今天要考虑的六西格玛QC建议

检验医学的一个重要目标是，通过提供实验室结果支持医学决定改善病人诊疗。符合这个目标要求报告准确的结果，减少病人风险以增强诊疗。对于一个实验室的质量控制（QC）只是关注仪器的问题不再满足了-- 也即对仪器的处理就像实验室的“病人”那样。自从诸如ISO 15189和CLSI EP23的风险管理导则出版以来，实验室现在期望去设计它的QC去关注病人：如何使QC计划有效地减轻来自错误地报告的病人结果造成病人危害的风险？

近年来在形成理论、模式、度量、和算法上有了显著的进展，更紧密地将实验室的QC做法与病人危害的风险联系起来。这些方式的最佳做法可以定量地将实验室的统计QC策略（被评价的QC浓度数、使用的QC规则、和QC评价的频率），和在发生失控状态时报告的错误病人结果预期数的关系关联起来。这些定量方式要求先进的数学计算，可仅由特定设计的计算机算法予以完成。但也很重要需理解的和确认有效的QC原则和方式，不要求先进的计算。在2013年的AACC年会上展现了，有六个有效的QC做法，不要求先进的数学计算。本文，我们提供了六个更多的QC建议，可以不用先进的数学予以实施，四个是影响病人危害的，两个是直接影响实验室费用的（或称 “质量的费用（Cost of Quality）”）。很成功地，遵循这些建议，它没有提供定量的最佳质量控制策略，但可继续使实验室向正确的方向努力。

检测程序的可靠性

在实验室检出了某个失控状态下，保持记录不是头等重要的事。关键是将检测程序回归到工作顺序，去评估已经被检测过的病人样品。但是，由于失控的频率是对病人危害的主要影响，实验室评估风险的能力，取决于保持对检测失败的跟踪，并确定它们的频率（或在失控间的平均时间）。

为了风险管理的目的，一个失控状态被确定为：当证实了一个检测结果质量问题时，去改正它。对检测方法进行更改以对其进行纠正。无论质量问题是否被QC拒绝所证实，通过对结果的检查，或因为某个抱怨、重要问题的值，认识到有些事是错了，要采取措施去解决该问题。措施包括检测程序实际的更换、校准、或仪器的服务。但是，相应措施不应包括QC假拒绝（见以后关于假拒绝的建议）。

发生的失控状态有多少频繁的估计，是对QC设计的重要考虑。对于具有失控状态高频率的检测程序，特别需要实验室的QC策略，在发生失控状态时，可减少受影响病人结果的个数。

分析物和导致病人危害错误结果的可能性

实验室质量最重要的方面之一是关注报告的病人结果中的检测误差。如果检测误差非常大，结果没有符合它的预期用途，它出现了对病人危害的情况：它增加了将发生不相应的医学决定或治疗的可能性。在检验医学中，病人结果要求的质量已经被传统地确定为结果中的允许总误差。如果在病人结果中的检测误差小于允许的总误差要求，则结果被考虑为符合它的预期用途；但如果检测误差超出了允许总误差的要求，则该结果被考虑为是错误的，为病人创建了一个危害的情况。

当报告了一个错误的病人结果时，可能性是，错误的结果导致一个不相应的医学决定或错失，将主要地依据在医学决定过程中检测结果对医学诊疗有多大的影响。一些分析物在用于医学决定中仅提供很少的信息。而在有些情况下，某个分析物对医学决定作出主要的影响。

从一个病人分析上，一般的原则应是，错误结果将导致不相应的医学决定或错失越有可能的，实验室应越少容忍报告错误结果，它在致力于减少这个可容忍的数量上应有更多的努力。

分析物和来自错误结果病人危害的严重性

风险管理导则如CLSI EP23提供了一个正规的方式，实验室可用于建立方针和程序，协助预防或减少病人风险。在风险管理上，风险被确定为病人危害发生的可能性和危害严重性的组合。病人危害发生可能性取决于：

一个检测程序的可靠性；

实验室QC策略的有效性（限制发生失控状态时得到报告的错误病人结果个数）；和

错误的报告结果导致对病人危害的可能性。

检测程序的可靠性和错误的结果导致病人危害可能性，受前述两个建议的限制，病人危害的严重性独立地评估危害发生可能性做出估计。

危害严重性将取决于报告的分析物和病人诊疗的情况。依据一个肌钙蛋白结果错误报告，对急诊部（ER）的病人做出不适当的诊疗决定或措施，较年检的一个钠的错误结果，看来对病人引起任何不当诊疗决定和措施有更严重的危害。

虽然几乎所有分析物的结果不正确都会导致患者死亡的可能，但应基于最常见或典型的情况去评估危害的严重性。

风险管理导则建议将危害严重性等级成为增加严重性的等级。例如，CLSI EP23建议五个等级：

忽略的：不方便或暂时的不舒服；

很小的：暂时的伤害或伤害不要求专业的医学介入；

严重的：伤害或损害，要求专业医学介入；

危险的：永久性的损害或危及生命的伤害；

灾难性：病人死亡。

因错误报告的病人结果造成病人危害越严重，实验室应越少容忍报告具有错误的结果，所以，应越努力消除错误报告个数。

实验室有多个仪器检测相同分析物

一些实验室认识到、但没有特别关注他们仪器程序内的偏移（超出了与通过能力验证试验有关的影响），转而关注仪器是否提供稳定的性能。在一个实验室在多个仪器上检测相同分析物时，仅期望给出相同病人结果，这个态度是不适当的。

