两种方法计算σ值评价生化检测项目分析性能的比较

李 佳，高 佳，崔婵娟，于梦瑶，张 浩，崔 巍

国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院检验科，北京 100021

6σ质量管理是一项以数据为基础、顾客为中心的质量管理模式，最早于1987年由摩托罗拉公司创立。随着这一理论被引入到临床检验医学领域，应用σ理论评价实验室检测的分析性能并设计室内质控(IQC)方案的研究越来越多[1-5]。σ值可以通过利用临床实验室易于获得的数据计算而得出。实验室不精密度一般用标准差或变异系数(CV)表示，可以通过较长一段时间IQC数据得到。以往大多数研究中实验室检测偏倚(Bias)都会采用实验室参加外部质量评价的数据[2-3,6-7]，例如国际、国家或地方临床检验中心组织的室间质量评价(EQA)。由于信息化的发展，一些供应商或质控品生产厂家会收集使用相同批号质控品的多个实验室的IQC数据进行统计分析，得出该批号质控品的测定组均值，如果利用多个实验室IQC数据得出的组均值计算Bias，也可用于σ值的计算[6]。本研究通过两种方法对实验室部分生化检测项目的Bias进行计算，进而得到不同的σ值，并分别进行质控方案的设计和改进方向的探索，分析两种方法的差异。

1 材料与方法

1.1仪器与试剂 Roche Cobas 8000全自动生化分析仪1台。试剂均为Roche公司原装配套试剂。质控品为Roche公司生产的PreciControl ClinChem Multi 1(PCCC1，批号：160407)和PreciControl ClinChem Multi 2(PCCC2，批号：160393)。

1.2方法

1.2.1分析项目 包含清蛋白(ALB)、碱性磷酸酶(ALP)、丙氨酸氨基转移酶(ALT)、天冬氨酸氨基转移酶(AST)、钙(Ca)、胆固醇(CHOL)、肌酸激酶(CK)、氯(Cl)、肌酐(CRE)、铁(Fe)、γ-谷氨酰转肽酶(GGT)、血糖(GLU)、高密度脂蛋白胆固醇(HDL-C)、钾(K)、乳酸脱氢酶(LDH)、低密度脂蛋白胆固醇(LDL-C)、镁(Mg)、钠(Na)、无机磷(PHOS)、总胆红素(TBIL)、三酰甘油(TG)、总蛋白(TP)、尿素(Urea)、尿酸(UA)，共24个项目。

1.2.2σ值 利用公式σ值=(TEa%-Bias%)/CV%计算实验室24个生化检测项目两个不同水平的σ值。式中TEa为实验室允许总误差，采用中华人民共和国卫生行业标准(WS/T403-2012)和国家卫生健康委员会临床检验中心EQA标准。CV表示实验室不精密度，来源于本室2017年11月1日至2018年10月31日两个水平IQC数据。Bias表示实验室偏倚，有2个来源：第1种来源于2018年本室参加国家卫生健康委员会临床检验中心组织的EQA回报结果，Bias%=(实验室的检测值-该项目组内靶值) /该项目组内靶值×100%；第2种来源于Roche公司提供的使用同批号质控品的全球客户的平均值，以此作为靶值计算Bias，Bias%=(本室IQC的均值-同批号质控品全球客户平均值)/同批号质控品全球客户平均值×100%。分别计算每个项目两个不同水平(水平1为正常水平，水平2为异常高水平)的σ值。将EQA标本按接近IQC水平的原则分成两组分别计算正常水平Bias与异常水平Bias，如无对应水平EQA标本，两水平σ值用同一Bias计算。取较低的σ值作为设计质控方案及计算质量目标指数(QGI)的依据。

1.2.3设计质控方案 根据国家卫生健康委员会临床检验中心网站提供的标准化的σ性能验证图设计质控方案。

1.2.4QGI的计算 利用Bias%/(1.5×CV)计算QGI。当QGI<0.8时，提示导致方法性能不佳的主要原因是精密度超出允许范围，优先改进精密度；当QGI>1.2时，提示方法准确度较差，优先改进准确度；当QGI在0.8～1.2，提示准确度和精密度均需要改进。

