Moyenne Mobile De La Chimie Clinique

Contrôle statistique de la qualité dans les analyseurs d'hématologie Le contrôle de qualité statistique effectué dans les analyseurs d'hématologie présente de nombreuses différences importantes par rapport aux techniques correspondantes dans les analyseurs de chimie clinique. Ces différences sont dues à des raisons telles que la haute stabilité de la technologie de cytométrie, la faible variation biologique de certains paramètres hématologiques, les grands flacons de réactifs et le faible temps de durée des contrôles hématologiques. En raison des raisons ci-dessus, les diagrammes de Levey-Jennings dans les analyseurs d'hématologie sont différents des diagrammes correspondants en chimie clinique. Par exemple, les cartes hématologiques Levey-Jennings n'ont que trois lignes (limites supérieure et inférieure et ligne centrale). La raison en est que ces graphiques de Levey-Jennings ne sont pas créés statistiquement à partir d'une distribution normale d'anciennes données de contrôle de qualité, ce qui n'est pas possible en raison de la très faible variation des valeurs de contrôle de la qualité de l'hématologie. Dans les analyseurs d'hématologie, les limites de contrôle supérieure et inférieure agissent comme les limites des spécifications dans le contrôle de la qualité de l'industrie. La petite variation biologique de nombreux paramètres hématologiques a permis à de nombreux chercheurs d'établir des méthodes de contrôle de la qualité basées uniquement sur les résultats des patients. Ces paramètres appropriés sont les indices d'érythrocytes (MCV, MCHC, MCV) avec la plus petite variation biologique (due non seulement à la biologie mais surtout à l'analyse des hématologie). Ces attributs ont inspiré Brian Bull (un hématologue américain) à établir une nouvelle méthode de contrôle de la qualité largement connue sous le nom d'algorithme de Bulls. L'algorithme Bulls (également connu sous le nom de méthode) détecte les erreurs systématiques dans MCV, MCHC et MCV et par conséquent en HgB, Hct et RBC. Sa méthode est une sorte de moyenne mobile. Son idée principale est d'estimer la valeur moyenne des vingt dernières valeurs des patients, y compris la valeur moyenne du lot des vingt valeurs précédentes. L'algorithme lui-même est une équation assez compliquée qui élimine les valeurs aberrantes et estime la moyenne mobile des vingt dernières valeurs. L'algorithme de Bulls s'est avéré très efficace pour détecter de petites erreurs systématiques (presque 1) non seulement dans les index d'érythrocytes mais également dans presque tous les paramètres hématologiques. Il utilise toutes les données des patients sans exception. Le dernier fait fait Bulls algorithme le moins cher méthode de contrôle de qualité en médecine de laboratoire. Les échantillons de contrôle de la qualité de l'hématologie ne durent que 20 30 jours et sont très coûteux, alors que, d'autre part, les échantillons de sang entier sont stables au réfrigérateur pendant 24 heures. Ces faits ont conduit certains chercheurs à trouver des méthodes qui sont fondées sur l'analyse répétitive des échantillons de patients. Ces méthodes sont connues sous le nom d'échantillons de patients retenus. En 1988, Cembrowski (chimiste clinicien canadien) a établi la méthode la plus efficace pour les échantillons de patients retenus. Il était basé sur l'analyse répétitive des mêmes échantillons de patients entre deux jours successifs. Sa méthode est connue sous le nom de mn lim. - Lim représente la limite de contrôle de qualité. Il est égal au double de l'écart-type de l'analyse répétitive (2 x SD). - n représente le nombre d'échantillons de patients qui seront analysés deux fois. - m représente la partie de n nombre d'échantillons qui est autorisée à être hors des limites (lim). Les simulations statistiques créées par Cembrowski ont prouvé l'efficacité de sa méthode. Selon lui, la meilleure combinaison de m, n et lim est 2, 3, 2 ou 23 2s. En conclusion, trois méthodes différentes sont mises à la disposition du laboratoire afin de détecter les erreurs d'analyse dans le laboratoire d'hématologie. Levey-Jennings détecte les erreurs systématiques et aléatoires. Au contraire, l'algorithme de Bulls et les échantillons de patients retenus ne détectent que des erreurs systématiques, mais ils ont l'avantage du faible coût. Laboratoire peut choisir la meilleure combinaison des trois. T 949955949965964945943945 949957951956941961969963951. 