Principy zajištění spolehlivosti

Transkript

1 Principy zajištění spolehlivosti Úvod V relativně nedávné době byly za spolehlivé považovány výsledky přesné a správné. Změnil se význam pojmu správnost, smysl věty však zůstal platný dodnes. Klinická biochemie má velmi usnadněný přístup k základním charakteristikám procesu měření přesnosti a pravdivosti (vyjádřena kvantitativně jako bias). Obě charakteristiky se v laboratorní praxi měří v programu vnitřní kontroly kvality. Chemický měřící proces je podle definice analytický postup definované struktury, který byl přiveden do stavu statistické regulace, takže jeho nepřesnost a bias jsou za stanovených podmínek stálé. Již z této definice je zřejmé, že analytický postup je složen z části měřící a kontrolní, které tvoří jednotný celek a nelze je oddělit. J. O. Westgard, snad nejznámější jméno v souvislosti s kvalitou v klinické chemii konstatoval, že o kvalitě všichni hovoří, málokdo však pro kvalitu výsledků něco dělá. Meloun a Militký jistě v nadsázce připomínají, že manažery zajímají tři problémy: peníze, jak je získat a jak je neutratit. Je kvalita drahá? Objem kontrolních a kalibračních měření představuje v moderní laboratoři okolo 10 % všech stanovení. Vedle pozitivního přínosu kvality výsledku (cena preventivní a cena zhodnocení) musíme však uvážit i cenu špatné kvality (cena interního nebo dokonce externího selhání). Kontinuální zlepšování kvality výsledků snižuje cenu odstraněním zbytečných opakování analýz a v konečném důsledku zajištění a zachování laboratoře v konkurenčním prostředí. Definice kvality V knize Melouna a Militkého je uvedena řada definic kvality v českém jazyce. Je příznačné, že definice kvality je orientována na splnění požadavků zákazníka. Jakost (jakost a kvalita jsou synonyma) je souhrn rysů a charakteristik produktů nebo služeb, který zajišťuje jeho schopnost vyhovět daným požadavkům, nebo celkový souhrn vlastností a znaků výrobků nebo služeb, které jim poskytují schopnost uspokojit předem stanovené nebo předpokládané potřeby zákazníka. Za pozornost v definici kvality stojí orientace na potřeby zákazníka (přičemž nehraje roli, že potřeby zákazníka jsou špatně nebo neúplně formulovány jím samým) a časová podmíněnost kvality. Kvalita není tedy dána jednou provždy, ale měla by se kontinuálně zlepšovat v cyklu: návrh (plánování) kvality ověřování experimentem zkoumání získaných výsledků zlepšení měřícího postupu zpět k návrhu zajištění kvality. Jakým způsobem se ke kvalitě dostáváme: výrobce přístrojů a diagnostik návrhem,

2 laboratoř kontrolou (volba kontrolních pravidel a počtu kontrolních vyšetření, změna metody, popř. přístroje). Zlepšování kvality je pomalý a obtížný proces pro výrobce i laboratoř. Zabezpečování kvality (Quality assurance QA) Zabezpečováním kvality je část managementu jakosti zaměřená na poskytování důvěry, že požadavky na jakost budou splněny. Jsou to všechny plánované a systematické činnosti, zavedené jako součást systému kvality a potřebné k prokazování přiměřené důvěry, že výrobek nebo služba splňují požadavky na kvalitu. Zabezpečení kvality popisují obecná opatření zavedená v laboratoři, která laboratoř používá k zajištění kvality svých činností. Zavedení QA do systému činnosti laboratoře má řadu příznivých důsledků: např. celá činnost laboratoře se stane transparentní, čímž se chyby nejen lépe napravují, ale lze jim i předcházet. QA v laboratoři zvyšuje důvěryhodnost laboratoře v očích zákazníků. Důležité prvky zabezpečení kvality jsou: vyhovující laboratorní prostředí, udržované a kalibrované zařízení, programy řízení kvality (interní a externí), vzdělaný, školený a zkušený personál, vypracované a dokumentované metody, postupy kontroly a vydávání zpráv, návaznost výsledků, interní audity a přezkoumávání systému, požadavky na činidla, kalibrační a kontrolní standardy, referenční materiály, plány vzdělávání a záznamy o něm. Programy řízení kvality Vnitřní (interní) kontrola kvality je nejdůležitější součástí programu zajištění spolehlivosti. Cílem vnitřní kontroly kvality je vybrat pro analytický postup vhodná kontrolní pravidla, která zabezpečí: vysokou pravděpodobnost detekce (rozpoznání) chyby p ed, nízkou pravděpodobnost falešného zamítnutí série p fr, bezprostřední rozhodnutí o přijetí nebo odmítnutí vyšetřovaného vzorku nebo série vzorků.

