质量控制 (QC) 六项建议

发布时间:2018-03-01       作者:黄亨建       来源:临床实验室        浏览:3568       收藏: 0

摘自:Medical Laboratory Observer February 21, 2017 By Curtis A. Parvin, PhD, and John Yundt-Pacheco,

黄亨建

四川大学华西医院 实验医学科(成都610041)

实验医学是为临床提供实验室检测结果,从而支持医疗决策和改善患者健康状况。要达到这个目的,就需要实验室报告准确的检测结果,尽量减少患者的风险。目前实验室质量控制(QC)仅仅是把重点放在分析仪器上,就好像把检测系统作为实验室的病人一样,已不再令人满意。自从发表了ISO15189[1]和CLSI EP23[2]等风险管理指南后,实验室现在设计QC计划将更关注患者。那么QC计划如何才能有效地减少患者因报告错误结果而带来的伤害风险?

近年来,实验室QC在理论、模型、指标和算法方面取得了明显的进步,QC实践与患者伤害风险更紧密地联系在一起[3-4]。目前最好的方法能定量地将实验室统计质量控制(SQC)策略(QC测定数量,QC规则以及评估QC频率)与发现QC失控状态时最大期望报告错误结果的数量MaxE(Nuf)联系起来。尽管该定量的QC需要通过专门设计的算法才能实现,但是,理解和识别有效的QC原则是很重要的。本文提供有效的QC六项建议,其中四项建议可以影响患者的伤害风险,另外两项可以直接影响实验室质量的成本。成功地遵循这些建议,并不能提供一个定量的最佳QC策略,但是可以将实验室沿着正确的方向发展[5]。

可靠的测量过程

实验室QC检测出测量程序失控,除了记录过程事项。正确的做法是将检测系统恢复到在控状态,并评估对先前检测患者样本的影响。因失控频率是导致患者风险的关键因素,实验室评估患者风险取决于对检测失控的跟踪和确定失控的频率(失控之间的平均时间)。风险管理目的是发现检测结果质量问题,对测量程序进行纠正。无论质量问题是由QC拒绝、检测结果,还是投诉,重要的事情是认识到某些事情是错误的,并且采取行动来解决这些问题。行动包括测量过程中试剂的变化、校准或仪器状态。但不包括QC错误拒绝。QC设计另一个要考虑因素是评估失控状态发生频率,对失控状态频率高的测量程序,实验室需要更多质量控制策略才能够减少对患者结果影响的数量。


建议1:评估测量程序的可靠性


错误结果导致病人伤害的可能性

实验室质量最重要方面是关注患者结果中的测量误差。如果测量误差导致检测结果达不到预期目的,就会给患者造成危险,增加不恰当的医疗决定或治疗行动发生的可能性。在实验室医学中,患者检测结果的测量误差小于允许总误差要求,其结果被认为是达到预期用途,如果测量误差超过允许总误差要求,结果则被认为是错误的,并对患者产生危险。

患者错误结果会导致不恰当的医疗决定或行动的可能性,主要取决于检测结果在医疗决策过程中有多大的影响。取决于检测项目在临床医疗决策中的价值。但有些检测项目在医疗决策中起决定作用。分析患者风险的一般原则:错误结果会导致不恰当的医疗决定或行动,实验室应该对报告错误结果的容忍程度越低,就应该致力于将其数量降低到最少。


建议2:更多的质量控制用于检测程序降低错误结果导致对病患者的伤害


错误的检测结果对患者伤害的严重程度

CLSI EP23风险管理指南提供了帮助实验室制定政策和程序来预防或减少患者风险的方法。在风险管理中,风险定义是联合患者发生伤害频率和严重程度,病人发生伤害的可能性取决于:

> 测量程序的可靠性

> 实验室的质量控制策略的有效性,失控状态时患者错误结果报告的数量

> 错误结果报告导致患者伤害的可能性。


评估患者伤害的严重程度取决于分析项目和患者的护理情况。如急诊室,因错误的肌钙蛋白结果报告所采取不恰当的医疗决定或行动可能会造成更严重的伤害。CLSI EP23风险管理指南建议将危害的严重性分为5类别:

> 忽略不计: 暂时性不适

> 很小:暂时的伤害或损害不需要专业的医疗干预

> 严重:伤害或损害要求专业医学干预

> 危急:永久性损伤或危及生命的伤害

> 灾难性:患者死亡


错误结果报告造成患者伤害越严重,实验室应该越不容忍错误结果的报告,因此,应该更多的努力致力于减少错误结果的数量


建议3:将更多的质量控制用于伤害严重程度高的分析项目


实验室使用多台仪器测定同样的分析物

期望多台分析仪检测给患者带来同样的结果,但一些实验室不是特别关注测量过程中存在的偏倚,而是只专注于分析性能的稳定。实验室多台仪器检测同样的分析物,可能会在偏倚大的分析仪上检测样本,随后样本又会在偏倚小的分析仪上进行检测,差异过大会导致临床进行干预。在这种情况下,结果之间的差异很大程度上是仪器之间的偏差,而不是分析物浓度的变化。所以更需要注意仪器之间任何检测的偏差。

