脑脊液生化检测室内质量控制不精密度分析及Westgard西格玛规则的应用

目的 分析脑脊液生化检测项目室内质量控制不精密度及Westgard西格玛规则在葡萄糖项目室内质量控制(IQC)中的应用。方法 收集2014～2017年参加卫生部临床检验中心室间质量评价(EQA)单位回报的IQC数据,依据1/3TEa(室间质量评价限),1 /4TEa计算得到满足两种标准的实验室比例。根据IQC所使用的检测系统进行分组统计,并按两个评价标准计算各组的通过率。随机选择2017年10家同时上报葡萄糖项目EQA和IQC的实验室,以EQA中的百分差值作为偏倚(bias)估计值,以IQC的累积变异系数作为不精密度估计值,以EQA计划中的允许总误差TEa作为质量规范,依据公式σ=[(TEa-|bias|)/CV]计算σ值。结果 2014～2017年间清蛋白、总蛋白、氯化物3个项目达到两种标准的不精密度性能规范的实验室比例较低。葡萄糖、乳酸脱氢酶、IgA,IgG,IgM和乳酸6个项目通过率相对较高,且各项目的通过率略有上升趋势。使用不同检测系统的通过率比例参差不齐,并无规律。使用Westgard西格玛规则为葡萄糖项目选择合适的质控规则。3号实验室σ值>6,6σ质量应选择1_3s规则; 2,5,7号σ值分别为4.84,4.47和4.72,4σ质量水平应选择1_3s/2_2s/R_4s/4_1s规则; 其余实验室σ值均<4,选用1_3s/2_2s/R_4s/4_1s/8x规则。结论 各项目的IQC不精密度水平存在很大差距,各实验室应建立严格的IQC程序,积极参与IQC数据实验室间比对,进一步提高脑脊液生化检测的水平,并通过Westgard西格玛规则为实验室检测项目选择正确的质控规则。     

分析批长度Westgard西格玛规则图在甲状腺功能检查项目质控中的应用

目的 运用分析批长度Westgard西格玛规则图选择甲状腺功能项目的质控策略,降低患者的风险。方法 采用实验室室内在控的累积不精密度(CV)和2018年参加第二次临床检验中心的室间质评的结果与靶值之间的偏倚(Bias),并采用2017年卫生部临床检验中心内分泌室间质评性能规范中的总允许误差(Tea),计算各项目的西格玛(σ)值,再根据分析批长度Westgard西格玛规则流程图选择相应的质控数目、质控次数、质控规则及分析批长度。结果 甲状腺功能项目的σ值分别为TSH:5.71,FT4:8.48,T4:3.54,T3:5.04和FT3:3.84。根据流程图FT4采用1_3s,N=2,R=1,分析批长度为1 000; TSH和T3采用多规则1_3s/2_2s/R_4s,N=2,R=1,分析批长度为450; FT3和T4采用多规则1_3s/2_2s/R_4s/4_1s/6x,N=6,R=1,分析批长度为45。结论 分析批长度Westgard西格玛规则流程图是一种新的基于风险的统计质量控制(SQC)工具,运用它更能简单直观选择相关项目的质控策略,减少患者风险。     

临床化学实验室质量控制计算实际西格玛值的新方法

目的 计算实际西格玛(sigma,σ)值,正确评估实验室检测项目分析性能。方法 方法①结合室内质量控制(internal quality control,IQC),与室间质量评价(external quality assessment,EQA),计算westgard两种σ计算公式σ₁=(TEa-bias)/(s)和σ₂=(TEa%-bias%)/(CV%)下的σ₁与σ₂值。以IQC累积均值χ₁与EQA靶值μ₂的比值(χ₁/μ₂)为横轴,σ₁,σ₂为纵轴绘制散点图,比较σ₁,σ₂的关系; 方法②以伯乐公司全球质控材料,批号为45751和45753,仪器为罗氏Cobas 8000全自动生化分析仪,累积到2018年1月份的均值作为靶值μ₁,结合IQC数据计算Westgard两种公式下检测项目的σ₁,σ₂值。结果 方法①计算的σ₁与σ₂值并不相同,甚至相差很大,而且对钠(Na)、氯(Cl)、钙(Ca)三个TEa要求高的检测项目,σ值计算结果为负值。比较σ₁,σ₂的关系,当χ₁/μ₂<1时,σ₁>σ₂; 当χ₁/μ₂>1时,σ₁<σ₂。方法②中χ₁ /μ₁值接近于1,σ₁,σ₂大小非常接近。结论 结合IQC与EQA计算σ时,应选取与质控材料同一浓度水平的测定值,这才能真实反映实验室检测项目分析性能。     

