在实验室信息系统中实现临床化学检验自动审核算法
自动审核是基于在自动审核算法中选择的预设定的规则对实验室试验结果进行审核的基于规则的系统。如果这些试验结果满足算法中所有规定规则的准则，那么自动审核就可以自动发布试验结果，无需要任何人工干预和实验室工作人员的额外努力。由于越来越多的实验室试验申请数量、在手工报告试验结果的情况下出现错误的可能性以及越来越需要缩短试验报告的周转时间（turnaround time，TAT），因此在当今自动化实验室环境中，引入实验室试验结果审核的这种自动化工具是必不可少的。
在实验室信息系统（laboratory information system，LIS）中可以实现自动审核算法，可以作为独立的验证程序，或也可以中间件软件引入来连接LIS和实验室分析仪器。自动审核算法适当的设计和自动审核规则的定义是实施算法的先决条件。由于自动审核基于预先定义的规则确保实验室试验结果统一的和客观的审核，因此必须清楚和明确地定义所有选定的规则。自动审核规则通常包括分析测量范围（analytical measurement ranges，AMRs）；溶血、黄疸和脂血的干扰指数；分析仪器产生的所有检验前和检验中的标志；参考范围和决定限；危急值；差值（delta）检查；质量控制（QC）结果；移动均值和批检查。
在LIS中自动审核规则的唯一技术实施可能不同，甚至可能受到所使用LIS软件能力的限制（通常需要进行软件升级）。有关自动审核规则范围和计划实施的标准的决定取决于实验室环境的特殊性和机构内执行的医疗服务的复杂性。因此，这些决定不能一概而论。AMRs和干扰指数的标准通常根据试剂厂商规定的标准和/或方法确认过程中获得的数据来进行确定。参考范围、决定限和危急值的标准要以人群为基础，依据相关已发布的指南和建议进行实施，和/或设计以适应当前的趋势。有关分析仪器和试剂性能的规则（误差标志、质量控制、批检查）是分析仪器和试剂特定的，并且主要取决于这些仪器的特性。
差值检查规则用于在规定的时间框架内对同一患者对当前试验结果与前面试验结果进行比较。差值检查法可以定义为几种形式，即差值百分比变化（最常用的形式），差值变化，百分比变化率和率差。一些作者建议应该把差值检查表示成每个选定实验室试验的参考变化值（reference change Value，RCV）。RCV使用来自分析控制结果和个体内生物学变异系数的数据进行计算。
定义了自动审核规则之后及在常规实验室实践中实施自动审核之前，根据美国临床和实验室标准化研究院（CLSI）指南和最佳实验室实践，有必要对自动审核算法进行验证。此外，随着自动审核规则和/或标准的每次变更，应该重新验证自动审核算法。这样就可以检测到潜在的缺陷，并防止发布错误的实验室结果。
在某一家实验室，常规临床化学实验室由于每天数目巨大的标本量和工作人员的缺乏，被认为是最适合首先实施自动审核算法的领域。尽管一些已发表的文章描述了在临床化学，凝血和血液学中实施自动审核的经验，但是它们都没有讲述LIS中临床化学检验自动审核算法的设计细节。为此，该实验室建立了自己的算法，将其作为一个可以适用于任何环境并且可以根据机构特定要求进行修改的原始模式。本文中，研究的目的是定义血清生化试验的自动审核算法规则，并随后在常规实验室工作中之前对算法进行验证。
本研究在某大学附属医院检验科进行，该检验科由多个部门组成，每年进行大约360万个试验，包括对住院和门诊患者进行的高度专业化和鉴别诊断试验。
常规临床化学部门每天大概处理550份标本，相当于每天有6500个试验结果。进行所有试验的是临床化学自动化分析系统一套。标本分析完成后，结果和相应的标志就从分析仪器传送到实验室信息系统（LIS）。生化分析仪通过中间件过程系统管理程序与LIS相连。