922965961953945954942 921945957959965945961943959965 20, 2013Ensurer la qualité en utilisant les algorithmes informatiques Exemple de cas: Laboratoire de pathologie chimique de l'Université du Michigan Veuillez choisir une option ci-dessous: Nancy Vasley, Senior Consultant clinique Siemens Healthcare Diagnostics, Inc. , Chimiste Automation Supervisor Laboratoire de pathologie chimique Université du Michigan Système de santé Ann Arbor, MI Chaque laboratoire veut atteindre la plus haute qualité possible et répondre à son engagement à fournir des résultats opportuns. Cependant, la gestion du contrôle de la qualité (QC) est souvent un processus manuel et long qui peut augmenter le temps d'exécution et le risque d'erreurs. Dans ce webinaire, Eric Vasbinder de l'Université du Michigan Hospital démontrera des techniques éprouvées telles que les moyennes mobiles des patients et les règles de Westgard pour gérer de manière proactive les problèmes de QC. Au cours des sept dernières années, l'Université du Michigan a été en mesure de réduire les erreurs de 73 et d'augmenter le volume 97, tout en gardant l'effectif plan. Apprenez les conseils et les techniques qui ont travaillé pour ce laboratoire progressif afin d'optimiser le QC avec le système de gestion de données CentraLink. Apprenez à gérer de façon proactive le contrôle qualité et à prévenir les problèmes avant qu'ils ne se produisent. Évaluer la bonne taille de lots pour les moyennes mobiles des patients. Explorer les avantages de l'intégration du contrôle qualité avec votre processus de gestion des données. Opportunités sur des sujets clés importants pour la science de laboratoire et la mise en œuvre clinique. Nous vous invitons à participer à d'autres webinaires Siemens meetme. netsiemenswebinars et à vérifier souvent. En tant que partenaire de confiance, Siemens s'engage à vous aider à rester à l'avant-garde de la médecine de laboratoire. Optimisation d'un programme de moyennes mobiles utilisant un algorithme de recuit simulé: Le but est de surveiller le processus et non pas les patients Contexte: Est une stratégie de contrôle de la qualité utilisant le résultat moyen du patient pour surveiller en continu le rendement du dosage. Développer des protocoles MA sensibles qui détectent rapidement l'erreur systématique (SE) est difficile. Nous comparons les protocoles MA établis à l'aide d'un rapport publié précédemment comme guide et démontrons l'utilisation d'un algorithme de recuit simulé (SA) pour optimiser la performance du protocole MA. Méthodes: En utilisant 400 jours de données de patients, nous avons développé des protocoles MA pour 23 dosages. Les protocoles MA développés à l'aide d'un rapport publié précédemment et de notre algorithme SA ont été comparés en utilisant le nombre moyen d'échantillons de patients affectés jusqu'à la détection des erreurs (ANP ed). Résultats: La comparaison des stratégies a démontré que les protocoles développés à l'aide de l'algorithme SA étaient généralement supérieurs. Certains analytes tels que la protéine totale ont montré une amélioration considérable avec une SE positive égale à 0,8 gdL détectée avec un ANP ed de 135 échantillons en utilisant la méthode publiée précédemment alors que l'algorithme SA a détecté cette SE avec un ANP de 18 ans. Avec l'algorithme SA. Le phosphore, par exemple, n'a démontré que des améliorations mineures, avec une SE positive de 0,9 mgdL détectée avec un ANP ed de 34 en utilisant la méthode précédemment publiée versus un ANP ed de 29 utilisant l'algorithme SA. Nous montrons également un exemple de détection SE dans un environnement en direct utilisant les protocoles MA dérivés de l'algorithme SA. Conclusion: L'algorithme SA développé des protocoles MA sont actuellement en usage dans notre laboratoire et ils détectent rapidement SE, en réduisant le nombre d'échantillons nécessitant une correction et d'améliorer la sécurité des patients. Reçu pour publication le 2 mars 2016. Accepté pour publication le 6 juillet 2016. 2016 American Association for Clinical Chemistry