnymi<br />
czynnikami, które sà stale obecne,<br />
ale nie sà ∏atwo rozpoznawalne,<br />
a ka˝dy z czynników odpowiada za<br />
bardzo ma∏à cz´Êç zmiennoÊci, nie<br />
majàcà znaczàcego wp∏ywu na<br />
zmiennoÊç ca∏kowità. Tym niemniej,<br />
suma udzia∏ów wszystkich nie dajàcych<br />
si´ zidentyfikowaç czynników<br />
losowych jest mierzona i zak∏ada si´,<br />
˝e jest nieod∏àczna dla procesu.<br />
Drugi rodzaj zmiennoÊci przedstawia<br />
rzeczywistà zmian´ w procesie. Taka<br />
zmiana mo˝e byç przypisana jakimÊ<br />
identyfikowalnym przyczynom, które<br />
nie sà nieod∏àcznymi cz´Êciami<br />
procesu i które mogà, przynajmniej<br />
teoretycznie, byç wyeliminowane.<br />
OdpowiedzialnoÊcià za ich wyst´powanie<br />
obarcza si´ brak jednorodnoÊci<br />
w u˝ywanych materia∏ach/odczynnikach,<br />
awarie aparatury oraz b∏´dne<br />
wykonawstwo lub operacje technologiczne.<br />
Karty kontrolne pomagajà w wykrywaniu<br />
nienaturalnych konfiguracji<br />
zmiennoÊci w danych otrzymanych<br />
z powtarzalnych procesów i <strong>do</strong>starczajà<br />
kryteria wykrywania braku statystycznego<br />
uregulowania. Proces<br />
jest statystycznie uregulowany kiedy<br />
jego zmiennoÊç wynika jedynie<br />
z przyczyn losowych. W sytuacji kiedy<br />
ten akceptowalny poziom zmiennoÊci<br />
zostaje osiàgni´ty, jakiekolwiek<br />
odchylenie od tego poziomu jest<br />
wynikiem przyczyn wyznaczalnych,<br />
które nale˝y zidentyfikowaç i wyeliminowaç<br />
lub zredukowaç.<br />
10
Zrozumieç kontrol´ jakoÊci. Cz´Êç 3. Karta kontrolna<br />
Praktyczna realizacja kontroli przy<br />
u˝yciu kart kontrolnych obejmuje kilka<br />
etapów. Konieczne jest:<br />
● uzyskanie materia∏u kontrolnego<br />
o odpowiednich w∏aÊciwoÊciach;<br />
● przebadanie wybranego materia∏u<br />
kontrolnego w rutynowych warunkach<br />
w celu scharakteryzowania<br />
oczekiwanej zmiennoÊci pomiarów<br />
i ustalenia oczekiwanego rozk∏adu<br />
wyników pomiarów kontrolnych;<br />
● obliczenie wartoÊci Êredniej i odchylenia<br />
standar<strong>do</strong>wego z wyników<br />
pomiarów i wyznaczenie odpowiednich<br />
granic kontrolnych;<br />
● sporzàdzenie karty kontrolnej;<br />
● okreÊlenie d∏ugoÊci kontrolowanej<br />
serii pomiarowej, liczby i miejsca materia∏ów<br />
kontrolnych w serii;<br />
● zdefiniowanie odpowiednich regu∏<br />
kontrolnych;<br />
● opracowanie pisemnych wskazówek<br />
definiujàcych w sposób szczegó∏owy<br />
post´powanie kontrolne.<br />
Materia∏ kontrolny<br />
Mi´dzynaro<strong>do</strong>wa Federacja Chemii<br />
Klinicznej (IFCC) definiuje materia∏<br />
kontrolny jako próbk´, którà analizuje<br />
si´ wy∏àcznie w celu przeprowadzenia<br />
kontroli jakoÊci. Próbka ta nie<br />
mo˝e s∏u˝yç <strong>do</strong> kalibracji uk∏adu<br />
pomiarowego. JeÊli materia∏ kontrolny<br />
wykazuje po<strong>do</strong>bieƒstwo <strong>do</strong> rutynowo<br />
badanych próbek pochodzàcych<br />
od pacjentów, uznaç mo˝na, ˝e wyniki<br />
uzyskiwane w materiale kontrolnym<br />
odzwierciedlajà wiarygodnoÊç uzyskiwanych<br />
równolegle wyników oznaczeƒ<br />
rutynowych.<br />
Pod∏o˝e w materiale kontrolnym jest<br />
substancjà, z której ten materia∏ przygotowano,<br />
<strong>do</strong>dajàc <strong>do</strong>ƒ okreÊlonych<br />
substancji badanych, konserwantów<br />
i innych Êrodków podnoszàcych jakoÊç<br />
materia∏u kontrolnego. Cechy<br />
u˝ytego pod∏o˝a mogà zmieniaç<br />
wyniki przeprowadzanych pomiarów<br />
kontrolnych – zmiana ta nazywana<br />
jest efektem pod∏o˝a, macierzy (matrix<br />
effect). W warunkach idealnych<br />
materia∏ kontrolny powinien mieç takie<br />
samo pod∏o˝e jak próbka badana.<br />
Materia∏y kontrolne, nawet te o odpowiednim<br />
pod∏o˝u, poddawane sà<br />
ró˝nym zabiegom w czasie produkcji<br />
– mo˝e to zmieniaç w∏aÊciwoÊci<br />
pod∏o˝a. Zabiegi te polegajà na <strong>do</strong>dawaniu<br />
pewnych substancji w celu<br />
osiàgni´cia odpowiedniego st´˝enia<br />
i stabilnoÊci oraz na <strong>do</strong>konywaniu<br />
zmian fizycznych, np. liofilizacji. Mogà<br />
one powo<strong>do</strong>waç interferencje w procesie<br />
pomiarowym, takie jakich nie obserwuje<br />
si´ w Êwie˝ej ludzkiej próbce.<br />
Przez wiele lat przyjmowano, ˝e proces<br />
liofilizacji jest zupe∏nie nieszkodliwy<br />
i ˝e nie zmienia w∏aÊciwoÊci<br />
fizykochemicznych badanego materia∏u.<br />
Obecnie wia<strong>do</strong>mo, ˝e zmiany<br />
w pod∏o˝u wywo∏ane liofilizacjà sà<br />
jednà z istotnych przyczyn niekompatybilnoÊci<br />
materia∏ów kontrolnych<br />
ze Êwie˝ymi próbkami pacjentów.<br />
Ró˝nice te uwidaczniajà si´ szczególnie<br />
przy niektórych technikach (np.<br />
suchej fazy), czy typach oznaczeƒ<br />
(np. przy oznaczaniu aktywnoÊci enzymów).<br />
Tam, gdzie jest to mo˝liwe, korzystne<br />
jest zaopatrywanie si´ w materia∏ kontrolny<br />
o tym samym numerze serii<br />
produkcyjnej w iloÊci wystarczajàcej<br />
na co najmniej rok pracy. Zapewnia<br />
to pos∏ugiwanie si´ materia∏em o tym<br />
samym sk∏adzie jakoÊciowym i iloÊciowym.<br />
Takie rozwiàzanie umo˝liwia zachowanie<br />
ciàg∏oÊci kontroli w d∏ugim<br />
okresie czasu, a tak˝e redukuje koszty<br />
zwiàzane z przestawianiem programu<br />
kontroli na nowà seri´ materia∏u kontrolnego.<br />
Zazwyczaj nie jest konieczne kupowanie<br />
i przechowywanie ca∏ej serii<br />
materia∏u kontrolnego. Wi´kszoÊç<br />
sprzedawców dzieli seri´ materia∏u<br />
kontrolnego na cz´Êci i mo˝e <strong>do</strong>starczaç<br />
je regularnie co miesiàc, co dwa<br />
miesiàce lub co kwarta∏. Producenci<br />
materia∏ów kontrolnych okreÊlajà<br />
czas przez jaki <strong>do</strong>st´pne sà ich produkty<br />
o jednym numerze serii produkcyjnej<br />
(shelf life).<br />
ZmiennoÊç stabilnie funkcjonujàcej<br />
metody pomiarowej obserwowana<br />
przy kontroli jakoÊci badaƒ laboratoryjnych<br />
prawie w ca∏oÊci uzale˝niona<br />
jest od nieprecyzyjnoÊci metody oraz<br />
od zmiennoÊci materia∏u kontrolnego,<br />
która stanowi zazwyczaj ma∏à<br />
cz´Êç zmiennoÊci ca∏kowitej. Materia-<br />
∏y kontrolne, które poddane zosta∏y<br />
liofilizacji, muszà byç rozpuszczone<br />
w wodzie lub w specjalnym rozpuszczalniku,<br />
dlatego bardzo wa˝na jest<br />
standaryzacja etapu rekonstytucji<br />
materia∏u kontrolnego. Nale˝y w tym<br />
celu u˝ywaç najlepszych pipet automatycznych,<br />
<strong>do</strong>dawaç wody dejonizowanej,<br />
a wszystkie czynnoÊci<br />
wykonywaç <strong>do</strong>k∏adnie tak, jak podano<br />
w ulotce za∏àczonej <strong>do</strong> materia∏u<br />
kontrolnego. Pozwoli to zminimalizowaç<br />
zmiennoÊç wyników kontrolnych<br />
zale˝nà od etapu rekonstytucji.<br />
Obok materia∏ów liofilizowanych, <strong>do</strong>st´pne<br />
sà na rynku materia∏y kontrolne<br />
w postaci ciek∏ej. Nie wymagajà<br />
one przeprowadzania rekonstytucji –<br />
sà gotowe <strong>do</strong> u˝ycia. ZmiennoÊç wyników<br />
pomi´dzy fiolkami jest w tym<br />
przypadku minimalna, praktycznie<br />
mo˝na jà pominàç. Dodatkowo materia∏y<br />
ciek∏e sà bardziej trwa∏e –<br />
zwykle nadajà si´ <strong>do</strong> u˝ycia przez<br />
14–30 dni od momentu otwarcia.<br />
Materia∏y liofilizowane majà ten czas<br />
o wiele krótszy.<br />
O przydatnoÊci materia∏u kontrolnego<br />
w kontroli jakoÊci decyduje to, czy<br />
zawiera on badanà substancj´ w odpowiedniej<br />
iloÊci. Wa˝ne jest, by prowadzona<br />
kontrola jakoÊci <strong>do</strong>starcza∏a<br />
informacji o tym, jak funkcjonuje<br />
kontrolowana metoda w wa˝nych<br />
medycznie lub analitycznie punktach<br />
zakresu pomiarowego. Niemo˝liwe<br />
jest kontrolowanie danej metody<br />
w ca∏ym, niekiedy bardzo szerokim<br />
zakresie pomiarowym – liczba stosowanych<br />
materia∏ów kontrolnych jest<br />
ograniczona.<br />
Badania z zakresu chemii klinicznej<br />
poddawane sà kontroli przy u˝yciu<br />
dwóch materia∏ów kontrolnych. Badania<br />
hematologiczne, immunochemiczne<br />
i gazometryczne wymagajà<br />
stosowania trzech materia∏ów kontrolnych.<br />
Stàd koniecznoÊç podj´cia<br />
decyzji o tym, jakie st´˝enia lub aktywnoÊci<br />
badanych parametrów<br />
powinny charakteryzowaç u˝ywane<br />
materia∏y kontrolne. Z analitycznego<br />
punktu widzenia wskazane by∏oby<br />
kontrolowanie metody w punktach<br />
zakresu pomiarowego, w których<br />
mogà pojawiaç si´ nieprawid∏owoÊci<br />
– najcz´Êciej tam, gdzie zaczyna<br />
i gdzie koƒczy si´ liniowoÊç metody.<br />
W takim przypadku wartoÊç nominalna<br />
jednego z materia∏ów kontrolnych<br />
powinna odpowiadaç poczàtkowej<br />
wartoÊci zakresu pomiarowego,<br />
a wartoÊç nominalna drugiego materia∏u<br />
– koƒcowej wartoÊci zakresu pomiarowego.<br />
Takie rozwiàzanie spotyka<br />
si´ najcz´Êciej w laboratoriach chemicznych.<br />
Dodatkowo trzeci materia∏<br />
kontrolny s∏u˝y <strong>do</strong> weryfikacji jakoÊci<br />
metody w punkcie Êrodkowym zakresu<br />
pomiarowego.<br />
W praktyce klinicznej o wiele wa˝niejsza<br />
jest jednak jakoÊç metod przy<br />
wartoÊciach, przy których podejmowane<br />
sà decyzje medyczne (decyzje<br />
o wdro˝eniu leczenia, przeprowadzeniu<br />
operacji itp.). Dlatego konieczne<br />
jest kontrolowanie jakoÊci<br />
metod pomiarowych w tych wa˝nych<br />
medycznie punktach. Kontrolujàc<br />
na przyk∏ad funkcjonowanie metody<br />
pomiaru st´˝enia hemoglobiny<br />
mo˝na sprawdziç zakres liniowoÊci<br />
metody (2,5–25,0 g/dl) i kontrolowaç<br />
jej precyzj´ i poprawnoÊç materia∏ami<br />
kontrolnymi o wartoÊciach<br />
nominalnych np. 3,5 i 23,5 g/dl.<br />
Lepszym rozwiàzaniem b´dzie jednak<br />
zastanowienie si´ nad tym, jakie<br />
st´˝enia hemoglobiny sà w danym<br />
laboratorium wa˝ne z praktycznego<br />
11
Zrozumieç kontrol´ jakoÊci. Cz´Êç 3. Karta kontrolna<br />
punktu widzenia. Oka˝e si´ bowiem,<br />
˝e istotniejsze jest kontrolowanie<br />
metody na poziomie:<br />