3 Požadavky na kvalitu Jak již bylo zmíněno, požadavky na kvalitu jsou dány především uživatelem výsledků. Mnohdy je takové komplexní posouzení pro jednotlivého uživatele příliš obtížné, ne-li nemožné. Požadavky na kvalitu vychází principielně ze tří možných zdrojů: analytické požadavky v podobě celkové přípustné analytické chyby TE a : TE a % = bias% + 1,65 x CV%; klinické požadavky v podobě rozhodovacího intervalu D int, který popisuje klinicky významnou změnu v testované hodnotě vyjádřenou v procentech; požadavky na základě pozorované biologické variability, kdy požadovaná analytická přesnost je odvozována z intraindividální směrodatné odchylky: CV A = 0,5 x CV I a bias A je vypočítáván ze součtu čtverců intraindividální a interindividuální směrodatné odchylky: bias A = 0,25 x(cv 2 I + CV 2 G ) 1/2. Z hodnot CV A a bias A jsou vypočítávány kritické náhodné a systematické chyby pro aplikaci v grafech silových křivek jednotlivých kontrolních pravidel a OPSpec grafech (viz dále). Analytické požadavky TE a se jeví jako doposud nejvhodnější především pro svoji srozumitelnost a také proto, že odráží analytické možnosti vymezené současnou přístrojovou technikou. Tabulka : Celkové analytické chyby TE a (CLIA) a TE ba (z biologické variability) pro některé vybrané analyty Analyt Přijatelné provedení CV Bi % CV Bb % TE Ba % ALT Cílová hodnota ± 20 % 23,0 41,0 30,7 Albumin Cílová hodnota ± 10 % 2,8 4,4 3,6 ALP Cílová hodnota ± 30 % 5,9 22,3 10,6 AMS Cílová hodnota ± 30 % 8,7 25,8 14,0 Glukosa Cílová hodnota ± 10 % 6,1 7,8 7,5 Cholesterol Cílová hodnota ± 10 % 5,3 15,2 8,4 Sodík Cílová hodnota ± 4 mmol/l 0,6 0,6 0,7 Vysvětlivky: TE a celková analytická chyba,

