Karta Metody. Podstawowy wynik analizy okresu postlaboratoryjnego

Karta Metody. Podstawowy wynik analizy okresu postlaboratoryjnego

diagnostyka laboratoryjna Journal of Laboratory Diagnostics
2009 • Volume 45 • Number 2 • 143-148
Praca oryginalna • Original Article
Karta Metody.
Podstawowy wynik analizy okresu postlaboratoryjnego
Jerzy Janecki
Instytut Biocybernetyki i Inżynierii Biomedycznej PAN
Streszczenie
Celem pracy jest przedstawienie trzech podstawowych elementów postlaboratoryjnej analizy nie segregowanego zbioru wyników
badań laboratoryjnych. Materiałem jest zbiór 96 131 wyników badania glukozy w dobrym laboratorium. Posłużono się oryginalną
metodą JEG, która dostarcza cechy statystyczne rozkładu normalnego aproksymowanego do wygładzonego histogramu zbioru
wyników GZR (Gausowski Zakres Referencyjny). Opisano praktyczną procedurę badania poprawności, która wykazuje, że zbiór
mieści się w zakresie przyjętym za referencyjny. Odtwarzalność 252 podzbiorów dziennych cechuje się bardzo dobrym współczynnikiem zmienności WZ%=1,968, dużo lepszym od optymalnego błędu całkowitego TEA% = 3,7. Przeprowadzono analizę po
19 podzbiorów odpowiednich 5-letnich klas wieku dla obu płci i opisano sposób zamiany wyników tej analizy na tabelę użyteczną
w praktyce. Omówiono uzyskane wyniki i przedyskutowano je na tle doniesień z piśmiennictwa.
Method Card. Basic result of the post-laboratory analysis
Summary
The aim of this paper is a demonstration of the three main elements of the post-laboratory analysis of a collection of non-selected laboratory results. As material a set of 96131 results of glucose examination in a good laboratory is taken. The original JEG
method offers statistical features of a normal Gaussian distribution approximated to the smoothed histogram of the data collection (called Gaussian Reference Intervals GRI). The practical procedure of the trueness analysis is described showing that
the distribution of the analyzed set is located inside limits taken as the reference. Reproducibility of 252 daily subsets have a
very good coefficient of variation CV%=1.968, much better than the optimal admitted total error TEA% =3.7. Analysis of 5-year
age classes, 19 subsets for each sex is done and the procedure of the construction of a practical data table is described. All
results are discussed and compared with the bibliography.
Słowa kluczowe:analiza postlaboratoryjna, poprawność, odtwarzalność, zależność wyników od wieku i płci
Key words:post-laboratory analysis, trueness, reproducibility, age and gender dependence of results
Wprowadzenie
Postlaboratoryjna analiza zbioru wszystkich wyników konkretnego badania z określonego okresu czasu dostarcza szeregu
informacji ważnych dla nowoczesnej analityki. Podstawowa
jest możliwość zbadania poprawności wyników (trueness)
w całym badanym okresie, przy czym cechy statystyczne
zbioru porównuje się z zakresem uznanym za referencyjny.
W kontakcie z pacjentami najważniejsza jest odtwarzalność
wyników. Trzeba tu dobitnie podkreślić, że odtwarzalność
postlaboratoryjna nie ocenia prawidłowości ustawienia automatów laboratoryjnych, jak w powszechnie stosowanej i nadal
niezbędnej kontroli wewnętrznej (IQC), ale stałości rozkładu
wydawanych z laboratorium wyników analizowanego parametru w badanej populacji. Zjawisko to jest ciągle jeszcze
mało znane, a wyniki jego badań w dobrym laboratorium stale
zaskakują faktyczną stałością tych rozkładów. Możliwe jest
wreszcie określenie coraz popularniejszych ostatnio „norm
laboratoryjnych” dla klas płci i wieku. Dokument zawierający
komplet wyników badania takich trzech cech analizowanego
parametru (poprawność, odtwarzalność, układ referencyjny
dla klas płci i wieku) nazwano „Kartą Badania”. Powinna ona
być wykonana przede wszystkim po pierwszym okresie stosowania konkretnej metody badania, a następnie kontrolowana w regularnych odstępach czasu. Pewne elementy Karty
Badania warto kontrolować nawet codziennie. W niniejszej
publikacji przedstawiony jest know how postępowania przy
wykonywaniu Karty Badania metodą JEG, oparte na wieloletnim własnym doświadczeniu.