● 4,5 g/dl – tam, gdzie zapada decyzja<br />
o leczniczym przetoczeniu krwi,<br />
● 10,5 g/dl – tam, gdzie rozpoznaje<br />
si´ nie<strong>do</strong>krwistoÊç,<br />
● 17,0 g/dl – tam, gdzie rozpoznaje<br />
si´ nadkrwistoÊç,<br />
● 23,0 g/dl – tam, gdzie podejmuje<br />
si´ decyzj´ o przeprowadzeniu leczniczego<br />
upustu krwi.<br />
Pomiary wst´pne<br />
Wybrany materia∏ kontrolny posiada<br />
zazwyczaj metryk´, w której umieszczone<br />
sà wartoÊci nominalne kontrolowanych<br />
parametrów oraz pewne<br />
zakresy, granice kontrolne wyznaczone<br />
przez producenta dla ró˝nych<br />
metod pomiarowych. WartoÊci i granice<br />
umieszczone w metryce opisujà<br />
jakoÊç metod stosowanych przy<br />
opracowywaniu materia∏u kontrolnego<br />
w kilku lub kilkunastu laboratoriach<br />
referencyjnych producenta.<br />
Oznacza to, ˝e prezentowane w metryce<br />
liczby odzwierciedlajà tak˝e<br />
zmiennoÊç wynikajàcà z ró˝nic pomi´dzy<br />
laboratoriami. Stàd granice<br />
wyznaczone przez producenta sà najcz´Êciej<br />
zbyt szerokie dla indywidualnego<br />
laboratorium. JeÊli zostanà one<br />
u˝yte <strong>do</strong> wykreÊlenia karty kontrolnej,<br />
mo˝liwe jest, ˝e nie uda si´ wykryç<br />
istotnych b∏´dów analitycznych.<br />
Przed przystàpieniem <strong>do</strong> wykreÊlenia<br />
karty kontrolnej konieczne jest<br />
wi´c ustalenie w∏asnych granic kontrolnych<br />
w oparciu o wyniki badania<br />
materia∏u kontrolnego. W tym celu<br />
nale˝y przeprowadziç szereg pomiarów<br />
w próbkach materia∏u kontrolnego<br />
umieszczanych obok rutynowo<br />
badanych próbek od pacjentów.<br />
Obserwowana zmiennoÊç wyników<br />
opisywaç b´dzie precyzj´ metody pomiarowej<br />
osiàganà w laboratorium.<br />
Minimalna liczba pomiarów wst´pnych<br />
przeprowadzonych w materiale<br />
kontrolnym nie powinna byç mniejsza<br />
od 20.<br />
Liczba ta ustalona zosta∏a arbitralnie przez<br />
autorów pierwszych publikacji <strong>do</strong>tyczàcych<br />
kontroli jakoÊci w laboratoriach medycznych.<br />
Przyjmuje si´ jà w aktualnych<br />
zaleceniach i publikowanych rekomendacjach,<br />
choç nie uzasadnia jej ˝adna statystyczna<br />
regu∏a.<br />
Wa˝ne jest, by pomiary wst´pne<br />
przeprowadzane by∏y w <strong>do</strong>Êç d∏ugim<br />
okresie czasu. Uzyskane wyniki b´dà<br />
wtedy wiarygodnà informacjà o tym,<br />
jak funkcjonuje oceniana metoda<br />
w zmieniajàcych si´ stale warunkach<br />
– przy zmianie odczynników, po kalibracji,<br />
gdy zmieniajà si´ osoby wykonujàce<br />
badanie. Minimalny okres<br />
pomiarów wst´pnych nie powinien<br />
byç krótszy od 10 dni. Najlepiej jest,<br />
gdy okres ten wynosi 20 dni. Zbyt<br />
krótki okres oceny wst´pnej jest êród∏em<br />
nie<strong>do</strong>szacowania zmiennoÊci.<br />
Obliczenia<br />
Ustalenie granic kontrolnych, nanoszonych<br />
na kart´ kontrolnà, rozpoczyna<br />
si´ od zebrania 20 wyników<br />
pomiarów przeprowadzonych w danym<br />
materiale kontrolnym w okresie<br />
oceny wst´pnej metody pomiarowej.<br />
Wyniki te s∏u˝à <strong>do</strong> obliczenia<br />
wartoÊci Êredniej ( x ) i odchylenia<br />
standar<strong>do</strong>wego (s). Znajàc Êrednià<br />
i odchylenie standar<strong>do</strong>we, mo˝na<br />
obliczyç wartoÊci wyznaczajàce granice<br />
kontrolne na karcie, np. x ± 2s,<br />
x ± 2.5s, x ± 3s, x ± 3.5s.<br />
Granice kontrolne wybiera si´ w zale˝noÊci<br />
od jakoÊci kontrolowanej<br />
metody.<br />
Sporzàdzenie karty<br />
kontrolnej<br />
Po wykonaniu wymienionych czynnoÊci<br />
przygotowawczych przystàpiç<br />
mo˝na <strong>do</strong> wykreÊlenia karty kontrolnej.<br />
Konieczne jest:<br />
● opisanie karty kontrolnej;<br />
● wyskalowanie osi X;<br />
● wyskalowanie osi Y;<br />
● zaznaczenie linii dla wartoÊci Êredniej<br />
i dla granic kontrolnych.<br />
Opis karty kontrolnej powinien zawieraç:<br />
nazw´ kontrolowanej metody,<br />
jednostk´, w jakiej wyra˝ane sà<br />
wyniki pomiarów, nazw´ analizatora,<br />
na którym wykonywane sà pomiary,<br />
nazw´ stosowanego materia∏u kontrolnego,<br />
numer serii stosowanego<br />
materia∏u kontrolnego, bie˝àcà wartoÊç<br />
Êrednià, bie˝àce odchylenie standar<strong>do</strong>we,<br />
informacj´ o okresie czasu<br />
obejmowanym przez kart´.<br />
Na osi X naniesione zostajà liczby<br />
identyfikujàce poszczególne serie<br />
pomiarowe poddawane kontroli. Je-<br />
˝eli w ciàgu jednego dnia przeprowadza<br />
si´ pomiary w jednej serii,<br />
liczby naniesione na osi X odpowiadajà<br />
kolejnym dniom pracy laboratorium.<br />
Na osi Y naniesione zostajà<br />
liczby odpowiadajàce uzyskiwanym<br />
wynikom pomiarów. Najlepiej, gdy<br />
skala obejmuje zakres x ± 4s. Wtedy<br />
mo˝liwe jest poprawne naniesienie<br />
wi´kszoÊci uzyskiwanych wyników,<br />
tak˝e tych, które przekraczajà<br />
granic´ 3s.<br />
Po opisaniu osi X i Y nanosi si´ na kart´<br />
kontrolnà granice kontrolne, które<br />
b´dà wykorzystywane przy interpretacji<br />
uzyskiwanych wyników, np. x ± 3s.<br />
Karta gotowa jest ju˝ <strong>do</strong> u˝ycia, jednak<br />
jej wykorzystanie uzale˝nione<br />
jest od sposobu, w jaki próbki materia∏u<br />
kontrolnego rozmieszczone zostanà<br />
wÊród próbek od pacjentów.<br />
Drugim istotnym elementem post´powania<br />
kontrolnego, obok prawid∏owego<br />
skonstruowania karty kontrolnej,<br />
jest odpowiednie rozmieszczenie<br />
próbek materia∏u kontrolnego wÊród<br />
rutynowo badanych próbek od pacjentów.<br />
Decyduje to o efektywnoÊci<br />
post´powania kontrolnego, wp∏ywajàc<br />
równoczeÊnie na wielkoÊç nak∏adów<br />
finansowych zwiàzanych z kontrolà.<br />
Badania laboratoryjne wykonywane<br />
sà w stale zmieniajàcych si´ warunkach,<br />
co wp∏ywa w mniejszym lub<br />
wi´kszym stopniu na precyzj´ i poprawnoÊç<br />
pomiarów. Niektóre zmiany<br />
pojawiajà si´ w sposób <strong>do</strong>Êç regularny<br />
– przeprowadzana jest okresowa<br />
kalibracja uk∏adu pomiarowego, uzupe∏niane<br />
sà odczynniki, zmieniajà si´<br />
osoby <strong>do</strong>konujàce pomiarów,pojawiajà<br />
si´ d∏u˝sze przerwy pomi´dzy<br />
pomiarami wynikajàce z organizacji<br />
pracy lub sposobu gromadzenia próbek<br />
pochodzàcych od pacjentów.<br />
Zmiany te dzielà wszystkie wykonywane<br />
pomiary w pewien z góry przewidywalny<br />
sposób. Tworzà si´ grupy<br />
pomiarów wykonywanych w po<strong>do</strong>bnych<br />
warunkach zewn´trznych – tzw.<br />
serie pomiarowe.<br />
D∏ugoÊç pojedynczej serii pomiarowej<br />
(iloÊç oznaczeƒ w serii) jest wielko-<br />
Êcià przyjmowanà arbitralnie, w zale˝noÊci<br />
od iloÊci zgromadzonych <strong>do</strong><br />
badania próbek, stabilnoÊci stosowanego<br />
uk∏adu pomiarowego, zu˝ycia<br />
odczynników, sposobu organizacji<br />
pracy laboratorium itd. Seri´ pomiarowà<br />
stanowiç mo˝e kilka pomiarów,<br />
przeprowadzonych w warunkach dy-<br />
˝uru. Serià mo˝e byç kilkadziesiàt<br />
pomiarów przeprowadzanych kolejno<br />
w ciàgu jednego dnia pracy (bez modyfikowania<br />
uk∏adu pomiarowego).<br />
Przy du˝ej liczbie pomiarów, przeprowadzanych<br />
w sposób ciàg∏y, pojedyncza<br />
seria pomiarowa mo˝e<br />
sk∏adaç si´ z ponad stu pomiarów,<br />
a jej d∏ugoÊç okreÊlana bywa przez<br />
podanie czasu, w jakim wykonywane<br />
sà te pomiary.<br />
Niezale˝nie od wielkoÊci serii pomiarowej,<br />
post´powanie kontrolne oparte<br />
na wykorzystaniu karty kontrolnej<br />
zak∏ada, ˝e <strong>do</strong> ka˝dej serii <strong>do</strong>∏àczane<br />
sà próbki materia∏u kontrolnego.<br />
Liczba próbek uzale˝niona jest od<br />
rodzaju kontrolowanego badania.<br />
W sytuacji, gdy przeprowadzane pomiary<br />
nie sà zbyt z∏o˝one, a obser-<br />
12
Zrozumieç kontrol´ jakoÊci. Cz´Êç 3. Karta kontrolna<br />
wowana nieprecyzyjnoÊç metody<br />
jest za<strong>do</strong>walajàca, zwykle <strong>do</strong> wykrycia<br />
istotnego pogorszenia jakoÊci wystarczajàce<br />
jest u˝ycie dwóch materia∏ów<br />
kontrolnych.<br />
Badania bardziej z∏o˝one wymagajà<br />
wi´kszej liczby pomiarów kontrolnych.<br />
W optymalnej sytuacji, gdy<br />
precyzja metody pomiarowej jest za<strong>do</strong>walajàca,<br />
zwykle wystarczajàce<br />
jest w∏àczenie <strong>do</strong> serii pomiarowej<br />
trzech materia∏ów kontrolnych.<br />
Próbki materia∏u kontrolnego <strong>do</strong>∏àczone<br />
<strong>do</strong> serii pomiarowej mogà byç<br />
w niej rozmieszczone w dwojaki<br />
sposób. Mo˝liwe jest umieszczenie<br />
próbek na poczàtku i na koƒcu serii<br />
pomiarowej – uj´cie serii „w nawias”<br />
pomiarów kontrolnych (bracketing<br />
method). Stosowane obecnie uk∏ady<br />
pomiarowe charakteryzujà si´ <strong>do</strong>Êç<br />
du˝à stabilnoÊcià, dlatego cz´Êciej<br />
stosowanym rozwiàzaniem jest przeprowadzanie<br />
oznaczeƒ kontrolnych na<br />
poczàtku serii pomiarowej – wst´pne<br />
<strong>do</strong>konywanie oceny precyzji i poprawnoÊci<br />
metody, której zamierza si´ u˝yç<br />
<strong>do</strong> pomiaru próbek pochodzàcych<br />
od pacjentów (nonbracketing method).<br />
Wyniki pomiarów kontrolnych<br />
nanoszone sà na kart´ bezpoÊrednio<br />
po wykonaniu oznaczenia. Pozwala<br />
to zredukowaç liczb´ powtórnych<br />
oznaczeƒ w próbkach od pacjentów<br />
w sytuacji, gdy wyniki kontrolne wykraczajà<br />
poza <strong>do</strong>puszczalne granice.<br />
Metoda ta zaburza nieco ciàg∏oÊç<br />
wykonywania oznaczeƒ – konieczne<br />
jest wstrzymywanie dalszych pomiarów<br />
na czas oceny wyników z materia∏u<br />
kontrolnego.<br />
Wyniki kontrolne pochodzàce z ka˝dej<br />
serii pomiarowej nanoszone sà<br />
na odpowiednio przygotowane karty<br />
kontrolne. Ka˝dy materia∏ kontrolny<br />
<strong>do</strong>∏àczany <strong>do</strong> serii wymaga przygotowania<br />
oddzielnej karty kontrolnej –<br />
wyniki kontrolne nanosi si´ wi´c na<br />
dwóch (badania biochemiczne) lub<br />
