Az orvosi, állatorvosi kutató munkában igen sok adat származik a klinikai laboratóriumból. A klinikai laboratórium elsôsorban a testfolyadékok összetételének vizsgálatával foglalkozik. Az analítikai eljárások eredményeinek felhasználása során a biometriai vizsgálódásnak, a statisztikai meggondolásoknak tág tere van.
A klinikai kutatási laboratóriumok adatainak hitelessége nem könnyen biztosítható. A mért adatok hitelességének biztosítása a közelmúltban néhány évtizede került a fejlett ipari országokban a figyelem fokuszába. A laboratóriumi munka minôségbiztosítása komplex feladat, melynek fontos biometriai vonatkozásai is vannak, a szervezési, jogi, gazdasági, etikai összetevôk mellett.
A laboratóriumi szakterületen használható matematikai statisztikai fogalmakat és eljárásokat együttesen szokás kemometriának (is) nevezni. A laboratóriumi mérések eredményei (mint minden biológiai adat) valószínûségi változók. Értékük számos faktor eredôje, melyek egy része megismerhetô, kontrollálható, a többi hatását együttesen véletlen ingadozásnak tekintjük.
Életkor, nem, genetikai meghatározottságú tulajdonságok, hosszan fennálló egészségbeli változások mind befolyásolhatják a laboratóriumban mért értékeket.
Az egyes jellemzô értékek az adott személy esetében az idô során is ingadozhatnak. A ritmikus változások, mint az évszak, a napszak mellett a tápláltsági állapot, testmozgás, érzelmi állapot, testhelyzet, gyógyszer, vagy élvezeti szer fogyasztása (idôben dinamikusan változó mértékben) mind hatással lehet egyes mért értékekre, és ezek standardizálása a mérési eredmények felhasználásának fontos elôfeltétele.
Mintavételi módszer: A mintavétel technikája az ingadozás fontos forrása. Az azonosítás elnagyolása, a jelölésekben kialakuló tévedések is lehetnek az ingadozás forrásai. A testfolyadékok gyüjtésének technikája visszahat a mért értékekre is. Példának vehetjük az emocionális állapotokkal erôsen és másodpercek alatt változó katecholaminok esetét, amelyeknek értéke a vérvételi eljárás hosszától, fájdalmasságától jelentôsen függhet.
Szállítás: A laboratóriumtól távol vett minták esetében a minta jelentôs változáson mehet keresztül a szállítás során. A szállítás során bekövetkezhetô változások kiküszöbölése szakmai feladat.
Centrifugálás: A vérplazma elválasztásához szükséges centrifugálás során a minta áll, felmelegedhet, és olyan technikai okú ingadozás léphet be a mérési folyamatban, mely a teljes ingadozás jelentôs összetevôje lehet.
Tárolás: A mintavétel után a mérésig eltelt idô egy jelentôs része a tárolás. A mérhetô változók egy jelentôs része szobahômérsékletû, vagy hûtött tárolás során is változik, mennyisége, mérhetôsége változik.
Ábra: 12-1. Két normál eloszlás, a két várható érték különbsége a két laboratórium egymáshoz mért szisztémás eltérése.
A szisztémás eltéréseket standardizálási eljárásokkal lehet megállapítani.
Az egyik módszer szerint az aktuális mérési eredményeket egy kis hibájú, a valódi értéket mutató referens módszerrel megállapított értékhez hasonlítják, melyet minden laboratóriumban elfogadnak a mércének.
Egy másik módszer szerint egy stabil referens mintát, nemzeti, vagy nemzetközi standard mintát hoznak létre (erre szakosított szervezetben, intézményben), és ezeket a mintákat mérik meg az egyes laboratóriumok úgy, hogy azok "valódi" értékét nem ismerik. Optimális esetben a standard mintákat a "rutin minták" közé észrevétlenül keverik, hogy a standard minták ne kapjanak különleges elbírálást. Az ellenôrzô mérések adatainak elemzésébôl lehet megkapni a laboratóriumok egymáshoz képest létezô szisztémás eltéréseit. A szisztémás eltérést a valódi értéktôl egy laboratóriumon belül is meg lehet határozni.
