Validering av analysekvalitet, Del
l.
Tester og riktighet
PÅLRUSTAD
FurstMedisinsk Laboratorium, Sl(}ren Bulls vei 25, N-1051 Oslo
(
Denne arikkelen gir en kortfattet fremstilling av
noen av de vesentligste elementene i en metade–
validering for et klinisk kjemisk laboratorium.
Ernnene er basert på en "Standard Prosedyre" for
metodevalidering som gjelder for vårt laborato–
rium.
Det er her brukt betegneisen «bruksstandard»
(working standard [2]) for det mer vanlig brukte
«kalibrator».
I
et senere nummer av Klinisk Kjemi i Norden
vii presisjon, måleområde og måleusikkerhet bli
omtalt i en egen artikkel (Del 2).
Takk til Heidi Steensland som har kommet med
nyttige innspill til utformingen av artikkelen.
Validering/verifiksjon
Definisjon av validering [1]:
Bekreftelse ved
unders9kelse og fremskaffelse av objektive bevis,
på at de spesielie krav for en spesifisert, antatt
bruk er tilfredsstilt. (Objektive bevis: Informasjon
som kan bevises sanne, basert på fakta frem–
skaffet ved observasjoner, må/inger, fors9k eller
på andre måter).
Hvis reagens/bruksstandard for påvisning av en
komponent er innkjl(}pt, skal metodene vrere vali–
dert av produsent fl(}r metoden valideres i labora–
toriet. Dokumentasjon skal vrere tilgjengelig.
I
laboratoriet kan det dermed vrere tilstrekkelig å
gjennomfl(}re en farenklet validering (verifika–
sjon) for å kontrollere demange forhold, både på
instrument- og reagenssiden som kan bidra til at
målesystemet ikke virker optimalt. For validering
som er vanskelige å utfl(}re lokalt, f.eks av interfe–
renser, må man stole på de opplysninger produ–
senten gir. Hvis det ikke finnes opplysninger som
anses
nl(}dvendige,
må det kreves at
produsent/leverandl(}r bidrar med intarmasjon i
slike tilfeller.
KliniskKjemi
i
Norden 4,2000
T-test
Den eneste hensikten med å gjennomfl(}re en
statistisk test er i grunnen å forvisse seg om at
man ikke trekker slutninger fra data som er util–
strekkelige. Det er viktig å skille mellom signi–
fikant (tydelig) og viktig avvik. Man kan få en
hvilken som helst reell forskjell til å bli signi–
fikant med mange nok data, men hvor viktig
forskjellen er kan bare vurderes fra kvalitetsmål
og har ingentingmed statistikk å gjl(}re.
Anta at det er gjort et forsl(}k hvor to middel–
verdierM
1
ogM
2
er beregnet basert på hhv. n
1
og
n
2
målingermed standard avvik hhv. s
1
og s
2 •
Tes–
ten består i å finne ut om forskjellen mellom
middelverdiene er tydelig (signifikant) forskjellig
fra O(nullhypotesen, H
0
)
mot en alternativ hypo–
tese (H
1 ) ,
enten at det er signifikant forskjell
(M
1
;t:~),
atM
1
>M
2
ellerM
1
<M
2 •
Hvor tydelig, uttrykkes med signifikansnivået
(p) som forteller hvor stor sannsynligheten er for
at nullhypotesen forkastes når den er riktig (type
l feil). Denne sannsynligheten bl(}r vrere liten (all–
tid ::;0.05). Hvis det skal testes om det er sig–
nifikant forskjell må absoluttverdien av denne,
IM1-M21, sammenlignesmed standard avviket for
forskjellen,
-J(s
1
2
/n
1
+s/!~)
ved å beregne forhol–
det mellom dem:
IM1-M21/-J(s
1
2
/n
1
+s//~).
Hvis
forskjellen utgjl(}r mange standard avvik, er det
stor sannsynlighet for at nullhypotesenmå forkas–
tes, dvs den absolutte forskjellen er reelt >0. Hvis
standard avvikene hadde vrert heregnet med
mange resultater (>60) kan man i stedet for t
benytte z (f.eks gir p=0.05 en z-verdi på 1.96
(z
0 . 975 ) ,
dvs hvis forholdet over er>1.96, så er for–
skjellen signifikant på 5% nivå. Hvis forskjellen
er beregnet med et mindre antall resultater, må
den relevante t finnes i stedet. Med f=
lO
(bruker f
for frihetsgrader i stedet for n) måman i stedet for
21