trzech (badania hematologiczne, immunochemiczne)<br />
kartach kontrolnych<br />
równoczeÊnie. Interpretacja tak<br />
naniesionych wyników polega na<br />
równoczesnej inspekcji wszystkich<br />
kart. Opinia na temat funkcjonowania<br />
kontrolowanej metody formu-<br />
∏owana jest w oparciu o wszystkie<br />
wyniki kontrolne z serii. Ocenia si´<br />
funkcjonowanie metody w serii.<br />
W pewnych sytuacjach przy ocenie<br />
metody bierze si´ pod uwag´ równie˝<br />
wyniki kontrolne uzyskane<br />
w poprzedniej lub w kilku poprzednich<br />
seriach pomiarowych. JeÊli opinia<br />
formu∏owana jest w oparciu<br />
o wyniki uzyskane w jednym materiale<br />
kontrolnym w kilku seriach, mówi<br />
si´ o ocenie metody pomi´dzy seriami.<br />
Uwzgl´dnienie wyników uzyskanych<br />
we wszystkich materia∏ach<br />
w kilku seriach pozwala na <strong>do</strong>konanie<br />
oceny funkcjonowania metody w seriach<br />
i pomi´dzy seriami. Wymienione<br />
okreÊlenia znajdujà zastosowanie<br />
przy interpretacji wyników kontrolnych<br />
za pomocà regu∏ z∏o˝onych.<br />
Interpretacja<br />
Przygotowanie poprawnie skonstruowanej<br />
karty kontrolnej jest wst´pnym<br />
etapem post´powania kontrolnego.<br />
Wyniki pomiarów przeprowadzanych<br />
w odpowiednio rozmieszczonych próbkach<br />
materia∏u kontrolnego, nanoszone<br />
na kart´, <strong>do</strong>starczajà w sposób nieprzerwany<br />
informacji o funkcjonowaniu<br />
kontrolowanej metody pomiarowej.<br />
Rozpoczyna si´ „monitorowanie” metody,<br />
a zadaniem osoby nadzorujàcej<br />
jej funkcjonowanie jest interpretacja<br />
uzyskiwanych wyników kontrolnych.<br />
Interpretacja polega na wydaniu opinii,<br />
czy metoda funkcjonuje prawid∏owo,<br />
w granicach <strong>do</strong>puszczalnego<br />
b∏´du (metoda pod kontrolà), czy<br />
mo˝e <strong>do</strong>sz∏o <strong>do</strong> istotnego pogorszenia<br />
si´ precyzji lub poprawnoÊci i pope∏niane<br />
b∏´dy pomiarowe przekraczajà<br />
<strong>do</strong>puszczalne granice (metoda poza<br />
kontrolà).<br />
W niektórych laboratoriach uznaje<br />
si´, ˝e metoda jest poza kontrolà,<br />
gdy przynajmniej jeden wynik lokuje<br />
si´ poza granicà dwóch odchyleƒ<br />
standar<strong>do</strong>wych. Niekiedy uwa˝a si´,<br />
˝e jeden taki wynik jest jeszcze niewystarczajàcy<br />
i uznaje si´ metod´ za<br />
pozostajàcà poza kontrolà, gdy obydwa<br />
wyniki przekraczajà granic´<br />
dwóch odchyleƒ standar<strong>do</strong>wych.<br />
Najcz´Êciej przyjmuje si´, ˝e metoda<br />
jest poza kontrolà, gdy przynajmniej<br />
jeden wynik przekracza granic´<br />
trzech odchyleƒ standar<strong>do</strong>wych.<br />
Spotkaç mo˝na równie˝ taki sposób<br />
interpretacji, w którym uznaje si´<br />
metod´ za pozostajàcà poza kontrolà,<br />
gdy obydwa wyniki przekraczajà granic´<br />
trzech odchyleƒ standar<strong>do</strong>wych.<br />
Stosowane sà te˝ bardziej z∏o˝one regu∏y<br />
interpretacyjne, które pozwalajà<br />
uznaç metod´ za pozostajàcà poza<br />
kontrolà, gdy np. 4 spoÊród 5 kolejnych<br />
oznaczeƒ przekroczà granic´<br />
1s po tej samej stronie Êredniej, gdy<br />
8 kolejnych oznaczeƒ lokuje si´ po<br />
tej samej stronie wartoÊci Êredniej<br />
lub gdy 7 kolejnych oznaczeƒ wykazuje<br />
kszta∏towanie si´ trendu z tendencjà<br />
<strong>do</strong> stopniowego spadku lub<br />
wzrostu uzyskiwanych wartoÊci.<br />
Tak du˝e zró˝nicowanie stosowanych<br />
sposobów interpretacji prowadziç<br />
mo˝e <strong>do</strong> wielu nieporozumieƒ,<br />
stàd konieczne jest wprowadzenia<br />
przejrzystej klasyfikacji mo˝liwych <strong>do</strong><br />
wykorzystania regu∏. James O. Westgard<br />
i wsp., przygotowujàc prac´ po-<br />
Êwi´conà sposobom interpretacji<br />
stosowanym w ocenie wyników kontrolnych,<br />
<strong>do</strong>konali przeglàdu obszernej<br />
literatury <strong>do</strong>tyczàcej przemys∏owej<br />
kontroli jakoÊci, gromadzàc informacje<br />
na temat ró˝nych regu∏. W celu<br />
ujednolicenia i uproszczenia sposobu<br />
zapisywania regu∏ autorzy zaproponowali<br />
wprowadzenie specjalnych<br />
skrótów, które sà w chwili obecnej<br />
standar<strong>do</strong>wym sposobem zapisywania<br />
regu∏ interpretacyjnych. Dzi´ki ich<br />
zastosowaniu d∏ugie opisy regu∏ zastàpione<br />
zosta∏y kilkoma prostymi<br />
symbolami. Przyk∏a<strong>do</strong>wo, zamiast<br />
obszernych wyjaÊnieƒ mówiàcych<br />
o tym, ˝e stosuje si´ regu∏´ interpretacyjnà<br />
nakazujàcà uznaç kontrolowanà<br />
metod´ pomiarowa za znajdujàcà<br />
si´ poza kontrolà w sytuacji, gdy<br />
przynajmniej jeden z wyników kontrolnych<br />
przekracza granic´ trzech<br />
odchyleƒ standar<strong>do</strong>wych, zaznaczyç<br />
mo˝na w skrócie, ˝e stosuje si´ regu∏´<br />
1 3S . Stosowane skróty przyjmujà<br />
postaç:<br />
A L<br />
gdzie:<br />
A – liczba obserwacji danego rodzaju,<br />
L – granica kontrolna, która zosta∏a przekroczona<br />
(w przypadku regu∏y R4S litera<br />
R pochodzi od angielskiego s∏owa range,<br />
oznaczajàcego zakres).<br />
Regu∏y proste<br />
Naj∏atwiejszym sposobem oceny wyników<br />
kontrolnych jest sposób oparty<br />
na wykorzystaniu jednej prostej regu-<br />
∏y interpretacyjnej. Tam, gdzie jest to<br />
wystarczajàce ze statystycznego punktu<br />
widzenia, stosowaç mo˝na regu∏´<br />
1 2S , 1 2.5S , 1 3S lub 1 3.5S .<br />
Regu∏a 1 2S , zastosowana w interpretacji<br />
wyników kontrolnych, powoduje<br />
uznanie metody za pozostajàcà poza<br />
kontrolà w sytuacji, gdy przynajmniej<br />
jeden wynik kontrolny uzyskany<br />
w serii pomiarowej wykracza poza<br />
granic´ dwóch odchyleƒ standar<strong>do</strong>wych.<br />
Pos∏ugujàc si´ regu∏à 1 2S ,<br />
nale˝y pami´taç, ˝e zgodnie z charakterem<br />
rozk∏adu normalnego wyników<br />
pomiarów kontrolnych, tylko<br />
95,45% wyników mieÊci si´ w przedziale<br />
x ± 2s. Rozk∏ad normalny<br />
sprawia, ˝e 4,55% wyników uk∏ada<br />
si´ poza granicà dwóch odchyleƒ<br />
standar<strong>do</strong>wych. Mo˝na przewidzieç,<br />
˝e stosowanie regu∏y 1 2S wià˝e si´<br />
uzyskiwaniem <strong>do</strong>Êç du˝ej liczby fa∏szywych<br />
sygna∏ów o nieprawid∏owoÊciach<br />
w funkcjonowaniu kontrolowanej<br />
metody. JeÊli metoda<br />
13
Zrozumieç kontrol´ jakoÊci. Cz´Êç 3. Karta kontrolna<br />
funkcjonuje w sposób idealny, zastosowanie<br />
regu∏y 1 2S powoduje zbyt<br />
wiele tzw. fa∏szywych odrzuceƒ.<br />
Regu∏a 1 2.5S , stosowana w interpretacji<br />
wyników kontrolnych rzadziej,<br />
powoduje uznanie metody za pozostajàcà<br />
poza kontrolà w sytuacji, gdy<br />
przynajmniej jeden wynik kontrolny<br />
uzyskany w serii pomiarowej wykracza<br />
poza granic´ ustalonà na poziomie<br />
2.5s. Rozszerzenie granic kontrolnych<br />
z 2s <strong>do</strong> 2.5s powoduje nieco mniejszà<br />
wra˝liwoÊç regu∏y na pojawiajàce<br />
si´ nieprawid∏owoÊci w funkcjonowaniu<br />
metody. Regu∏a 1 2.5S jest bardziej<br />
liberalna od regu∏y 1 2S . Z drugiej strony<br />
przy stosowaniu regu∏y 1 2.5S rzadziej<br />
zdarzajà si´ fa∏szywe odrzucenia.<br />
JeÊli metoda funkcjonuje w sposób<br />
prawid∏owy, a kontrola prowadzona<br />
jest przy u˝yciu dwóch materia∏ów<br />
kontrolnych w serii, mo˝na spodziewaç<br />
si´ ok. 3% fa∏szywych odrzuceƒ.<br />
Regu∏a 1 3S , stosowana najcz´Êciej<br />
w interpretacji wyników pomiarów<br />
kontrolnych, powoduje uznanie metody<br />
za pozostajàcà poza kontrolà<br />
w sytuacji, gdy przynajmniej jeden<br />
wynik kontrolny uzyskany w serii pomiarowej<br />
wykracza poza granic´ 3s.<br />
Dalsze rozszerzenie granic kontrolnych<br />
powoduje <strong>do</strong>datkowe zmniejszenie<br />
wra˝liwoÊci regu∏y na pojawiajàce si´<br />
b∏´dy pomiarowe. Regu∏a 1 3S jest regu∏à<br />
liberalnà. Odsetek fa∏szywych<br />
odrzuceƒ, obserwowany przy jej stosowaniu,<br />
nie przekracza 1%.<br />
Regu∏a 1 3.5S , stosowana w interpretacji<br />
wyników kontrolnych, powoduje<br />
uznanie metody za pozostajàcà poza<br />
kontrolà w sytuacji, gdy przynajmniej<br />
jeden wynik kontrolny uzyskany<br />
w serii pomiarowej wykracza poza<br />
granic´ 3.5s. Regu∏a 1 3.5S jest najbardziej<br />
liberalnà pojedynczà regu∏à<br />
interpretacyjnà. Odsetek fa∏szywych<br />
odrzuceƒ, obserwowany przy jej stosowaniu,<br />
nie przekracza 1%.<br />
Regu∏y z∏o˝one<br />
W roku 1981 na ∏amach Clinical<br />
Chemistry, miesi´cznika publikowanego<br />
przez American Association for<br />
Clinical Chemistry, ukaza∏a si´ praca,<br />
która wp∏yn´∏a na sposób interpretacji<br />
wyników pomiarów kontrolnych<br />
nanoszonych na karty kontrolne.<br />
Autorzy pracy – JO Westgard, PL Barry,<br />
MR Hunt i T Groth – zaproponowali,<br />
by w czasie interpretacji stosowaç<br />
kilka regu∏ równoczeÊnie. Dzi´ki temu<br />
mo˝liwe by∏oby zwi´kszenie<br />
skutecznoÊci post´powania kontrolnego,<br />
a równoczeÊnie pojawi∏aby si´<br />
szansa na identyfikacj´ charakteru<br />
zaburzeƒ w funkcjonowaniu metody<br />
pomiarowej. Propozycja autorów<br />
pracy, polegajàca na ∏àcznym stosowaniu<br />
regu∏ 1 3S /2 2S /R 4S /4 1S /10 x ,<br />
spotka∏a si´ z powszechnà akceptacjà.<br />
Od nazwiska g∏ównego jej twórcy<br />
ta z∏o˝ona regu∏a interpretacyjna<br />
nazywana bywa regu∏à Westgarda,<br />
choç sam autor nie jest zwolennikiem<br />
tej nazwy. Profesor Westgard podkre-<br />
Êla w swych wyk∏adach, ˝e nale˝y stosowaç<br />
nazw´ „regu∏a z∏o˝ona”.<br />
Obecnie pod nazwà regu∏y Westgarda<br />
opisywane sà ró˝nego rodzaju<br />
modyfikacje tej klasycznej regu∏y z∏o-<br />
˝onej. Obok podstawowego zestawu<br />
(1 3S /2 2S /R 4S /4 1S /10 x ) widuje si´<br />
regu∏´ przystosowanà <strong>do</strong> trzech<br />
materia∏ów kontrolnych w serii pomiarowej<br />
(1 3S /2 z 3 2S /R 4S /3 1S /9 x ),<br />
regu∏´ przystosowanà <strong>do</strong> czterech<br />
materia∏ów (1 3S /2 2S /R 4S /4 1S /8 x lub<br />
1 3S /2 2S /R 4S /4 1S /12 x ), regu∏´ skróconà,<br />
