![]()
24
| 3 | 2005
Klinisk Biokemi i Norden
Baggrund
Vi bruger mange resurser inden-
for klinisk biokemi på at sam-
menligne forskellige målemetoder
og procedurer. Undersøgelserne
anvendes fx hvis man overvejer
at indføre en ny målemetode som
erstatning for en eksisterende
metode, eller overvejer at ændre
en procedure for prøvebehandling.
Der findes forskellige matematisk-statistiske
modeller (værktøjer), der kan bruges til dataana-
lyser i sådanne undersøgelser. Nogle modeller er
gode, fordi de giver en tydelig karakterisering af
forskellene i resultaterne, og dermed giver støtte til
besvarelsen af de centrale spørgsmål: Hvor meget
adskiller resultaterne fra to metoder sig fra hinan-
den? Er forskellene så store, at rekvirenterne vil få
problemer med fortolkningen af resultaterne, hvis
vi udskifter den ene metode med den anden? Er der
behov for at omregne måleværdierne?
Andre modeller er mindre gode, eller ligefremt
dårlige, fordi de ikke kan afsløre betydningsfulde
forskelle mellem to metoder og/eller fordi resul-
taterne af metodesammenligningerne udtrykkes i
aggregerede talstørrelser (parameterestimater), der
ikke er meningsfulde eller brugbare i forhold til
undersøgelsens formål. Det gælder især den alt for
hyppigt anvendte lineære regression af resultater
fra en metode Y mod resultaterne fra en metode X,
med estimering af et intercept, en hældningskoef-
ficient og en korrelationskoefficient.
Vi vil gerne kvalitetsvurdere alt muligt inden-
for klinisk biokemi, og vurderingerne burde også
omfatte brugen af matematisk-statistiske modeller
til metodesammenligninger. Det er vigtige under-
søgelser, der ofte danner grundlag for væsentlige
beslutninger i laboratoriet.
Jeg vil i denne artikel gennemgå brugen af
Metodesammenligning
Ulrik Gerdes, Klinisk Biokemisk Laboratorium,
Center for Psykiatrisk Grundforskning, Risskov
E-post: ulrik.gerdes@dadlnet.dk
Altman og Blands model, som baserer sig på grafi-
ske præsentationer og enkle matematisk-statistiske
analyser af differencer og middelværdier af måle-
resultater fra to forskellige metoder
1;2
. Udover at
være en god model i den ovennævnte forstand, så
er den også robust og let at implementere til brug
i et regneark.
Gennemsnit og differencer for de individuelle
måleværdier
Figur 1 viser resultaterne fra en sammenligning
af målinger af P-Albumin på hhv. en Hitachi 917
(Roche) og en Aeroset (Abbott) autoanalysator
(n=173). Jeg bruger ’A’ og ’B’ som henvisninger til
de to metoder i det følgende, og bruger subskriptet
’i’ for individuelle måleværdier.
Værdierne på abscissen (X-aksen) er gennem-
snittet af de to målinger, dvs. værdierne gns
i
=
(A
i
+B
i
)/2. Man skal så godt som altid bruge gen-
nemsnittene, også selvom den ene målemetode er
en referencemetode, fordi der ellers introduceres en
systematisk fejl i dataanalyserne
3
.
Værdierne på ordinaten (Y-aksen) er differen-
cerne mellem de to målinger, dvs. værdierne d
i
= (B
i
