2023年5月15日 星期一

 

再談量測不確定度 (MU)

2023.05.15

 

近日有人拿著某位自認為是「MU大師」的線上研討會講義截圖問我是否看得懂,他說他完全聽不懂,也看不懂。

 

ISO/TS 20914 (Medical Laboratories – Practical guidance  for the estimation of measurement uncertainty)20197月發行,已快滿四年,怎會有這樣的「MU大師」還在講這些不知所云的東西,聽他講課的人,是有幸?還是不幸?

 

針對他人發表的網路文章,公開指摘他人是“deep fakes”(深假新聞),哪變造指引內容以支持自己的謬論,又是甚麼?誰才是deep fakes?探討專業和學術問題,這不是正確的態度。因為opinion leader若認知錯誤,是會誤人子弟,禍害整體專業領域的。

 

大師的講義p.10p.37一再強調 “MU=中間精密度,還舉ISO 15189 : 2012 5.5.1.4附註2做為支持證據。

該條文如下:
量測不確定度,可在中間精密度(Intermediate Precision)條件 下,採取量測品管物質的量值,計算得出

 

條文要我們利用QC中間精密度(CV)去計算MU,大師可以將它解釋為:
MU=中間精密度。 我不禁懷疑這位大師的中文程度,他忽略了計算得出四個字。

 

至於如何計算中間精密度(CV)ISO/TS 209146.2 (p.24) 告訴你先把一段期間的QC data進行partition,成為partitioned data,再利用變異數(方差)計算法算出pooled average(匯總平均值)。請參閱ISO/TS 20914 p.38的計算範例。所以計算平均CV,何錯之有?

 

大師不思指導醫檢師如何依據ISO/TS 20914partitioned data,如何計算pooled average,卻有一張講義告訴大家 要用最大的CV,用平均CV是錯的” (Why CV-max, not CV-mean)。還引用2006EuroLab的指引 (Guide to the Evaluation of Measurement Uncertainty for Quantitative Test Results, p.17),試圖支持自己論點的正確性。

該段原文如下:
2.4 Worst-case estimates of measurement uncertainty

Worst-case estimates of measurement uncertainty can be of interest if for instance the extent of measurement uncertainty plays only a subordinate role to further investigations or if compliance with certain limit values or specifications has to be checked. In this case, unlike the principle of squared addition, the contributions to the uncertainty of the result are summed up linearly and if necessary, maximum errors can also be used instead of standard uncertainties (see Section 3.5, Eqs. (3.16) and (3.17)) which leads to a simplified

determination of measurement uncertainty.

 

簡要解釋:這段做法是估算MU最差的方法(原文標題),當不採用方差和(squared addition)的計算法時,必要時可用最大的CV替代標準不確定度。

CV-mean是正統方法,CV-max只是正統計算法受限時的替代方法。不應喧賓奪主。

 

醫學實驗室已有專用的ISO/TS 20914 (2019),期望大家可以不要抱殘守缺,用過時的老指引 (非醫學領域專用)繼續堅持己見。否則受害的是一知半解的醫檢師和整體醫檢專業。

 

歡迎有不同見解的人,依據專業證據,隨時討論。期望每個人都能理性客觀,促進檢驗醫學的發展。我的認知若偏差,請不我願意隨時修正。



2022年7月24日 星期日

在醫學實驗室是利用IQC估算MU,不是MU應用在IQC

 

【在醫學實驗室是利用IQC估算MU,不是MU應用在IQC

 

在某線上研討會的課程表中,看到講題名稱為「量測不確定於內部品管的應用」。心中頓生疑惑。

 

在校正實驗室和非醫學的檢測實驗室,其品保流程是利用traceability chain先消除分析系統的bias,然後樣本是多次檢測,可計算該樣本的CV,進而估算出量測不確定度(以下簡稱MU)。因此可說是利用MU(組合)進行IQC

 

