![]()
12
| 2 | 2006
Klinisk Biokemi i Norden
13
| 2 | 2006
Klinisk Biokemi i Norden
Det gick en skälvning genom
den Kliniskt kemiska kroppen
när man började tala om osä-
kerhet och GUM (Guide to the
Expression of Uncertatinty in
Measurement) i samband med
den senares publicering 1993 [1].
GUM blev en ny regleringstanke
som ackrediteringsmyndigheten
i åtminstone Sverige kastade sig över med hull
och hår. Mycket av bekymren med mätosäkerhets
uppskattning hade kunnat undvikas om fler hade
läst och tänkt igenom kapitel 3.4 i GUM ”Practical
considerations” och fokuserat mindre på kapitel 5,
”Determining combined standard uncertainty”. I
praktiskt laboratoriearbete har nu GUM och dess
osäkerhetsbudgetering i huvudsak lämnats därhän
men teorin är attraktiv och som skall visas nedan
användbar.
Var då all denna möda förspilld? Både ja och nej;
Nej
därför att vi har ett behov av att ställa upp kva-
litetsmål för laboratoriernas undersökningar och det
är viktigt att dessa uttrycks och beräknas på samma
sätt på alla laboratorier. Den traditionella ’total
error’ som använts framgångsrikt under många
år räcker inte längre till. Målen behöver i sig inte
nödvändigtvis vara resultat i en jämförande ’bench-
marking’ men osäkerheten kan användas i praktiskt
arbete av våra kunder, om de är rättvisande.
Ja
därför att GUM-ansatsen kräver en omfattande
data insamling som är omständlig och svårgenom-
förd och är därmed godtycklig och oprecis och svår
att reproducera. Uppskattningen av standardosäker-
heterna är i sig behäftad med så stor osäkerhet att
processens kvantitiva resultat måste ifrågasättas.
Eftersom den är en modell krävs att den verifieras.
Mer om osäkerhet i laboratoriemedicin
Anders Kallner, Karolinska Universtitetslaboratoriet,
Karolinska Universitetssjukhuset i Solna.
E-post: anders.kallner@kirurgi.ki.se
Då bör man börja med att definiera hur den skall
verifieras och då kan man lika gärna utföra ”verifi-
eringen” först. Om utfallet inte är tillfredsställande,
ja då kan GUM-ansatsen och en ”osäkerhetsbudget”
systematisera ett förbättringsarbete.
Åtminstone två frågor uppställer sig:
1) kan vi anvisa en metod som alla laboratorier kan
använda för att beräkna och ange mätosäkerhe-
ten på ett enhetligt sätt? samt
2) kan vi all den möda som lagts ned, inte minst
intellektuellt, på GUM användas?
Beräkning och angivande av mätosäkerhet
Gruppen kring C-H de Verdier, med Torgny Groth,
Torsten Aronsson och Jim Westgard, lanserade
begreppet ’total allowable error’ (TE) på 70-talet.
TE är tänkt att omfatta tillfälliga fel, (imprecision)
och systematiska fel (bias). Callum Fraser, Per
Hyltoft-Petersen och Carmen Ricos har upprättat
en tabell av TE för omkring 300 storheter och
tabellen uppdateras på Jim Westgards hemsida [2].
Tabellen baseras på antagandet att såväl impreci-
sion som bias kan beräknas med utgångspunkt i
intra- och interindividuell variation av storheten
ifråga.
B I
,
, TEB I
,
, TE
bCV wCV ,
BwCV ,
I
+
=
+
=
+
<
<
332 990 ;
651 950
2 2
250 ;
50
Faktaruta.
I
står för imprecision,
B
för bias och
CV
w
och
CV
b
för intra- resp interindividuell variation
Tabellen skall användas med försiktighet.
Exempelvis kan ingångsdata vara otillfredsställande
genom att inte alltid tillräckligt många observa-
tioner eller stabila metoder kommit till använd-
ning. Man skall också observera att resultaten är
baserade på de ganska godtyckliga koefficienterna
i uttrycken för I och B. Sålunda talar Fraser om
’optimum’, ’desirable’ och ’minimum’ koefficienter.
För imprecisionen anges koefficienterna , 025, 0,5
resp 0,75 och för bias 0,125, 0,25 resp 0,375 för
dessa nivåer [3]. Många gånger finner man att våra
mätprocedurer presterar bättre än vad som skulle
krävts enligt tabellen; i andra fall är vi långtifrån
där. Tabellen ger också bara riktvärden för resultat
på en nivå –ospecificerat vilken – och verkligheten
är att de flesta mätprocedurer visar en impreci-
sionsprofil som varken är renodlat heteroscedastisk
(konstant relativ varians) eller homoscedastisk (kon-
stant varians).
Om vi närmar oss problemet – inte från Ricós-
tabellens sida utan från laboratoriets sida – är det
stora problemet att komma till rätta med riktigheten
(trueness) uttryckt som bias. Riktigheten definieras
som ”closeness of agreement between the average
value obtained from a large series of results of mea-
surement and a true value” [4]. I formeln ingår B
dvs.bias i uttrycket för TE. Om laboratorierna skall
visa att de uppnår TE då måste de också uttrycka sin
egen bias. Men det sanna värdet känner vi vanligen
inte; det kan sällan bestämmas, bara överenskom-
mas. En längre utredning om olika modeller för att
behandla bias finns i den läsvärda artikeln [5]
GUM levererar det verkliga Alexanderhugget: ”If
a systematic error arises from a recognized effect of
an influence quantity on a measurement result….the
effect can be quantified and, if it is significant in
size relative to the required accuracy /dvs trueness
förf. kommentar/ of the measurement, a correction
or correction factor can be applied to compensate
for the effect”. Det innebär att man antingen inför
en korrektion eller att man bortser från det syste-
matiska felet.
Därmed får Ricós tabell en annan användning,
låt oss koncentrera oss på tabellens kolumn tre dvs
I %, imprecisionen, 0,5 x CV
w.
Detta motsvarar en
maximal acceptabel imprecision ur klinisk syn-
punkt men är inte något riktvärde eller mått på den
imprecison som mätproceduren medger. Tabellen
måste läsas med urskiljning; jämför exempelvis S-
Kreatinin och U-Kreatinin där I % anges till 2,2 %
respektive 12,0 %. Sannolikt är mätosäkerheterna i
stort sätt desamma.
(Fortsætter side 14)
Fynbos, Sydafrika. Foto: Palle Wang
