临床检验室内统计质量控制
ISO 15189：2012《医学实验室—质量和能力的要求》5.6.2质量控制5.6.2.1总则“实验室应设计质量控制程序以验证达到预期的结果质量。”统计质量控制（statistical quality control，SQC）是检出检测系统偏倚和/或不精密度的增加、减少错误结果导致患者风险的一项必不可少的监测工具。SQC广泛用于临床实验室常规检测过程中，在保证检验结果的质量方面具有重要意义。从上世纪50年代Levey和Jennings将Shewhart的工业生产控制程序引入临床实验室领域，室内质量控制经历了长达近七十年的发展，其过程不断改进，成为保证实验室检测质量的重要途径。实验室工作人员应该与时俱进，结合最新的管理方法及ISO 15189：2012等标准，完善室内质量控制程序，提高临床实验室的检测质量。
一、SQC的概念
根据美国临床和实验室标准化研究院（Clinical and Laboratory Standards Institute，CLSI）关于SQC的指南文件C24-A3，SQC的定义是：“当检测方法正常运行时，检测稳定的样品并将观察到的结果与描述预期变异的控制界限进行比较的程序”。该指南于2016年更新了第四版（CLSI C24-Ed4）。SQC适用于临床检验定量测定项目的室内质量控制，其详细过程是将质控品置于患者样品检测系统中进行检测，检测质控品得到的结果为控制观测值或质控测定值。观察比较一系列质控测定值的大小和变化趋势可以反映检测系统在检测过程中的稳定情况以及性能表现。在得到一系列质控测定值后可以计算出中心线和控制界限，进而绘制质控图。在此基础上，检测质控品并将质控测定值绘制在质控图上，使用质控规则对各值进行判断，以检出和预防可能存在的误差。在此过程中需要一些统计计算，因此很多检验人员认为SQC比较复杂。对此，目前已有多种软件可以辅助执行SQC，这些软件可完成一些必要的计算、绘制质控图、应用质控规则以及出现问题时予以警示。绝大多数的自动化分析仪、实验室和医院的信息系统甚至床旁设备中均有这种软件支持，可以帮助检验人员更好的应用SQC监测分析质量，控制检测过程。
二、SQC过程
作为统计过程控制的一部分，SQC旨在尽快发现检测过程中出现的各种变化，从而减少/避免报告错误的、影响临床决策的患者结果。SQC过程主要包含选择/设计SQC策略及其实施过程。SQC策略也称为SQC程序，主要包括质控规则、质控测定值的数量（N）以及质控频率（或批长度）。选择合适的SQC策略是实验室管理者的职责，而正确实施所选的SQC策略则是实验室全体人员的共同责任。目前在临床实验室内质量控制方法更多的是采用质控品进行室内质控的方法而忽视了患者数据的质控方法。Westgard提出临床实验室综合的室内质量控制方案应该包括利用质控品进行室内质控的方法和利用患者数据的质控方法（见图1）。
图1. 质控品和患者数据质量控制联合方案
三、利用质控品定量测定项目室内质控SQC策略选择/设计
1. 室内质控方法常规设计工具：根据中华人民共和国国家卫生健康委员会WS/T 641—2018临床检验定量测定室内质量控制，室内质控方法的设计包括：功效函数图法、质控方法选择和设计表格、操作过程规范图法、Westgard西格玛规则、标准化西格玛性能验证图法。
2. 基于风险的SQC策略的设计：随着技术的进步，越来越多的自动化连续检测分析仪逐渐进入临床实验室并得到广泛应用。不同于以往的批量操作模式，连续检测分析仪中所有患者样品的检测是连续的，这就产生了一个很实际的问题：实验室应该何时进行质控？因此，SQC频率的设计正日益成为实验室关注的焦点。此外，2011年出版的CLSI EP23-A文件——《基于风险管理的实验室质量控制》将风险管理的概念引入临床检验，标志着实验室质量控制的目的和目标发生了变化，即实验室质量控制的目的是减轻患者风险；目标是制定和实施质量控制计划，将患者风险降低至可接受的水平。