2 结 果

2.1两种方法计算σ值的比较 从表1中可以看到，对于由EQA结果计算出的σ值，两个水平的σ值均高于6的有CK、Fe、HDL-C、LDH、LDL-C、Mg、TG和UA，共8个项目，占所有项目的33.3%；两个水平的σ值均高于3的有19个项目，占所有项目的79.2%。对于由全球IQC数据计算出的σ值，两个水平的σ值均高于6的有ALP、AST、CK、Fe、HDL-C、LDL-C、Mg、PHOS、TG和UA，共10个项目，占所有项目的41.7%；两个水平的σ值均高于3的有22个项目，占所有项目的91.7%。除Cl、Na和CRE的水平2以及LDH的水平1和水平2外，其余项目由全球IQC数据计算的σ值均高于由EQA结果计算的σ值。而且除了HDL-C和GLU外，其余项目无论采用EQA结果计算还是采用全球IQC数据计算，水平2的σ值均高于水平1的σ值。

表1 两种方法计算σ值的比较

2.2两种方法QC方案选择的比较 根据两种方法计算的σ值，各项目对应的QC设计方案见表2。

2.3两种不同方法QGI的比较 对于σ值<6的项目，选择σ值较低的水平进行QGI的计算，查找导致性能不佳的主要原因，指导质量改进。从表3可以看出，对于采用EQA数据计算σ值的方法，CRE、GLU、CHOL、ALT、Cl和ALB这6个项目需要优先改进精密度，Na需要优先改进准确度，而TBIL、AST、PHOS、ALP、K、GGT、Ca、Urea和TP这9个项目在精密度和准确度方面都需要改进。而对于采用全球IQC数据计算σ值的方法，除了LDH需要同时改进精密度和准确度外，TBIL、CRE、GLU、CHOL、K、GGT、Na、ALT、Ca、Cl、Urea、TP、ALB这13个项目均需优先改进精密度。

表2 两种方法QC方案选择的比较

表3 两种不同方法QGI的比较

3 讨 论

提高检验质量是检验医学领域非常重要的研究方向之一，要想提高质量，首先需要建立质量标准，而6σ质量标准的思想是开发的生产过程很完善以至生产出无缺陷的产品[8-9]。σ在数理统计中表示“标准差”，用来表征任意一组数据或过程输出结果的离散程度，其水平越高，过程满足顾客要求的能力就越强。国外学者NEVALAINEN等[10]最早将σ管理的理念应用于检验医学中，将实验室差错或缺陷率转化为σ水平进行评价和管理，质量水平代表过程每百万次操作的缺陷机会[11]，通常6σ质量水平代表每100万次操作只允许3.4次超出规格界限，或者说缺陷率为3.4×10-6，达到世界级水平，而将3σ质量水平作为可接受水平界限。

σ值有两种计算方法[12-13]：一种是通过计数生产过程产生的产品(或服务)的缺陷个数计算，适合于评价临床实验室检验前、后阶段的性能；而另一种是根据生产过程的变异预测σ值，这种方法适合于评价临床实验室检验项目的分析性能，它的计算需要利用3个指标，即CV、Bias及TEa，这3个指标中任何一个有变化时都会对σ值的计算结果产生影响。有研究显示，选择不同的TEa来计算不同项目的σ值，结果差异会很大[6-7,14-15]。国际上有许多可以参考的质量标准，而国家行业标准WS/T403-2012[16]是我国目前较为权威的质量评价标准，因此，本研究用于计算σ值的TEa%选择了较为严格的国家行业标准，HDL-C和LDL-C这两个项目没有行业标准，选择了国家卫生健康委员会临床检验中心的EQA标准。在CV、Bias的选择上本研究需要选取尽可能能代表实验室检测能力的一些数据。一般实验室Bias可以由长期IQC的数据计算出的CV来评价，采用较短时间的精密度数据计算的CV来计算σ值，可能会造成结果偏高，而过高地估计实验室的检测性能。本研究选用了同批号一年的IQC数据计算CV，能较好地代表实验室检测的精密度。