Szisztémás eltérések okai lehetnek mûszerre vagy eljárásra specifikus eltérések, melyek egy elemzés során a valódi értéktôl való állandó, egyirányú eltérést okozhatnak. Egyazon mért mennyiség esetében a referencia érték (még ugyanazon referencia populáción is) függhet a mérési eljárástól.
A mért értékek átmeneti szisztámás változását okozhatja a reagensek tárolása, életkora, vagy a szubjektiv, technikusi, operátori eltérések.
A véletlen komponensek okozta változások is jól elemezhetôk. A véletlen okozta eltérések nagyobb mérésszám esetében stabilak, statisztikai eszközökkel kezelhetôk.
Az összes felsorolt ingadozási komponens a gyakorlatban gyakran együttesen mint a mérés teljes hibája jelentkezik, és a mérési eredmények "fogyasztójának", ebbôl csak azt a részt kell külön ismernie, melynek ellenôrzése, kiküszöbölése az ô lehetôsége és feladata. Ilyen lehet például a mintavétel elôkészítése, a mintavétel, a tárolás, szállítás megszervezése.
A laboratóriumi diagnosztikai eljárások segítségével az egészséges és a beteg elkülönítését, a betegség, vagy elváltozás jellegét és okát keresik az orvosok, állatorvosok. Ebben az eljárásban fontos szerepet kap az összehasonlítási alap, amihez képest az eltérést, a kórost viszonyíthatjuk. A döntéshozatalban a laboratóriumi mérések gyakran játsznak fontos szerepet, akár úgy, hogy értékeik jellegzetesek egy adott kórképre, betegségre, akár pedig úgy, hogy eltérve a viszonyítási alaptól, nem illenek bele egy vagy több betegségre jellemzô laboratóriumi tünet közé, és igy több-kevesebb valószínûséggel kizárnak kórképeket.
A laboratóriumi mérések értékelése tehát a döntéshozatal egy speciális formája, ahol igen fontos az összehasonlítási alap, és igen fontos a mérések ingadozásának helyes értékelése.
A referencia értékek megfogalmazása, és meghatározása a laboratóriumi munka sarokköve, helyes használata, értelmezése viszont a laboratóriumi eredmények felhasználásának a sarokköve.
A referencia értékeket referencia személyeken mérik, és egy referens érték egy ilyen személyen nyert egy mérési eredmény. A referencia populáció a referens személyeknek egy csoportja, ahonnan a mérés alanyai kikerülnek. A referencia értékekkel foglalkozó tudományos munkákban a referencia populáció pontos leírása, a kiválasztás kritérium rendszerének megadása alapkövetelmény.
A mérési eredmények alapján referencia tartományokat, vagy referencia limiteket állapitanak meg. A laboratóriumi szakma fontos célja, és kutatási területe a referencia értékek megállapítása, a mérések minôségének fenntartása, a referencia értékek (tartományok, limitek) érvényességének biztosítása. Ez mind statisztikai megfontolások keretei között történik. A referencia értékek statisztikai feldolgozása során az alábbi lépéseket lehet követni.
Az értékeket a lehetséges alcsoportokra (pl. férfi, nô, gyermek, ...) bontjuk.
Az értékek eloszlását megszemléljük, megvizsgáljuk, az esetleges kiugró értékekere vonatkozó döntést hozunk
Választunk a paraméteres és a nem-paraméteres statisztikai eljárások között.
A paraméteres eljárás esetén megvizsgáljuk az értékek eloszlásának a normális eloszláshoz való illeszkedését. Ha az eloszlás nem illeszkedik, transzformációt alkalmazunk.