但在醫學實驗室,通常樣本是單次檢測,根本無法計算樣本的CV,只好利用IQCCV去估算MU,因此是MU利用了IQCCV做估算。而不是將MU應用在IQC。這一點和MU在校正實驗室和非醫學的檢測實驗室的使用是完全不同的。該講題似乎犯了邏輯上的謬誤。講題若修正為「如何利用IQC估算MU,似乎比較符合邏輯,也符合ISO/TS 20914的內容。

 

期望該線上研討會能正確傳達ISO/TS 20914 Medical laboratories — Practical guidance for the estimation of measurement uncertainty的正確內容,才不至於誤導台灣的醫檢眾生。ISO/TS 20914已被第四版ISO 15189國際版草案列為應參考之指引。

 

MU的用途類似TE,是用於表達检验結果報告的可能範圍。而不是給醫檢師用於操作品管用的。醫檢師操作IQC,控制好CV bias即可,不會用到MU。因為在醫學實驗室,是先要有IQCCV,才會估算出MU (組合)ISO/TS 20914中特別強調,相對組合MU不是IQCCV (請參閱該指引定義3.32)

 

(附註)
我將此議題丟到WeChat的兩岸群組中討論,大陸醫檢專家程老師的回覆頗具代表性,特分享其內容供各位參考:
蔡老师,我的理解和你一样。美国用TEa,欧洲用MU,都是代表分析中质量目标的,这个可以用于性能验证。但是IQC其实就用不上分析中质量目标了」
IQC更关心的有无失控,及失控后的故障排查。至于有无失控,那是和质控规则有关,和分析中质量目标,关系不大。」

 

程老師的质量目标是指TEa或目標不確定度。請不要把目標不確定度誤認為是CV的目標值(goal of CV) TAF-CNLA-G40(2)的目標不確定度定義是對的,但內文把目標不確定度當作是CV的目標值,則是完全錯誤的。各位不可不察。



2021年10月2日 星期六

 【使用廠商IVD的醫學實驗室不需要再用BV去訂定性能規格】

2021.10.02

有醫學實驗室被建議必須利用BV(生物變異)去訂定定量項目的性能規格(CV, bias, TE的目標值),這是不必要的。

因為大部分醫學實驗室是使用已查驗登記的合格IVD,供應商都有其宣稱的性能規格。廠商在開發和製造過程已被要求應確認和查證這些性能規格。醫學實驗室使用IVD前應做的事是方法查證(method verification),以測定所得的數據去查證廠商所宣稱的性能規格,而不是浪費時間和精力,重新用BV去訂定性能規格。

醫學實驗室只有在自行開發方法時,才有需要利用BV去訂定初步的性能規格。目前醫學實驗室自行開發方法的情形不常見。

順便提醒,利用BV訂定性能規格只是訂定性能規格的方法之一,不是唯一。建議醫學實驗室利用BV(生物變異)去訂定定量項目的性能規格,沒必要,也不合理。

醫學實驗室訂定定量項目的性能規格,最常用的方法是用自己實驗室的實際數據進行統計,計算出自己實驗室最佳的性能規格(Milan 2014 Model 3: Stat of the art)Milan 2014 Models原建議是用在建立EQA的評估目標值。






2021年5月9日 星期日

 

TEMU應相輔相成

TEMU都是表達檢驗誤差的方法,只是計算公式不同。二者的基本考量相同,都是隨機誤差和系統誤差。沒有誰好誰壞的問題。

名詞對照:


TEMU都利用QCintermediate precision (長期CV)做計算,二者都不是針對真正臨床樣本做計算。二者皆非完美。





TE
MU在臨床檢驗報告的應用原理是相同的。


醫師不懂MU,也不會利用MU解讀檢驗報告,醫檢師應該負責教育臨床醫師。但醫檢師自己要先搞懂MU




2020年8月15日 星期六

歐盟新的IVDR對醫學實驗室的影響

 【歐盟新的IVDR對醫學實驗室的影響】

  

    2017 5 5 日歐盟醫療器材法規 (MDR) 和體外診斷醫療器材法規(IVDR)正式發佈,於2017 5 25日正式生效,並分別於2020 5 26 日和2022 5 26 日正式實施。

 