对于实验室检测Bias的评估在实际工作中是比较困难的。Bias是指测量值与真值之间的差异，由于真值是无法得到的，只能采用各种方法找到最为接近真值的值，一般来说，有证标准物质是评价实验室Bias/正确度最好的物质，但其不容易获得且价格昂贵，一般的实验室都不会选用，其他的估计实验室Bias的方法包括与参考方法进行比对，参加正确度验证计划或参加EQA活动等。本研究采用两种方法对实验室的检测Bias进行评估，第1种是大多数实验室采用的利用国家卫生健康委员会临床检验中心EQA的回报结果进行Bias的估计。而本研究的不同之处在于，选择了与计算CV同时段一年的EQA结果计算平均Bias，并且按照每份标本的检测值依据接近IQC检测值的原则进行了分组计算，得出了2个水平的Bias值，便于对两个检测水平的σ值进行计算。第2种评估实验室检测Bias的方法利用的是全球IQC数据平均值，以此平均值为靶值计算本实验室各项目的Bias。由于第2种方法利用的数据与计算CV利用的数据来源是一致的，均是日常使用的IQC，用此种方法进行σ值的计算可能比用不同来源的数据进行计算更能反映σ值的真实情况。本研究也查看了两种方法用于计算Bias靶值的实验室数量，虽然EQA数据的靶值来源于244～465个实验室的均值，而全球IQC数据的靶值来源于31～103个全球实验室的均值，但EQA的数据是每个实验室一个值，当然这些实验室与本实验室针对每个项目都是使用相同的方法和同一个厂家的仪器，而全球IQC数据是每个实验室一年内使用与本实验室相同批号质控品进行IQC的3 774～41 009个数据的平均值。从统计学的角度来看后者作为靶值计算Bias似乎更为可靠。而本研究用于计算σ值的TEa和CV均采用了同组数据，因此，σ值的差异仅取决于Bias的差异。

从表1的数据可以看出，除Cl、Na和CRE的水平2以及LDH的水平1和水平2外，其余项目由全球IQC数据计算的σ值均高于由EQA结果计算的σ值，说明采用全球IQC数据计算的Bias较EQA结果计算的Bias整体来说偏小。这可能与全球IQC数据来源于与本实验室使用相同批号质控品、相同厂家试剂及仪器有关，而EQA的同组数据仅仅指相同厂家仪器或相同检测方法，可能存在不同试剂不同型号仪器检测带来的偏差。另外，笔者发现除了HDL-C和GLU外，其余项目无论采用EQA结果计算还是采用全球IQC数据计算，水平2的σ值均高于水平1的σ值。这说明同一个项目不同水平的σ值是有差别的，以往有研究将Bias或CV%取均值进行σ值的计算，可能会掩盖一些问题的存在，而且对同一项目不同水平的σ值进行分别评估，可以发现不同水平的检测性能是否存在较大差异，以便在选择质控方案及进行质量改进时能更有针对性。

对于σ值<6的项目，可以通过计算QGI来查找导致性能不佳的主要原因，从而指导质量改进。笔者选择了两个水平中σ值较低的水平进行QGI的计算，从表3的数据可以看出，对于采用EQA数据计算σ值的方法，部分项目需要优先改进精密度或准确度，也有部分项目在精密度和准确度方面都需要改进，而对于采用全球IQC数据计算σ值的方法，除了LDH需要同时改进精密度和准确度外，有13个项目均需优先改进精密度。这可能是由于采用全球IQC数据计算的Bias比采用EQA数据计算的Bias更小导致的。

总之，在进行σ值评估的过程中，选择不同的数据可能会导致不同的结果，从而影响质控方案及质量改进方向的选择。采用全球IQC数据计算σ值也是一种可供选择的方法，但在利用σ值进行分析性能评价、IQC方案设计和寻求质量改进方向的过程中，还需定期多次进行评估，观察σ值的变化，以便更好地掌握实验室检测质量，为质量的改进提供依据。