24 |
Klinisk Biokemi i Norden · 1 2016
Indirekte metoder
I motsetning til direkte metoder trenger indirekte
metoder ikke innsamling av prøver. Indirekte meto-
der baserer seg på pasientdata som allerede finnes i
laboratoriets datasystem. Ved hjelp av ulike statistiske
metoder kan man barbere bort resultatene fra de syke
pasientene for å verifisere referanseintervaller. Data-
ene finnes allerede der i store mengder og medfører
ingen ekstra kostnader. Selv om CLSI-standarden
ikke anbefaler indirekte metoder som første valg
ved verifisering av referanseintervaller, kan disse
metodene være et nyttig verktøy i noen situasjoner.
Grunnideen er at andelen prøver fra ikke-syke
pasienter dominerer blant prøvene som analyseres
ved medisinske laboratorier. Femti til 90% av alle
pasientresultater på et medisinsk laboratorium antas
å være innenfor referanseintervallene (6). Den opp-
rinnelige Hoffmann metoden fra 1963 (6) har blitt
videreutviklet (7) og kombineres gjerne med direkte
eksklusjonkriterier for de antatt syke. Basert på denne
algoritmen kan et etablert referanseintervall verifise-
res på en enkelt måte ved bruk av «normal probability
plot» av pasientresultater (8). Mer komplekse mate-
matiske beregninger muliggjør også separasjon av
resultatene fra syke og ikke-syke pasienter og dermed
estimering av nedre og øvre referansegrense ut fra den
store datapoolen (9). Det antas at andelen med resulta-
ter fra syke pasienter etter separasjonen er liten. Selv
om ”kontaminering” i praksis ikke kan forhindres, så
kan den reduseres ved bruk av eksklusjonskriterier,
for eksempel ved bare å velge data fra polikliniske
pasienter. Det antas også at resultater fra de «ikke-
syke» er nesten normalfordelt (eventuelt må dataene
transformeres) og at det ikke er analytisk drift i analy-
seringsperioden. Metodene har blitt validert for flere
analytter og fungerer bra for både normalfordelte (for
eksempel natrium, figur 2) og skjeve fordelinger (for
eksempel enzymer) (9,10,11). Metoden anses fortsatt
ikke som nøyaktig nok til å etablere egne referan-
seintervaller med tilstrekkelig lav usikkerhet, men
konseptet kan anvendes for verifisering av eksterne
referanseintervaller samt ved regelmessig revisjon av
egne referanseintervaller. For akkrediterte laborato-
rier krever ISO-standarden 15189:2012 en regelmessig
vurdering av gjeldende referanseintervaller.
Indirekte metoder brukes lite på de fleste labora-
torier, men de gir en én til én-relasjon mellom refe-
ranse- og pasientpopulasjon, de er rimelige og skaper
færre etiske problemer enn direkte metoder. På den
måten muliggjøres også verifisering av referansein-
tervaller hos pasientgrupper hvor direkte metoder
er vanskelige å bruke, for eksempel barn. Derimot
krever indirekte metoder en del statistisk kompetanse
og kan ikke brukes for analytter som krever faste.
Konklusjon
Om et prøvesvar er normalt eller patologisk er et
sentralt spørsmål ved diagnostikk og utredning av
sykdomstilstander. Mange laboratorier bruker produ-
sentenes referanseintervaller for en del analyser. Det
er viktig at laboratoriene kritisk vurderer hvordan
referanseintervallene ble etablert før de overføres til
Fig. 2: Estimert fordeling av ikke-patologiske
resultater (grønn kurve), patologiske resul-
tater (rød kurve) og alle resultater (blå
kurve) for natrium ved Ålesund sykehus.
Mørkegrønne linjer viser 2,5- og 97,5-per-
sentiler og lysegrønne linjer viser 5- og
95-persentier av den estimerte fordelingen
av ikke-patologiske resultater. Programvare:
Reference Limit Estimator fra DGKL (12).