利用EXCEL绘制多规则功效函数图及操作过程规范图

分析质控多规则误差检出概率产生的原理,通过使用电子表格EXCEL,计算常用多规则1_3s/2_2s、13s/2of3_2s、1_3s/2_2s/R_4s、1_3s/2of3_2s/R4s、13s/2_2s/R_4s/4_1s在不同系统误差大小时的误差检出概率,并绘制功效函数图及标准化操作过程规范图,帮助实验室进行室内质控方法个性化设计与应用。     

Westgard西格玛多规则方法在临床血液学检验常规项目质控中的应用

目的 应用Westgard西格玛多规则定量分析临床实验室全血细胞计数及凝血项目检测性能,帮助实验室建立最优Westgard质控规则。方法收集天津市环湖医院参加卫生部临床检验中心2017年全国全血细胞计数及凝血试验室间质量评价结果,以各项目靶值百分差值的均值作为偏倚估计值,以室内质控长期累积在控变异系数作为不精密度估计值,以卫生行业标准WS/T 406-2012中的允许总误差作为质量规范,利用检验医学信息网提供的软件计算西格玛度量值和绘制西格玛性能验证图,确定最适Westgard质控规则。结果 参与质评的全血细胞计数中,包括白细胞计数、红细胞计数、血红蛋白、红细胞压积、血小板计数、红细胞平均体积、平均血红蛋白含量和平均血红蛋白浓度在内的8个检测项目均达到世界一流水平(σ>6),建议选择1_3s(N=2,R=1)作为质控规则。凝血试验中,凝血酶原时间和纤维蛋白原表现良好(σ>4),活化部分凝血活酶时间检测性能可接受(3<σ<4),建议选择多个质控规则组合的方式以提高误差检出率。结论 Westgard西格玛多规则方法可以有效地应用于临床血液学检验的质量管理,针对特定检测项目设置最优Westgard质控规则。     

临床生化酶类测定应用保证西格玛与长期缺陷率在统计质量控制策略中的应用

目的 应用实验室生化酶学测定项目的短期西格玛(Sigma_short-term)估算其保证西格玛Sigma_Assured,并依据系统误差功效图得出相应的统计质量控制(statistical quality control,SQC)规则,估计生化酶学测定项目的长期缺陷率(defects per million, DPM),确保实验室生化酶学测定项目结果的可靠。方法 计算公式Sigma =(TEa–Bias)/CV; Sigma_long-term= Sigma_short-term-1.5; Sigma_Assured= Sigma_Observed– Sigma_SQC, Sigma_Assured=1.65,SQC规则为1_3s/2_2s/R_4s/4_1s/8_x,N=2。结果 计算得到实验室丙氨酸氨基转移酶(ALT)的Sigma_short-term=3.6,DPM=274 253; 天门冬氨酸氨基转移酶(AST)的Sigma_short-term=7.9,DPM<3.4; 谷氨酰基转移酶(GGT)的Sigma_short-term=5.6,DPM=4 661; 碱性磷酸酶(ALP)的Sigma_short-term=7.4,DPM=5; 淀粉酶(AMY)Sigma_short-term=17.7,DPM<3.4; 肌酸激酶(CK)Sigma_short-term=9.3,DPM≤3.4; 乳酸脱氢酶(LDH)的Sigma_short-term=6.1,DPM=968; 脂肪酶(LPS)的Sigma_short-term=5.3,DPM=10 724。结论 实验室生化酶学测定项目期望的长期缺陷率在误差检出率(Ped)达到90%,其Sigma_Assured在1.65,相同的SQC规则1_3s/2_2s/R_4s/4_1s/8_x,N=2,的情况下,其Sigma _short-term越大,长期DPM越低,才能确保生化酶学测定项目的结果可靠。     