143
Karta metody. Podstawowy wynik analizy okresu postlaboratoryjnego
Materiał i metody
Do demonstracji wybrano Kartę Glukozy jednego z dobrych
laboratoriów. Analizie poddano zbiór 96131 wyników badania glukozy, wszystkich, które wykonano w 2007 r. Zbiór
otrzymano z laboratorium pocztą elektroniczną (e-mail)
w postaci tabeli w programie Excel, którą przetworzono na
tabelę zbioru tekstowego. Narzędziem badawczym był program komputerowy JEG opracowany pod kierunkiem prof.
dr. hab. med. Jerzego Janeckiego w Instytucie Biocybernetyki i Inżynierii Biomedycznej PAN w Warszawie [6, 7,
11, 17]. Działanie tego w pełni automatycznie działającego
programu polega na utworzeniu ze zbioru danych histogramu zależności liczebności od klasy wielkości wyników, wygładzeniu tego histogramu przy użyciu jądrowej estymacji
gęstości oraz aproksymacji do wygładzonego histogramu
odpowiednio dostosowanej krzywej rozkładu normalnego
Gaussa. Cechy statystyczne tego rozkładu (MV-2SD, MV
+ 2SD, liczebność zbioru oraz wartość średnia rozkładu
Gaussa MV) podawane są na wykresie (w prawym górnym
rogu), przy czym dla porównania podawane są też granice
przyjętego zakresu referencyjnego (w lewym górnym rogu).
W omawianym tu badaniu jako zakres referencyjny poprawności przyjęto średnie wyliczone z analizy danych pochodzących z 6 laboratoriów polskich (glukoza PL), których poprawność potwierdzono z kolei (testem T studenta) przez
porównanie z 13 danymi z literatury [11, 17].
Wstępnie zbadano wygładzony histogram rozkładu wszystkich wyników, uzyskując dane o poprawności obu podzbiorów [10]. Dane te porównano z przyjętym układem referencyjnym, a więc z wartościami uśrednionymi z wyników 6
laboratoriów polskich.
Ze zbioru wszystkich wyników wydzielono 252 ‘podzbiory
dzienne’ (z wykluczeniem sobót, niedziel i dni świątecznych)
o średniej liczebności 399±77 wyników. Każdy ‘podzbiór
dzienny’ otrzymał swoją kolejną nazwę, a wszystkie trafiły do
katalogu nazwanego ‘CZAS’ z zachowaniem odpowiedniej
kolejności (numeru kolejnych dni). Analizie programem JEG
poddano cały katalog ‘CZAS’, wykorzystując podprogram
‘Analiza pakietu zbiorów’ z pakietu ‘Ekstra opcje’. Tabela wyników wszystkich analiz (tu 252 * 3 wyniki) trafiła do katalogu
‘JEG’ (w katalogu C komputera), a w nim do podkatalogu ‘Wyniki’. Tu otrzymała nazwę w postaci W**_g****.txt, gdzie po
literze W widniał numer dnia aktualnego miesiąca, a po literze
g aktualny czas w ciągu godzinaminuta (np. W05_g1232).
Tabelę wyników przeniesiono do programu Excel i poddano
analizie statystycznej, uzyskując dane o zmienności w ciągu
roku, to znaczy o odtwarzalności porcji dziennych.