4 CV I % intraindividuální biologická směrodatná odchylka, CV G % interindividuální biologická směrodatná odchylka, TE Ba % model TE Ba % = 1,65 x CV I % + 0,5 x (CV 2 I +CV 2 G ) 1/2, tj. celková analytická chyba z biologické variability. Transformace analytických nebo klinických požadavků na kvalitu do podoby laboratorních specifikací pro nepřesnost a bias a kontrolní pravidla OPSpec graf Praktický nástroj pro návrh kontrolního systému z požadavků na kvalitu představuje graf operačních specifikací (v anglické terminologii OPSpec chart). Zatímco na vodorovné ose zaznamenáváme nepřesnost (obvykle v procentovém vyjádření) a na svislé ose dosažený bias metody, vymezuje operační bod odpovídající těmto souřadnicím svojí polohou vhodný systém kontrolních pravidel zaručující dosažení požadavků. OPSpec grafy jsou konstruovány pro 90 %, 50 % nebo 25 % pravděpodobnost systematické chyby při dané dovolené celkové analytické chybě. Výstupem OPSpec grafu je nabídka kontrolního systému pravidel, při kterém je zaručena pravděpodobnost detekce (systematické) chyby p ed při splnění požadavků na kvalitu (např. cílová hodnota ± 10 % pro glukosu) s udanou pravděpodobností falešného zamítnutí série p fr. Akceptovatelná hodnota se v konkrétních případech liší, ale p fr pod 3 % je pro praxi přijatelná hodnota. Programy QC Validator, EZ Runs nebo EZ Rules (J. O. Westgard) jsou vhodné pro aplikace v klinické biochemii, programy pro kontrolu kvality jako samostatné součásti (QCExpert, Trilobyte), nebo moduly obecných statistických balíků (QC, R-plus). Výsledkem použití OPSpec grafů je výběr kontrolního pravidla (1 3s, 12,5s, 4 1s, atd.), popř. několika pravidel v podobě multipravidla (např. 1 3s, 2 2s,4 1s, 10 x ) a počet kontrolních stanovení N, které zabezpečí s danou pravděpodobností detekci chyby (90 %, 50 %, popř. 25%), přičemž celková analytická chyba TE a nepřekročí zvolenou velikost. Není-li možné požadavek splnit a takové pravidlo najít, je třeba zvolit jinou metodu analýzy, popř. jiný přístroj. Jiné nástroje analytický chemik nemá.

5 Definice požadavků TE a, D int, biologické Experimentální určení s% a bias% Užití OPSpec grafu QC Validator, EZ Runs Kontrolní pravidla Počet kontrolních stanovení EZ Rules Regulační diagramy Regulační diagramy jsou nástrojem aplikace vybraných kontrolních pravidel. Obecně je to možné všude tam, kde jsou v čase získávány a vyhodnocovány informace o jakosti. Vedle obvyklého počítačového zpracování je možné vést některé typy regulačních diagramů i ručně vznášením na milimetrový papír. Nejrozšířenějším je Shewhartův regulační diagram se znázorněnou centrální linií, označující očekávanou cílovou hodnotu a obě regulační meze: dolní regulační mez LCL a horní regulační mez UCL. Meze určují interval, ve kterém se hodnota kontrolního znaků dá s určitou pravděpodobností očekávat; pod tuto hodnotu je proces mimo kontrolu. Jako charakteristika znaku jakosti se nejčastěji

6 používají aritmetický průměr x, směrodatná odchylka s, rozpětí R (maximální hodnota minimální hodnota) a podobně. K použitému znaku jakosti v regulačním diagramu je vždy třeba zvolit odpovídající nepřesnost. Posuzujeme-li v regulačním diagramu stabilitu přesnosti procesu regulačním diagramem, je třeba zvolit nepřesnost v sérii. Obecně platí, že je vhodné vybrat kontrolní pravidlo co nejednoduší, např. 1 2,5s. Vysoká přesnost moderních analyzátorů poslední generace umožňují použití takovýchto jednoduchých pravidel, přičemž je dosahována přijatelná pravděpodobnost falešného zamítnutí série. Často používané je Westgardovo multipravidlo složené z pravidel 1 3s, 2 2s, R 4s, 4 1s, 10 x. Toto je nutné použít, je-li pravděpodobnost falešného odmítnutí série pro požadovanou detekci chyby u jednotlivých pravidel nepřijatelně vysoká, > 3 %. Variabilita vyjádřena kvadrátem směrodatné odchylky je vždy zdrojem ztráty v podobě zmetkovitosti nebo ztráty informace. Pro oblast klinické biochemie je nepřesnost klíčovou charakteristikou procesu analýzy. Mezi speciální typy regulačních diagramů, které jsou v praxi málo používané, ale mnohdy vhodnější než Shewhartův diagram patří: diagramy kumulativních součtů (CUSUM) diagramy pohyblivých průměrů (EWMA) vícerozměrné regulační diagramy (Hottelingovy pro více znaků současně) Metoda mimo kontrolu problém out of control Dobrá úroveň prováděné statistické kontroly (ve smyslu řízení) kvality je často znehodnocována chybnou reakcí na stav problém out of control, kdy je výsledek kontrolního měření mimo regulační meze. Mezi špatné zvyklosti patří: opakovat kontrolní analýzy, zkoušet nové kontroly. Opakování měření kontrolního vzorku má původ v době, kdy se používalo jediné pravidlo 1 2s (při použití jedné kontroly byla pravděpodobnost falešného zamítnutí 5 %, při N = 2 již 9 %, pro N = 3 již celých 14 %). Dobře zvolený kontrolní systém (OPSCharts, Validator) má pravděpodobnost falešného zamítnutí série jako jednu ze základních podmínek. U kontrolního pravidla 1 3s je již pravděpodobnost falešného zamítnutí 0,3 %; tj. tedy 3 na jeden tisíc. Předpokladem ovšem je, že existují důkladné a písemné instrukce pro přípravu, míchání, aktivaci, zmrazování a skladování kontrolních a kalibračních vzorků, a předepsané