   新發佈的IVDR,在法規層級上從原先的Directive(指令)上升為Regulation(法規),顯現了歐盟對IVD監管的重視,同時也表示著歐盟各成員國IVD監管的一致標準。

 

  伴隨著產品分類規則的調整,各類別產品對應的認證途徑自然較原監管體系有著很大的變化,其中最核心的變化在於第三方驗證機構(Notified BodyNB)介入的增加,所涉及的IVD產品包括所有的DCB類和部分的A類。


       涉及第三方驗證機構介入的IVD產品數量從IVDD監管體系下的10%~20%增加到IVDR80%~90%。公告機構介入品項的增加,顯示絕大多數的IVD在進入歐盟市場時,將告別原先”自我宣稱”的方式,進入實質性的審查註冊過程。

 

    醫學實驗室即使知道此一即將到來的法規,大多數醫學實驗室會認為這是IVD公司的議題,不會影響到醫學實驗室。 但是,IVDR實際上也會對醫學實驗室產生重大影響。

 

如果商業醫學實驗室使用「實驗室開發的檢驗」(LDTs)檢測歐洲公民的樣本,依據IVDR的新規定,這些LDTs很可能被視為“遠程銷售”(distance sales)

這意味著不管實驗室是否位於歐盟,被視為“遠程銷售”的LDTs將被要求應有CE IVD標誌。

這一點,醫檢師不可不知。

()

有關LDTs的聲明見IVDRPara (29) of opening sectionLDTs條文見IVDRArticle 5(5)

Distance salesArticle 6

 

https://www.aacc.org/publications/cln/articles/2020/july/how-europes-new-ivd-regulations-will-impact-labs

2020年8月5日 星期三

不可混淆能力試驗與能力評鑑

【不可混淆能力試驗與能力評鑑】

20200805

能力試驗(proficiency testPT)用於測試「實驗室的能力」,是外部品質評鑑(external quality assessmentEQA) 的一種方法,通常由第三方的能力試驗執行機構(proficiency test providerPTP)負責實施。

 

能力評鑑(competency assessment) 用於測試「個人的能力」,是由實驗室管理階層負責實施。評鑑個人能力的方法很多,實測只是其中之一。

依據ISO 15189(3)5.1.6附註1可使用下列任何組合或所有方式,評鑑實驗室人員的能力:

a)直接觀察例行工作流程與程序,包括所有適用的安全操作;

b)直接觀察設備維護與功能檢查;

c)監控其記錄與報告檢驗結果;

d)工作紀錄的審查;

e)問題解決技能的評鑑;

f)提供特殊樣本執行檢驗,如先前已完成檢驗的樣本、實驗室間比對材料或

分割樣本。

 

一看到都有「能力」二字,便將二者混淆的醫學實驗室不在少數,包括TAF認證的實驗室。因一直無人提醒要改進,以致雖然每年監評,還是一錯多年。

圖片是某教學醫院的表單,是將能力評鑑錯當能力試驗的最佳範例。

正確的表單名稱應該是「    個人能力評鑑紀錄表」。



2020年6月17日 星期三

Pooling Samples Technique


Pooling Samples Technique

以前體檢隊慣用的手法,常被批評為偷雞摸狗的方法。如今美國FDA(June 16, 2020) 無症狀者的COVID-19大量篩檢可以這樣做,還稱之為是一種技術。可降低大量篩檢所投入的資源,並更快發出篩檢報告。

新冠病毒的RT-PCR因有基因擴增的程序,假陰性或許可降低,但仍難避免。那其他檢驗項目若採用此技術,造成假陰性的機率會是多少?

FDA提醒採用pooling samples technique,必須先通過方法確認(validation)。醫檢師又有新課題可以探討了。

FDA statement:
In order to preserve testing resources, many developers are interested in performing their testing using a technique of “pooling” samples. This technique allows a lab to mix several samples together in a “batch” or pooled sample and then test the pooled sample with a diagnostic test......................However, because samples are diluted, which could result in less viral genetic material available to detect, there is a greater likelihood of false negative results, particularly if not properly validated.
This method works well when there is a low prevalence of cases, meaning more negative results are expected.