Page 13 - KBM_2_2022_WEB
P. 13
vzorku jakékoliv problémy, každé další opakování testu Vizuální kontrola získaných dat
by se mělo provést co nejdříve.
Pokyn [2] doporučuje klinickým laboratořím k řádné- Každý proces kvantifikace bias začíná důkladnou
mu zjištění vychýlení (bias) nebo rozdílu mezi postupy vizuální kontrolou souborů dat pořízených oběma
měření změřit alespoň 40 vzorků pacientů, které spadají srovnávanými postupy měření v rámci srovnávacího
do běžně vydávaného rozsahu měření obou postupů experimentu, přičemž prvotní situační přezkum dat na
měření. V každém postupu měření se typicky provádí přítomnost výjimečných nebo odlehlých hodnot mo-
měření jednoho neopakovaného vzorku. S cílem snížit hou dobře zprostředkovat i grafy krabicové. Nicméně
výslednou nejistotu odhadu vychýlení však lze, pokud k zásadní vizualizaci souborů dat doporučuje pokyn [2]
to objem vzorku a časové limity z obou postupů měření bodové a rozdílové grafy, které odhalí základní charak-
dovolí, použít i průměrný výsledek vícenásobných opa- teristiky variability vztahu navzájem srovnávaných me-
kování měření vzorků. tod, a jsou proto velmi důležitým nástrojem následné
Měření každého jednotlivého objektu se v praxi volby vhodné analytické techniky. Údaje z rozdílových
zdravotnické laboratoře obvykle provádí jen jednou, grafů lze také použít k přímému odhadu vychýlení mezi
v singletu. Cílem SEKPM vždy zůstává získat nejlepší oběma postupy měření. V praxi ovšem stále ještě exis-
odhad přesnosti metody nebo průměru změřené hod- tuje mnoho zrádných neznalostí o validitě, výhodách či
noty u daného objektu, k čemuž lze samozřejmě s vý- nevýhodách různých rozdílových grafů [3].
hodou použít opakovaných měření. Pokud to vedení Bodový graf zobrazuje výsledky SEKPM tak, že vý-
klinické laboratoře považuje za vhodné, jsou pro každý sledky měřené veličiny srovnávacího postupu měření (x)
i
srovnávaný postup měření běžně přijatelná jednotlivá se vynášejí na osu x a výsledky získané v kandidátském
měření. Naopak, je-li k dispozici více opakování měření postupu (y) měření na osu y.
i
téhož vzorku, měly by se naměřené koncentrace kaž- Rozdílový graf zobrazuje výsledky SEKPM, tak že
dého vzorku zprůměrovat a za odhad výsledku pak po- výsledky měřené veličiny stanovené srovnávacím po-
važovat vypočítaný průměr nebo medián opakovaných stupem (x) se uvádějí na horizontální ose x a rozdíly (d)
i
i
měření. Základním předpokladem zprůměrování vý- mezi výsledky kandidátským a srovnávacím postupem
sledků je, že opakování každého měřícího postupu na měření (x -y) na vertikální ose y. Nejčastěji používaným
i
i
daném vzorku je pokusem měřit vždy stejnou, neměn- příkladem rozdílového grafu je Bland-Altmanův graf.
nou veličinu a že průměrování snižuje nejistotu odha- Podstatná část [2] se věnuje právě rozdílovým gra-
du měřené veličiny ve vzorku. Počet opakování měření fům určeným a priori k vizualizaci vztahu mezi oběma
může, ale nemusí být omezen. srovnávanými postupy měření s cílem pomocí nich určit
Následující proces shromažďování dat musí zajistit základní charakteristiky variability zkoumaného vztahu,
přesný, úplný a včasný sběr výsledků SEKPM, včetně a především zjistit, zda se v rámci vydávaného rozsahu
zaznamenání jakýchkoli chyb v experimentu nebo pří- měření vyskytuje buď konstantní (konstantní SD) nebo
strojů. procentuální (konstantní CV) rozdíl. Při verifikaci metod
v klinické laboratoři lze také rozdílové grafy využít pří-
mo k odhadu bias stanovením průměru nebo mediánu
Table 1. Formulas for creating difference plots adopted from [2], where x is the result of the comparative measurement proce-
i
dure for patient sample number i; y is the result of the candidate measurement procedure for patient sample number i; (z, d)
i
i
i
are the resultant coordinates on the difference plot for patient sample number i.
Vertical axis
Horizontal axis (z) Difference (d) is proportional
Difference (d) is constant to concentration
(constant SD)
(constant CV)
z = x
z = concentration = x i i
Comparative measurement i i (1) (y-x) i (2)
i
procedure (case of validation) d = difference = y —x d = x
i
i
i
i
i
(x+y) i
i
(y+x) i z = 2
i
i
Average of the two z = 2 (3) (4)
i
procedures d = y —x (x+y)
i i i d = (y —x)/ i i
i i i 2
Abbreviations: SD, standard deviation; CV, coefficient of variation, and CV=SD/mean
Klinická biochemie a metabolismus 2/2022 39