某年某月对所有血清生化试验实施了自动审核。在该实验室的LIS数据库中阐述由自动审核规则组成的自动审核算法作为一种新功能，这种新特性的技术特征由信息技术（IT）专家开发。然而，自动审核算法中包含哪些特定项目和规则是由实验室专家根据实验室的需求来决定的。在此之后，所有包括的生化试验的自动审核规则所选择的标准都得到了适当的应用和测试，如本文后面所述。因此，IT专家开发了一个背景算法，其结合了自动审核所有选择的规则。
在该实验室的自动审核算法中包含的规则如下：AMRs、差值检查、危急值、血清指数（溶血、脂血、黄疸）和来自仪器的所有分析前标志（如：标本量不足、标本凝块以及标本气泡）和分析阶段标志（如：前带效应、试剂不足、过期试剂、机械误差、自动稀释），表1中列出所有分析物的自动审核规则（见表1）。
根据国际标准化组织（ISO）15189规定，根据制造商规定的方法线性范围来设定AMR标准，并在实验室中通过试验验证来进行验证。此外，对所有试验使用血清指数，其来自每种试剂的包装插页。
引入的危急值符合国际临床化学联合会（IFCC）已发布的建议。这些值等同于克罗地亚医学生物化学家协会所建立的危急值。
根据每个试验各自的RCV值来确定差值检查值，并对所有试验的时间范围设定为5天。在该医院，选择5天时间范围包括不同的患者人群（小儿和成人重症监护患者，血液科和肿瘤科患者等），以及对这些患者进行重复检测。
RCV值通过以下公式进行计算：
RCV=（2）1/2*Zp*（CV2A+CV2I）1/2
其中Zp是适当的误差概率的标准差（95%时Zp=1.96），CVA是分析变异系数，CVI是个体内生物变异系数。此外，考虑到该机构的患者人群，并与参加自动审核算法设计的实验室专家达成一致，对delta检查值略有修改。
只有当所有标本结果从分析仪器传送到LIS之后，才能对这些已完成的试验进行自动审核。必须通过选择自动审核图标来触发自动审核。在这一步之后，所有的试验结果都通过算法中所有规定的规则进行检查。所有规则具有同等重要性，例如，对于任何标本来说，只要其有1个或多个试验不符合已定义的规则，就无法对结果进行自动审核。根据常规实践中所使用的标准操作规程，所有非自动审核的试验结果（带有不同的标志）仍需实验室专家进行检查和人工审核（见图1）。
图1. 自动审核流程图。AMR代表分析测量范围
在自动审核引入到常规实践之前，根据CLSI指南AUTO10-A对自动审核算法进行验证。在验证过程中，对选定的生化标本结果进行评估以检查自动审核规则的有效性。在3个月内的时间内（2014年5月到2014年7月），常规临床化学部门不连续的工作日进行验证。
在该实验室的LIS测试版中对规则进行测试，因此仅用于验证目的，而不能将实验室的结果报告给医疗专业人员。所有完成的试验结果，当时全部由实验室专家人工验证，每天从LIS下载到其测试版中，并由实验室专家根据定义的自动审核规则进行人工检查。在记录中标注不满足所有自动审核标准而需要进行人工验证的标本。随后触发自动审核，并且该实验室验证了所有剩余的人工验证标本是否与人工审核的结果一致。
该实验室的研究结果以绝对数目和自动审核试验结果在总试验数中所占的比例进行表示。该实验室利用Microsoft Excel，2010版本（Microsoft公司）收集和处理数据。
在审核过程中，共包括了9805个标本，其中78.3%（7677）的标本根据已建立的算法进行了自动审核。未审核标本中最高比例（54.9%）是那些至少有一个结果落在方法线性范围（AMR标准）之外的标本。相反，危急值被认为是停止自动审核最不常见的标准（1.8%），见图2。
图2. 自动审核停止标准的比率