基于Westgard西格玛规则的血气分析室内质量控制及评价

目的分析某品牌血气分析仪检测系统性能,并根据Westgard西格玛规则比较血气分析仪内部自动质量控制(简称质控)与外部室内质量控制(IQC)数据,指导IQC方案设计和仪器质量改进。方法收集血气分析仪内部自动质控及同期外部IQC数据,根据仪器实验室内变异系数(CV)、偏移(Bias)等参数和美国临床实验室改进修正法规(CLIA'88)标准或仪器说明书提供的允许总误差(TEa),分别计算16个血气分析项目仪器内部自动质控及外部IQC的西格玛(σ)值,根据Westgard西格玛规则设计相应质控方案,分析内、外部质控结果符合率。结果 16个血气分析项目中,氧分压内、外部质控结果均3σ,其他项目均5σ,有14个项目达到6σ水平。根据Westgard西格玛规则,氧分压、pH值及二氧化碳分压3项内、外部质控结果存在部分不一致,其结果符合率分别为36.11%、94.44%、93.06%,其他项目内、外部质控结果符合率为100%。结论评价的血气分析仪氧分压性能需要改进,其他项目分析性能为优。与外部IQC比较,内部自动质控系统相对稳定、操作便捷,但外部IQC可包含更多来源引起误差的因素。内部自动质控系统应采用合理的质控规则,或配合外部IQC,以确保实验室为临床提供客观、可信的检测结果。     

Westgard西格玛规则在临床血液学检验项目室内质量控制规则选择中的应用

目的利用Westgard西格玛规则帮助某实验室选择适当的临床血液学检验项目室内质量控制(简称室内质控)规则。方法选择1家参加2013年卫生部临床检验中心血细胞计数室间质量评价(简称室间质评)和室内质控计划的实验室,用实验室室内质控累积变异系数(CV)作为测量不精密度的估计值,将该实验室在室间质评计划中的百分差值作为该实验室的偏移估计值,采用生物学变异导出要求、美国临床实验室改进修正法案(CLIA'88)能力验证评价限和我国卫生行业标准WS/T406-2012的允许总误差(TEa)作为质量规范,计算各项目的σ值。根据σ值利用Westgard西格玛规则为实验室血液学检验各项目选择适当的质量控制规则。结果采用生物学变异导出要求的TEa,全血细胞计数各项目σ值均4,应使用13s/22s/R4s/41s/8x规则;采用美国CLIA'88能力验证评价限,血红蛋白和血小板的σ值分别为5.20和5.13,应使用13s/22s/R4s规则;采用我国卫生行业标准,血红蛋白和血细胞比容的σ值分别为4.35和4.62,应使用13s/22s/R4s/41s规则。结论 Westgard西格玛规则是一种方便、实用的质量控制规则选择工具,实验室可利用它得到正确的质量控制规则和质量控制测定值个数。     

Westgard西格玛规则在血站质控实验室的应用

目的 旨在帮助血站质量控制实验室利用Westgard西格玛规则选取适合的室内质控规则.方法 血站质量控制实验室的测量不精密度可以使用室内质控累积计算出的变异系数,把2020年室间质评(EQA)结果回报的偏倚值作为偏倚(Bias),允许总误差(TEa)采用我国卫生行业标准WS/T406-2012的评价指标,计算实验室血液...     