7 postupy dodržujete. Rovněž pipeta pro přípravu kalibračních a kontrolních vzorků a její kalibrace rozhoduje. Písemný záznam o provedené práci s podpisem je nezbytný. Držte se dobrých zvyků: prohledněte si důkladně regulační diagramy a uvažujte nad kontrolními pravidly, která byla porušena, stanovte typ chyby: náhodná (obvykle porušena pravidla 1 3s, R 4s ) nebo systematická (4 1s, 10 x ); dejte tato porušená pravidla do souvislosti s možnou příčinou. Náhodné a systematické chyby mají obecně rozdílné příčiny. Problémy spojené se systematickou chybou jsou častější a také se snadněji řeší. Systematické chyby mohou být způsobeny faktory jako jsou: změna šarže reagencií, změna šarže kalibrátoru, rozklad reagencií nebo kalibrátoru při chybném skladování, chybné nastavení pipetovaných objemů, změna teploty inkubačních nebo reakčních bloků, potíže se zdrojem světla nebo filtrů. Náhodná chyba může být způsobena takovými faktory jako jsou: bubliny v reagenciích nebo hadičkách, chybné míchání, nestálá teplota a inkubace, nestabilní proud, popř. individuální chyba obsluhy. U analyzátorů hledejte obecné rysy problémů společné více testům (vlnové délky měření, jednoreagenční vs. vícereagenční metody, různé lampy, MEIA vs. FPIA, atd.) a dejte do souvislost možné příčiny a nedávné změny (reagencie, kalibrace, údržba, atd.). Systematický náhlý posun je nejčastěji spojen s reagenciemi nebo kalibracemi. Co se týká reagencií, jde nejčastěji o záměnu, nebo se použila jiná šarže či souprava jiného výrobce. Kalibrace na jinou šarži kalibrátoru bez změny koncentrace je rovněž velmi častou příčinou zdánlivě nevysvětlitelných systematických posunů. Systematický trend je tvrdý oříšek, protože se projeví až po delší době. Může to být způsobeno postupným rozkladem reagencie nebo kalibrátoru, změnou teploty přístroje, stárnutím lampy nebo filtru, atd. Náhodná chyba se identifikuje velmi obtížně s ohledem na její povahu. Doporučuje se pozorná prohlídka reagencií, systému nabírání vzorku, míchání, kolísání proudu. Vezměte do úvahy doporučení výrobců reagencií a přístroje. Je-li systém v pořádku a vy přesto cítíte, že tu cosi nehraje, analyzujte znovu 10 předcházejících vzorků pacientů a zhodnoťte duplikáty. Měření duplikátů pacientských vzorků je obecně doporučováno jako způsob monitorování problémů s náhodnou chybou. Ověřte řešení a důkladně dokumentujte problém. Poté, co je problém identifikován a odstraněn, ověřte řešení analyzováním všech typů kontrol, které pro kontrolu provádíte. Znovu analyzujte vzorky pacientů, které byly měřeny v době, kdy byl systém ve stavu mimo kontrolu. Celou příhodu dokumentujte, v budoucnu vám to může ušetřit mnoho času. Pokud