具体来说，AMR标准导致了最频繁的自动审核停止，对于钠考虑低AMR限，以及对于钾和血尿素考虑高AMR限。第二个最常见的停止标准是delta 检查，其主要影响钾和肌酐的结果。此外，溶血作为血清指数中最常见的标准，会造成乳酸脱氢酶和天门冬氨酸氨基转移酶的自动审核失败。
人工审核与自动审核的比对显示99.5％的标本的结果是一致的。此过程中，由于未满足自动审核标准，有38个标本进行了人工审核。获得的差异在试验结果旁边有书面注释。这些注释并没有被定义为停止自动审核的标准，而是实验室所特有的注释（即：对所使用分析方法预定义评论，以及医疗专业人员的简短说明）。然而，这些注释被认为如此，并导致自动审核的停止，因为它们与分析仪器中的标志位于同一个字段中。当在审核时注意到这一点时，这种缺陷会被立即纠正。因此，只有来自分析仪器中注释字段的分析前和分析阶段标志才被认为是自动审核停止标准。
本研究中，该实验室为LIS定义了自动审核算法并将其应用到自动生化系统中，结果显示其与人工审核有着接近100%的一致性。该实验室对由预定义规则组成的自动审核算法进行了精心设计，并将其引入LIS中，同时在算法应用到常规实践中之前对其进行了验证。
这不仅是在该实验室，而是整个克罗地亚的首次关于实施自动审核的经验。该实验室实施自动审核的想法使得现有的LIS产生了新功能。在设计自动审核功能时，实验室和IT专家的紧密合作是至关重要的。
作为第一个测试自动审核功能运作的团队，该实验室决定在大量标本上进行自动审核算法的验证，因为据目前情况所知，目前还没有指南定义验证过程中的应包含的最佳标本数。这个决定是在该实验室的实验室专家进行充分讨论后所做出的。
该实验室研究中的自动审核结果比率是78.3%。已发布的数据显示自动审核结果的比率差异很大，这取决于环境和所实施的自动审核规则。Krasowski等人在他们的研究中阐明，自动审核规则在中间件的最初实施产生了95%的自动审核结果，随后在2010年和2013年分别是99%和99.5%。本研究中的自动审核规则包括人工审核界限、危急值、差值检查、干扰指数、AMR、自动扩展范围、仪器错误标志和质量控制。
Oosterhuis等人报告了在他们的实验室中通过自动审核系统试验结果审核的总百分比是86.6%。此外，一些研究给出了日常实验室常规中自动审核通过率的百分比（比如：Shih等人给出的范围是92%到95%）。他们的算法包括限值检查、差值检查、危急值和一致性检查规则。
该实验室研究中观察到的自动审核结果比率较低，可能的一个解释是由于这是该实验室第一次实施自动审核算法，因此该实验室的停止规则偏严格。然而，这些规则肯定会随时间推移根据积累的经验进行修改，从而提高自动审核结果的百分比。除了一些高百分比的研究，也有一些研究具有比较低的自动审核通过率。Torke等人在他们的研究结果中显示，只有62％的化学检验组合和73％的单个分析物测定是自动审核的。
在该实验室的研究中，大量标本自动审核停止处理并需人工修改是那些不符合AMR标准的标本，其结果低于或者高于确定范围的界限。然而，通过扩大AMR范围可以减少由AMR规则终止的标本数量。为了引入这种修改的AMR范围，有必要进行额外的方法确认，以测试在厂商推荐的线性范围之外的所有检测的线性，并且基于获得的结果，对这些标准进行相应的修改。
第二个最常见的停止标准是差值检查规则，其占停止处理所有标本的四分之一。需要强调的是如果没有以前的数据作为对比（例如患者是第一次接受实验室检查），则系统自动满足差值检查规则。通常认为差值检查法是一种有用的工具，不仅仅是在识别实验室参数的临床显著变化时，同时也能识别患者错误标识和标本混淆。