在实验室内以多个仪器检测相同分析物的，应要求关注任何实验室内仪器间的偏移。很重要的是，仪器性能差异没有大至会干扰临床对检测结果的使用；但是在某个病人标本在具有高偏移仪器上检测，而其他的标本在具有低偏移的仪器上检测时，会对该病人带来悲剧。在这样的情况下，结果间很多差异是仪器间的偏移，而不是分析物浓度的变化。

改变实验室内仪器间偏移改变的一个做法是，在每个仪器上使用相同的QC靶值和QC规则。这个做法限制了某仪器它的偏移与其他仪器组在方向上的漂移，但允许有更多的漂移，在方向上不同于仪器组的偏移。（敬请同道原谅，对于这个内容，本人没有很好理解，容我本人去思考！）

在检测相同分析物一组仪器上使用相同的QC规则和QC靶值，会看来没有完善地控制每个仪器，但是这种想法源自对仪器的质量控制。在关注的是病人风险时，最佳策略应消除在有偏移的检测程序上因失控状态报告的错误病人结果。

QC时间和QC假拒绝率

一个统计QC策略的两个重要的性能特性是，它对尽快地检出检测程序中失控状态的能力（QC策略的误差检出功效），和它对不正确报告的敏感性，即没有问题下检测程序的问题（假性拒绝率）。

假拒绝组成了对实验室不希望的费用开支。当发生了某个QC规则的假拒绝，实验室必须停止病人报告、研究QC规则拒绝的原因、对该拒绝做出确定，是否有任何要求去纠正措施。更多的，被预期自最后可接受QC事件以来报告的所有病人结果要做评价，确定是否有不利的影响。

一个QC策略的假性拒绝率通常被表达为一个可能性。若某个QC规则的假性拒绝可能性为0.01，则实验室应预期：当检测程序在控下，约每100次QC规则评价，简单地因随机可能性，会发生1次被拒绝。一个等同重要的做法是，考虑某个QC策略假性拒绝率，即在假性拒绝间的时间长度。因随机机遇简单地发生某个QC规则拒绝前在控运行的预期时间是多少？在假性拒绝间的预期时间，取决于QC规则假性拒绝可能性和QC评价的频率。

所以，若某QC规则假性拒绝可能性是0.01，实验室每天进行一次QC评价，则在假性拒绝间的时间预期长度为100天。如果对每个偏移变化时实施QC评价（即加做一次QC），但是，在假性拒绝间对相同QC规则预期时间为33天。许多与QC假性拒绝有关的费用，如疑似病人结果的报告、或时间、在QC规则拒绝后研究的努力，对假性拒绝间预期时间的评估，而不是假性拒绝可能性更有意义。

在on QC crossover studies QC交叉研究的数据点

每次将新批号控制品引入实验室时，应建立该控制品的均值浓度。在检测程序运行处于稳定状态下，在一段时间内重复检测QC物质，以估计QC均值。一个重要问题是：应进行多少次重复检测，方可提供对QC均值的良好估计？“好或良好”可确定为，这个估计与真均值非常接近；某个QC规则具有的假性拒绝可能性，接近于使用这个真均值的假性拒绝的可能性。

使用这个指标，一个QC均值可以来自不同天得到的10个检测结果，可提供一个良好的初始估计。然后，在该新批号的常规操作的第一个月后，可以再计算均值改善估计，包括了任何较长时间来源的变异，这是在最初10次的估计中没有的。

浓度是该批号质量控制物质的一个特性。但是，精密度是检测程序的特性。所以，在将新批号的质量控制物质替代正在常规使用的现有批号时，预期浓度会改变，但精密度不会被预期变化。在新批号QC估计的浓度很接近老批号的，可以保留老批号建立的SD。如果新老批号的浓度差异显著，可以将检测系统的CV乘上新批号均值浓度，得到新批号的SD。

在实验室引入新的检测程序时，必须在检测程序处于稳定状态下的一段时间内，收集多个检测去估计SD。在这个情况下，使用如前所述“良好”的相同指标，在不同天内得到的甚至不止20次检测，对SD进行良好的初始估计。如果初始20个检测结果的SD，开始用于常规操作，实验室应尽力关注，是否有任何QC规则拒绝增加的可能性，因使用的不准确SD导致QC规则被过多地拒绝。还是要在常规操作使用新批号QC的第一个数月后，再做更可靠的SD估计计算，将包括较长期间来源变异，这不是在初始20天估计中可获得的。

减轻病人风险

实验室必须具有两个主要的机制，去减轻病人危害的风险；风险管理指导了，提供模式和方式，有意义地将实验室实践与病人风险关联；统计QC原理和策略，寻求限制报告产生对危害病人的错误结果数。计算机软件可协助实验室依据病人风险的原则，设计良好的QC策略；但即使没有软件，还有方式如这里建议的，可以协助实验室确保，设计它的QC实践，既可关注病人，也可协助减少费用。

更多医学实验室质量管理的专业咨询，请扫描下方二维码。

REFERENCES

1. ISO 15189:2012, Medical laboratories-requirements for quality and competence. Http://www.iso.org/iso/catalogue_detail?csnumber=56115.

2. Clinical Laboratory Standards Institute CLSI EP23-A: Laboratory Quality Control Based onRisk 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 Definitions. CLSI: Wayne, PA, 2016.

5. Parvin CA, Jonse 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.

■ 上海昆涞生物与赛默飞世尔 共同供稿