<strong>do</strong> interpretacji wyników w pojedynczej<br />
serii (1 3S /2 2S /R 4S ). Ka˝da<br />
z wymienionych regu∏ z∏o˝onych<br />
utworzona zosta∏a przez po∏àczenie<br />
kilku regu∏ prostych. Zanim jednak zostanà<br />
one przedstawione, warto zapoznaç<br />
si´ z rolà regu∏y 1 2S w sytuacji,<br />
gdy stosowane sà regu∏y z∏o˝one.<br />
Du˝a iloÊç fa∏szywych odrzuceƒ (ok.<br />
9% przy dwóch materia∏ach kontrolnych<br />
w serii) sprawia, ˝e regu∏a<br />
1 2S nie wchodzi w sk∏ad regu∏ z∏o˝onych<br />
jako regu∏a rozstrzygajàca o jakoÊci<br />
metody. Jej rola sprowadza si´<br />
raczej <strong>do</strong> ostrzegania osoby interpretujàcej<br />
wyniki pomiarów kontrolnych<br />
o mo˝liwych nieprawid∏owoÊciach<br />
w funkcjonowaniu kontrolowanej metody.<br />
Regu∏a 1 2S ma charakter regu∏y<br />
ostrzegawczej – jej przekroczenie nie<br />
jest w tym przypadku powodem <strong>do</strong><br />
uznania, ˝e metoda znajduje si´ poza<br />
kontrolà, lecz sk∏ania <strong>do</strong> uwa˝nego<br />
przeanalizowania wyników kontrolnych<br />
i sprawdzenia, czy nie <strong>do</strong>sz∏o<br />
<strong>do</strong> naruszenia jednej z regu∏ tworzàcych<br />
regu∏´ z∏o˝onà – 1 3S , 2 2S , R 4S ,<br />
4 1S lub 10 x .<br />
Opisana wczeÊniej regu∏a 1 3S wchodzi<br />
w sk∏ad wi´kszoÊci regu∏ z∏o˝onych.<br />
Przy jej naruszeniu nale˝y uznaç, ˝e<br />
metoda pomiarowa pozostaje poza<br />
kontrolà, wstrzymaç wykonywanie<br />
badaƒ, ustaliç przyczyn´ stwierdzonej<br />
nieprawid∏owoÊci i usunàç jà. Pomocne<br />
w przedstawionym post´powaniu<br />
mo˝e byç pami´tanie o tym, ˝e naruszenie<br />
regu∏y 1 3S w wi´kszoÊci przypadków<br />
Êwiadczy o pojawieniu si´<br />
istotnego zaburzenia precyzji.<br />
Drugim elementem regu∏y z∏o˝onej<br />
jest regu∏a 2 2S , która zak∏ada, ˝e metoda<br />
pomiarowa znajduje si´ poza<br />
kontrolà w sytuacji, gdy dwa kolejne<br />
wyniki przekraczajà dwa odchylenia<br />
standar<strong>do</strong>we po tej samej stronie<br />
wartoÊci Êredniej. W pierwszej kolejnoÊci<br />
regu∏´ 2 2S stosuje si´ w odniesieniu<br />
<strong>do</strong> wyników kontrolnych<br />
uzyskanych w jednej serii pomiarowej.<br />
Stwierdzenie, ˝e dwa kolejno<br />
uzyskane wyniki z dwóch materia∏ów<br />
kontrolnych umieszczonych w tej samej<br />
serii pomiarowej przekraczajà<br />
granic´ dwóch odchyleƒ standar<strong>do</strong>wych<br />
po tej samej stronie wartoÊci<br />
Êredniej, Êwiadczy o wystàpieniu<br />
istotnego zaburzenia poprawnoÊci.<br />
Regu∏a 2 2S stosowana jest tak˝e pomi´dzy<br />
seriami. Stwierdzenie, ˝e<br />
dwa wyniki, uzyskane w tym samym<br />
materiale kontrolnym w dwóch kolejnych<br />
seriach, przekraczajà granic´<br />
dwóch odchyleƒ standar<strong>do</strong>wych po<br />
tej samej stronie wartoÊci Êredniej,<br />
Êwiadczy o pogorszeniu si´ poprawnoÊci.<br />
Przekroczenie regu∏y 2 2S , niezale˝nie<br />
od tego, czy nastàpi∏o w serii,<br />
czy pomi´dzy seriami, powoduje, ˝e<br />
kontrolowana metoda pomiarowa<br />
uznana zostaje za pozostajàcà poza<br />
kontrolà. Konieczne staje si´ zidentyfikowanie<br />
przyczyny systematycznego<br />
zawy˝ania lub zani˝ania uzyskiwanych<br />
wyników i wyeliminowanie jej<br />
przed rozpocz´ciem pomiarów rutynowych.<br />
Cz´sto obserwowanym problemem<br />
przy wykorzystaniu regu∏y 2 2S jest mylenie<br />
jej z regu∏à R 4S . Regu∏a 2 2S zak∏ada,<br />
˝e wyniki przekraczajà 2s po tej<br />
samej stronie wartoÊci Êredniej.<br />
W regule R 4S wyniki uk∏adajà si´<br />
po przeciwnych stronach. Regu∏a<br />
2 2S wskazuje na zaburzenie poprawnoÊci,<br />
regu∏a R 4S na zaburzenie precyzji<br />
– <strong>do</strong>strze˝enie tej ró˝nicy u∏atwia<br />
w znacznym stopniu poszukiwanie<br />
przyczyn obserwowanych nieprawid∏owoÊci.<br />
Problemy z poprawnoÊcià<br />
i z precyzjà wynikajà z dzia∏ania odr´bnych<br />
czynników.<br />
Trzecim elementem tworzàcym regu∏´<br />
z∏o˝onà jest regu∏a R 4S , zak∏adajàca, ˝e<br />
metoda pomiarowa znajduje si´ poza<br />
kontrolà, gdy dwa wyniki kontrolne uzyskane<br />
w serii przekraczajà granic´<br />
dwóch odchyleƒ standar<strong>do</strong>wych po<br />
przeciwnych stronach wartoÊci Êredniej.<br />
Pierwotnie nie ograniczano zastosowania<br />
regu∏y R 4S <strong>do</strong> interpretacji wyników<br />
w serii i stosowano jà równie˝<br />
pomi´dzy seriami. Dok∏adniejsza<br />
analiza mo˝liwych <strong>do</strong> napotkania sytuacji<br />
spowo<strong>do</strong>wa∏a, ˝e w chwili<br />
obecnej regu∏´ R 4S stosuje si´ wy-<br />
∏àcznie w odniesieniu <strong>do</strong> wyników<br />
uzyskiwanych w jednej serii pomiarowej.<br />
Zastrze˝enie to jest niestety<br />
<strong>do</strong>Êç cz´sto pomijane przez autorów<br />
oprogramowania komputerowego<br />
stosowanego w modu∏ach kontroli<br />
jakoÊci wielu analizatorów.<br />
14
Zrozumieç kontrol´ jakoÊci. Cz´Êç 1. Pomiar jakoÊci<br />
Dba∏oÊç o w∏aÊciwe interpretowanie<br />
regu∏y R 4S wynika to z dà˝enia twórców<br />
regu∏y z∏o˝onej <strong>do</strong> powiàzania<br />
ka˝dego elementu regu∏y z jednoznacznie<br />
okreÊlonym zaburzeniem<br />
jakoÊci – np. regu∏a 2 2S zwiàzana<br />
jest z zaburzeniem poprawnoÊci, regu∏a<br />
1 3S z zaburzeniem precyzji itd.<br />
Regu∏a R 4S oceniana w serii wskazuje<br />
na nadmierny rozrzut wyników<br />
(problem z nieprecyzyjnoÊcià), jednak<br />
przy interpretacji prowadzonej<br />
pomi´dzy seriami zwiàzek ten nie<br />
jest ju˝ tak oczywisty. Mo˝liwe jest<br />
bowiem pojawienie si´ du˝ego<br />
b∏´du systematycznego pomi´dzy<br />
dwiema seriami (np. w wyniku b∏´dnej<br />
kalibracji), który, powodujàc przesuni´cie<br />
drugiego wyniku o ponad<br />
4s w stosunku <strong>do</strong> pierwszego, sugerowa∏<br />
b´dzie pojawienie si´ b∏´du<br />
przypadkowego.<br />
Autorzy regu∏y z∏o˝onej zwracajà tak-<br />
˝e uwag´ na to, ˝e stosowanie sk∏a<strong>do</strong>wej<br />
R 4S powinno ograniczaç si´<br />
<strong>do</strong> sytuacji, w których liczba materia-<br />
∏ów kontrolnych umieszczanych<br />
w serii nie przekracza czterech. Przy<br />
wi´kszej liczbie (np. przy N = 6) stosowanie<br />
regu∏y R 4S powoduje, ˝e<br />
odsetek fa∏szywych odrzuceƒ przekracza<br />
5%.<br />
Czwartym elementem wchodzàcym<br />
w sk∏ad regu∏y z∏o˝onej, gdy <strong>do</strong>st´pne<br />
sà co najmniej cztery wyniki pomiarów<br />
kontrolnych, jest regu∏a 4 1S ,<br />
która zak∏ada, ˝e metoda pomiarowa<br />
znajduje si´ poza kontrolà w sytuacji,<br />
gdy cztery kolejno uzyskane wyniki<br />
przekraczajà granic´ jednego odchylenia<br />
standar<strong>do</strong>wego po tej samej<br />
stronie wartoÊci Êredniej. Regu∏a<br />
4 1S mo˝e byç stosowana w serii, je-<br />
Êli kontrolujemy pomiary za pomocà<br />
czterech materia∏ów kontrolnych.<br />
Najcz´Êciej jednak stosowana jest<br />
pomi´dzy seriami oraz w seriach<br />
i pomi´dzy seriami. Niezale˝nie od<br />
sposobu wykorzystania, regu∏a wskazuje<br />
na zaburzenie poprawnoÊci.<br />
Piàtym sk∏adnikiem regu∏y z∏o˝onej<br />
jest regu∏a 10 X , zak∏adajàca, ˝e metoda<br />
jest poza kontrolà, jeÊli dziesi´ç<br />
kolejno uzyskanych wyników uk∏ada<br />
si´ po tej samej stronie wartoÊci<br />
Êredniej. Regu∏a 10 X stosowana<br />
bywa zarówno pomi´dzy seriami<br />
(w jednym materiale kontrolnym),<br />
jak te˝ w seriach i pomi´dzy seriami<br />
(w dwóch materia∏ach kontrolnych).<br />
Systematyczne przesuni´cie dziesi´ciu<br />
kolejnych wyników wskazuje na<br />
problem z poprawnoÊcià. Zaburzenie<br />
to jest jednak niewielkie, dlatego<br />
ró˝ne sà poglàdy na temat roli regu-<br />
∏y 10 X w regule z∏o˝onej. W klasycznym<br />
uj´ciu stwierdzenie dziesi´ciu<br />
kolejnych wyników kontrolnych po<br />
tej samej stronie wartoÊci Êredniej<br />
prowadzi∏o <strong>do</strong> uznania metody za<br />
b´dàcà poza kontrolà. Wkrótce jednak<br />
uznano, ˝e b∏àd systematyczny<br />
wykrywany przez t´ regu∏´ jest niewielki<br />
i mo˝liwe jest traktowanie jej jako<br />
regu∏y ostrzegawczej (po<strong>do</strong>bnie jak<br />
regu∏y 1 2S ). W jeszcze bardziej liberalnym<br />
podejÊciu proponowane jest wy-<br />
∏àczenie regu∏y 10 X z regu∏y z∏o˝onej.<br />
Wymienione powy˝ej regu∏y (1 3S ,<br />
2 2S , R 4S , 4 1S , 10 X ) tworzà klasycznà<br />
regu∏´ z∏o˝onà. Ró˝norodnoÊç stosowanych<br />
w praktyce rozwiàzaƒ sprawia<br />
jednak, ˝e zdarzajà si´ sytuacje,<br />
w których konieczne staje si´ nieznaczne<br />
zmodyfikowanie opisanych<br />
regu∏. I tak przy stosowaniu trzech<br />
materia∏ów kontrolnych w serii:<br />
● regu∏a 2 2S przyjmuje postaç regu∏y<br />
2 z 3 2S ;<br />
● regu∏a 4 1S zostaje skrócona <strong>do</strong> regu-<br />
∏y 3 1S lub wyd∏u˝ona <strong>do</strong> regu∏y 6 1S ;<br />
● regu∏a 10 X przekszta∏cana jest w regu∏´<br />
9 X .<br />
Opisane <strong>do</strong> tej pory regu∏y, pozwalajàce<br />
wykryç zaburzenie poprawnoÊci<br />
(2 2S , 2 z 3 2S , 3 1S , 4 1S , 6 1S , 8 X , 9 X ,<br />
10 X i12 X ), wskazujà na przesuni´cie<br />
wszystkich wyników kontrolnych w tym<br />
samym kierunku (shift). Obcià˝enie<br />
mo˝e zwi´kszaç si´ tak˝e w nieco inny<br />
sposób, prowadzàc <strong>do</strong> stopniowego,<br />
pojawiajàcego si´ np. z dnia na dzieƒ,<br />
zawy˝ania lub zani˝ania wyników.<br />
W takiej sytuacji mówi si´ o wystàpieniu<br />
trendu, a regu∏à umo˝liwiajàcà jego<br />
wykrycie jest regu∏a 7 T .<br />
Regu∏a 7 T zak∏ada, ˝e metoda pomiarowa<br />
znajduje si´ poza kontrolà, jeÊli<br />
siedem kolejno uzyskanych wyników<br />
wykazuje sta∏à tendencj´ wzrostowà<br />
lub malejàcà. Regu∏a 7 T stosowana jest<br />
pomi´dzy seriami. Regu∏a 7 T wskazuje<br />
na stopniowo nasilajàce si´ zmiany<br />
uk∏adu pomiarowego. Mogà to byç<br />
na przyk∏ad zmiany wynikajàce ze<br />
stopniowego rozk∏adania si´ stosowanych<br />
odczynników lub zmiany<br />
w materiale stosowanym <strong>do</strong> kalibracji<br />
uk∏adu pomiarowego.<br />