如今，关于差值检查法的有用性存在争议。尽管它是一个经典的实验室质量控制工具，但是除了检出标本标识错误之外，有关差值检查在发现问题方面的用处的已发布数据非常有限。然而，现有的数据显示差值检查主要用于自动审核程序的一部分。该实验室知道包含这个规则可能会造成额外的自动审核停止，并可能产生更多的手工工作。然而，该实验室毫不犹豫地将其包括在内，因为事实证明，它不仅可以检出患者的错误标识，而且还可以检测到应该立即传达给医疗专业人员的实验室结果的恶化，以便患者可以得到即刻的医疗。该实验室的数据显示，钾和肌酐的检验在自动审核过程中常会被停止，可能是因为许多患者在接受透析，其体内的这两种分析物会产生波动。
在血清指数中，在触发停止自动审核规则上，溶血是最常见的，而脂血较少。这些数据与许多文章/发布的数据是一致的，表明溶血仍然是一个具有挑战性的分析前问题。最后，导致自动审核停止的危急值和来自分析仪器标准的标志产生了最少的未自动审核标本数量。
本文还认为，对没有实验室专家额外干预的人工审核标本数和实施前阶段的自动审核标本数进行审核和评估也是很重要的。应用类似的验证方法来评估自动审核系统。
在本文的研究中，测试阶段结果中发现38个不一致的标本，它们都是人工进行审核的，但是根据实施的规则应该是进行自动审核的。在日常工作中实施自动审核之前，对算法中观察到的缺陷进行修正。这一观察结果清楚地证实了在用于日常工作之前验证自动审核算法的重要性。
这种明显数量不多的标本表明算法中存在缺陷，随后对其进行了纠正。需要强调的是，将实验室特定注释的错误识别作为自动审核停止规则是在验证过程中观察到的设计算法中的唯一缺陷。这一观察结果清楚地证实了在用于日常工作之前验证自动审核算法的重要性。尽管如此，仍可将其视为一个小谬误，因为它阻止了自动审核，而非不恰当地进行了自动审核，然后发出可能需要人工审核的错误结果。
在该机构中认为首次引入自动审核应该谨慎实施，因为如前所述，这也是该实验室在LIS中实施自动审核的第一次尝试。因此，认为通过选择一个图标来开始自动审核是一种合理的方法，而不是实时自动审核。然而，进一步的步骤应包括升级到实时自动审核，这不可避免地会引入额外的标准，主要是在自动审核算法中包含质控规则。
本研究具有一定的局限性。首先，差值检查和危急值的停止规则没有按照性别和年龄进行划分。其次，上述规则没有适应于不同医院病房的患者群体，而是统一使用。这些局限性会造成低的自动审核结果百分比，但可以通过调整这些标准以适应特定病房（比如：重症监护室，儿科医疗）的患者人群来避免这些局限性。在自动审核实施过程中，该实验室仅仅审核了来自LIS的数据，而没有模拟比如高血清指数的标本。然而，由于该实验室的研究验证了接近10000个来自不同医院患者的标本，因此相信实施的规则是可靠的。
尽管如此，该实验室相信的他们的研究结果显示了他们实验室分析后阶段有很大的改进，有助于更有效和客观地报告试验结果。同时，它们也提供了一个在一般要求下通过LIS引入自动审核算法的系统性方法，这可以作为在任何实验室环境和使用的分析系统下实施自动审核算法的一个有用的模型。然而，将算法规则调整到特定的实验室环境是成功实现的先决条件。
自动审核有许多好处：包括缩短TAT；减少需要人工修改的结果数量，从而更加关注可能有问题的患者标本；更少受主观变异影响的统一的试验报告。然而，自动审核仍然只是一种按照规定的规则进行工作的计算机化工具，其肯定会提高实验室的效率，但是它不能完全取代实验室专家在报告实验室结果和做出决策过程中的工作。
参考文献
[1] Torke N, Boral L, Nguyen T, Perri A, Chakrin A. Process improvement and operational efficiency through test result autoverification. ClinChem. 2005;51(12):2406-2408.