实验室内部多台分析仪使用相同的值和QC规则是可以评估多台分析仪偏差的改变,但这种作法来源于对仪器QC的关注,并没有正确地控制每台分析仪[6]。当重点放在患者的风险上时,最好的策略应该尽量减少由于分析仪之间测量过程中存有偏差而造成患者错误结果报告的机会。


建议4:不要忽视多台分析仪之间检测同一分析物存有的偏差


质量控制时间和质量控制错误拒绝率

统计质量控制(SQC)两个重要的特征:检测测量过程失控的能力即误差检出率(PED)和测量过程在控所对测量程序错误拒绝即假失控率(PFR)。错误拒绝会给实验室增加成本。但当违背QC规则时,实验室必须停止报告患者结果,调查违背质量控制规则的原因,并确定是否需要采取纠正措施。此外,评估自上次可接受的QC事件后所有患者的结果,以确定是否有不良影响。QC策略的错误拒绝通常表示为概率。如果QC规则错误拒绝的概率是0.01,那么每100次QC事件就有一次因为随机的机会而被拒绝。期望错误拒绝的时间取决于QC规则错误拒绝的概率和评估QC的频率。如果QC规则错误拒绝概率是0.01,实验室每天执行一次QC评估,那么错误拒绝的预期时间间隔是100天。然而,如果每8小时轮班都执行QC评估,那么在相同的QC规则下错误拒绝的预期时间是33天。QC错误拒绝可导致如暂停患者的结果报告,付出时间和精力,评估错误拒绝的预期时间比错误拒绝的概率更有意义。


建议5:考虑质量控制策略中错误拒绝的预期时间

  

质量控制数据的研究

实验室每次购置新批号的QC材料,应该建立其平均浓度值。测量程序在稳定状态下运行时,通过对QC材料反复测定评估QC的平均值。一个重要的问题是:需要多少次重复检测的结果才是良好评估QC平均值?认为应接近真实均值,QC规则错误拒绝概率接近于使用真实均值的错误拒绝概率才是良好的评估QC的平均值。按此标准,良好的初始评估值应来自于独立天数中测定的10个数据计算出QC的平均值。新批号QC材料在常规操作几个月后,评估QC平均值将包括长期变异来源[5]。

新批号QC材料的另一特性是浓度。然而,精密度是测量过程的特性。因此,当新批号QC材料取代常规操作中当前批号的QC材料时,预期浓度会发生变化,但预期的精密度不会发生变化。新批号QC材料的评估浓度接近旧批号时,可以保留已经建立的SD。如果两个批号浓度有明显的不同,那么新批号的SD可以通过新批号评估的平均浓度值乘以已建立测量程序的CV。

新的测量程序引入实验室,测量过程在稳定的控制状态下运行时,有必要多次检测对SD进行评估。在这种情况下,独立天数测定的20个数据都不能提供良好的初始评估。如果实验室使用初始的20个数据评估的SD用于开始常规操作,那么实验室就会勤于对应QC规则的拒绝,因为在QC规则中使用不准确的SD。新批号QC材料进行了几个月常规操作后,可以计算出可靠的SD,包括最初20天评估中没有出现的长期变异来源。


建议6:新批号的质量控制材料,10个数据是评估平均值的良好开端,而不是SD。


减少患者的风险

实验室有两种主要途径减小患者的伤害风险,风险管理指南提供模型和方法将实验室实践与患者风险联系起来;SQC的原则和策略可限制产生危险的错误结果数量。根据患者的风险管理原则,实验室设计良好的QC策略确保其质量控制实践的重点是患者和降低成本。

REFERENCES

1. ISO 15189:2012, Medical laboratories—requirements for qualityand competence.

http://www.iso.org/iso/catalogue_detail?csnumber=56115.

2. Clinical Laboratory Standards Institute CLSI EP23-A: LaboratoryQuality Control Based on Risk Management; Approved Guideline.CLSI : Wayne, PA, 2011.

3. Yundt-Pacheco J, Parvin CA. Validating the performance of QC procedures. Clin Lab Med . 2013; 33(1):75-88.

4. Clinical Laboratory Standards Institute. CLSI C24, 4th ed.Statistical Quality Control for Quantitative Measurement Procedures: Principles and Defnitions. CLSI : Wayne, PA, 2016.

5. Parvin CA, Jones JB. QC design: it’s easier than you think. MLO .2013; 45(12):18-22.

6. Parvin CA, Kuchipudi L, Yundt-Pacheco J. Designing QC rules in the presence of laboratory bias: should a QC rule be centered on the instrument’s mean or the reference mean? Clin Chem .2012; 58(10):A205


本文链接:http://www.ddm360.com/article/detail/627
版权所有,转载时请以链接的形式注明来源!