Kwestia wyboru<br />
WieloÊç mo˝liwych sposobów interpretacji<br />
wyników pomiarów kontrolnych<br />
budzi niekiedy wàtpliwoÊci<br />
osób realizujàcych dzia∏ania kontrolne.<br />
Którà opcj´ wybraç, która regu∏a<br />
b´dzie najw∏aÊciwsza, gdzie ustawiç<br />
granice kontrolne? Czy najlepszym<br />
rozwiàzaniem jest stosowanie regu∏y<br />
z∏o˝onej? A mo˝e regu∏y 1 2S ?<br />
Istotne jest zrozumienie tego, ˝e sposób<br />
interpretacji wyników nie mo˝e<br />
byç rzeczà narzuconà odgórnie. Powinien<br />
byç wybrany na podstawie informacji<br />
o tym, jak przedstawia si´ jakoÊç<br />
kontrolowanej metody. Konieczne jest<br />
planowanie post´powania kontrolnego,<br />
uwzgl´dniajàce nieprecyzyjnoÊç<br />
i obcià˝enie metody oraz wielkoÊç<br />
ca∏kowitego <strong>do</strong>puszczalnego b∏´du<br />
pomiaru.<br />
Planowanie post´powania kontrolnego<br />
zostanie opisane w czwartej<br />
cz´Êci prezentowanego cyklu.<br />
Przypisy<br />
1. Hamrol A, Mantura W. Zarzàdzanie jako-<br />
Êcià. Teoria i praktyka. Wydawnictwo<br />
Naukowe PWN, Warszawa 2006.<br />
2. CLSI C24-A3: Statistical quality control<br />
for quantitative measurements: principles<br />
and definitions. Clinical and Laboratory<br />
Standards Institute, Wayne 2006.<br />
3. Shewhart W. Economic control of quality<br />
of manufactured product. D. Van<br />
Nostrand Company, New York 1931.<br />
4. Levey S, Jennings ER. The use of control<br />
charts in the clinical laboratory. Am<br />
J Clin Pathol 1950; 20: 1059-66.<br />
5. Henry RJ, Segalove M. The running of<br />
standards in clinical chemistry and the<br />
use of the control chart. J Clin Pathol.<br />
1952;5: 305-11.<br />
6. Stiglerís Law of Eponymy. In: Science<br />
and Social Structure: A Festschrift for<br />
Robert K. Merton, Transactions N Y Acad<br />
Sci 1980; 39: 147-57.<br />
7. Buttner J, Borth R, Boutwell JH, Broughton<br />
PMG, Bowyer RC. Approved Recommendation<br />
(1979) on Quality Control in<br />
Clinical Chemistry. Part 3. Calibration and<br />
Control Materials. J Clin Chem Clin Biochem<br />
1980; 18:855-860.<br />
8. Ricos C, Juvany R, Simon M, Hernandez<br />
A, Alvarez V, Jimenez CV, Minchinela J,<br />
Perich. Commutability and traceability:<br />
their repercussions on analytical bias<br />
and inaccuracy. Clin Chim Acta 1999;<br />
280:135-45.<br />
9. Brion E, Lessinger JM, Gould N, Leyendecker<br />
J, Ferard G. Evaluation of commutability<br />
of control materials. Clin Chem<br />
Lab Med 2002; 40: 625-30.<br />
10. http://www.westgard.com/lesson13.htm<br />
11. Statland BE. Clinical Decision Levels for<br />
Lab Tests. Medical Economic Books,<br />
New York 1987.<br />
12. Brzeziƒski A: Wewnàtrzlaboratoryjna<br />
kontrola analitycznej wiarygodnoÊci wyników<br />
badaƒ laboratoryjnych (IQC), za-<br />
∏o˝enia, uwagi, zalecenia. Centralny<br />
OÊrodek Badaƒ JakoÊci w Diagnostyce<br />
Laboratoryjnej, ¸ódê 2003.<br />
13. Westgard JO: Strategies for cost-effective<br />
QC. Clin Lab News 1996; 22: 8-9.<br />
14. Gernand W. Podstawy kontroli jakoÊci badaƒ<br />
laboratoryjnych. CPNM, Lublin 2000.<br />
15. Neubauer A, Wolter C, Falkner C, Neumeier<br />
D. Optimizing frequency and<br />
number of controls for automatic multichannel<br />
analyzers. Clin Chem 1998;<br />
44: 1014-23.<br />
16. Westgard JO, Groth T, Aronsson T, Falk<br />
H, deVerdier C-H. Performance characteristics<br />
of rules for internal quality control:<br />
Probabilities for false rejection and<br />
error detection. Clin Chem 1977; 23:<br />
1857-67.<br />
17. http://www.westgard.com/lesson15.htm<br />
18. Westgard JO, Barry PL, Hunt MR, Groth<br />
T. A multi-rule Shewhart chart for quality<br />
control in clinical chemistry. Clin Chem<br />
1981; 27: 493-501.<br />
19. Westgard JO, Groth T, Aronsson T, Falk<br />
H, deVerdier C-H. Performance characteristics<br />
of rules for internal quality control:<br />
Probabilities for false rejection and<br />
error detection. Clin Chem 1977; 23:<br />
1857-67.<br />
15
Zrozumieç kontrol´ jakoÊci. Cz´Êç 4. Przygotuj sobie plan…<br />
4.<br />
Część<br />
Przygotuj sobie plan…<br />
Karta kontrolna jest narz´dziem u˝ywanym w codziennej pracy <strong>do</strong> Êledzenia tego, co dzieje si´ z nieprecyzyjnoÊcià<br />
(I) i obcià˝eniem (B) metody pomiarowej, <strong>do</strong> ciàg∏ego sprawdzania, czy pojawiajàce si´ b∏´dy przypadkowe<br />
i systematyczne nie przekraczajà swà wielkoÊcià ca∏kowitego <strong>do</strong>puszczalnego b∏´du (TEA). Jednak<br />
sama znajomoÊç zasad konstruowania kart kontrolnych oraz okreÊlenie I, B i TEA nie wystarczà <strong>do</strong> tego, by<br />
odnieÊç sukces w dzia∏aniach kontrolnych. Po to, by prowadzone dzia∏ania kontrolne by∏y odpowiednio skuteczne,<br />
konieczne jest zaplanowanie schematu kontroli wewnàtrzlaboratoryjnej, to znaczy ustalenie koniecznej <strong>do</strong><br />
wykonania liczby pomiarów kontrolnych oraz wybranie najlepszego sposobu interpretacji uzyskiwanych wyników.<br />
Czwarta cz´Êç prezentowanego cyklu artyku∏ów zawiera odpowiedê na pytanie o to, jak wybraç optymalny<br />
schemat kontroli.<br />
16<br />
Skutecznie funkcjonujàcy program<br />
kontroli jakoÊci wymaga zaplanowania.<br />
Konieczne jest umiej´tne po∏àczenie<br />
trzech podstawowych informacji<br />
na temat:<br />
● nieprecyzyjnoÊci i obcià˝enia ocenianej<br />
metody,<br />
● wielkoÊci ca∏kowitego <strong>do</strong>puszczalnego<br />
b∏´du pomiaru,<br />
● efektywnoÊci mo˝liwych <strong>do</strong> wykorzystania<br />
regu∏ interpretacyjnych<br />
stosowanych w odniesieniu <strong>do</strong><br />
okreÊlonej liczby pomiarów kontrolnych.<br />
W trakcie planowania schematu kontroli<br />
poszukuje si´ takiej regu∏y interpretacyjnej,<br />
która, przy okreÊlonej<br />
nieprecyzyjnoÊci i obcià˝eniu metody,<br />
pozwoli rozstrzygnàç z du˝ym<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwem, czy uzyskiwane<br />
wyniki mieszczà si´ w granicach<br />
ca∏kowitego <strong>do</strong>puszczalnego<br />
b∏´du – czy metoda rzeczywiÊcie<br />
znajduje si´ pod kontrolà, czy funkcjonuje<br />
prawid∏owo, czy mo˝e <strong>do</strong>sz∏o<br />
<strong>do</strong> powa˝nego zaburzenia,<br />
a uzyskiwane wyniki przesta∏y byç<br />
wiarygodne. PewnoÊç tego rozstrzygni´cia<br />
decyduje o wartoÊci ca∏ego<br />
post´powania kontrolnego.<br />
Stosowane w praktyce schematy<br />
kontrolne nie sà równorz´dne. Jedne<br />
z nich pozwalajà wykrywaç wiele nawet<br />
najdrobniejszych nieprawid∏owo-<br />
Êci, inne wra˝liwe sà tylko na bardzo<br />
powa˝ne zaburzenia w funkcjonowaniu<br />
kontrolowanych metod. Pierwsze<br />
wykrywajà du˝o istotnych b∏´dów<br />
analitycznych, <strong>do</strong>starczajàc równoczeÊnie<br />
wielu fa∏szywych sygna∏ów<br />
wtedy, gdy metoda pracuje stabilnie,<br />
drugie wykrywajà o wiele mniej b∏´dów,<br />
przy czym liczba fa∏szywych<br />
sygna∏ów jest odpowiednio mniejsza.<br />
Jedne regu∏y sà restrykcyjne, inne liberalne.<br />
¸atwo mo˝na tu <strong>do</strong>strzec po<strong>do</strong>bieƒstwo<br />
pomi´dzy schematami kontrolnymi a testami<br />
diagnostycznymi, które wykonujemy.<br />
Niektóre z naszych badaƒ majà du˝à<br />
czu∏oÊç i niewielkà swoistoÊç diagnostycznà.<br />
Oznacza to, ˝e skutecznie wykrywajà<br />
choroby, <strong>do</strong>starczajàc równoczeÊnie<br />
sporej liczby wyników fa∏szywie <strong>do</strong>datnich.<br />
Inne testy odwrotnie – sà bardzo<br />
swoiste, lecz niezbyt czu∏e diagnostycznie.<br />
W tym wypadku problemem jest zbyt<br />
ma∏a skutecznoÊç w wykrywaniu chorób,<br />
a wi´c zbyt du˝a liczba wyników fa∏szywie<br />
ujemnych.<br />
Analiza zalet i wad poszczególnych<br />
schematów kontroli jakoÊci staje si´<br />
prostsza dzi´ki zastosowaniu dwóch<br />
statystycznych poj´ç, charakteryzujàcych<br />
omawiane regu∏y:<br />
● praw<strong>do</strong>po<strong>do</strong>bieƒstwa wykrycia<br />
b∏´du (probability of error detection<br />
– PED);<br />
● praw<strong>do</strong>po<strong>do</strong>bieƒstwa fa∏szywego<br />
odrzucenia (probability of false<br />
rejection – PFR).<br />
PED, czyli o czu∏oÊci dzia∏aƒ<br />
kontrolnych<br />
PED jest statystycznym wskaênikiem<br />
opisujàcym schemat kontrolny, okre-<br />
Êlajàcym praw<strong>do</strong>po<strong>do</strong>bieƒstwo wykrycia<br />
przy jego zastosowaniu istotnego<br />
zaburzenia w funkcjonowaniu kontrolowanej<br />
metody pomiarowej.<br />
W warunkach idealnych stosowany<br />
schemat powinien byç na tyle efektywny,<br />
by mo˝liwe by∏o wykrywanie<br />
wszystkich istotnych b∏´dów analitycznych.<br />
PED powinno wi´c wynosiç<br />
100%. W rzeczywistoÊci mo˝liwe jest<br />
osiàgni´cie tak du˝ego wskaênika<br />
PED, jednak jest to zwiàzane z koniecznoÊcià<br />
wykonywania wielu pomiarów<br />
kontrolnych w serii i wymaga<br />
stosowania bardzo restrykcyjnych<br />
regu∏, co wià˝e si´ z du˝à liczbà<br />
wyników fa∏szywie <strong>do</strong>datnich. Post´powanie<br />
takie nie znajduje racjonalnego<br />
uzasadnienia.<br />
W praktyce przyjmuje si´ wi´c rozwiàzanie<br />
kompromisowe. Oczekuje<br />
si´, ˝e stosowany schemat kontrolny<br />
pozwoli wykryç co najmniej 90%<br />
krytycznych b∏´dów systematycznych<br />
oraz 80% krytycznych b∏´dów<br />
przypadkowych.<br />
Przedstawiajàc oczekiwania formu∏owane<br />
wobec PED, warto zaznaczyç,<br />
˝e sà one w du˝ym stopniu uzale˝nione<br />
od stabilnoÊci metody pomiarowej.<br />
Miarà stabilnoÊci metody jest<br />
cz´stoÊç wyst´powania istotnych,<br />
z analitycznego punktu widzenia,<br />
b∏´dów. W literaturze poÊwi´conej<br />
kontroli jakoÊci stabilnoÊç metody<br />
pomiarowej okreÊlana bywa symbolem<br />
„f” (od angielskiego s∏owa frequency<br />
oznaczajàcego cz´stoÊç, cz´stotliwoÊç).<br />
WartoÊç f oznacza liczb´<br />
(odsetek) istotnych analitycznie<br />
zaburzeƒ pojawiajàcych si´ w okre-<br />
Êlonej liczbie serii pomiarowych.
