ISOTS 20914《医学实验室 测量不确定度评定实践指南》学习笔记（1）.docxVIP

PAGE2 / NUMPAGES2 ISO/TS20914《医学实验室测量不确定度评定实践指南》学习笔记（1） 第一篇从总误差到测量不确定度 在临床检验界，关于测量不确定度的争论存在已久，临床实验室该不该评价测量不确定度？测量不确定度如何评价？ 2019年7月，ISO/TC212（国际标准化组织临床实验室检验和体外诊断检验系统标准化技术委员会）发布了ISO/TS20914《医学实验室测量不确定度评定实践指南》这个文件。在学习这个文件的过程中，我也有一些小小的体会，将这些体会分享给大家，希望能对同仁们有所帮助。由于水平有限，文中有些内容也不一定保证全是正确的，有不对的地方请大家指正出来,一同交流、共同进步。 临床实验室已多年习惯使用“总误差（totalerror，TE）”进行质量管理。测量误差的概念有着悠久的历史，多少年来就没有发生大的变化，并形成了一套完整的测量误差理论和数据处理方法。测量误差的定义为“测得的量值减去参考量值”。测量误差是由随机误差和系统误差构成的。随机误差的定义为“在重复测量时按不可预见的方式变化的测量误差的分量”，其特点是当测量次数趋于无穷大时，随机误差的数学期望趋于零。系统误差的定义为“在重复测量时保持恒定不变或按可预见的方式变化的测量误差分量”，其特点是测量误差的数学期望即为系统误差。在误差方法中，被测量可由与被测量定义一致的单一真值来描述，测量的目标是确定尽可能接近单一真值的真值估计值，对真值的偏离由随机误差和系统误差组成，此两种误差，认为总是可以区分情况下，应分别对待。临床实验室的总误差概念最早由Westgard于1974年提出，引入总误差概念是因为临床实验室分析的特殊性，即患者样本不是检测多次取平均值，而是只进行单次检测，其结果同时含有系统误差（正确度，用偏倚量化）和随机误差（不精密度，用标准差或变异系数量化）成分。总误差描述的是真值附近测量值可能的分布，其直接定义是所有系统误差和随机误差的线性相加，Westgard将其简化为：TE=丨bias丨+z·s，其中bias是偏倚，s是标准差，z通常取1.65（单侧95%概率）或者1.96（双侧95%概率）。 测量不确定度（MU）在测量领域是一个比较新的概念，最早在上个世纪70年代被提出，1993年，ISO联合包括IFCC在内的7个国际组织发布了《测量不确定度表示指南（Guidetotheexpressionofuncertaintyinmeasurement）》（简称GUM）。GUM后面也经过了几轮修订，如今在全世界得到推广应用。测量不确定度的定义是“根据所用到的信息，表征赋予被测量量值分散性的非负参数”。测量的目的是确定被测量的量值，因此，在报告测量结果时，应对测量结果的可信程度进行定量表征，这就是测量不确定度的意义。在不确定度方法中，测量的目标不是尽可能地确定一个真值，而只是由测量的信息能够赋予被测量合理数值的区间。MU描述的是测量值附近真值可能的分布。MU有3种评定方法。第1种就是GUM里推荐的方法，将整个测量过程中产生的不确定度来源进行一一识别，并按照不确定度传播规律进行合并，因此也被形象地称为“自下而上（bottom-up）法”。其中各个不确定度分量，可以通过统计学方法（A类方法）或者非统计学方法（B类方法）进行评估，这种方法可以有效地评判各种来源对不确定度贡献的大小，从而采取控制措施提高测量质量。第2种方法是自上而下（top-down）的方法，利用输出的有关信息（方法确认、室内质量控制和实验室间比对等数据）进行不确定度评定。top-down方法利用输出数据可以降低MU评定的工作量，简化计算，不需考虑每个输入的影响。第3种方法是蒙特卡洛（MCM）主，不同于ＧUM法利用不确定度传播规律，MCM通过对每个输入变量数学建模，确定其概率密度函数（PDF），再生成随机数进行模拟计算，利用最终输出量值的s作为其合成不确定度。与GUM法相比，MCM比更简便一些。 MU和TE都是反映测量质量的参数，MU是在误差理论的基础上发展起来，两者之间有内在的联系，但是两者在概念、基本原理、评定方式又有不同。临床实验室多年来已经习惯使用“总误差”，“测量不确定度”这个新事物的引入，给实验室带来了冲击，国际、国内都有积极推广MU的专家，也有极力维护TE不可替代性的专家。其实，MU和TE争论的核心在于偏倚的广泛存在和不易消除，GUM中评定MU时需要同时评定偏倚和偏倚的不确定度，对已知的偏倚应该修正，这对于临床实验室来说有些项目还不能做到。 不确定度方法的基本思想是误差的类型对测量结果的使用者来说是不重要的，因为是所有误差的净效应决定测量结果的不准确度。此概念可适用于涉及患者结果与临床参考值比较的情况，如生物参考区间和由临床研究建立的风险临界值。然而，有些情况随机误差比系统