因此，SQC策略也发生了巨大改变，SQC策略的关注点从检测系统的稳定性转移到患者安全上，以过程为中心转移到以患者为中心。从这个角度看，选择/设计SQC策略不再基于其检出检验程序中临界误差的能力，而是从患者安全的角度，依据其限制由于系统的失控状态导致患者伤害风险的能力。2016年发表的第四版SQC指南文件CLSI C24-Ed4紧密结合了EP23-A中的提出风险管理的概念和原理，引入与患者风险更直接相关的其他质控性能指标，如检出失控状态之前受其影响的患者结果的预期数量、报告会对患者产生危害的错误结果的预期数量等。此外，新版本的C24指南更多的关注到SQC频率及其与患者风险的关系。文件指出临床实验室在制定SQC频率时需要考虑以下因素：测量程序的可靠性（失控发生率）、在控测量程序相对于质量目标的分析不精密度和偏倚、实验室质控程序检出失控状态的能力、从报告患者结果到采取行动之间的预期时间、若对错误的患者结果采取不恰当措施，伤害的潜在严重程度等。CLSI C24-Ed4为设计、评估和实施与EP23-A引入的患者风险的概念保持一致的SQC策略提供了一个有用的路线图，为客观建立SQC策略提供了科学的指导。然而，正如C24-Ed4文件制定委员会的主席Parvin所说，该指南旨在讲述原理和定义，而不推荐特定的方法、性能指标或软件工具。因此，尚需一些实用工具帮助实验室实施C24-Ed4中推荐的基于风险的SQC策略。
Parvin对质控频率进行研究并提出了患者风险参数MaxE（Nuf），即存在未检出的失控状态时，报告的不可接受最终患者结果数量的最大预期增加。该参数是与患者风险更直接相关的度量，且与批长度存在一定的比例关系，因此可用于依据患者风险进行SQC频率的优化。然而该参数的计算非常复杂，需要专门的计算机软件和信息学支持，因此在实验室中的应用受到了限制。
现阶段实验室质量控制理论发展迅速。然而有研究表明，目前大多数实验室未能采用指南以及各类研究中推荐的最佳SQC策略。理论和实践之间存在脱节的原因之一可能是理论的复杂性以及缺乏帮助实验室应用的简单便捷、易于理解的实践工具。为了解决这一问题，Westgard等人构建了“具有批长度的Westgard西格玛规则”（见图2）。将此图与标准化西格玛性能验证图进行结合可衍生出图3。希望通过这些工具，实验室可依据检验程序的σ度量简单快速的选择SQC程序。
图2. 具有批长度的Westgard西格玛规则
图3. 具有批长度的标准化西格玛性能验证图
上述各类图形工具为实验室合理设计批长度和基于风险的SQC程序提供了重要依据。除了图形工具，也可借助计算机软件工具设计SQC程序。
四、定性检测室内质量控制
关于定性测定项目的室内质量控制，CLIA'88中规定每一个定性测量程序都必须包括一个阴性和一个阳性质控品，对于产生分级或滴度结果的检测程序应分别包括阴性质控品和具有分级或滴度反应性的阳性质控品。一般阴、阳性质控结果分别为阴性和阳性即表示在控，相反则为失控。根据滴度或稀释度判定阴阳性的检测，阳性质控结果在均值上下一个滴度或稀释度以及阴性质控结果为阴性即为在控，否则视为失控。对于失控批的结果应根据不同情况采取相应的重测方案：阳性失控，重测所有阴性样品；阴性失控，重测所有阳性样品。此类项目的质控品可以是商品化的、自制的、或已知阴性或阳性的患者样品。定名测量（又称类别测量或定类测量）的检验项目（如血型等）的室内控制与定性检验项目的室内质控类似。
五、患者数据质量控制方法
基于患者数据的室内质量控制方法则可以很好地作为传统室内质控方法的补充，常见的患者数据质控方法包括差值检查法（Delta Check）、正态均值法（AoN）、Bull算法又称为移动均值法（MA）、指数加权移动均值法（Exponentially Weighted Moving Average，EWMA）、移动中位数法（Moving Median）、离群值移动和（moving Sum of Outliers，movSO）与移动标准差法（movSD）等。早期由于计算机技术的落后，导致患者数据室内质控方法无法得到很好的应用，21世纪随着信息技术的快速发展，这些质量控制方法的实现变得比以前容易许多，因此在实验室中发挥的作用也越来越大。