基于σ值的血细胞分析质量控制规则的选择与应用

目的探讨如何运用σ值为血细胞分析检验项目选择合适的室内质量控制(质控)规则。方法收集该院2016年1-12月的血细胞分析项目室内质控累积变异系数(CV)作为测量不精密度的估计值;收集2015年第2次和2016年两次参加原国家卫生和计划生育委员会临床检验中心全血细胞计数室间质评的百分差值作为偏移的估计值,以生物学变异导出要求的TEa作为标准,依照公式σ=(TEa-|Bias|)/CV,求出各项目的σ值。根据σ值利用Westgard西格玛规则为临床检验室的血细胞分析项目选择适当的室内质控规则。结果采用基于生物学变异TEa的性能规范,WBC的σ值达到6σ质量水平,选用13s规则(N=3,R=1),Hb的σ值达到5σ质量水平,选用1_(3s)/2of 3_(2s)/R_(4s)规则(N=3,R=1);RBC、PLT和HCT的σ值均达到4σ质量水平,选用1_(3s)/2of 3_(2s)/R_(4s)/3_(1s)规则(N=3,R=1)。结论基于σ值利用Westgard西格玛规则,可以快捷地帮助实验室检验项目选择合适的室内质控规则以及每批质控测定值个数。     

临床检验室内质量控制 规则设计新工具—Westgard西格玛规则

临床检验室内质量控制正确的质控方法对提高报告患者结果的质量水平是十分重要的。为了继续寻求更快捷简单的工具来帮助实验室选择适合于他们自己应用的正确的室内质控规则,Westgard最近推出了一种更新的室内质量控制规则设计工具。它比之前的工具更快捷且易使用,称之为“Westgard西格玛规则”。通过使用Westgard西格玛规则,实验室很容易得到正确的质控方法。该文介绍了经典的Westgard多规则、西格玛度量图的特点和用法,并重点说明了Westgard西格玛规则的运用方法和实践。该工具是经典Westgard多规则与西格玛度量图的结合,只要实验室确定他们试验和方法的西格玛(σ)水平,就能通过它直观的获得正确的质控规则和质控测定值个数。     

应用六西格玛管理方法评估糖化血红蛋白检测系统性能

目的 用六西格玛（6σ）管理方法评估糖化血红蛋白检测系统性能,用以指导质量改进.方法 选取2013年同时参加室间质量评价（EQA）计划和室内质量控制室间比对计划的实验室,共327家,包含全国30个省、直辖市、自治区.由EQA结果和室内质控,分别获得各实验室的偏倚（bias）和变异系数（Cv）,并依据2013年卫生部临床检验中心糖化血红蛋白室间质评给出的允许总误差（TEa）标准,按照公式σ=（TEa-bias）/CV计算σ值,评价各实验室的糖化血红蛋白检测系统性能;分别对实验室检测系统的偏倚和不精密度进行评价,计算满足标准的比例.结果 能达到3σ水平（3σ）的实验室为65.1％（213/327）,达到6σ水平的实验室占26.9％（88/327）.按分析系统分组后,不同组别可接受σ水平比率不同,范围在33.3％～86.7％.各系统满足偏倚标准的比例为75.0％～100％,满足不精密度标准的比例在40.0％～100％之间.结论 大部分实验室糖化血红蛋白测定质量水平可靠,有小部分实验室的检测质量特别是精密度还有改进余地;6σ质量管理是临床实验室质量控制的一项有效管理工具,有助于实验室不断提高临床检测水平.     

Application of a six sigma model to evaluate the analytical performance of urinary biochemical analytes and design a risk‐based statistical quality control strategy for these assays: A multicenter study

BackgroundThe six sigma model has been widely used in clinical laboratory quality management. In this study, we first applied the six sigma model to (a) evaluate the analytical performance of urinary biochemical analytes across five laboratories, (b) design risk‐based statistical quality control (SQC) strategies, and (c) formulate improvement measures for each of the analytes when needed.MethodsInternal quality control (IQC) and external quality assessment (EQA) data for urinary biochemical analytes were collected from five laboratories, and the sigma value of each analyte was calculated based on coefficients of variation, bias, and total allowable error (TEa). Normalized sigma method decision charts for these urinary biochemical analytes were then generated. Risk‐based SQC strategies and improvement measures were formulated for each laboratory according to the flowchart of Westgard sigma rules, including run sizes and the quality goal index (QGI).ResultsSigma values of urinary biochemical analytes were significantly different at different quality control levels. Although identical detection platforms with matching reagents were used, differences in these analytes were also observed between laboratories. Risk‐based SQC strategies for urinary biochemical analytes were formulated based on the flowchart of Westgard sigma rules, including run size and analytical performance. Appropriate improvement measures were implemented for urinary biochemical analytes with analytical performance lower than six sigma according to the QGI calculation.ConclusionsIn multilocation laboratory systems, a six sigma model is an excellent quality management tool and can quantitatively evaluate analytical performance and guide risk‐based SQC strategy development and improvement measure implementation.     