[2] Duca DJ. Autoverification in a laboratory information system. Lab Med.2002;33:21-25.
[3] Onelöv L, Gustafsson E, Grönlund E, et al. Autoverification of routine coagulation assays in a multi-center laboratory. Scand J Clin Lab Invest.2016;76(6):500-502.
[4] Krasowski MD, Davis SR, Drees D, et al. Autoverification in a core clinical chemistry laboratory at an academic medical center. J PatholInform. 2014;5(1):13.
[5] Clinical and Laboratory Standard Institute (CLSI). AUTO 10-A. Wayne,PA: CLSI; 2006.
[6] Oosterhuis WP, Ulenkate HJ, Goldschmidt HM. Evaluation of LabRespond, a new automated validation system for clinical laboratory test results. Clin Chem. 2000;46(11):1811-1817.
[7] Kuijsters JP. Lab respond: a tool for autoverification. Accred Qual Assur.2002;7:477-479.
[8] Prost L, Rogari P. How autoverification through the expert system VALAB can make your laboratory more efficient. Accred Qual Assur.2002;7:480-487.
[9] Guidi GC, Poli G, Bassi A, Giobelli L, Benetollo PP, Lippi G.Development and implementation of an automatic system for verification, validation and delivery of laboratory test results. Clin Chem Lab Med. 2009;47(11):1355-1360.
[10] Shih MC, Chang HM, Tien N, et al. Building and validation an autoverification system in the clinical chemistry laboratory. Lab Med. 2011;42:668-673.
[11] Vermeer HJ, Thomassen E, de Jonge N. Automated processing of serum indices used for interference detection by the laboratory information system. Clin Chem. 2005;51(1):244-247.
[12] Fraser CG, Stevenson HP, Kennedy IMG. Biological variation data are necessary prerequisites for objective autoverification of clinical laboratory data. Accred Qual Assur. 2002;7:455-460.
[13] Park SH, Kim SY, Lee W, Chun S, Min WK. New decision criteria for selecting delta check methods based on the ratio of the delta difference to the width of the reference range can be generally applicable for each clinical chemistry test item. Ann Lab Med.2012;32(5):345-354.
[14] Ricós C, Cava F, García-Lario JV, et al. The reference change value: a proposal to interpret laboratory reports in serial testing based on biological variation. Scand J Clin Lab Invest. 2004;64(3):175-184.
[15] Froom P, Saffuri-Elias E, Barak M. Autovalidation rates in an outpatient coagulation laboratory. Int J Lab Hematol.2015;37(5):680-685.
[16] Froom P, Barak M. Auto-validation of complete blood counts in an outpatient’s regional laboratory. Clin Chem Lab Med.2015;53(2):275-279.
[17] International Organization for Standardization. ISO 15189:2012.Medical laboratories: Particular requirements for quality and competence.
[18] Thomas L. Crtical limits of laboratory results for urgent clinical notification. eJIFCC. 2003;14(1). http://www.ifcc.org/ejifcc/vol14no1/140103200303.pdf. Accessed December 26, 2017.
[19] Critical values of laboratory results and reporting of critical values- 2ndedition. http://www.hkmb.hr/dokumenti/povjerenstva/HKMB%20PPSP%208.pdf. Accessed December 26, 2017.
[20] Schifman RB, Talbert M, Souers RJ. Delta check practices and outcomes: a Q-probes study involving 49 health care facilities and 6541 delta check alerts. Arch Pathol Lab Med.2017;141(6):813-823.
[21] Plebani M, Sciacovelli L, Aita A, Chiozza ML. Harmonization of pre-analytical quality indicators. Biochem Med (Zagreb).2014;24(1):105-113.