Z kolei ze zbioru pierwotnego wyodrębniono po 19 pięcioletnich klas wieku, od 0 do 95 lat, dla każdej z płci. Analiza
tych podzbiorów metodą JEG przebiegała analogicznie, jak
to opisano przy badaniu odtwarzalności. Wyniki analizy posłużyły do wyznaczenia „norm laboratoryjnych” dla klas płci
i wieku [14, 15].
Wyniki wszystkich badań przedstawiono cyfrowo oraz graficznie.
Wyniki
Rezultat badania poprawności przedstawia rycina 1. Widać
na niej prawoskośną, wygładzoną krzywą histograficzną,
wewnątrz niej aproksymowaną do lewego ramienia, syme-
Rycina 1
Rezultat badania metodą JEG poprawności rozkładu wyników glukozy:
krzywa histograficzna (zewnętrzna) oraz aproksymowana do niej krzywa Gaussa (wewnętrzna) na tle zakresu referencyjnego (szara powierzchnia).
144
J. Janecki
Rycina 2
Wynik analizy metodą JEG odtwarzalności porcji dziennych wyników oznaczeń poziomu glukozy oraz ocena statystyczna tej odtwarzalności porównana z wartością błędu całkowitego TEA% oparta na optymalnej precyzji i dokładności [1].
tryczną krzywą Gaussa, obie nałożone na szary obszar
objęty krzywą przyjętego za referencyjny rozkładu normalnego Gaussa. Widać wyraźnie, że znaczna część krzywej
histograficznej oraz cała aproksymowana krzywa rozkładu
normalnego znajdują się wewnątrz rozkładu referencyjnego.
W tabelce w prawym górnym rogu wykresu podano nazwę
analizowanego zbioru GLU\dane.txt, zakres aproksymowanego rozkładu Gaussa (Gaussowski Zakres Referencyjny,
GZR, [73,68, 111,25]), liczebność zbioru (N=96 131), a także
wartość średnią GZR (SG=92,46). W lewej górnej tabelce
podano nazwę rozkładu referencyjnego (glukoza PL), jego
jednostki (mg/dL), kod (glutr) oraz zakres ([65,88, 116,8]).
Ocena ilościowa potwierdza, że rozkład zbioru badanego
mieści się w zakresie uznanym za referencyjny (porównaj
wyniki liczbowe z obu tabelek).
Rycina 2 przedstawia wykres wyniku badania odtwarzalności
podzbiorów dziennych w tym samym zbiorze, a poniżej podano ocenę statystyczną tego wyniku. Wskazuje ona, że współczynnik wariancji CV% = 1,968 jest mniejszy od optymalnego
całkowitego błędu TEA% = 3,7%, najkorzystniejszego przy
ocenie odtwarzalności wyników badania glukozy.
Wykres zależności w badanej populacji wyników od płci
i 5-letnich klas wieku przedstawiają dwa wykresy na rycinie
3. Na wykresach widnieją także efekty wygładzenia dolnych
(min) i górnych (max) zakresów przy pomocy wielomianów
6. stopnia, co jest procedurą standardową w komputerowym
programie Office. Tabela I przedstawia odczytane z tych
wykresów zakresy „norm laboratoryjnych”. W tabelce dodano kolumnę „Fourier”, w której podano, dla porównania,
wynik wygładzenia jednego z zakresów (K-max) przy zastosowaniu odwróconej 6-składnikowej szybkiej transformaty
Fouriera. Wygładzanie można też przeprowadzać innymi
metodami matematycznymi (np. wielokrotnym uśrednianiem
sąsiadów albo stosując jądrową estymację gęstości), jednak
w praktyce najwygodniejsze jest wykorzystanie dostępnego w standardowym programie wielomianu 6. stopnia. Po
„rozciągnięciu” w pionie wykresów z ryciny 3 można łatwo
odczytać z krzywych wartości zakresu „normy” odpowiadające klasom wieku. W tabeli I zestawiono takie odczyty dla
analizowanego zbioru wyników badania glukozy.