8 to neuděláte, vydáváte se do nebezpečí, že budete řešit problém znovu a nikde není dáno, že budete tak úspěšní a bystří, jako poprvé. Porušení předpokladů o kontrolních měřeních Autokorelace měřených kontrolních dat je nejčastěji se vyskytujícím porušením předpokladů o datech v případě, že tato mají charakter časové řady. Je však kontrolním měřením vlastní způsobem práce, který je typický pro klinickou laboratoř denně se opakující analýzy velkého množství vzorků, přičemž pomalu se měnící reagencie zůstávají na palubě přístrojů značnou dobu (dny až týdny); provádějí se jednobodové kalibrace s malým počtem opakovaní, které zavlékají do měřícího procesu systematickou chybu. Alespoň v některých případech je vhodné zdroje autokorelace indikovat a odstranit, což vede k zlepšení stability způsobilosti procesu a zvýšení informační účinnosti a tím snížení ztrát. V případě významné autokorelace též není možné použít jednoduché regulační diagramy. Bez autokorelace Autokorelace r = Z Y x x Abnormalita dat a přítomnost vybočujících měření je často indikována jednoduchými grafickými prostředky průzkumové analýzy dat. Je-li jistota, že je výsledek zatížen hrubou chybou (omyl, záměna vzorku, přepis), je nutné jej odstranit; v opačném případě je však mnohem důležitější měření v souboru ponechat a hledat pro data vhodnější matematickostatistický model. Např. výrazné sešikmení u kontrolních dat se snadno odstraní logaritmickou transformací.

9 Přístup 6 σ (sigma) v systému zajištění kvality Co je 6 σ? Je to termín firmy Motorola, vyjadřující schopnost procesu způsobit defekt pouze v 0,002 případech z milionu jednotek (ppm), je-li proces centrován; nebo maximálně 3,4 defektů pro každou miliontou jednotku, je-li proces posunut o 1,5 σ na jednu stranu. Termín 6 σ je synonymum pro vynikající kvalitu. Je to rozhodně správná strategie pro kontrolu kvality. Aplikace grafů OPSpec je správná technologie k dosažení výsledku. V klinické biochemii je výhodou snadno identifikovatelný proces, dlouho zavedené charakteristiky (nepřesnost a bias) a dobře definovaný způsob sběru dat, kdy se kontrolní vzorky přidávají, nikoliv vybírají; máme rovněž předcházející zkušenosti se statistikou při zpracování dat. Chybí nám znalosti, jak definovat toleranční limity a soubor znalostí k dosažení kvality 6 σ. Zvolený lineární model TE a = bias + z x s vede k výpočtu tzv. kritické systematické chyby SE krit a aplikaci OPSpec grafu. Potřebné přesnosti, jakých je třeba dosáhnout při nulovém bias pro některé parametry pro 5 a 6 σ metriku, jsou uvedeny v následující tabulce. Sigma metrika je vypočtená podle vzorce (TE a bias) / s. Tabulka : Potřebná přesnost pro 5 a 6 sigma metriku u běžných analytů

10 Analyt CLIA TE a 5 σ 6 σ ALT 20 % 4,0 % 3,0 % Albumin 10 % 2,0 % 1,7 % ALP 30 % 6,0 % 5,0 % AMS 30 % 6,0 % 5,0 % Glukosa 10 % 2,0 % 1,7 % Cholesterol 10 % 2,0 % 1,7 % Sodík 4 mmol/l 0,8 mmol/l 0,67 mmol/l Literatura: 1. Meloun, M., Militký, J. Kompendium statistického zpracování dat. Metody a řešené úlohy včetně CD. Praha : Academia, 2002, 764 s., ISBN Koruna, I., Plzák, Z., Friedecký, B., Kratochvíla, J. Metrologická terminologie v analytické laboratoři. Pardubice : SEKK, 2003, CD, ISBN Friedecký, B., Kratochvíla, J. Analytická kvalita v klinické laboratoři. Pardubice : SEKK, 2002, CD, ISBN není dostupné 2004.