Application of a six sigma model to the evaluation of the analytical performance of serum enzyme assays and the design of a quality control strategy for these assays: A multicentre study

BackgroundSix medical testing laboratories at six different sites in China participated in this study. We applied a six sigma model for (a) the evaluation of the analytical performance of serum enzyme assays at each of the laboratories, (b) the design of individualized quality control programs and (c) the development of improvement measures for each of the assays, as appropriate.MethodsInternal quality control (IQC) and external quality assessment (EQA) data for selected serum enzyme assays were collected from each of the laboratories. Sigma values for these assays were calculated using coefficients of variation, bias, and total allowable error (TEa). Normalized sigma method decision charts were generated using these parameters. IQC design and improvement measures were defined using the Westgard sigma rules. The quality goal index (QGI) was used to assist with identification of deficiencies (bias problems, precision problems, or their combination) affecting the analytical performance of assays with sigma values <6.ResultsSigma values for the selected serum enzyme assays were significantly different at different levels of enzyme activity. Differences in assay quality in different laboratories were also seen, despite the use of identical testing instruments and reagents. Based on the six sigma data, individualized quality control programs were outlined for each assay with sigma <6 at each laboratory.ConclusionsIn multi-location laboratory systems, a six sigma model can evaluate the quality of the assays being performed, allowing management to design individualized IQC programs and strategies for continuous improvement as appropriate for each laboratory. This will improve patient care, especially for patients transferred between sites within multi-hospital systems.     

计算的检验项目室内质量控制方法研究

目的探讨计算的检验项目室内质量控制方法。方法以低密度脂蛋白胆固醇(LDL-C)为例使用泰勒级数展开和其他的公式获得计算的检测项目的均值和标准差,绘制Levey-Jennings质控图并使用Westgard规则对质控结果分析。结果对LDL-C等计算的检验项目检测使用修改后的质控图并用Westgard规则进行分析提高了检验结果的可靠性。结论只对直接测定的项目进行质控是不够的,运用质控图和质控规则对计算的检验项目进行室内质量控制可以提高结果的可靠性,是整个检验医学质量管理的一部分。     

血站核酸检测实验室HBV DNA项目室内质量控制方法探讨

目的探讨血站核酸检测实验室乙型肝炎病毒(HBV)DNA项目室内质量控制(IQC)方法。方法以HBV DNA阳性质控品、试剂盒阳性对照为反应性,试剂盒阴性对照为阴性,且内标阳性为实验在控。根据3个月的检测数据,分别计算阳性质控品循环域值(Ct)、阳性对照Ct值、内标Ct均值、内标Ct值标准差的均值和标准差,绘制Levey-Jenning质控图,使用Westgard多规则质控方法进行判断。统计检测标本总数及混样反应性、拆分反应性次数,计算总体监控指标(混检阳性率、拆分阳性率、拆出率)。结果所有批次实验均在控。阳性质控品Ct值在第32天、内标Ct均值在第30天和第58天发生1_3s失控,内标Ct值标准差在第27天发生22s失控、在第58天发生R4s失控。共检测标本14172份,其中HBV DNA混样反应性13次,拆分反应性8次,混检阳性率、拆分阳性率和拆出率分别为0.092%、0.056%、61.540%。结论血站血液筛查日常检测时,在使用HBV DNA阳性质控品判定当批实验在控的基础上,结合阳性质控品Ct值、试剂盒阳性对照Ct值、内标Ct均值、内标Ct值标准差的Levey-Jenning质控图及总体监控指标进行回顾性分析,可以有效进行血站HBV DNA检测的IQC。