Omówienie wyników i dyskusja
Nowoczesne laboratorium coraz bardziej przypomina fabrykę. Pacjent znika za kodem kreskowym, wynik znika we
wnętrznościach komputera, skąd w nowoczesnym systemie
informatycznym może się wyłonić dopiero u zleceniodawcy
lub u pacjenta. Niemniej trudno sobie wyobrazić analityka,
któremu wyniki jego pracy byłyby całkowicie obojętne. Bezpośredni kontakt z lekarzem zlecającym badanie nie jest
łatwy, a często ogranicza się do pretensji, że „coś się nie
zgadza” [12, 13]. Tymczasem analiza okresu postlaboratoryjnego umożliwia obiektywną kontrolę wyników, które opuściły pracownię, ale znajdują się w pamięci komputera i nie
przestają być ważnymi informacjami biologicznymi.
Dyskusja problemu wykorzystania wyników własnych badań
dla uzyskania lepszej kontroli własnej pracy [19], a także
w celu zestawienia własnych zakresów referencyjnych przewija się w literaturze fachowej od bardzo dawna aż do ostatnich lat ([20] 1960, [5] 1965, [19] 1968, [22] 1994, [4] 2000,
[2] 2004, [3] 2005 i wiele innych). Metoda JEG [7, 8] (20002001) stanowi zinformatyzowane rozwinięcie rozwiązań
proponowanych najdawniej, przez Pryce [20] (1960) i Hoffmanna [5] (1965), chociaż prace te nie były znane autorom
w okresie opracowań. Praktyczna użyteczność JEG-a wynika z wszechstronnego zastosowania nowoczesnej informatyki, co doprowadziło do automatyzacji procedury.
Już na pierwszy rzut oka widać, że laboratorium, którego
wyniki opracowano w tej publikacji, pracuje naprawdę do145
Karta metody. Podstawowy wynik analizy okresu postlaboratoryjnego
Rycina 3
Zmienność „norm laboratoryjnych” glukozy w zależności od płci i klas wieku.
Tabela I
Zakresy „norm laboratoryjnych” dla płci i klas wieku.
Klasa
wieku
K-min
K-max
wielomian 6o
Fourier
M-min
M-max
0-5
66
91
92
68
93
6-10
74
95
94
74
96
11-15
74
96
97
77
99
16-20
73
97
96
78
101
21-25
72
97
96
78
102
26-30
72
97
96
78
104
31-35
73
98
99
78
105
36-40
75
100
102
79
107
41-45
77
102
102
80
109
46-50
78
105
104
80
111
51-55
78
108
107
80
114
56-60
78
111
111
81
117
61-65
77
114
113
80
119
66-70
76
116
115
80
120
71-75
75
118
118
79
120
76-80
75
118
118
78
120
81-85
75
118
118
77
120
86-90
72
117
117
75
123
91-95
66
118
118
73
131
brze. Wyniki pracy tego laboratorium porównano z grupą
30 innych polskich laboratoriów. Rozrzut średniej wartości
GZR wyników badania glukozy w całej badanej grupie wy146
nosił od 83,7mg/dL do 96,78 mg/dL ze średnią 90,05 mg/dL.
Zastosowanie metody JEG umożliwiło tego rodzaju dokładną identyfikację poprawności i odchylenia średniej wyników
(z całego roku) od wartości, którą uznano za referencyjną.
Podane średnie można z kolei porównać ze średnią opublikowaną przed 6 laty [11, 17] na podstawie analizy 117 054
wyników badania glukozy z 6 polskich laboratoriów; wynosiła ona 91,26 mg/dL. W omawianym tu laboratorium średnia
obliczona na podstawie 96 131 badań w 2007 r., wyniosła
92,46 mg/dL (ryc.1) Na koniec średnia wartość „normy”
glukozy obliczona z 13 wartości podanych w piśmiennictwie
wyniosła 91,53 mg/dL [11].
