Den
ikke-parametriske
Passing-Bablok
regresjonsvarianten er relativt lite f!lllsom for til–
stedev.erelsen av slengere (outliers) i datasettet
(3,4,5). Nyttige synspunkter på valget mellom
parametriske og ikke-parametriske metoder er
nylig publisert
(6).
Ett instrument kan velges som referanse. De
andre kan så fors!llkes justert til best mulig over–
ensstemmelse. Noen instrumenter vil hamulighet
for å kunne justere et proporsjonalavvik, men
ikke et konsentrasjonsuavhengig avvik. Det er
også mulig å justere analysesvarene matematisk
ut fra regresjonsligningen, men det strider nok
mot en "purists" holdning.
Innkj0ringsfase
Når justeringen av de enkelte instrumentene er
over, b!llr minst en pr!llve analyseres i hver serie
eller hver dag på alle instrumentene i gruppen.
Dette kan v.ere et felles kontrollmateriale, fra en
person eller ved bruk av flere sammenslätte pasi–
entpr!llver. Er kontrollmaterialet stabilt over tid,
kan langtidsn!llyaktigheten overvåkes. Det er ikke
alltid tilfelle. Dessuten leveres ofte et instrument
med eget kontrollmatenale som ikke egner seg til
bruk på andre typer instrumenter. Helautomatiske
hematologiske analysemaskiner er et godt eksem–
pel. Da kan man benytte en felles pasientpr!/lve i
en serie for å få et uttrykk for inter-instrumentell
variasjon. Denne artilekelen tar for seg situasjonen
når en tidsstabil targetverdi for kontrollmaterialet
kan fremskaffes.
La oss kalle pr!/lvesvar fra instrument i serie nr.
j, Xji. Vi beregner nå aritmetisk gjennomsnitt av
alle svarene serie j: ., samt f!lllgende st!/lrrelse som
gir et uttrykk for det enkelte instruments relative
avvik fra dette felles gjennomsnittet
Summen av variansene er uttrykt ved
n
SSj
=
z)fi
i=l
Et uttrykk for spredningen er gitt ved
KliniskKjemi
i
Norden
2,
2000
Merk at VK kan kalles 'seriens' variasjons–
koeffisient. Variablene (i= 1,...n) i ligningen
(l)
benyttes som indikatorer for n!llyaktighetsavvik
og variabelen i ligning (2) som uttrykk for upresi–
sjon. For å studere fordelingen av variablene
lages f!llrst et frekvensdiagram. Dette kan gi hint
om grad av skjevhet, slengere etc., og hvordan
data b!llr transformeres for åkunne benytte tiln.er–
ming til kjent fordeling, eks. normalfordeling
eller c2. Neste steg er å fremstille percentilpunk–
tene i den antatte fordeling langs ordinataksen
(y-aksen) som funksjon av variablene, som avset–
tes langs abscisseaksen (x-aksen). Percentil–
punktene finnes ved å ordne data etter st!llrrelse
xs, s = l,.. n og percentilverdien for xs er gitt ved
Ps= (s -3/8)/(n+1/4).Den tilsvarende y-koordinat
finnes ved invertering av den teoretiske kumula–
tive fordeling. Når variabelen er normalfordelt,
svarer dette til 'z-score'
i
normal-fordelingen ved
percentilpunktet
Ps.
Regnearkprogrammet
EXCEL har bl. a. funksjonen INVNORM
(Ps;O;l), dvs. den inverse standardnormalforde–
ling med forventingsverdi Oog standardavvik l
og gir z-score for Ps. Tilsvarende inverterings–
funksjoner finnes i EXCEL for flere statistiske
fordelinger,
f.
eks. c2. Hvis dette spredingsdia–
grammet mellom variabel (langs X-aksen) og
invertert Ps-verdi (langs Y-aksen) blir en rett
linje, taler dette for at riktig transformasjon og
fordeling er blitt valgt.
Vi skal bruke innkj!llringsfasen fra ulike instru–
menter hentet fra et bestemt sykehus som eksem–
pel. Ved hovedlaboratoriet var det to hematologi–
maskiner: en Cell-Dyn (CDl) type og en Techni–
conH3. Medisinsk poliklinikkhadde enCell-Dyn
(CD2), og barneavdelingens laboratorium en
ONYX. En ny pasientpr!llve, der variablene ikke
var altfor patologiske, ble valgt ut hver virkedag,
som her blir kalt en serie, og analysert på hvert av
instrumentene.
I en innkj!llringsfasen på 30 påf!1llgende uke–
dager (mandag - fredag) ble samme EDTA blod–
pr!/lve analysert på alle fire instrumentene m.h.t.
B-Hgb, B-Ery, B-Leu, B-Tre, B-MCV og B-het. I
den videre databearbeidelsen ble variablene i lig–
ning
(l)
benyttet som et uttrykk for "relativ" n!lly–
aktighet og varianssummen SSj i ligning (2) som
et uttrykk for seriens inter-instrument variasjon
(upresisjon.)
9