1. 差值检查法：目前，检测标本错误标识的最佳工具就是差值检查法。1974年，Nosanchuk和Gottman首次提出了差值检查法的概念，用来改善临床实验室的质量控制。原文中，作者讲述了一种质控方法：人工检查患者当前和先前的检测结果，以识别不太可能出现的实验室检测结果的改变，并通过标准质量控制数据来设置差值检查法的控制限。
1988年，Lacher和Connelly指出使用差值检查法最大的问题在于没有考虑连续测量之间的时间间隔，因此，两位研究者提出了新的差值检查法计算方式，将连续检测的时间间隔纳入计算公式中，并且比较了差值检查法和率差值检查法（rate checks）的分布及其概率分布函数。作者认为临床实验室在选择相应的差值检查法时，应该考虑生物学变异、分析变异以及患者检测结果改变的临床相关性。至此，差值检查法的4个基本计算方式则可表示为：（1）结果的绝对变化=第二次结果-第一次结果；（2）结果变化的百分比（%）=100（第二次结果-第一次结果）/第一次结果；（3）结果绝对变化率=结果的绝对变化/时间间隔；（4）结果百分比变化率=结果变化的百分比（%）/时间间隔。
进入21世纪，随着信息技术的进步，差值检查法也得到了更多的发展。Miller建立了一种逻辑差值检查法来识别血细胞计数中的误差，并使用多参数加权差值对其灵敏度和特异性进行优化。更有学者创新性地将正态均值法和差值检查法相结合，利用多个连续的差值的均值来识别分析方法性能的改变，这种新的质控工具称为平均差值法（AOD）。Cervinski等人在其2016年的会议摘要中也提出了类似的概念：差值检查法适合检测较大的系统误差（SE），移动均值法（Moving Average，MA）也可以检测SE，但是无法应用于呈偏态分布的患者人群，于是作者将两者相结合得到AOD，其可以作为QC策略的一种补充，快速地对SE进行检测，并且可以检出偏态分布中的SE，弥补了MA的缺点。此外，差值检查法在自动审核中也发挥了重要的作用。
2. 正态均值法（AoN）：1965年，Hoffman等提出了一种使用患者标本来进行实验室质量控制的新方法，其基本过程可以分为以下两步：（1）在每天的结束时，将落在正常范围内的患者检测值进行平均；（2）将得到的“正态均值”描在质控图上。
1984年，CEMBROWSKI等利用功效函数图充分研究了影响AoN程序的几个重要参数，包括：患者人群标准差（sp）与分析标准差（sa）之比sp/sa、用来计算均值的患者数据个数（N）、控制限（control limits）、截断界限（truncation limits）和位于截断界限之外的人群大小。随着sp/sa减小，在相同的误差检出概率下，所需的N值越小；随着控制限变窄，假失控概率上升，误差检出概率也会增加；在没有离群值存在的情况下，最宽的截断界限可以产生最大的误差检出概率；随着离群人群比例的增加，误差检出功效下降。作者表示，为了取得最佳性能，需要对每个分析物和方法进行详细的模拟研究，这依赖于计算机和相关软件的发展，对于有稳定质控品的分析方法来说，AoN程序目前只能作为一种补充。
3. Bull算法：Bull算法是由BULL等提出的一种利用患者红细胞指数进行血液学质量控制的方法，又称为移动均值法。其理论依据是血液红细胞计数可因稀释、浓缩、病理性或技术性因素而有明显的增减，但每个红细胞的体积，及其所含的血红蛋白，或单位红细胞容积中所含有的血红蛋白则相对稳定，几乎不受这些因素的影响，根据这种特性，设计监测平均红细胞体积（MCV）、平均红细胞血红蛋白含量（MCH）和平均红细胞血红蛋白浓度（MCHC）的均值变动，来进行质量控制。Bull等人也提出了实施这个方法的步骤：（1）累积N个患者的MCV、MCH和MCHC的值；（2）估计每个红细胞指数的均值；（3）比较已知人群均值（μ）和估计得到的红细胞指数均值之间的差异，以确定是否需要对常规实验室操作进行检查。在应用此算法时，应该注意的问题就是对N值的界定。