A referencia értékek eloszlásának paramétereit becsüljük, a paramétereket esetleg vissza transzformáljuk.
Kiszámítjuk a referencia értékek várható értékét, a referencia intervallumokat.
Egy régi, idejét múlta koncepció az u.n. normál értékek használata. Maga a kifejezés nem egyértelmû, és az egészség-betegség idejétmúlta felfogásán alapul, használata nem célszerû, helyette a referens értékeket használjuk.
Tág tere van a kísérletezésnek a laboratóriumi módszerek csiszolásában. Az eddig megismert szinte minden statisztikai módszernek van alkalmazása a klinikai laboratóriumi kutatásban, sôt a mindennapi munkában is.
Példa: A tárolás hatása egy anyag mintabeli szintjének mért értékére. Vegyünk 20 mintát, osszuk két részre mindegyiket, majd az egyik részmintát elemezzük a mintavétel napján, a másikat pedig 0 C fok hômérsékleten tároljuk, majd másnap mind a 20 minta második részét megmérjük. Tételezzük fel, hogy 5%-al alacsonyabb értékeket mérünk a második nap, mint az elsô nap. Mire következtethetünk ebbôl az eredménybôl ? Tulajdonképpen egy ilyen mérésbôl semmi biztosat nem tudtunk meg, hacsak nem kalibráltuk a méréseket mind a két napon. Ahhoz, hogy azt állíthassuk, hogy mennyit változik tárolás során egy anyag szintje egy biológiai mintában, e fentinél összetettebb kisérleti tervet kell készíteni.
Példa: Sorozatmérésnél új módszer, vagy új reagensek bevezetése. Egy módszer, például albumin mérési eljárás érzékenységét a kalibrációs görbe meredekségén, és a meredekség értékének számított szóródásán mérhetjük. Amikor egy régen használt eljárással már van, mondjuk 100 mérési napra visszavezethetô tapasztalatunk, akkor a 100 nap mérésének 100 meredekség értékéhez hasonlíthatjuk az új eljárás meredekségét, mondjuk úgy, hogy az új eljárással végzünk 10 mérést, és a 10 meredekséget hasonlítjuk a korábbi 100 mérés adataihoz.
Ez az eljárás feltételezi, hogy a 10 mintát véletlen kiválasztással vettük, ami valójában nem teljesül. A 100 mérést is csak akkor jellemezné az átlagos meredekség számadata, ha nem lenne a meredekségi adatokban idô függô változás, ami igen ritkán teljesül. Példánkban (Fig. 12-11) jól látható az hogy az egymást követô meredekségi értékek egymástól függenek, azaz jelentôsen változik a meredekség az idóvel, így az egymás után vett 10 minta nem hasonlítható a teljes mérés sorozat átlagához.
A kivánatos randomizált összehasonlító eljárás során egymás mellett, egy napon kellene mérni az új eljárással és a régi eljárással egy-egy kalibrációs görbét, és ennek a - mondjuk - 2x10 összehasonlító mérésnek a kiértékelése alapján hasonlítjuk a két módszert egymáshoz. Egy másik lehetséges vizsgálati terv szerint az egymást követô 20 alkalommal végzett mérésben randomizálással döntjük el, hogy párosítva a két eljárást, mikor melyiket használjuk elsônek vagy másodiknak. Az így kapott 2x10 mérésbél aztán lehet összehasonlítást tenni, pl. az egymintás t próba segítségével. A párosított összehasonlítások módszere sem csalhatatlan, és az adott feladat néha részletesebb kísérleti tervet igényel. Sok esetben több koncentrációt használva, több mintán kell összehasonlításokat tenni, és az eredményeket a regresszió számítás módszereivel értékelni azért, hogy az összehasonlítás a mérési feltételek zömére érvényes következtetésekkel végzôdhessen.