Zrozumieç kontrol´ jakoÊci. Cz´Êç 4. Przygotuj sobie plan…<br />
W praktyce wyró˝nia si´ trzy rodzaje<br />
metod:<br />
● metody o ma∏ej stabilnoÊci, w których<br />
f przekracza 10%;<br />
● metody o Êredniej stabilnoÊci,<br />
w których f mieÊci si´ w granicach<br />
2-10%;<br />
● metody o du˝ej stabilnoÊci, w których<br />
f jest mniejsze od 2%.<br />
Kontrolujàc metody o ma∏ej i Êredniej<br />
stabilnoÊci, nale˝y pos∏ugiwaç<br />
si´ regu∏ami interpretacyjnymi zapewniajàcymi<br />
PED rz´du 90%. Metody<br />
o du˝ej stabilnoÊci umo˝liwiajà<br />
z∏agodzenie zasad kontrolnych. JeÊli<br />
istotne analitycznie zaburzenia wyst´pujà<br />
rzadziej ni˝ dwa razy na 100<br />
serii pomiarowych, w pe∏ni za<strong>do</strong>walajàce<br />
jest PED wynoszàce 50%.<br />
Przy skrajnie stabilnych metodach<br />
(f < 1%) wystarczajàce jest PED rz´du<br />
25%.<br />
PFR, czyli o wynikach<br />
fa∏szywie <strong>do</strong>datnich<br />
Statystyczna natura prowadzonej<br />
kontroli jakoÊci sprawia, ˝e nawet<br />
przy idealnie funkcjonujàcej metodzie<br />
pomiarowej zdarzajà si´ wyniki<br />
kontrolne przekraczajàce przyj´te<br />
granice. Wyniki te stanowià fa∏szywy<br />
sygna∏, nakazujàcy <strong>do</strong>patrywaç si´<br />
nieprawid∏owoÊci wtedy, gdy pomiary<br />
przebiegajà w sposób prawid∏owy.<br />
PFR jest parametrem okreÊlajàcym<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwo pojawienia si´<br />
takich fa∏szywych sygna∏ów przy prawid∏owo<br />
funkcjonujàcej metodzie<br />
pomiarowej.<br />
W warunkach idealnych regu∏a interpretacyjna<br />
nie powinna byç êród∏em<br />
fa∏szywych odrzuceƒ – PFR powinno<br />
wynosiç 0%. Jednak˝e dà˝enie <strong>do</strong><br />
redukcji PFR prowadzi równoczeÊnie<br />
<strong>do</strong> obni˝enia PED. W praktyce oczekuje<br />
si´ wi´c, ˝e PFR nie b´dzie<br />
przekraczaç 5%.<br />
PFR jest wartoÊcià sta∏à dla ka˝dej<br />
regu∏y interpretacyjnej. Jego wzrost<br />
obserwuje si´ wraz z zacieÊnianiem<br />
granic kontrolnych oraz ze zwi´kszaniem<br />
liczby pomiarów kontrolnych<br />
wykonywanych w serii pomiarowej.<br />
Koncepcja wprowadzenia wskaêników<br />
PED i PFR <strong>do</strong> oceny stosowanych regu∏<br />
interpretacyjnych wywodzi si´ z teorii<br />
testowania hipotez statystycznych. Wi´kszoÊç<br />
testów statystycznych ma na celu<br />
poszukiwanie odpowiedzi na pytanie, czy<br />
przyj´ta hipoteza wyjÊciowa (zwana przez<br />
statystyków hipotezà zerowà – H0) powinna<br />
zostaç uznana za prawdziwà, czy<br />
powinna byç odrzucona. Nie trudno przewidzieç,<br />
˝e powstaç mogà cztery nast´pujàce<br />
sytuacje:<br />
1. mo˝liwe jest uznanie hipotezy zerowej<br />
za prawdziwà w sytuacji, gdy rzeczywiÊcie<br />
jest ona prawdziwa (nie zostaje pope∏niony<br />
b∏àd);<br />
2. mo˝liwe jest uznanie hipotezy zerowej<br />
za fa∏szywà w sytuacji, gdy w rzeczywisto-<br />
Êci jest ona prawdziwa (zostaje pope∏niony<br />
b∏àd pierwszego rodzaju, zwany te˝<br />
b∏´dem alfa);<br />
3. mo˝liwe jest uznanie hipotezy zerowej<br />
za prawdziwà w sytuacji, gdy w rzeczywistoÊci<br />
jest ona fa∏szywa (zostaje pope∏niony<br />
b∏àd drugiego rodzaju, zwany te˝<br />
b∏´dem beta);<br />
4. mo˝liwe jest w koƒcu uznanie hipotezy<br />
zerowej za fa∏szywà w sytuacji, gdy rzeczywiÊcie<br />
jest ona fa∏szywa (nie zostaje<br />
pope∏niony b∏àd).<br />
Dla poprawnej oceny testu statystycznego<br />
niezb´dne jest wi´c sprawdzenie wielko-<br />
Êci b∏´du pierwszego i drugiego rodzaju.<br />
Z tego wzgl´du wprowadzone zosta∏o<br />
poj´cie mocy testu statystycznego. Przez<br />
moc testu rozumie si´ praw<strong>do</strong>po<strong>do</strong>bieƒstwo<br />
odrzucenia hipotezy zerowej w sytuacji,<br />
gdy jest ona fa∏szywa (sytuacja<br />
czwarta). ZnajomoÊç mocy jest konieczna<br />
dla pe∏nego okreÊlenia wartoÊci testu<br />
statystycznego. Wyczuwamy intuicyjnie,<br />
˝e z dwóch testów ten jest lepszy, który<br />
ma wi´kszà moc, tj. który przy tym samym<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwie b∏´du pierwszego<br />
rodzaju cz´Êciej odrzuca hipotez´ fa∏szywà.<br />
Najlepszy jest test najmocniejszy, to<br />
znaczy taki, który prowadzi <strong>do</strong> najcz´stszego<br />
odrzucenia hipotezy fa∏szywej.<br />
Chcàc przet∏umaczyç przedstawione<br />
informacje statystyczne na j´zyk kontroli<br />
jakoÊci,<br />
mo˝emy przyjàç, ˝e hipotezà zerowà<br />
jest twierdzenie, ˝e kontrolowana<br />
metoda pomiarowa funkcjonuje prawid∏owo.<br />
Testem statystycznym oceniajàcym<br />
hipotez´ zerowà jest w tym<br />
przypadku regu∏a interpretacyjna, np.<br />
1 3S . I znowu mo˝liwe sà w praktyce<br />
cztery sytuacje:<br />
1. brak wyników przekraczajàcych<br />
3s w sytuacji, gdy metoda funkcjonuje<br />
prawid∏owo (nie zostaje pope∏niony<br />
b∏àd);<br />
2. obecnoÊç wyników przekraczajàcych<br />
3s w sytuacji, gdy metoda funkcjonuje<br />
prawid∏owo (b∏àd pierwszego<br />
rodzaju, tzw. b∏àd alfa – przez analogi´<br />
<strong>do</strong> wartoÊci diagnostycznej badaƒ<br />
laboratoryjnych sà to wyniki fa∏szywie<br />
<strong>do</strong>datnie);<br />
3. brak wyników przekraczajàcych<br />
3s w sytuacji, gdy metoda nie funkcjonuje<br />
prawid∏owo (b∏àd drugiego<br />
rodzaju, tzw. b∏àd beta – przez analogi´<br />
<strong>do</strong> wartoÊci diagnostycznej badaƒ<br />
laboratoryjnych sà to wyniki fa∏szywie<br />
ujemne);<br />
4. obecnoÊç wyników przekraczajàcych<br />
3s w sytuacji, gdy metoda nie<br />
funkcjonuje prawid∏owo (nie zostaje<br />
pope∏niony b∏àd).<br />
PFR jest wi´c w tym przypadku<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwem wystàpienia<br />
drugiej z wymienionych sytuacji –<br />
wskazuje na mo˝liwoÊç pope∏nienia<br />
b∏´du alfa. PED z kolei okreÊla praw<strong>do</strong>po<strong>do</strong>bieƒstwo<br />
wystàpienia sytuacji<br />
czwartej, odpowiada wi´c mocy<br />
testu statystycznego.<br />
Wykresy funkcji mocy –<br />
czy musz´ to wiedzieç?<br />
Dzi´ki pracom Foxa, Pearsona, Hartleya<br />
i Keulsa mo˝liwe sta∏o si´ graficzne<br />
przedstawienie opisanych zale˝noÊci<br />
pomi´dzy b∏´dami krytycznymi<br />
a PED i PFR. Skonstruowali oni<br />
tzw. wykresy funkcji mocy (power<br />
function graphs) – diagramy zestawiajàce<br />
moc testów statystycznych<br />
oraz wielkoÊç pope∏nianych b∏´dów.<br />
Westgard i wsp. wykorzystali te wykresy<br />
<strong>do</strong> oceny i porównywania<br />
praktycznej przydatnoÊci regu∏ interpretacyjnych.<br />
Dla ka˝dego schematu kontrolnego<br />
mo˝liwe jest skonstruowanie dwóch<br />
wykresów funkcji mocy: wykresu<br />
oceniajàcego z<strong>do</strong>lnoÊç wykrywania<br />
krytycznych b∏´dów systematycznych<br />
oraz wykresu oceniajàcego<br />
z<strong>do</strong>lnoÊç wykrywania krytycznych<br />
b∏´dów przypadkowych. Konstrukcja<br />
wykresów przeprowadzana jest na<br />
podstawie matematycznych symulacji,<br />
w trakcie których zak∏ada si´ ró˝ne<br />
wielkoÊci b∏´dów krytycznych i zlicza<br />
si´ liczb´ wykrytych nieprawid∏owoÊci.<br />
Jest to zadanie dla teoretyków zajmujàcych<br />
si´ kontrolà jakoÊci, publikujàcych<br />
wykresy od lat siedemdziesiàtych<br />
poprzedniego wieku.<br />
Wykres oceniajàcy z<strong>do</strong>lnoÊç wykrywania<br />
krytycznych b∏´dów systematycznych<br />
przedstawia zmiany praw<strong>do</strong>po<strong>do</strong>bieƒstwa<br />
wykrycia b∏´du (PED) zale˝ne od<br />
wielkoÊci tego b∏´du (Wykres 1.).<br />
WielkoÊç krytycznego b∏´du systematycznego<br />
(SE) wyra˝ana jest tu<br />
jako wielokrotnoÊç wspó∏czynnika<br />
zmiennoÊci opisujàcego nieprecyzyjnoÊç<br />
kontrolowanej metody. Miejsce,<br />
w którym wykres przecina oÊ Y,<br />
odpowiada wielkoÊci PFR. Z wykresu<br />
odczytaç mo˝na, ˝e przedstawiona<br />
hipotetyczna regu∏a interpretacyjna<br />
pozwala wykryç oko∏o 30% b∏´dów<br />
systematycznych równych wielkoÊcià<br />
17
Zrozumieç kontrol´ jakoÊci. Cz´Êç 4. Przygotuj sobie plan…<br />
18<br />
Wykres 1.<br />
Wykres 2.<br />
2 wspó∏czynnikom zmiennoÊci, ponad<br />
50% b∏´dów systematycznych<br />
o wielkoÊci 2.5 wspó∏czynników<br />
zmiennoÊci oraz prawie 90% b∏´dów<br />
systematycznych o wielkoÊci<br />
3.5 wspó∏czynników zmiennoÊci.<br />
Drugi wykres, oceniajàcy z<strong>do</strong>lnoÊç<br />
wykrywania krytycznych b∏´dów<br />
przypadkowych, przedstawia zmiany<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwa wykrycia b∏´du<br />
przypadkowego (PED) zale˝ne<br />
od wielkoÊci tego b∏´du.<br />
WielkoÊç b∏´du przypadkowego (RE)<br />
wyra˝ana jest tu jako wielokrotnoÊç<br />
wspó∏czynnika zmiennoÊci opisujàcego<br />
nieprecyzyjnoÊç kontrolowanej<br />
metody. Miejsce, w którym wykres<br />
przecina oÊ Y, odpowiada wielkoÊci<br />
PFR. Z wykresu odczytaç mo˝na, ˝e<br />
przedstawiona regu∏a pozwala wykryç<br />
oko∏o 25% b∏´dów przypadkowych<br />
przy podwojeniu nieprecyzyjnoÊci<br />
i ponad 50% b∏´dów przypadkowych<br />
przy jej potrojeniu. P∏aski przebieg<br />
wykresu pozwala zaobserwowaç, ˝e<br />
wykrywanie krytycznych b∏´dów przypadkowych<br />
przy pomocy standar<strong>do</strong>wych<br />
kart kontrolnych jest zadaniem<br />
trudniejszym ni˝ wykrywanie krytycznych<br />
b∏´dów systematycznych.<br />
Powy˝ej przedstawione zosta∏y tylko<br />
dwa, wybrane spoÊród wielu opublikowanych<br />
w fachowej literaturze,<br />
wykresy funkcji mocy. Majà one dla<br />
analityka istotnà wartoÊç poznawczà,<br />
ukazujàc w przejrzysty sposób, jak<br />
zmienia si´ z<strong>do</strong>lnoÊç wykrywania<br />
krytycznych b∏´dów systematycznych<br />
i przypadkowych zale˝nie od<br />
przyj´tej regu∏y interpretacyjnej i liczby<br />
stosowanych materia∏ów kontrolnych.<br />
Oprócz tego wykresy sà te˝<br />
podstawowym narz´dziem pozwalajàcym<br />
oceniç efektywnoÊç stosowanego<br />
programu statystycznej kontroli<br />
jakoÊci. W celu wykorzystania wykresów<br />
funkcji mocy <strong>do</strong> oceny efektywnoÊci<br />
post´powania kontrolnego<br />
konieczne jest okreÊlenie wielkoÊci<br />
b∏´du uznawanego za istotny b∏àd<br />
analityczny – tzw. b∏´du krytycznego.<br />
Prawid∏owo funkcjonujàca metoda<br />
pomiarowa <strong>do</strong>starcza wyników, które<br />
zawsze obarczone sà pewnym b∏´dem<br />
– mo˝na go nazwaç b∏´dem<br />
podstawowym. JeÊli nie <strong>do</strong>chodzi <strong>do</strong><br />
powa˝niejszych zaburzeƒ w funkcjonowaniu<br />
metody, a uzyskiwane wyniki<br />
kontrolne mieszczà si´ w granicach<br />
b∏´du podstawowego, mówi si´, ˝e<br />
metoda funkcjonuje w sposób stabilny.<br />
Pojawienie si´ czynnika zaburzajàcego<br />
funkcjonowanie metody pomiarowej<br />
sprawia, ˝e <strong>do</strong> b∏´du podstawowego<br />
<strong>do</strong>∏àcza si´ pewien b∏àd <strong>do</strong>datkowy.<br />
Niespodziewanie wzrasta obserwowany<br />
rozrzut wyników (nieprecyzyjnoÊç)<br />
lub wszystkie przesuwajà si´<br />
systematycznie w t´ samà stron´<br />
(obcià˝enie). Zmiana ta mo˝e byç<br />
niewielka, wr´cz nieistotna z analitycznego<br />
punktu widzenia. Zdarza si´<br />
jednak, ˝e <strong>do</strong>∏àczajàcy si´ b∏àd wielokrotnie<br />
zwi´ksza nieprecyzyjnoÊç<br />
i/lub obcià˝enie – <strong>do</strong>chodzi <strong>do</strong> istotnej<br />
destabilizacji w funkcjonowaniu<br />
metody, uzyskiwane wyniki przestajà<br />
byç wiarygodne – metoda znajduje<br />
si´ poza kontrolà.<br />
Z praktycznego punktu widzenia wa˝ne<br />
jest ustalenie, gdzie le˝y granica oddzielajàca<br />
