![]()
10
| 2 | 2008
Klinisk Biokemi i Norden
sykdomsrisiko. En må enten lage referanseinterval-
ler for hele befolkningen som viser intervallene
slik de faktisk er, eller en må innføre en arbi-
trær grense for ”syke” individer, en terskelgrense/
beslutningsgrense.
•
Før vi legger i vei må vi tenke oss godt om! Har vi
kapasitet og penger til dette?
Viktige preanalytiske og analytiske forutsettinger
Analysen må være godt innkjørt når en skal lage refe-
ranseintervaller. En må ha meget god kontroll over
bias (systematiske forskjeller) og ha dokumentasjon
over hvordan analysen ligger i forhold til eksterne
kvalitetskontroller og internasjonale referansemateri-
aler. Hvilke metoder og referansegrenser bruker mine
nabolaboratorier? Fortløpende kontroll over bias i
analysen er også viktig etter at referanseintervallene
er tatt i bruk. Arbeidet blir ellers fort bortkastet
allerede etter neste kalibratorskifte. Et laboratorium
kan ha brukt store ressurser på en populasjonsstudie
i 2004, men aner i dag ikke hvordan rutineanalysen
ligger i forhold til referansestudiet.
Analysepresisjonen påvirker også bredden av refe-
ranseintervallene, men er ikke vanligvis like kritisk
som bias.
Alle prøver bør lagres godt etter studiet, gjerne
i -70°C. Hvis prøvene er stabile under lagring, kan
tidligere innsamlede prøver brukes til kontroll av bias
etter et kalibratorskifte.
Rekruttere forsøkspersoner
Finnes det etiske regler eller annet lovverk som regu-
lerer slike forsøk? Rekruttering av forsøkspersoner/
referansepersoner krever ettertanke og planlegging.
• Friske og relevante forsøkspersoner (360 stk for
Komponent C, med jevn aldersfordeling) lar seg
vanskelig rekruttere blant medisinstudenter. Det
beste er forsøkspersoner rekruttert fra bedriftsleger,
trimsentre m.m. A benytte blodgivere er praktisk,
men ikke optimalt. En biobank, eller prøver samlet
inn til andre formål er også et realistisk alternativ
til nye prøver.
• Relevante data, som røyking, BMI, alkohol, etnisitet,
medisinering og sykdommer m.m. skal samles inn
fra forsøkspersonene. Spørsmålene må være detal-
jerte, fordi tilstander som å være født med kun et
fungerende nyre ikke oppleves som sykdom, heller
ikke alltid behandling for høyt serumkolesterol.
• Systematiske forskjeller kan forekomme mellom
prøver/pasienter i referanseintervallstudiet og prø-
ver/pasienter ved rutinebruk av analysen:
- Blodgivere er vanligvis ikke-fastende, rutineprøver
er tatt fastende
- Blodgivere har lavere BMI enn normalbefolk-
ningen og røyker mindre.
- Prøver fra referansepopulasjonen er fryst/tint
før analyse, men rutineanalysen bruker ferske
prøver?
- P-piller?
- Røyking eller alkoholforbruk?
• En forutsetning for senere statistisk analyse er at
”alle observasjoner skal ha lik innflytelse/vekt”. Er
det noen av forsøkspersonene som stikker ut, f.eks
ved meget høyt alkoholforbruk kombinert med
røyking og høy BMI slik at du allerede på forhånd
kan forvente et avvikende resultat fra individet? Er
det grupper i befolkningen som ikke er representert
eller underrepresentert, slik at observasjonene i
materialet faktisk vil ha forskjellig vekt?
Analysering av måledataene
Dokumenter analysen nøye (reagenslot, interne kon-
troller med lotnummer, ekstern kvalitetskontroll)!
Dokumentasjonen er grunnlaget for hvor lenge refe-
ranseintervallene er gyldige for ditt laboratorium
og hvorvidt de kan brukes i andre laboratorier. Det
finnes regler for hvor mye bias og hvor store end-
ringer i analysens presisjon en senere kan tillate i
analysen før referanseintervallene blir ugyldige [7].
MUC1 − 97.5% reference limits with 90% confidence intervals
Modulus−Exponential−Normal model m=1 s=1
Age in years
MUC1 in kU/L
×
10
100
20 30 40 50 60 70 80
×
Men
Women
Censored
m={0}
s={0}
Neg LogLh.: 1610.49
N. of iterations: 1
(Fortsat fra side 9)
