![]()
29
| 1 | 2004
Klinisk Biokemi i Norden
andre er som angivet en sikker handling.
Ad Eksempel II
En begrundet formodning om en
negligeabel bias opsnås ved professionelt arbejde,
jf. Ad 4 ovenfor. Korrektion for ikke-negligeabel
bias øger usikkerheden, men denne øgning kan
gøres lille.
Ad Eksempel III
Baggrunden for GUM er just, at
usikkerhedsberegninger skal ske på ensartet måde,
således at estimaterne bliver sammenlignelige. Hvis
en usikkerhed på en værdi er for stor til et givet
formål, må man søge at forbedre måleproceduren
eller vælge en helt anden målemetode.
Ad Eksempel IV
Hvis man ikke tror på et præsen-
teret usikkerhedsbudget, kan man henvende sig til
ophavspersonerne.
Ad A
Desværre skæmmes netop dette afsnit i vort forrige
indlæg af særlig mange trykfejl. Imidlertid synes
der nu at være enighed om, at GUM kan anvendes
i forbindelse med monitorering.
Ad B
(Også dette afsnit havde mange trykfejl.)
Vi har påpeget, at man efter en måling af P-gluco-
seværdien
X
for en given patient under specificere-
de omstændigheder kan sammenfatte sin viden om
X
ved en sandsynlighedsfordeling, som fremkom-
mer ved foldning af to fordelinger: 1) En fordeling,
der sammenfatter, hvad man ved om målesystemets
gennemsnitsvisning, og 2) en fordeling, der sam-
menfatter, hvad man ved om målingens bias. Vi
har påpeget, at den resulterende fordelings mid-
delværdi er lig gennemsnitsvisningen
korrigeret
for bias, og at fordelingens spredning er lig den
kombinerede standardusikkerhed på måleværdien,
som indeholder bidrag fra den tilfældige variation
(impræcision) og fra
usikkerheden
på bias. Når man
skal vurdere sandsynligheden for, at patientens P-
glucoseværdi
X
overskrider en given kontrolgrænse,
må man tage udgangspunkt i sandsynlighedsforde-
lingen, der sammenfatter, hvad man ved om
X
.
Om fordelingens bredde er domineret af tilfældige
effekter (impræcision) eller usikkerheden på bias,
er underordnet for vurderingen. Uvished om målin-
gens bias og uvished om den tilfældige variation af
gennemsnitsvisningen er fuldstændig ækvivalente,
når først målingen er genemført. Ved
planlægnin-
gen
af målinger og ved den gennemførte
kontrol
af
målinger er det derimod af stor betydning at skelne
mellem systematiske og tilfældige effekter. Derom
er vi som tidligere sagt helt enige med forfatterne.
Ad Konklusion
Forfatterne opstiller endelig klinisk
(bio)kemi og metrologi som helt adskilte verdener
og lover, at den første ikke skal blive en underafde-
ling af den sidste.
I betragtning af forfatternes mangeårige værdi-
fulde bidrag til videnskab og praksis vedrørende
klinisk-kemisk måling, er det første udsagn ejen-
dommeligt. Metrologi defineres af VIM som ’viden-
området vedrørende måling’ (10-2.2) og angives at
omfatte ’alle aspekter, både teoretiske og praktiske,
som har relation til målinger, uanset deres usikker-
hed, og uanset i hvilke videnskabelige eller tekniske
områder de forekommer’.
Det andet udsagn kan man helhjertet tilslutte sig,
da der i klinisk (bio)kemi, ligesom i mange andre
laboratoriediscipliner, er andet end blot måling, for
eksempel - som anført af forfatterne - tolkning af
patientresultater.
Det er netop ved tolkning af værdier, at disses
målekvalitet bedst udtrykkes ved et usikkerhedsin-
terval. Tolkning af en måleværdi kræver spatiotem-
poral sammenligning med andre måleværdier eller
fastsatte grænser, alle med metrologisk sporbarhed
til en fælles angivet metrologisk reference, såsom
en SI enhed. Måleusikkerhederne på værdierne til-
lader at afgøre en forskels signifikans.
Det var iøvrigt godt at læse Ulrik Gerdes’ påpeg-
ning af, at usikkerhedsbudgetter også har en vigtig
funktion som et kvalitetsforbedrende redskab (14).
Ved estimering af de enkelte usikkerhedsbidrag kan
man vælge de væsentlige indsatsområder til reduk-
tion af den kombinerede usikkerhed.
Afslutningsvis vil vi foreslå, at man opgiver at
bekæmpe eller negligere GUM’s principper. I stedet
bør man glæde sig over endelig at have fået et para-
digme, der fører til et globalt sammenligneligt estimat
af en måleværdis kvalitet. Dernæst bør man hjælpes
om at skaffe fælles data for visse ofte forekommende
usikkerhedskomponenter. Endelig kan man diskutere,
hvorledes man opstiller de simplest mulige, men til-
strækkelige usikkerhedsbudgetter og kombinations-
modeller under hensyn til værdiernes brug.