metod´ pod kontrolà od<br />
metody poza kontrolà. Inaczej mówiàc,<br />
konieczne jest okreÊlenie wielkoÊci b∏´du<br />
krytycznego – najmniejszego b∏´du<br />
Êwiadczàcego o istotnym zaburzeniu<br />
funkcjonowania metody pomiarowej.<br />
Pos∏ugujàc si´ wykresami funkcji<br />
mocy, b∏àd pomiarowy (systematyczny<br />
lub przypadkowy) wyra˝amy<br />
jako wielokrotnoÊç wspó∏czynnika<br />
zmiennoÊci opisujàcego wyjÊciowà<br />
nieprecyzyjnoÊç. Np. b∏àd systematyczny<br />
SE wynoszàcy na wykresie<br />
2,0 oznacza b∏àd równy wartoÊcià<br />
2 x I%. Po<strong>do</strong>bnie b∏àd przypadkowy<br />
RE wynoszàcy 3,0 oznacza trzykrotny<br />
wzrost wyjÊciowego wspó∏czynnika<br />
zmiennoÊci (3 x I%). Stàd wzory s∏u-<br />
˝àce <strong>do</strong> obliczania wielkoÊci b∏´dów<br />
krytycznych zosta∏y skonstruowane
Zrozumieç kontrol´ jakoÊci. Cz´Êç 4. Przygotuj sobie plan…<br />
tak, by wyniki równie˝ stanowi∏y wielokrotnoÊç<br />
wyjÊciowego I%. Krytyczny<br />
b∏àd systematyczny obliczany jest<br />
na podstawie wzoru:<br />
SE C = –1,65<br />
TE A – B%<br />
I%<br />
gdzie:<br />
SE C – krytyczny b∏àd systematyczny<br />
wyra˝ony jako wielokrotnoÊç<br />
I%;<br />
TE A – ca∏kowity b∏àd <strong>do</strong>puszczalny<br />
[%];<br />
B% – obcià˝enie metody [%];<br />
I% – nieprecyzyjnoÊç metody [%].<br />
Krytyczny b∏àd przypadkowy obliczany<br />
jest na podstawie wzoru:<br />
RE C = TE A – B%<br />
1,65 x I%<br />
gdzie:<br />
RE C – krytyczny b∏àd przypadkowy<br />
wyra˝ony jako wielokrotnoÊç<br />
I%;<br />
TE A – ca∏kowity b∏àd <strong>do</strong>puszczalny<br />
[%];<br />
B% – obcià˝enie metody [%];<br />
I% – nieprecyzyjnoÊç metody [%].<br />
Znajàc wielkoÊç krytycznego b∏´du,<br />
mo˝emy sprawdziç z<strong>do</strong>lnoÊç wybranej<br />
regu∏y interpretacyjnej <strong>do</strong> jego<br />
wykrycia. W tym celu pos∏ugujemy<br />
si´ odpowiednimi wykresami funkcji<br />
mocy, na które nanosimy obliczonà<br />
wartoÊç.<br />
Opis wykresów funkcji mocy oraz<br />
przedstawienie wzorów na krytyczne<br />
b∏´dy systematyczne i przypadkowe<br />
budziç mo˝e wiele wàtpliwoÊci wÊród<br />
praktyków zajmujàcych si´ kontrolà<br />
jakoÊci w warunkach rutynowych. Pytanie<br />
zadane w tytule rozdzia∏u jest<br />
w pe∏ni uzasadnione. Po wielu latach<br />
prowadzenia wyk∏adów, po licznych<br />
dyskusjach ze s∏uchaczami, po wymianie<br />
obserwacji z wieloma praktykami,<br />
<strong>do</strong>chodz´ <strong>do</strong> przekonania, ˝e<br />
warto to wyraênie zrozumieç, ˝e<br />
decyzje <strong>do</strong>tyczàce optymalnych<br />
schematów kontroli jakoÊci nie sà<br />
podejmowane arbitralnie. Wynikajà<br />
one z wypracowanych przez dziesi´ciolecia<br />
danych mówiàcych o tym na<br />
ile skuteczne sà ró˝ne schematy<br />
kontrolne. Nie trzeba uwa˝nie studiowaç<br />
przebiegu wykresów funkcji<br />
mocy. Potrzebne jest w miar´ proste<br />
narz´dzie, które umo˝liwi <strong>do</strong>branie<br />
odpowiedniego schematu kontrolnego<br />
<strong>do</strong> danych wartoÊci TEA, I%<br />
oraz B%.<br />
Wybór schematu<br />
kontrolnego<br />
Nagromadzenie informacji na temat<br />
nieprecyzyjnoÊci i obciàzenia metody,<br />
wielkoÊci ca∏kowitego <strong>do</strong>puszczalnego<br />
b∏´du pomiaru, kilkunastu<br />
mo˝liwych <strong>do</strong> wykorzystania regu∏<br />
interpretacyjnych, b∏´dów krytycznych,<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwa wykrycia<br />
b∏´dów, praw<strong>do</strong>po<strong>do</strong>bieƒstwa fa∏szywych<br />
odrzuceƒ, wykresów funkcji<br />
mocy i stabilnoÊci metod pomiarowych<br />
sprawia, ˝e konieczne staje si´<br />
pewne uporzàdkowanie tej wiedzy,<br />
wprowadzenie kilku prostych zasad<br />
umo˝liwiajàcych wybór optymalnej<br />
regu∏y interpretacyjnej dla ka˝dej<br />
z metod poddawanych kontroli. Istotne<br />
jest wyraêne <strong>do</strong>strze˝enie jednego,<br />
<strong>do</strong>Êç wa˝nego faktu: metody pomiarowe<br />
stosowane w laboratorium ró˝nià<br />
si´ mi´dzy sobà jakoÊcià, dlatego<br />
nieuzasadnione jest stosowanie jednego<br />
schematu kontrolnego w stosunku<br />
<strong>do</strong> wszystkich kontrolowanych<br />
metod.<br />
Nie mo˝na np. zalecaç stosowania<br />
regu∏y 1 3S i dwóch pomiarów kontrolnych<br />
w serii w odniesieniu <strong>do</strong><br />
wszystkich wykonywanych w laboratorium<br />
badaƒ, poniewa˝ tam, gdzie<br />
b∏àd krytyczny jest niewielki, efektywnoÊç<br />
takiego schematu (PED) b´dzie<br />
niewystarczajàca, zw∏aszcza przy<br />
ma∏ej stabilnoÊci metody. Z drugiej<br />
strony stosowanie schematów bardziej<br />
restrykcyjnych, np. regu∏y 1 2S<br />
z czterema pomiarami kontrolnymi<br />
w serii w stosunku <strong>do</strong> wszystkich<br />
metod pomiarowych, prowadziç b´dzie<br />
<strong>do</strong> nadmiernej iloÊci fa∏szywych<br />
odrzuceƒ (PFR) przy metodach<br />
o du˝ym b∏´dzie krytycznym. Post´powanie<br />
kontrolne staje si´ wówczas<br />
nieekonomiczne.<br />
Zadanie osoby tworzàcej program<br />
kontroli jakoÊci polega na umiej´tnym<br />
<strong>do</strong>braniu regu∏y dla ka˝dej<br />
metody pomiarowej. Przyst´pujàc <strong>do</strong><br />
wyboru regu∏y interpretacyjnej warto<br />
pami´taç o tym, ˝e istnieje kilka mo˝liwych<br />
<strong>do</strong> wykorzystania rozwiàzaƒ,<br />
które ró˝nià si´ stopniem z∏o˝onoÊci.<br />
Wybieraç mo˝na:<br />
● kierujàc si´ ogólnymi wskazówkami<br />
na temat zasad konstrukcji programu<br />
kontrolnego;<br />
● wykorzystujàc uproszczonà zasad´<br />
Westgarda-Burnetta;<br />
● przeprowadzajàc analiz´ wykresów<br />
funkcji mocy;<br />
● korzystajàc z odpowiednio skonstruowanych<br />
tabel;<br />
● wykorzystujàc specjalistyczne<br />
oprogramowanie komputerowe.<br />
Wskazówki ogólne<br />
Zapoznanie si´ z efektywnoÊcià<br />
(PED, PFR) wybranych regu∏ interpretacyjnych<br />
pozwala sformu∏owaç<br />
pewne wnioski, przydatne podczas<br />
planowania post´powania kontrolnego:<br />
1. Nale˝y ograniczyç stosowanie<br />
regu∏y 1 2S <strong>do</strong> niezb´dnego minimum<br />
– wynika to z nadmiernej liczby<br />
fa∏szywych odrzuceƒ (przy N=2<br />
PFR=9%). Tam, gdzie jest to mo˝liwe,<br />
powinno si´ zrezygnowaç ze<br />
stosowania tej regu∏y.<br />
2. Stosujàc regu∏´ 1 3S , mo˝na ograniczyç<br />
liczb´ fa∏szywych odrzuceƒ,<br />
nale˝y jednak sprawdziç, czy regu∏a<br />
ta zapewnia wystarczajàce praw<strong>do</strong>po<strong>do</strong>bieƒstwo<br />
wykrycia b∏´du (PED).<br />
Wskazane jest obliczenie wielkoÊci<br />
b∏´du krytycznego dla kontrolowanej<br />
metody i sprawdzenie, przy pomocy<br />
wykresu funkcji mocy, jak przedstawia<br />
si´ PED.<br />
3. Regu∏y z∏o˝one z dwoma lub czterema<br />
materia∏ami kontrolnymi w serii<br />
umo˝liwiajà utrzymanie odpowiedniej<br />
proporcji pomi´dzy praw<strong>do</strong>po<strong>do</strong>bieƒstwem<br />
wykrycia b∏´du a praw<strong>do</strong>po<strong>do</strong>bieƒstwem<br />
fa∏szywych odrzuceƒ.<br />
4. Regu∏a 1 2.5S charakteryzuje si´<br />
efektywnoÊcià zbli˝onà <strong>do</strong> efektywnoÊci<br />
regu∏ z∏o˝onych. Wykazuje wysokie<br />
PED przy wzgl´dnie niskim<br />
PFR.<br />
5. W przypadku, gdy trudno jest osiàgnàç<br />
za<strong>do</strong>walajàce praw<strong>do</strong>po<strong>do</strong>bieƒstwo<br />
wykrycia b∏´du w jednej<br />
serii pomiarowej, wskazane jest zastosowanie<br />
regu∏y z∏o˝onej, pozwalajàcej<br />
interpretowaç wyniki z kilku<br />
serii równoczeÊnie.<br />
Zasada Westgarda-Burnetta<br />
IloÊciowym uj´ciem wymienionych<br />
powy˝ej wskazówek jest zasada<br />
Westgarda-Burnetta. Zgodnie z tà zasadà<br />
stosowanie dwóch lub trzech<br />
materia∏ów kontrolnych w serii oraz<br />
regu∏y z∏o˝onej lub regu∏y 1 2.5S zapewnia<br />
wystarczajàcy poziom kontroli<br />
wewnàtrzlaboratoryjnej (PED ><br />
50%) pod warunkiem, ˝e nie wyst´puje<br />
˝aden sta∏y b∏àd systematyczny<br />
(B% = 0%), a nieprecyzyjnoÊç nie<br />
przekracza jednej czwartej ca∏kowitego<br />
<strong>do</strong>puszczalnego b∏´du pomiaru).<br />
Analiza wykresów funkcji<br />
mocy<br />
Przedstawione powy˝ej wskazania<br />
mogà byç pomocne przy wybieraniu<br />
regu∏y interpretacyjnej, majà one jednak<br />
bardzo ogólny charakter. Wydaje<br />
si´, ˝e pozostawiajà spory margines<br />
19
Zrozumieç kontrol´ jakoÊci. Cz´Êç 4. Przygotuj sobie plan…<br />
20<br />
<strong>do</strong>wolnoÊci przy wyborze regu∏y,<br />
a w niektórych przypadkach mogà<br />
byç trudne <strong>do</strong> wykorzystania. Tam,<br />
gdzie wykonuje si´ wiele bardzo<br />
zró˝nicowanych badaƒ, konieczne<br />
jest pos∏ugiwanie si´ konkretnymi<br />
zasadami, które pozwolà w szybkim<br />
czasie oceniç i wybraç odpowiednià<br />
regu∏´ interpretacyjnà, a <strong>do</strong>konany<br />
wybór uzasadniç danymi o charakterze<br />
iloÊciowym. Post´powanie takie<br />
mo˝liwe jest dzi´ki prawid∏owo przeprowadzonej<br />
analizie wykresów<br />
funkcji mocy.<br />
Zastosowanie wykresów funkcji mocy<br />
w codziennej praktyce laboratoryjnej<br />
mo˝e poczàtkowo wydawaç si´<br />
ucià˝liwym zadaniem. Du˝a liczba<br />
wykresów (<strong>do</strong> tej pory opracowano<br />
ich ok. 100), przedstawiajàcych ró˝ne<br />
regu∏y, ró˝nà liczb´ materia∏ów<br />
kontrolnych oraz dwa typy krytycznych<br />
b∏´dów analitycznych, powo<strong>do</strong>waç<br />
mo˝e obawy przed zbytnià z∏o˝ono-<br />
Êcià post´powania.<br />
Dla uproszczenia ca∏ej procedury<br />
zaleca si´ obecnie pos∏ugiwanie si´<br />
jedynie wykresami funkcji mocy sporzàdzonymi<br />
dla krytycznych b∏´dów<br />
systematycznych. Wybierajàc regu∏´<br />
interpretacyjnà, nale˝y kierowaç si´<br />
jej efektywnoÊcià w stosunku <strong>do</strong> krytycznego<br />
b∏´du systematycznego.<br />
Post´powanie rozpoczyna si´ od<br />
zgromadzenia informacji na temat<br />
ca∏kowitego <strong>do</strong>puszczalnego b∏´du<br />
oraz bie˝àcej nieprecyzyjnoÊci i obcià˝enia<br />
metody pomiarowej. W drugim<br />
etapie <strong>do</strong>konuje si´ obliczenia<br />
wielkoÊci krytycznego b∏´du systematycznego.<br />
Nast´pnie obliczone<br />
wartoÊci nanosi si´ na odpowiednio<br />
wybrane wykresy funkcji mocy dla<br />
krytycznego b∏´du systematycznego,<br />
po czym ocenia si´ wielkoÊç PED<br />
i PFR dla poszczególnych regu∏ i ilo-<br />
Êci materia∏ów kontrolnych. Wybór<br />
polega na znalezieniu regu∏y zapewniajàcej<br />
jak najwi´ksze PED przy jak<br />
najmniejszym PFR i przy jak najmniejszej<br />
liczbie materia∏ów kontrolnych<br />
w serii.<br />
Tabele, czyli to co najprostsze<br />
Metody pomiarowe poddawane<br />
kontroli jakoÊci ró˝nià si´ mi´dzy sobà<br />
wielkoÊcià krytycznego b∏´du systematycznego.<br />
Wynika to z ró˝nych<br />
proporcji pomi´dzy obserwowanà<br />
nieprecyzyjnoÊcià i obcià˝eniem metody<br />
a ca∏kowitym <strong>do</strong>puszczalnym<br />
b∏´dem pomiaru. Zró˝nicowanie to<br />
pozwala wyodr´bniç trzy rodzaje<br />
metod:<br />
● metody z SE C > 3,0;<br />
● metody z SE C : 2,0 – 3,0;<br />
● metody z SE C < 2,0.<br />
Metody, w których krytyczny b∏àd<br />
systematyczny przekracza trzykrotnà<br />
wartoÊç podstawowego wspó∏czynnika<br />
zmiennoÊci, kontrolowane sà<br />
zwykle za pomocà ∏agodnych regu∏.<br />
Granice kontrolne sà tu ustawione<br />
szeroko, ∏atwo osiàga si´ wysokie<br />
praw<strong>do</strong>po<strong>do</strong>bieƒstwo wykrycia b∏´du,<br />
przy ma∏ym odsetku fa∏szywych<br />
odrzuceƒ.<br />
