关于IVD产品线性范围的建立与验证讨论.pptx

线性范围的建立与验证 线性范围的定义 线性范围（Linear Range）是指检测系统最终输出值（浓度或活性）与被分析物的浓度成正比的范围。 线性范围不涉及检测的准确性评估 几个概念的区别 分析测量范围 （Analytical Measurement Range） 临床可报告范围 （Clinical Reportable Range） 最低检测限 （Lowest Limit of Detection） 指某一分析方法在给定的可靠程度内可以从样品中检测待测物质的最小浓度或最小量。所谓检测是指定性检测，即能将待测物从背景噪声中区分出来的最小浓度，而无需定量准确。 方法可采用对标本的稀释、浓缩或者其他预处理用于扩展直接分析测量下的分析物值的浓度范围。 方法直接测量标本，而无需任何稀释、浓缩或其它预处理等过程的条件下，测量结果总误差符合要求的分析物的浓度范围。 功能灵敏度 （Functional Sensitivity） 以日间重复CV为20%时对应检测限样品具有的平均浓度确定为检测系统或方法可定量报告的分析物的最低浓度或其它量值 。 几个概念的区别 线性范围的建立与验证 CLSI EP6及《中华人民共和国卫生行业标准——定量测定方法线性评价》对线性范围的建立和验证作了详细要求。 总体流程 1. 基本条件及误差确认 2. 样本准备 样本基本要求： 样本基质应与临床实验样本相似，且不含有对测定方法具有明确干扰作用的物质，理想的样本是分析物浓度接近预期可报告范围上限和下限的人血清或其它方法要求的样本，如果实验中可能用到多种基质标本类型，则应评价每种基质类型。 2. 样本准备 最佳基质 样本不易获得时替代方案 接近预期可报告范围上限浓度的人体样本 添加分析物。若分析物中不含干扰物，则添加的分析物无需高纯度，否则需记录添加分析物的来源、纯度及预期影响等。如果含分析物的浓溶液加入病人样本中时，原则上应少于总体积的10%，并记录溶剂。 接近预期可报告范围下限浓度的人体样本 1st 2nd 3rd 4th 使用厂家推荐的或实验室已证实可用的稀释液 低浓度或经处理过降低了分析物浓度的低浓度人体样本 使用商业质控物/定标物/线性物质，注意分析物要保持正常生理状态下的形式（结合态或代谢产物） 盐水或其它非推荐的稀释液，使用最小量稀释，并可查证其可用 5th 6th 7th 低稀释/过稀释的商业质控物，稀释液需查证可用，以最小量稀释，并保证质控物完全溶解 水溶液 其它溶剂，有机溶剂可能带来更大的基质效应 2. 样本准备 准备足量的高值（H）样本和低值（L）样本，经不同比例混合配制成中间浓度样本（Xn），比例关系可按等间距或其它确定的比例。其中有几个重要的浓度水平需要考虑： 1. 最低分析浓度或线性范围下限 2. 不同的医学决定水平值 3. 最高分析浓度或线性范围上限 2. 样本准备 例： 等间距稀释5个点 序号 1 2 3 4 5 比例 L H 等比稀释5个点(1/2比例） 序号 1 2 3 4 5 比例 L H Concentration=(L×VL+H×VH）/（VL+VH） 3. 样本测定 建立线性范围：9-11个样本，超出20%-30%预期线性范围（上、下限），每样本重复测定2-4次。 验证声明线性范围或改良方法：7-9个样本，覆盖线性范围，每样本重复测定2-3次。 实验室内证实线性范围有效性：5-7个样本，每样本重复测定2次。 5个测量点是最低要求，当然更多的测量点能更精确地评价线性。 全部实验和数据采集应在同一批内或相隔较短的实验批次内完成，样本随机排列，若有显著携带污染，应用空白样本隔开。 4. 数据处理 4. 数据处理 检查离群点（Dixon法） 4. 数据处理 多项式线性评价首先假设数据点是非线性的，在随机误差很小的前提下，数据点都能完整的地落在线性或曲线范围内。无论最适曲线是否为直线，都不影响（线性范围内）数据点之间其它浓度的反应状态，并可得到连续、可靠的结果的能力。 多项式回归应进行1-3项式的回归 阶次 回归方程 回归自由度（Rdf） 一次 Y=b0+b1X 2 二次 Y=b0+b1X+b2X2 3 三次 Y=b0+b1X+b2X2+b3X3 4 4. 数据处理 回归方程的线性检验： 对回归方程进行线性检验就是对每个非线性系数（b2、b3）做t检验，判断回归系数与零是否存在显著性差异。 4. 数据处理 最优拟合方程的判断 通过回归标准误差（SDy,x）判断，确认最适多项式的模型，SDy,x越小，说明模型越适合。回归标准误差指独立变量Y与预期变量X相对应的可估计变量Y’平均值之间的差量检测大小。 建议使用SPSS来判断最佳拟合方程 4. 数据处理 回归方程线性检验： 临床标准的线性检验中使用了两个统计量，ADL（偏离直线