4. 指数加权移动均值法：指数加权移动均值法的思想是将先前批次的质控测定值与当前批次的质控测定值相结合，以更有效地估计系统误差。
5. 移动中位数法：在实际的质量控制工作中，患者的结果可能会存在很大的变异，结果的分布可能会呈现明显的偏斜，而非正态分布。类比于移动均值法，WILSON等在自己实验室的质控程序中使用了一种移动中位数法来检测分析方法性能的改变和趋势。移动中位数法不受分布中离群值的影响，在人群呈偏态分布的情况下更加稳定，这在实际的实验室工作中具有一定的优势。目前移动中位数法中比较难解决的两个问题是：（1）对结果的解释更加困难；（2）中位数的标准差难以估计，只能通过其与均值标准差之间的数学关系来进行计算。
6. 离群值移动和与移动标准差法：前述的患者数据质量控制方法大多对分析不精密度的控制能力较差，LIU等建立的离群值移动和与移动标准差法则可以弥补这个不足。离群值移动和将固定数量的连续结果内（区块）的离群值（落在参考区间外的检测结果）数目作为一个移动统计量来进行计算，并且可以描在控制图上。其控制限可表示为均值±3标准差，需要注意的是，此表达式中的均值指的是稳定时期若干区块范围内的离群值的平均数目，标准差则是离群值数目的标准差。移动标准差法即将移动均值法中的均值替换为标准差的计算，实际上，不管是离群值移动和还是移动标准差法，其本质上都是一种更加广泛的移动均值法，并不拘泥于“均值”的计算。
六、SQC的正确实施
1. 质控品的选择：国际临床化学和检验医学联合会（International Federation of Clinical Chemistry and laboratory medicine，IFCC）对质控品的定义为“仅用于质量控制目的而不是用于校准所分析的样品或溶液”。质控品通常有液体、冰冻或冻干的形式，有商品化的也有自制的。质控品的重要特征有稳定性、瓶间变异性、定值与非定值、适当的分析物浓度水平以及前处理程序。自制质控品可以参考国际标准化组织指南80《实验室内部研制质量控制标准样品的指南》（ISO Guide 80 Guidance for the in-house preparation of quality control materials），其主要特征就是自制质控品的均匀性和稳定性。质控品的质量是决定质量控制方法能否成功运行的基础，因此，实验室需要仔细考虑这些特征，结合自身实际情况选择合适的质控品。
2. 定量测定项目质控结果均值、标准差（s）以及控制界限的计算：尽管实验室可获得定值质控品，但通常建议实验室在无历史数据的前提下，通过在20天内至少获得20个质控测定值来初步建立自己的均值和标准差（s）。采用更长时间（几个月）的累积质控数据可以更好的估计长期均值和s，因为其中包含了如试剂更换、校准、操作者变异以及环境因素的影响。累积控制限是基于3-6个月的质控数据，来对过程性能进行可靠评估。
3. 质控品的检测：CLSI C24-Ed4指出实验室在检测质控品时需要考虑三种情况，分别是批量质量控制（quality control，QC）、连续质量控制和关键控制点质量控制。批量QC是指检测一组患者样品有特定的开始和结束时间，所有的检测均在该时间间隔内进行。因此，批量QC中每批都应检测质控品，QC结果用来确定检测过程在该间隔内是否保持稳定。然而，对于无特定的时间间隔的连续检测过程，检测会持续进行直到发生如补充试剂、重新校准或维护等事件。因此在该模式下，质控品应与患者样品一同进行周期性的检测，当前QC结果反映的是当前检测过程的状态。如果当前的QC结果可接受，则认为检测过程自上次可接受的QC活动以来一直保持稳定，因此，在此期间内检测的患者样品的结果很可能也是可接受的。这种QC计划称为“夹心QC”，即“夹心”开头和结尾的QC结果用来验证“夹心”内检测的患者结果是可接受的。关键控制点是指可以改变检验程序性能的计划性事件，如仪器的校准、维护、试剂批次的变化等。当发生关键控制点事件时，必须在事件前后验证检测过程的性能。此外，检测过程的稳定性也会影响检测质控品的频率，过程越不稳定，质控的频率应该越高。