Ich przeciwieƒstwem sà metody o krytycznym<br />
b∏´dzie systematycznym<br />
mniejszym od dwóch wspó∏czynników<br />
zmiennoÊci. W tym przypadku<br />
kontrola wymaga stosowania restrykcyjnych<br />
regu∏ interpretacyjnych, z trudem<br />
uzyskuje si´ PED wi´ksze od<br />
90%, cz´sto obserwuje si´ fa∏szywe<br />
odrzucenia.<br />
Trzecià grup´ stanowià metody o po-<br />
Êredniej wartoÊci SEC. Ka˝da z kontrolowanych<br />
metod charakteryzuje<br />
si´ równie˝ okreÊlonà stabilnoÊcià,<br />
wyra˝anà przy pomocy wskaênika f.<br />
Jak ju˝ wspomniano, wyró˝nia si´<br />
metody o ma∏ej (f > 10%), Êredniej<br />
(10% > f > 2%) i du˝ej (f < 2%)<br />
stabilnoÊci.<br />
Przedstawione powy˝ej podzia∏y pozwalajà<br />
w praktyczny sposób sklasyfikowaç<br />
kontrolowane metody. Dzi´ki<br />
tego rodzaju klasyfikacji wyodr´bnionych<br />
zostaje dziewi´ç rodzajów metod<br />
pomiarowych, którym przypisaç<br />
mo˝na optymalne regu∏y interpretacyjne.<br />
Uporzàdkowane informacje<br />
mogà byç zestawione w formie tabeli.<br />
Znajàc wielkoÊç krytycznego b∏´du<br />
systematycznego i wskaênika f, mo˝na<br />
w szybki sposób okreÊliç, która<br />
z regu∏ powinna byç wykorzystana<br />
w trakcie kontroli danej metody pomiarowej.<br />
WielkoÊç krytycznego b∏´du systematycznego<br />
jest zwykle ∏atwa <strong>do</strong><br />
ustalenia. JeÊli <strong>do</strong>st´pne sà dane na<br />
temat nieprecyzyjnoÊci i obcià˝enia<br />
metody oraz znana jest wielkoÊç<br />
TEA, post´powanie polega na przeprowadzeniu<br />
prostego obliczenia,<br />
zgodnie ze wzorem przedstawionym<br />
wczeÊniej.<br />
Pewnà trudnoÊç sprawiaç mo˝e<br />
okreÊlenie stabilnoÊci metody pomiarowej.<br />
Nie<strong>do</strong>st´pne sà dane literaturowe<br />
na ten temat. Producenci<br />
odczynników i aparatury pomiarowej<br />
równie˝ nie u<strong>do</strong>st´pniajà takich informacji.<br />
Zwykle najbardziej wiarygodnym<br />
êród∏em danych jest w∏asna<br />
<strong>do</strong>kumentacja kontroli jakoÊci oceniona<br />
retrospektywnie. Uwa˝ne<br />
przeanalizowanie historii kontrolowanej<br />
metody pozwala ustaliç cz´stotliwoÊç,<br />
z jakà pojawiajà si´ istotne<br />
analitycznie b∏´dy, odpowiadajàce<br />
wielkoÊcià b∏´<strong>do</strong>wi krytycznemu lub<br />
wi´ksze.<br />
JeÊli mamy <strong>do</strong> czynienia z zupe∏nie<br />
nowà metodà pomiarowà, wartoÊç<br />
f musi byç oszacowana po up∏ywie<br />
pewnego czasu, dlatego bezpieczne<br />
jest przyj´cie wst´pnego za∏o˝enia<br />
o ma∏ej stabilnoÊci metody. Za∏o˝enie<br />
to powinno byç po pewnym czasie<br />
(2-3 miesiàce) zweryfikowane.<br />
Obecnie dysponujemy dwiema tabelami<br />
umo˝liwiajàcymi wybór sposobu<br />
przeprowadzania kontroli wewnàtrzlaboratoryjnej.<br />
Jedna s∏u˝y <strong>do</strong><br />
wyboru regu∏ prostych (tabela 1),<br />
druga <strong>do</strong> wyboru regu∏ z∏o˝onych<br />
(tabela 2).<br />
Patrzàc na tabele, mo˝na si´ przekonaç,<br />
˝e metody wymagajàce stosowania<br />
najbardziej restrykcyjnych regu∏<br />
to metody o ma∏ej stabilnoÊci i niskiej<br />
wartoÊci b∏´du krytycznego (w obydwu<br />
przypadkach lewa górna cz´Êç<br />
tabeli). Najbardziej liberalne regu∏y<br />
mogà byç stosowane przy du˝ej stabilnoÊci<br />
metody i du˝ej wartoÊci b∏´du<br />
krytycznego (prawa <strong>do</strong>lna cz´Êç<br />
tabeli).<br />
Wybór regu∏y interpretacyjnej, przeprowadzany<br />
z wykorzystaniem tabel,<br />
jest zadaniem <strong>do</strong>Êç prostym. Wystarczy<br />
odszukaç okreÊlone wczeÊniej<br />
wartoÊci SEC i f i odnaleêç odpowiadajàcà<br />
im regu∏´ interpretacyjnà.<br />
Karty OPS<br />
W 1992 roku ukaza∏a si´ praca<br />
Jamesa O. Westgarda (Charts of<br />
operational process specifications<br />
(„OPSpecs”) for assessing the precision,<br />
accuracy, and quality control<br />
needed to satisfy proficiency testing<br />
criteria; Clinical Chemistry 1992; 38:<br />
1226-1233), przedstawiajàca nieco<br />
odmienny sposób wybierania regu∏<br />
interpretacyjnych. Autor zaproponowa∏<br />
w niej wprowadzenie specjalnie<br />
skonstruowanych kart (operational<br />
process specifications charts –<br />
OPSpecs charts) zawierajàcych <strong>do</strong>k∏adnie<br />
sprecyzowane wytyczne <strong>do</strong>tyczàce<br />
wyboru regu∏ w oparciu<br />
o znane parametry metody (I%, B%<br />
i TEA) – w skrócie kart OPS. Karty<br />
OPS przygotowywane sà na podstawie<br />
analizy wykresów funkcji mocy.<br />
Karty OPS stanowià gotowe <strong>do</strong> u˝ycia<br />
narz´dzie, pozwalajàce uniknàç<br />
przeprowadzania z∏o˝onych obliczeƒ.<br />
Wszystko, co jest potrzebne <strong>do</strong><br />
wybrania optymalnej regu∏y interpretacyjnej,<br />
to:<br />
● zbiór kart OPS;<br />
● okreÊlenie wielkoÊci ca∏kowitego<br />
<strong>do</strong>puszczalnego b∏´du (TEA);<br />
● ustalenie nieprecyzyjnoÊci i obcià-<br />
˝enia metody.
Zrozumieç kontrol´ jakoÊci. Cz´Êç 4. Przygotuj sobie plan…<br />
Post´powanie polega na odszukaniu<br />
odpowiedniej karty OPS, naniesieniu<br />
na kart´ punktu wyznaczonego<br />
przez I% i B% i stwierdzeniu, która<br />
z regu∏ interpretacyjnych zapewnia<br />
po˝àdane praw<strong>do</strong>po<strong>do</strong>bieƒstwo wykrycia<br />
istotnego b∏´du systematycznego.<br />
JeÊli kilka regu∏ wykazuje<br />
odpowiednie PED, wybiera si´ mo˝liwie<br />
najprostszà regu∏´ z niskim PFR.<br />
Specjalistyczne<br />
oprogramowanie<br />
komputerowe<br />
Z∏o˝one procedury zwiàzane z wyborem<br />
optymalnych regu∏ interpretacyjnych,<br />
m.in. pos∏ugiwanie si´ kartami<br />
OPS, mogà byç przeprowadzane<br />
w sposób automatyczny, dzi´ki specjalistycznym<br />
programom, takim jak QC<br />
Validator ® v. 1.1, QC Validator ® v. 2.0,<br />
czy EZ Rules 3 <strong>do</strong>st´pnym w sprzeda-<br />
˝y na stronie www.westgard.com. Coraz<br />
cz´Êciej spotkaç mo˝na po<strong>do</strong>bne<br />
aplikacje, stanowiàce integralnà<br />
cz´Êç laboratoryjnych systemów in<strong>format</strong>ycznych.<br />
Podstawà dzia∏ania programów komputerowych<br />
sà odpowiednio skonstruowane<br />
bazy danych zawierajàce<br />
informacje na temat praw<strong>do</strong>po<strong>do</strong>bieƒstwa<br />
wykrycia b∏´dów i praw<strong>do</strong>po<strong>do</strong>bieƒstwa<br />
fa∏szywych odrzuceƒ<br />
przy stosowaniu ró˝nych regu∏ prostych<br />
i z∏o˝onych. Informacje te prezentowane<br />
sà graficznie w postaci<br />
wykresów funkcji mocy, wykresów<br />
b∏´dów krytycznych oraz specjalnych<br />
kart OPS s∏u˝àcych <strong>do</strong> planowania<br />
post´powania kontrolnego.<br />
Zakoƒczenie<br />
Przedstawiona czwarta cz´Êç stanowi<br />
podsumowanie cyklu „Zrozumieç<br />
kontrol´ jakoÊci”. DziÊ wiemy ju˝, ˝e<br />
przygotowany cykl artyku∏ów spotka∏<br />
si´ z du˝ym zainteresowaniem diagnostów<br />
laboratoryjnych z ca∏ej Polski.<br />
Przygotowanie tego cyklu artyku∏ów<br />
nie by∏oby mo˝liwe bez aktywnego<br />
udzia∏u grupy osób, którym chcia∏bym<br />
w tym miejscu podzi´kowaç.<br />
Dzi´kuj´ Pani Dr El˝biecie Wójcik<br />
i Panu Ireneuszowi Pop∏awskiemu<br />
z <strong>bioMérieux</strong> Polska oraz Pani Mgr<br />
Krystynie Jasiƒskiej z PSK-1 we Wroc∏awiu<br />
za zaanga˝owanie i wsparcie<br />
w realizacji ca∏ego projektu.<br />
Doskonalenie systemu kontroli jako-<br />
Êci jest procesem z∏o˝onym. W trakcie<br />
jego realizacji pojawia si´ wiele<br />
wàtpliwoÊci. Niektóre z nich wymagajà<br />
szczegó∏owej dyskusji, analizy<br />
liczb, nietypowych rozwiàzaƒ. Byç<br />
mo˝e niektóre z wàtpliwoÊci uda mi<br />
si´ rozwiàzaç, dlatego zach´cam<br />
wszystkich Czytelników <strong>do</strong> bezpo-<br />
Êredniego kontaktu drogà elektronicznà<br />
– e-mail: gernand@wp.pl<br />
Autor<br />
Tabela 1.<br />
SE C ma∏a stabilnoÊç Êrednia stabilnoÊç du˝a stabilnoÊç<br />
< 2,0<br />
2,0-3,0<br />
> 3,0<br />
1 2S N = 3-4 1 2S N = 2 1 2.5S N = 2<br />
1 2.5S N = 6-8 1 2.5S N = 4 1 3S N = 4<br />
1 2S N = 2 1 2.5S N = 2 1 3S N = 2<br />
1 2.5S N = 4 1 3S N = 4 1 3.5S N = 4<br />
1 2.5S N = 2 1 3S N = 2 1 3S N = 1<br />
1 3S N = 4 1 3.5S N = 4 1 3.5S N = 2<br />
Tabela 2.<br />
SE C ma∏a stabilnoÊç Êrednia stabilnoÊç du˝a stabilnoÊç<br />
f > 10% 10% > f > 2% f < 2%<br />
< 2,0<br />
2,0-3,0<br />
> 3,0<br />
1 3S /2 2S R 4S /4 1S /6 x 1 3S /2 2S R 4S /4 1S /8 x 1 3S /2 2S R 4S /4 1S<br />
N = 6 N = 4 N = 2<br />
1 3S /2 2S R 4S /4 1S /8 x 1 3S /2 2S R 4S /4 1S 1 3S /2 2S R 4S /(4 1S )*<br />
N = 4 N = 2 N = 2<br />
1 3S /2 2S R 4S /4 1S 1 3S /2 2S R 4S /(4 1S )* 1 3S /(4 1S )*<br />
N = 2 N = 2 N = 2<br />
Przypisy<br />
1. Gernand W. Podstawy kontroli jakoÊci<br />
badaƒ laboratoryjnych. CPNM, Lublin<br />
2000.<br />
2. CLSI C24-A3: Statistical quality control<br />
for quantitative measurements: principles<br />
and definitions. Clinical and Laboratory<br />
Standards Institute, Wayne 2006.<br />
3. Westgard JO, Groth T, deVerdier C-H:<br />
Principles for developing improved quality<br />
control procedures. Quality Control<br />
in Clinical Chemistry – Efforts to Find an<br />
Efficient Strategy, Scand J Clin Lab Invest<br />
1984; 44: Suppl 172: 19-42.<br />
4. Westgard JO, Groth T, Aronsson T, Falk H,<br />
deVerdier C-H. Performance characteristics<br />
of rules for internal quality control:<br />
Probabilities for false rejection and error<br />
detection. Clin Chem 1977; 23:1857-67.<br />
5. Westgard JO, Groth T. Power functions<br />
for statistical control rules. Clin Chem<br />
1979; 25: 863-69.<br />
6. Westgard JO. Assuring analytical quality<br />
through process planning and quality<br />
control. Arch Pathol Lab Med 1992;<br />
116: 765-9.<br />
7. http://www.westgard.com/lesson15.htm<br />
8. Bland M. An introduction to medical<br />
statistics. Oxford University Press,<br />
Oxford 2000.<br />
9. Pearson ES, Hartley HO. Charts of the<br />
Power Function for Analysis of Variance<br />
Tests, Derived from the Non-Central F-distribution.<br />
Biometrica 1951; 38: 112-30.<br />
10. Westgard JO, Barry PL. Cost-effective<br />
quality control: Managing the quality<br />
and productivity of analytical processes.<br />
AACC Press, Washington, 1986.<br />
11. Cembrowski GS, Carey RN. Laboratory<br />
quality management. ASCP Press, Chicago,<br />
1989.<br />
12. http://www.westgard.com/lesson5.htm<br />
13. Westgard JO. Error budgets for quality<br />
management: Practical tools for planning<br />
and assuring the analytical quality<br />
of laboratory testing processes. Clin Lab<br />
Manag Review 1996; 10: 377-403.<br />
14. Westgard JO, Burnett RW. Precision requirements<br />
for cost-effective operation<br />
of analytical processes. Clin Chem<br />
1990; 36: 1629-32.<br />
15. http://www.westgard.com/lesson3.htm<br />
16. Westgard JO, Qualm EF, Barry PL. Selection<br />
grids for planning quality control<br />
procedures. Clin Lab Science 1990; 3:<br />
271-278.<br />
17. Linnet K. EZ rules: Automatic selection<br />
of statistical control rules for laboratory<br />
tests. Clin Chem 2002; 48; 594-5.<br />
18. http://www.medcompare.com/spotlight.<br />
asp?spotlightid=212<br />
21
nowość w ofercie<br />
Konelab PRIME 60<br />
Konelab PRIME 60 - najnowszy i najbardziej zaawansowany<br />
model w grupie analizatorów Konelab stosowanych w chemii klinicznej<br />
<strong>bioMérieux</strong> Polska, ul. ˚eromskiego 17, 01-882 Warszawa<br />
tel. (22) 569 85 00, fax (22) 569 85 54, www.biomerieux.pl
Change language