Az analítikai mérések minôségét statisztikai módszerekkel is ellenôrzik. A módszerek fôbb teljesítmény paramétereit az idô függvényében lehet ábrázolni, és egy bevezetô periódus tapasztalatai alapján ki lehet jelölni az elfogadható teljesítmény határait. Az adatok alapján lehet egy ellenôrzô grafikont szerkeszteni és a paraméterek eloszlása alapján meg lehet határozni az elfogadhatóság kritériumait.
Egy kiugró, kilógó (angolul outlier) érték az az érték, amely nem ahhoz a populációhoz tartozik, amelyhez a minta többi része. A kiugró értékek egy mintában jelentôsen torzíthatják a számított paramétereket és tévedésekre vezethetnek.
A kiugró értékekkel nem könnyû bánni. Egy mért érték megtartása, vagy kihagyása fontos döntés, pro és kontra egyaránt hibákhoz vezethet a hibás döntés. Ha a kiugró érték valójában a vizsgált populációhoz tartozik, de szubjektiv okokból kihagyjuk, akkor a populációra vonatkozó ismereteinket torzítjuk. Ha ellenkezôleg, a kiugró érték más populációhoz tartozik, vagy triviális hiba eredménye, akkor kihagyásával javítjuk a populációra vonatkozó információink minôségét. A nehézség abban van, hogyan döntsük el, mit és mikor hagyjunk ki.
Az adatok megvizsgálásának elsô lépésekor, a grafikus adat elemzés során a gyanús értékeket külön is meg kell vizsgálnunk. Elemeznünk kell a jegyzôkönyveket, vajon található-e hibára utaló feljegyzés. A hibás mérés, a tévesztés néha felderíthetô, máskor ellenôrzô méréssel verifikálható az adat elhelyezkedése. Ha ezek az eljárások nem vezetnek a kiugró adat jogos eltávolítáaához, akkor statisztikai módszereket alkalmazhatunk a kiugró értékekkel kapcsolatos döntéseinkben. Akár eltávolítunk, akár nem kilógó é rtékeket, az ezekre vonatkozó információt mindig rögzíteni kell, és célszerû az adatokkal együtt megtárgyalni.
A kiugró érték teszteléséhez a Student féle t eloszlás felhasználható, úgy hogy a vizsgált érték nélkül számított átlag és standard deviáció értékét felhasználva kiszámítjuk az potenciális kiugró értékhez tartozó t értéket, és abból annak a valószínûségét, hogy a kiugró érték milyen valószínûséggel tartozik a többi érték populációjába.
Ez az eljárás ismételhetô, ha több kiugró értékkel van dolgunk, de ekkor már hasznossága jelentôsen csökken. Vannak komplexebb, itt nem tárgyalható eljárások a kiugró értékek kezelésére.
A minôségbiztosításnak gazdasági, fegyelmi és statisztikai oldalai is vannak a statisztikai meggondolások mellett.
A mérési eljárások jellemzô értékeit a laboratóriumban folyamatosan rögzíteni kell, és a fontosabbakat statisztikai ellenôrzô grafikonokon vezetni. Az ellenôrzô grafikon gyors, vizuális eszköz arra, hogy az eljárás teljesítményét nyomonkövessük. A modern, számítógéppel vezérelt klinikai kémiai analizátorok programmjában benne vannak a minôségbiztosításhoz szükséges egyes eljárások, és ezeket az analizátor szakszerû mûködtetése során a program eltárolja, jelentôsebb eltérés esetén figyelmeztetô üzenetet ad
.
Ábra: statisztikai minôségellenôrzô grafikon.
A laboratórium életében elôfordul a módszerek jelentôs változása, és az ebbôl adódó különbségek vizsgálata, kezelése. Új müszerek vásárlása, mûszerek meghibásodása következtében jelentôs változások állhatnak elô.
A kalibrálás, a sztenderdek kezelése, a referencia értékek módosítása mind biometriai ismeretek felhasználásával történik.
A laboratóriumi mérések során van értelme az egy populáció várható értékére vonatkozó statisztikai teszteknek.