在这个以患者为中心的医疗时代，检测质控品的频率也应考虑到报告错误结果对患者造成伤害的风险。从这个角度看，实验室可借助风险分析识别潜在的失效模式，进而指导QC的设计。美国临床实验室改进修正法案（CLIA）提出每天检测2个浓度水平质控品的最低要求，实验室可在此基础上为计划性事件安排相应的QC活动，并基于风险分析增加周期性的QC活动来监测意外事件的发生。
4. 质控结果的解释：实验室的标准化操作规程（SOP）文件应明确规定SQC程序，并为质控结果的解释提供指导。采用对不同误差类型敏感的质控规则可以帮助实验室快速识别失控状态，减少因失控导致报告错误结果引起患者伤害的风险。
5. 失控情况的处理：当发现失控时，为了排除可能导致质控品质量不佳的问题（如蒸发、储存条件不合适或质控浓度不恰当），CLSI C24-Ed4文件要求检测新鲜的质控品来验证失控结果。然而为了节约成本，许多实验室在发现失控时常常会选择重复测量同一质控品直到质控结果在控。这样的操作实际上是在延迟发现问题、排除故障和解决问题的过程，因此是不可取的。根据最新版的室内质控行业标准，当发现失控时，首先要尽量查明导致失控的原因，然后再随机挑选出一定比例的患者样品进行重新测定，最后根据预先设定标准判断先前测定结果是否可接受，对失控做出恰当的判断。对判断为真失控的情况，应该在重做质控结果在控后，对相应的所有失控患者样品进行重新测定。如判断为假失控，报告可以按原先检测结果发出，不必重做。失控处理的具体步骤为：确定失控类型、分析查找原因、针对原因采取纠正措施、验证纠正措施的有效性、验证措施有效后恢复检验、评估最后一次成功质量控制活动后患者样品的检验结果、填写失控报告。一些研究表明，校准品、试剂、质控品以及仪器问题、人为因素是发生失控的主要原因。常见的措施包括校准、更换试剂容器或更换电极等。实验室需谨慎处理失控情况，防止由于失控导致报告错误的患者结果。
6. 质控结果及各项措施的记录：实验室应详细记录质控结果及各项措施，以提供准确的过程性能的历史信息。此外，也应记录对检测过程做出的调整和改变。在确定这些变化可以使检测过程对误差更敏感后，可将其作为预防措施。因此，对检测过程的控制记录常常是改进QC计划最有价值的信息。
随着风险管理概念的深入，实验室质量控制的主要目标已转变为降低由错误检验结果导致的患者风险。SQC是实验室内质量控制的重要组分，应谨慎进行选择/设计。依据Parvin的风险参数设计SQC策略是将实验室QC与患者风险相关联的重要途径，但其实这种关联并未真正得到建立，因为报告的错误患者结果数并不等同于患者风险。依据风险管理指南，患者风险还应取决于检验程序发生失控的频率（可靠性）以及报告错误的患者结果导致不恰当的医疗决策或导致患者伤害的可能性。因此，还需将其他与患者风险相关的参数纳入到患者风险模型中来设计SQC策略。
目前已有许多简单实用的图形工具帮助实验室选择/设计SQC策略，但是这些工具较为零散、缺乏系统性。因此，今后还需开发出一些更加完善的软件或其他实践工具。此外，由于SQC策略主要针对检验中阶段，而检验前和检验后阶段也会对患者结果的质量产生重要影响，因此实验室可采用个性化的质量控制计划（individualized QC plan，IQCP）或全面质量控制计划对检验全过程进行科学合理的控制，保证检验结果的质量，从而将患者伤害的风险降到最低。
参考文献
CLSI. Statistical quality control for quantitative measurement procedures: principles and definitions; Approved guideline-Third edition. CLSI document C24-A3. Wayne, PA: CLSI, 2006.
