目标：

  • 了解应当学习哪些方法确认研究
  • 认识到统计学在方法确认研究中的潜在缺陷
  • 区分需要评估的分析误差的不同类型

方法确认：

内在、隐藏、深层、秘密的寓意 James O.Westgard,PhD

方法确认：Method Validation

方法确认的内在、隐藏、深层、秘密的寓意：误差评估。

关注分析误差是整个方法确认流程的关键。

  • 实验室方法可能发生哪些类型的分析误差？
  • 哪些实验可以提供这些误差的数据？
  • 进行这些误差评价实验的最好做法是什么？
  • 要对误差充分估计需要收集多少数据？
  • 哪些统计能对实验数据得到误差大小的最佳估计？
  • 不影响检测结果解释和干扰患者诊疗的允许误差是多大？

分析误差

我们来重点关注分析误差，确保我们对需要估计的不同类型误差有相同的理解。需要理解的术语包括：随机误差或不精密度，系统误差或不准确度，恒定误差，比例误差，总误差。

随机误差 (RE) 或不精密度

随机误差可以为正，也可为负，无法预测其方向和大小。

不精密度

不精密度常通过计算一组重复检测结果的标准差 (SD) 进行量化 SD 常随浓度增高而增大，因此经常计算变异系数，以重复实验平均浓度的百分比来表示 SD 很有用。常用 2SD 或 3SD 估计来表达最大的随机误差，以帮助理解可能出现的误差大小。

系统误差 (SE) 或不准确度

系统误差只有一个方向，如图中出现了原始检测值分布均值偏离正确值的系统漂移。不同于随机误差既可为正也可为负且方向无法预测，系统误差只会单向导致所有检测结果偏高或偏低。

通过计算平均差值或方法比对实验中“检测”方法与“比较”方法的均值之差得到偏移，它可描述为差异有多大或多小。或者，还可通过 y 轴上检测方法数值相对于 x 轴上比较方法数值的最佳回归直线等式预测系统误差。SE 可在一定浓度范围内呈稳定数值，此种情况下称为恒定误差：它也可随浓度而变化，则称为比例误差。

总误差 (TE)

总误差是随机误差和系统误差的净效应或综合效应，如图所示。它代表的是“最坏情况，即在随机误差和系统误差同时作用下可能发生的检测结果的最大误差。由于实验室通常对每个项目只做一次检测，因此该检测可能发生的误差为预期 SE 或偏移，加 2SD 或 3SD 后者取决于用户对 RE 影响的定量要求。

尽管我们检验同行喜欢区别对待不精密度和不准确度，但临床医师和患者只对两者的综合影响或总误差感兴趣。总误差提供了一种客户或以客户为导向的检测性能的度量，因此成为判断分析误差可接受性的最重要参数。

重点

为理解方法确人应当“怎样”进行，我们必须理解“为什么”要进行方法确认。“为什么”回答的是目的，即确定方法可能发生的误差大小。“怎样”则规定了实验规程和数据分析程序，用于估计新方法可能产生的误差。可以说，方法确认完全为了误差。

美国的实验室监管要求任何新方法在报告患者检测结果前必须对其性能进行“验证”。根据 CLIA 最终法规，实验室必须对 2003 年 4 月 24 日之后启用的所有非豁免方法，验证它们的可报告范围、精密度、准确度和参考区间。由实验室自行建立或经实验室修改的方法，还需验证分析灵敏度（检出限）和分析特异性（干扰、回收）等更多特性，也可考虑进行更全面的参考区间实验。因此，方法验证或确认的责任仍然在实验室身上。尽管厂商常会在安装新的检测系统时收集方法确认数据，实验室依旧有责任确认是否收集了足够的数据以及这些数据能否证明新方法提供了实验室可接受的性能。