Példa: Vajon egy adott paraméter referens populáción mért értékei eltérnek-e az irodalomban ismert értékektôl ?
Tipusos hiba, amikor a véletlen mintavételt feltételeznek, de az nem teljesül, például a sorozatmérésekbôl származó információk kezelésénél. A mérések sorozatánál gyakori, hogy a mért paraméterek az idôben változnak, azaz az idô múlásával párhuzamos trendek jelentkeznek az ellenôrzô adatokban.
A laboratóriumi mérések klinikai felhasználása során fontos a mérések, eljárások érzékenységének és specificitásának megismerése. Az érzékenység és a specificitás is többféleképpen értelmezhetô fogalmak. Az analítikai értelembe vett érzékenység az a legkisebb mennyiség, ami a kivánt pontossággal detektálható, vagy mérhetô. A specificitás annál nagyobb, minél kisebb azon anyagok, tényezôk száma, és behatása, amelyek a mért értékeket megzavarhatják, megváltoztathatják.
A klinikai felhasználásban van egy másik értelmezése ugyanazon szavaknak. Ez a módszer klinikai prediktív erejével függ össze.
A módszer érzékenysége azon beteg esetek aránya, amelyeket a módszer helyesen jósol meg.
A módszer specificitása azon egészséges esetek aránya, amelyet a módszer helyesen jósol meg.
Pozitiv esetek száma Negatív esetek száma Összes esetek Betegek valós pozitiv (vp) téves negativ (tn) vp+tn Egészségesek téves pozitiv (tp) valós negativ (vn) tp+vn Összesen vp+tp tn+vn vp+tp+vn+tn
A fenti arányok azon mulnak egy adott eljárás esetében, hogy a döntési pontokat hogyan határozzák meg. A döntési küszöb függvényében az eljárások eredményességét grafikusan feldolgozhatjuk az un. Receiver Operativ Characteristic Curve módszerével (ROC görbe).
A ROC görbén az x tengelyen a téves pozitiv rátát (ami azonos az [1-érzékenység] adattal), az y tengelyen a valós pozitiv esetek arányát (érzékenység) tüntetik fel, és minden egyes döntési ponthoz egy görbe pont tartozik.
Két eljárás összehasonlítását a 2 ROC görbe elemzésével lehet elvégezni.
Példa egy ROC görbére.
A laboratóriumi méréseknek a diagnosztikában való felhasználása a ->>[Bayes tételen] alapul. Ennek segítségével egy adott betegség valószínûségét számítjuk ki egy-egy teszt elvégzése után, ismerve az adott teszt prediktiv erejét, az elôzetes valószínûségét egy betegség fennállásának.
A Bayes tétel alkalmazásának egyik lehetséges hibája, hogy nem független tesztek eredményeit úgy vesszük figyelembe, mintha azok függetlenek lennének. Egyszerûen átlátható, ha ugyanazt a tesztet ismételten elvégezzük, ezeknek az eredményei nem függetlenek egymástól, és az ismételt pl. pozitiv eredmények alig növelik egy betegség fennállásának valószínûségét.
A módszerek prediktiv erejének javítására az egyik lehetséges eljárás a kombinált több módszert tartalmazó un. panelek alkalmazása. A panelek alkalmazásakor azonban nem könnyû eldönteni mennyit nyerünk, és mennyit vesztünk a kombinációk esetén. Több független eljárás esetében több a téves pozitiv eset is. A több teszt szimultán alkalmazása nem mindig javít az érzékenységen, miközben növelheti a téves pozitiv esetek számát.
A több eljárás szimultán vagy egymásutáni alkalmazása igen gyakori a laboratóriumi diagnosztikában, de ritkán ismert pontosan, hogyan befolyásolják az alkalmazott eljárások, protokollok a betegség felderítésének, a téves döntéseknek valószínûségét, az eljárás emberi és gazdasági költségeit