精密度评价和方法比较中NCCLS评价方案的应用

互联网2015-01-05

887

作者：杨昌国　许叶　张抗

单位：杨昌国　许叶(宁波市<a target="_blank">临床检验</a>中心，浙江宁波315000)；张抗(上海海员医院)

建立一个新的分析方法，或引进新的方法，试剂和仪器都应对它们的技术性能如精密度，方法比较，线性范围，以及干扰等作出评价。美国国家临床<a target="_blank">实验室</a>标准化委员会(NCCLS)制订了一套评价方案(evaluation protocols)，能客观而正确地对上述技术性能作出评价。近年，国外发表的方法学研究和评价研究中采用上述评价方案者逐渐增多，笔者在访美时得到这套文件，开始在方法学研究中应用，现将精密度评价和方法比较的应用实例介绍于下。

1　精密度评价［1］

1.1　目的　评价分析方法、试剂和仪器给出结果的可重复程度，反映精密度好坏的指标是变异系数CV。CV越小精密度越好，反之则差，故有人称其不精密度。用本方案评价可以计算出批内、批间、日间和总CV，其中总CV最重要，它代表整个分析体系的可重复程度。

1.2　评价前的准备

1.2.1　对于评价对象(如新建立的方法，或新引进的方法，试剂和仪器)均应有一个熟悉过程，对评价方案亦应熟悉。

1.2.2　实验用的试剂应是同次配制，商品试剂盒和参考物应为同一批号，仪器应处于良好的工作状态。

1.2.3　精密度实验用的标本　一般选择2个(亦可更多)，一个在正常范围或在医学决定水平附近，另一个为异常值，被测物在||疾病时增高者用高值，降低者用低值。实验标本的介质(matrix)应与临床标本一致，并应妥善保存，应保证在整个实验过程中稳定。

1.2.4　先作一个初步的批内精密度测定，即一个标本重复测定20次，计算出均值，标准差和变异系数。

1.3　评价步骤　以甘油三酯定值血清的精密度评价为例。

1.3.1　数据测定　2个标本每天测定2次(2次测定间隔不得少于2小时)，每次测定均作双份，共测定20天。每次测定至少做一个质控。

1.3.2　数据整理于表1。

表1　实验数据整理和几项计算(甘油三酯低值质控血清，mmol/L)

<font><span>天数</span></font>	<font><span>次数Ⅰ</span></font>	<font><span>次数Ⅱ</span></font>	<font><span>次数Ⅰ </span> </font> <font> </font> <font><span>　　平均</span> </font>	<font><span>次数Ⅱ </span> </font> <font> </font> <font><span>　　平均</span> </font>	<font><span>日 </span> </font> <font> </font> <font><span>　　平均</span> </font>
<font><span>结果1</span></font>	<font><span>结果2</span></font>	<font><span>结果1</span></font>	<font><span>结果2</span></font>
<font><span>1</span></font>	<font><span>0.960</span></font>	<font><span>0.950</span></font>	<font><span>0.990</span></font>	<font><span>0.980</span></font>	<font><span>0.955</span></font>	<font><span>0.985</span></font>	<font><span>0.978</span></font>
<font><span>2</span></font>	<font><span>0.920</span></font>	<font><span>0.930</span></font>	<font><span>1.010</span></font>	<font><span>1.010</span></font>	<font><span>0.925</span></font>	<font><span>1.010</span></font>	<font><span>0.968</span></font>
<font><span>3</span></font>	<font><span>0.986</span></font>	<font><span>1.014</span></font>	<font><span>1.010</span></font>	<font><span>0.960</span></font>	<font><span>1.000</span></font>	<font><span>0.985</span></font>	<font><span>0.992</span></font>
<font><span><span><img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357177.jpg" /></span></span></font>	<font><span>　</span></font>	<font><span><img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357177.jpg" /></span></font>	<font><span>　</span></font>
<font><span>18</span></font>	<font><span>0.948</span></font>	<font><span>0.920</span></font>	<font><span>0.955</span></font>	<font><span>0.937</span></font>	<font><span>0.934</span></font>	<font><span>0.946</span></font>	<font><span>0.940</span></font>
<font><span>19</span></font>	<font><span>0.908</span></font>	<font><span>0.936</span></font>	<font><span>0.890</span></font>	<font><span>0.917</span></font>	<font><span>0.922</span></font>	<font><span>0.904</span></font>	<font><span>0.913</span></font>
<font><span>20</span></font>	<font><span>0.889</span></font>	<font><span>0.944</span></font>	<font><span>0.901</span></font>	<font><span>0.920</span></font>	<font><span>0.917</span></font>	<font><span>0.910</span></font>	<font><span>0.914</span></font>

1.3.3　离群点的检查　如每次双份测定的差值超过初步精密度测定时±标准差的5.5倍(是99.99%的上限值)，这对数据为“离群点”，应弃去或重做。

1.3.4　统计分析　见表1、2和计算公式。本例的批内CV为2.23%,批间CV为2.46%,日间CV为3.48%,总CV为4.19%。日平均均值＝0.949　　s日间(B)＝0.033

CV日间＝B/日平均均值×100%＝3.48%

<img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357180.jpg" />　　n＝测定天数

CV批间＝A/日平均均值×100%＝2.46%

<img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357175.jpg" /> CV批内＝s批内/日平均均值×100%＝2.23%

<img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357179.jpg" /> CV总＝s总/日平均均值×100%＝4.19%

表2　实验数据的几项计算

<font><span>天数</span></font>	<font><span>次数Ⅰ </span> </font> <font><span>(结果1—2)2</span> </font>	<font><span>次数Ⅱ </span> </font> <font> <span>(结果1—2)2</span> </font>	<font><span>次数Ⅰ平均- </span> </font> <font> <span>次数Ⅱ平均　</span> </font>
<font><span>1</span></font>	<font><span>0.0001</span></font>	<font><span>0.0001</span></font>	<font><span>0.0009</span></font>
<font><span>　</span></font>	<font><span>0.0001</span></font>	<font><span>0.0000</span></font>	<font><span>0.00723</span></font>
<font><span>3</span></font>	<font><span>0.000784</span></font>	<font><span>0.0025</span></font>	<font><span>0.000225</span></font>
<font><span><img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357178.jpg" /></span></font>	<font><span><img src="http://img.dxycdn.com/trademd/upload/asset/meeting/2015/01/05/A1420357176.jpg" /></span></font>
<font><span>18</span></font>	<font><span>0.000784</span></font>	<font><span>0.000324</span></font>	<font><span>0.000144</span></font>
<font><span>19</span></font>	<font><span>0.000784</span></font>	<font><span>0.000729</span></font>	<font><span>0.000324</span></font>
<font><span>20</span></font>	<font><span>0.003025</span></font>	<font><span>0.000361</span></font>	<font><span>0.000049</span></font>
<font><span>∑</span></font>	<font><span>C＝0.0149</span></font>	<font><span>D＝0.0210</span></font>	<font><span>E＝0.0218</span></font>