免疫学检测中的线拟合.ppt

1 ）将测定反应对校准物浓度的对数作图； 2 ）对转换后的曲线进行最小平方回归。 Logistic 公式（两参数，四参数） ： Y= （ a-d ） /[1+ （ X/C ） b ]+d 两参数 ： a=y 0 ， d=y x y= （ y 0 -y x ） /[1+ （ X/C ） b ]+y x Y=log(y 0 -y)/(y-y x )=logit(y), X=log(x), A=-b, B=-blog(c) Logit(y)=Alog(x)+B 四参数 ：不依赖于 y 0 和 y x 的测定，更好地拟合原始数据。 免疫测定中的数据处理与 曲线拟合 ? 免疫测定中的数据处理 ? 数据处理与科学作图 免疫测定中的数据处理与曲线拟合 免疫测定的数据处理及结果报告 ? 临床免疫检测技术 ： RIA 和 EIA 等； ? 数据处理的意义和目标 ： – 只有在测定结果以一种有意义的方式报告时，测定结果才有用； – 免疫测定结果的客观评价，对改善免疫测定的重复性以及免疫 测定的标准化都有重要意义。 ? 数据处理报告的要求 ： – 通俗易懂； – 定性结果明确，定量范围明确； – 处理后得到的数据要具有可重复性； – 试验的评价不能建立在假定的正态分布上； – 结果具有用于进一步分析处理（如流行病学）的充分性。 ? 免疫测定以其测定结果的表达方式： 定性，定量两类。 定性测定 --- “有” 或 “无” ? 判定结果 ：阴性，阳性。 ? 判定依据 ： cut-off 值， S/N or P/N 比值。 ? 判断依据确立原则 ：尽可能避免假阳性和假阴性结果 的出现。 ? 应用 ：传染性病原体的血清标志物检测。 定性测定数据处理 -- cut-off 值的确定 相关概念： ELISA 测定的“灰区” --- 阳性判断值的确定就是要使以其得到的测定结果的假阳性和 假阴性的发生率最低，处于阳性判断值定值域中的测定结果可归 为可疑，亦即 ELISA 测定的“灰区”。 定性测定数据处理 -- cut-off 值的确定 Cut-off 值设定的一般方法： 1. 标准差比率 standard deviation ratio, SDR 2. 测定标本对阴性比值 （ P/N or S/N ） test to negative ratio, TNR 3. 以阴性对照均值 +2 或 3 SD 作为 cut-off 值 4. 综合阴性对照均值 +2 或 3 SD 及阳性对照 -2 或 3 SD 建立 cut-off 值 5. 综合阴性对照均值 +2 或 3 SD 及阳性对照 -2 或 3 SD 和转化血清结果建立 cutoff 值 6. 百分位数法 7. 相对单位 （ relative units, EIU): 标本 EIU = 8. 双质控 （ double control ， 2C ） ： 0.18X （阴性质控物中值 + 阳性质控物中值） 9. 使用 ROC 曲线设定 cut-off 值 标本测定值 参考样本（弱阳性质控）测定值 使用 ROC 曲线设定 cut-off 值： ? ROC 曲线 ：横坐标为 假阳性率 FPR=[ 假阳性数 / （假阳性 + 真阴性） ] 纵坐标为 真阳性率 TPR=[ 真阳性数 / （真阳性 + 假阴性） ] 根据这种关系确定区分正常与异常的分界点究竟在何处最合适，也就是说此时 的假阳性和假阴性率最低或比例最适当或最为符合使用目的，该分界点即可作 为 ELISA cut-off 值。 ROC 曲线的含义： 阳性人群的测定值与阴性人群的测定值重叠程度越小，即测定的识别能力越高， ROC 曲线越偏向上，曲线下面积越大。 定量测定 --- 测定待测物的含量 ? 判定结果 ：浓度（ U/L ，μ g/L ）。 ? 判断依据 ：测定未知标本的同时，以系列浓度标准品 测得的剂量反应曲线（即标准曲线）以此推算未知标 本的浓度。 ? 剂量反应曲线 ：一般均为非线性的，不同的数学模式 可以用来改善上述剂量反应曲线绘制的精密度，从而 以较少的数据和计算获得较为准确的结果。 ? 应用 ：非传染性血清学指标。 免疫测定中的剂量反应曲线 （相对于定量生化）： ? 非线性 → 测定反应和待测物浓度之间的关系不一 定是一条简单的直线； ? 可能存在与系列标准品的测定数据拟合的