患者数据正态均值法室内质量控制评价和设计系统的开发与应用

刘佳丽,何书康,陈兵权,郭拥军,王薇,刘向祎,王治国

(1.北京医院 国家老年医学中心，国家卫生健康委临床检验中心，中国医学科学院老年医学研究院，北京 100730；2.北京科临易检信息技术有限公司，北京 100020；3.首都医科大学附属北京同仁医院检验科，北京 100730)

1965年，Hoffman和Waid[1]提出了一种基于患者数据的实验室内质量控制(internal quality control,IQC)方法——正态均值法(average of normals，AoN)。该方法是每天检测结束时计算落在参考区间内的患者检测结果的平均值、标准差以及不同质量控制(质控)规则的控制限和截断界限，并将得到的“正态均值(平均值)”描在质控图上[2-3]。该方法具有3个重要影响因素，包括截断界限、控制限以及患者检测结果数。其中，截断界限用来排除计算均值时的离群值，以减少人群特征对AoN的影响[4]；控制限用来判断分析过程是否失控。研究发现，与传统基于质控品的质控方法相比，患者数据质控方法具有成本低、不存在质控品互换性问题、可实时对误差进行监测等优势[5]。在IQC活动中，这些方法可以作为传统质控方法的补充，以达到最优的质控结果，提高临床检验质量[6]。

功效函数图是分析批失控概率与该批发生随机或系统误差大小关系的图，即表示统计功效与分析误差大小的临界随机误差(critical random error，ΔREc)和临界系统误差(critical systematic error，ΔSEc)的关系，分析批失控概率由误差检出概率(probability for error detection,Ped)和假失控概率(probability for false rejection,Pfr)组成。利用功效函数图可以评价不同质控方法的性能特征和设计质控方法，即给出某质控规则检出不同系统误差或随机误差时的失控概率[7]。通过计算机绘制功效函数图可轻易了解Ped和Pfr[6]。即可筛选出更适合于每个不同指标的质控方法，并能够预测质控方法可否达到预想的质量目标，这对控制成本，提高质控效率很有意义[8]。

本研究与网络公司合作开发的基于患者数据AoN的IQC评价和设计系统，使用真实的患者数据对AoN的性能进行系统评价，同时根据评价结果为实验室应用AoN进行IQC提出建议。

1 资料和方法

1.1资料来源 连续收集首都医科大学附属北京同仁医院检验科2019年10月1日至11月1日13项常规生化项目患者结果数据以及相应检测项目的累积IQC数据。

1.2方法

1.2.1开发环境 本软件使用JavaScript语言、Vue框架，基于Nodejs服务和mongodb存储，可应用于Linux、Windows等不同平台以及不同版本系统。

系统误差为0时，所得失控概率为Pfr，其他情况则为Ped。以系统误差为横坐标，相应失控概率为纵坐标作图，所得图形即为结合AoN影响变量的功效函数图。

软件有5个功能区，可模拟以下情况：(1)患者检测结果数对AoN质控规则误差检出性能的影响；(2)截断界限对AoN质控规则误差检出性能的影响；(3)控制限对AoN质控规则误差检出性能的影响；(4)sp/sa值对AoN质控规则误差检出性能的影响；(5)具有西格码度量的功效函数图。

1.3统计学分析 用Microsoft Office Excel 2016和SPSS 21.0软件进行。用Z分数标准化法对离群值进行剔除，用Kolmogorov-Smirnov法对数据进行正态性检验，以P<0.05为差异有统计学意义。

2 结果

2.1模拟参数 根据患者数据和IQC数据计算13项常规生化项目的模拟参数，见表1。

表1 13项常规生化项目患者数据的模拟参数

2.2患者检测结果数(N) 采用AoN规则为AoN(t2.58)2.58s，检测项目为尿酸、钾、肌酐、钠。由图1可见，随着患者检测结果数N的增加，在相同ΔSEc和AoN规则的情况下，Ped逐渐增加。当N=20时，尿酸、钾、肌酐和钠AoN规则检出2sa大小系统误差的概率分别为2.8%、5.4%、7.3%、99.6%;当N=200时，相应的概率变为45.7%、69.0%、84.5%、100.0%，Pfr保持不变，均为1.0%。图2以N为横坐标，失控概率为纵坐标，质控规则为AoN(t2.58)2.58s，系统误差固定为2sa，更加直观地显示出N对AoN规则Ped的影响。

注：A为尿酸，B为钾，C为肌酐，D为钠。图1 患者检测结果数(N)对AoN性能的影响

注：A为尿酸，B为钾，C为肌酐，D为钠。图2 患者检测结果数(N)对AoN性能影响的列线图

注：A为尿酸，B为钾，C为肌酐，D为钠。图3 控制限对AoN性能的影响

注：A为尿酸，B为钾，C为肌酐，D为钠。图4 截断界限对AoN性能的影响

2.5AoN质控规则 根据上述功效函数图模拟结果和检验项目的ΔSEc，为不同检验项目推荐的AoN质控规则和相应的患者检测结果数，见表2。

表2 检验项目推荐的AoN质控规则和患者检测结果数

3 讨论

近些年基于患者数据的质控程序越来越受到实验室人员的关注[5]。最初AoN计算患者检测结果的算术均值并进行质控，但该法只适于正态分布的检测结果。后来中位数、标准差、指数加权移动均值等[3]统计量的出现，从多种角度弥补了AoN的不足，使其更加多元化。

本研究与网络公司合作开发患者数据AoN的IQC评价和设计系统，并与首都医科大学附属北京同仁医院检验科合作，利用其数据对AoN误差检出性能的影响因素进行了探索。随着N增加，相应的Ped也增加，与已有研究结论相同[11-12]。好的Ped需要更多的患者结果，但这也会导致质控频率降低，规模较小的实验室每日检测量可能无法符合要求；控制限越窄Ped越高，但Pfr也随之上升，对假失控事件进行调查会花费大量的时间和精力，同时还会大大降低质控方法的实用价值[12]；宽的截断界限可以获得更高的Ped，因为更多的N被纳入计算，但此结论仅在患者人群检测结果分布较集中时才成立。

IQC程序主要包括3个要素：质控规则、质控频率和质控测定值个数[13]。AoN主要缺点是无法对质控频率进行评价，而且本次模拟所使用的参数都经过离群值处理，可能会漏检一些较大的系统误差，这也是未来所需要改进的地方。如果剔除离群值后N小于软件推荐的N，则认为该实验室规模较小，检测出的Ped无法满足要求，相应的质控规则的统计学效能降低，本软件仅供参考使用。此外，AoN对随机误差不敏感，无法降低由于随机误差所造成的风险[10]。实验室可同时运用质控品质控和患者数据质控的方法，提高实验室检测结果的准确性和整体质量水平。