![]()
38
| 1 | 2005
Klinisk Biokemi i Norden
A New Method for Partitioning Biochemical Reference Data
into Subgroups
Ari Lahti, Klinisk-kjemisk Avdeling, Rikshospitalet, Oslo
E-post: ari.lahti@unn.no
Doktorgrader
Ansvarlig redaktør: Palle Wang (pwang@vs.vejleamt.dk)
Korrekt klassifisering av labora-
torieprøvesvar til normale eller
avvikende er grunnleggende som
forutsetning for deres brukbarhet
i medisinsk diagnostikk. Klinisk
nytteverdi av en god del av vår
virksomhet på medisinsk bio-
kjemiske laboratorier er derfor
avhengig av de statistiske meto-
der som ligger bak slik klassifisering og som dermed
direkte påvirker klinisk tolkning av alle kvantita-
tive biokjemiske tester. Særlig som hele 70 % av
medisinske beslutninger ser ut til å være basert på
laboratorieprøvesvar (1), har teoretisk forskning
fokusert på disse metodene potensial til å få store
konsekvenser for pasientbehandling, både helse-
messig og økonomisk sett.
På enkelte steder, slik som på Klinisk-kjemisk
avdeling ved Rikshospitalet i Oslo, har man fine
tradisjoner i forskning innen laboratoriemedisinsk
statistikk. Denne rapporten oppsummerer resulta-
tene av et fersk doktorgradsprosjekt gjennomført på
Rikshospitalet med statistiske subgrupperingsmeto-
der for biokjemiske referansedata som emne. Som
prosjektets veiledere fungerte Helge Erik Solberg
og Petter Laake (professor i medisinsk statistikk ved
Universitetet i Oslo). Avhandlingen (2-6) prøver å
• bevise at den metode som bl.a. NCCLS offisielt
anbefaler for subgruppering og som mange kli-
nisk biokjemikere verden rundt i dag bruker som
sin førstevalgsmetode, nemlig metode av Harris
og Boyd (7-8), har alvorlige svakheter i seg både
når det gjelder teoretisk bakgrunn og presisjonen
i praksis;
• introdusere en ny metode som prøver å få elimi-
nert disse svakhetene.
Før jeg går inn i sammenligning av Harris-Boyd
metode og den nye metode, skal jeg kortfattet
omtale de eksisterende andre subgrupperingsmeto-
der. Den første metode som ble spesifikk designet
for subgruppering av laboratoriemedisinske refe-
ransedata, er metode av Sinton og medarbeidere (9).
Denne metoden er egentlig bare en enkel tomregel,
som sier at dersom avstanden mellom middelver-
diene av to fordelinger overstiger 25 % av refe-
ranseintervallet for deres kombinerte fordeling, da
skal man subgruppere.
Sinton og medarbeidere hadde ingen statistiske
begrunnelser å angi for dette kriteriet, uten det virker
å ha blitt etablert rent skjønnsmessig utfra prak-
tiske synspunkter basert på de data som de hadde
å forholde seg til i den aktuelle studien (de holdt
på å beregne referanseintervaller for calcium, fosfat
og alkalisk fosfatase). Slik fremgangsmåte var sik-
kert rimelig på et tidspunkt der en ikke hadde noen
subgrupperingsmetoder overhodet å ty til utover
standard statistiske metoder for sammenligning av
sannsynlighetsfordelinger (t-test, ANOVA, Mann-
Whitney, Kruskal-Wallis), men hva med brukbarhe-
ten av Sinton og medarbeidernes skudd i tåken i dag?
Det ser slik ut at deres subgrupperingskriterium er
ekstremt konservativ egentlig og kan føre til bruk av
referansegrenser for den kombinerte fordeling også i
tilfeller der dette ikke er hensiktsmessig (6-8).
Som sammenlignet med de ovennevnte standard
statistiske metoder tilbyr dette kriteriet likevel én