George G. Klee, James O. Westgard.Quality management. Tietz Textbook of Clinical Chemistry and Molecular Diagnostics 5th ed. St. Louis (MO): Elsevier Sci. Intl. 2012: 163-203.
CLSI. Laboratory quality control based on risk management; Approved guideline. CLSI document EP23-A. Wayne, PA: CLSI, 2011.
Parvin CA. Assessing the impact of the frequency of quality control testing on the quality of reported patient results. Clin Chem, 2008, 54(12): 2049-2054.
CLSI. Statistical quality control for quantitative measurement procedures: principles and definitions; Approved guideline-Forth edition. CLSI document C24-Ed4. Wayne, PA: CLSI, 2016.
ISO Guide 80. Guidance for the in-house preparation of quality control materials. Geneva, Switzerland: ISO, 2014.
肖亚玲,王薇,等. ISO 15189:2012与室内质量控制.临床检验杂志, 2014, 32(2): 124-125.
王治国. 临床检验质量控制技术.3版. 北京: 人民卫生出版社, 2014.
张诗诗, 王薇, 等. 美国临床实验室的质量控制要求. 中华检验医学杂志, 2016, 39(8): 654-656.
中华人民共和国国家卫生健康委员会, WS/T 641—2018 临床检验定量测定室内质量控制. 2018.
http://www.clinet.com.cn/sigmapv/#sgm3
NOSANCHUK JS, GOTTMANN AW. CUMS and delta checks. A systematic approach to quality control [J]. Am J Clin Pathol. 1974; 62(5): 707-712.
LACHER DA, CONNELLY DP. Rate and delta checks compared for selected chemistry tests[J]. Clin Chem. 1988; 34(10): 1966-1970.
MILLER I. Development and Evaluation of a Logical Delta Check for Identifying Erroneous Blood Count Results in a Tertiary Care Hospital [J]. Arch Pathol Lab Med. 2015; 139(8): 1042-1047.
CERVINSKI MARK, CEMBROWSKI GEORGE. Detection of Systematic Error Using the Average of Deltas [J]. Am J Clin Pathol 2016, 147-147.
HOFFMANN RG, WAID ME.THE "AVERAGE OF NORMALS" METHOD OF QUALITY CONTROL [J]. Am J Clin Pathol. 1965, 43: 134-141.
CEMBROWSKI GS, WESTGARD JO. Quality control of multichannel hematology analyzers: evaluation of Bull's algorithm [J]. Am J Clin Pathol, 1985，83(3): 337-45.
BULL BS, ELASHOFF RM, HEILBRON DC, et al. A study of various estimators for the derivation of quality control procedures from patient erythrocyte indices [J]. Am J Clin Pathol. 1974，61(4): 473-81.
WILSON A, ROBERTS WL, PAVLOV I, et al. Patient result median monitoring for clinical laboratory quality control [J]. Clin Chim Acta. 2011，412(15-16): 1441-1446.
LIU J, TAN CH, BADRICK T. Moving standard deviation and moving sum of outliers as quality tools for monitoring analytical precision [J]. Clin Biochem， 2018，52（2）: 112-116.
Shukang He, Fengfeng Kang, Wei Wang, Bingquan Chen and Zhiguo Wang. National survey on delta checks in clinical laboratories in China. Clin Chem Lab Med 2020; 58(4): 569-576.
李婷婷，王薇，等. 解读新ISO指南80：质控品实验室内部制备指南. 中华检验医学杂志，2016, 39（12）: 988-990.
23.孙慧珍，王薇，等.临床检验定量测定项目室内统计质量控制程序的研究进展. 中华检验医学杂志, 2019, 42(10): 879-883.
周睿,王清涛.关于个性化质控计划的临床应用及常见问题探讨.中华检验医学杂志, 2016, 39(12): 876-878.
周睿, 王清涛. 个性化质量控制计划的理解与临床实践. 中华检验医学杂志, 2017, 40(12): 907-910.
