质控进阶版之应用篇——其实很简单

还记得之前的质控质控进阶篇吗？

充满超多问号和超多公式的那篇

不记得也没关系

因为那篇的公式仅仅是3个复杂公式中最简单的一个

而比那样负责的算法还有十多个

那么接下来我们就继续介绍其他算法！

开个玩笑，再说下去会走火入魔的

公式我们就不再解释了

因为只要算法和公式有了

计算机分分钟就可以解决问题

而Bio-Rad公司也有他们自己的软件MC（感觉是不是无形中就插入广告了）

我们需要知道的就是

E(N_UF)可以用来评价实验室的检测系统在失控的情况下存在的风险

而影响E(N_UF)的有如下几个因素

注意啦！又要画重点了！

 

关键因素一：分析批长度（两次质控间的标本个数）

当其他因素不变时，分析批的长度越长必然会导致E(N_UF)的增大，反之亦然。因此如果E(N_UF)不能满足你的要求，但是你也不想改变其他条件的时候，就可以考虑增加质控频率来减少质控与质控间的标本个数。

质控品厂家：（我就笑笑，不说话）。

 

关键因素二：质控方案

不同的质控方案，会导致在不同的系统误差下，质控拒绝的概率不同，从而影响E(N_UF)的大小，如果E(N_UF)超过你的预期，你可以考虑更换质控策略。P_ed更高的的质控方案会降低E(N_UF)但是同时，也应该考虑到，不能选择假失控率很高的质控方案。

 

关键因素三：总允许误差

总允许误差会影响ΔP_E的大小，如果我们调大我们的总允许误差TEa，ΔPE会随之变小，从而可以降低E(N_UF)。

当然影响因素还有很多，比如质控靶值、仪器性能等如果搞不明白这些关系，可以再回过头去温习一下质控进阶篇中提到的一些公式

当然，这些也可以不用了解！因为这些完全可以靠软件解决，并且可以实现设定你目标的，通过软件为你质控一个兼顾你实验室的实际情况与你的目标的质控方案

并且利用这样的思想我们还可以做很多事情，比如Parvin等人2012年在AACC年会上展示的一篇文章：

Designing QC Rules in the Presence of Laboratory Bias: Should a QC Rule be Centered on the Instrument’s Mean or the Reference Mean

这篇文章就提到了利用E(N_UF)来评价使用仪器累计均值和厂家指定均值分别作为质控品靶值的质控方案的风险的大小差异。并得出了令人意外的结果：他们团队做出来的结果是使用厂家指定均值会得到更小的风险，E(N_UF) 下降率为34% to 65% ，曲线下面积下降3% to 37%

下图为对比结果

过去我们是推荐使用仪器累积均值的，因为使用厂家指定的均值会导致一个问题，就是由于实验室环境的改变，会导致在实验室测定的均值出现差异。

因此使用自己实验室的累积均值会得到更为准确的结果

但是这样的观点是建立在对仪器稳定性的评定当中

Parvin的这篇文章把关注点聚焦在患者结果的风险大小上面。

过去也有相关文件指出过可以用厂家制定的均值作为质控靶值，但并为做出相关的评价。当然，在使用厂家指定的均值时必须要在封闭的检测系统中，即使用同一个厂家的仪器、试剂、质控品等。

厂家：    

当然至于你的选择怎样，就只能根据实验室情况了，毕竟很多大型医院的检验科跟国外的实验室的水平、关注点、理念都还有较大的差距。

这篇文思想的最大特点是他将关注点从传统的仪器的稳定性上转移到了患者标本的风险上，这也将是未来质控发展的方向。我们应该更去关注患者结果本身的风险，而不是去关注仪器的稳定性。（当然这两个因素并不是独立的，仪器稳定性更好，也会使得风险更小）。

这样的思想下可以做的事情还有很多，就不一一举例了。

看似写到这里要完了！

九豆麻袋！

大家有没有发现一个根基有问题

就是E(N_UF)要满足你的要求，你的要求是什么呢？

E(N_UF)到底要多大才能接受，多大不能接受？

这个问题小编也有所困惑

当然小编也问过John

当时John的回答大意是这样的

“这是一个非常有趣的问题，这个问题还值得深远的讨论，当然，我们推荐，如果在评价实验室很多项目的风险的时候，部分项目的E(N_UF)比较接近，而某些个例的E(N_UF)偏高，我们可以将实验室改进的方向放在这些个别项目上面。”

这句话真的是意味深长啊……

说说你认为的E(N_UF)应该多大呢？

欢迎大家留言一起探讨，聊聊你们实验室质控情况~

编辑：何訸