Poprawność wyników odgrywa szczególnie istotną rolę przy
próbie harmonizowania wyników na większym obszarze
[18, 21]. W świetle własnych badań [10] nie jest to problem
bezdyskusyjny. Powyżej przedstawiono dane rozrzutu, które
dokumentują zmienność średniej wartości poziomu glukozy
w zależności od geograficznej lokalizacji (?) laboratoriów
[8, 9]. Program JEG posiada funkcję umożliwiającą bardzo
łatwą, automatyczną harmonizację dowolnych zbiorów wyników tego samego składnika surowicy, pytanie jednak, czy
ma to realny sens, zwłaszcza na wielkich i wielostronnie
zróżnicowanych obszarach.
W pewnym sensie „odwrotnością” procesu harmonizacji jest
identyfikacja podzbiorów istotnie różniących się od pozostałej większości. W praktyce jest to przede wszystkim problem
kontrahentów [16]. Chodzi o sytuację, w której duże labora-
J. Janecki
torium współpracuje z licznymi peryferyjnymi punktami pobrań. Problemem jest zarówno kontrola procesu pobierania,
jak i zagadnienie transportu pobranego materiału. Stwierdzenie, że wyniki uzyskiwane w materiale pochodzącym od
konkretnego, zewnętrznego źródła różnią się od pozostałych
jest przy pomocy metod analizy postlaboratoryjnej, w konkretnym przypadku metody JEG, wyjątkowo łatwe. Ciekawe,
że akurat błędy okresu przedlaboratoryjnego, bo o takie tu
chodzi, identyfikuje się łatwo metodami analizy postlaboratoryjnej.
W codziennej pracy lekarza najważniejszą rolę odgrywa dobra odtwarzalność, czyli porównywalność wyników w różnych
momentach czasowych, przed i po kuracji, a także pomiędzy
pacjentami. I znowu trzeba podkreślić, że odtwarzalność
badana metodą JEG dostarcza dokładnie takiej informacji,
w odróżnieniu od odtwarzalności wyników badań materiału kontrolnego metodą IQC, którą ocenia się przygotowanie
laboratorium, a nie wyniki jego pracy. W zakresie odtwarzalności wyników badania glukozy okazało się, że przedstawione tu laboratorium jest, w porównaniu z 30 innymi, bezkonkurencyjne. Podany wyżej współczynnik zmienności WZ%
= 1,968 dotyczy odtwarzalności wartości porcji dziennych.
W tej „konkurencji” następne dobre laboratorium polskie
może się pochwalić wartością WZ% = 3,27%. Ograniczona ilość badań wykonywanych przez laboratoria powoduje,
że w praktyce znacznie częstsza jest ocena odtwarzalności
postlaboratoryjnej w porcjach tygodniowych. W tej grupie
analizowane tu laboratorium uzyskało jeszcze lepszy wynik
WZ% = 1,318, podczas gdy następne miało WZ% = 2,060.
Trzeci składnik Karty Metody to ustalenie „norm laboratoryjnych” dla klas płci i wieku. Jak to przedstawiono wyżej,
problem ten pojawia się w piśmiennictwie od dawna i często.
Doświadczenie pokazuje, że sprawa jest szczególnie ważna
wtedy, gdy klinicyści zauważają niezgodność podawanych
„norm” z własnymi obserwacjami [12, 13]. Wyniki patologiczne mają stosunkowo niewielki wpływ na zakres wartości
prawidłowych uzyskiwanych metodą JEG. We wcześniejszej
publikacji [11] obliczono, że w zakresie referencyjnym ustalanym tą metodą znajduje się od 93,6% wszystkich wyników
oznaczania poziomu sodu, do 52,8% dla GGTP. Dla glukozy
średnia wynosi 70,65%, ale z rozrzutem w różnych laboratoriach od 49,24% do 88,55%. Metoda JEG podaje zakres
wartości najczęściej występujących w badanej populacji.
O korelacji tych wartości z ogólnie przyjętymi normami można mówić wyłącznie na podstawie statystycznego porównania. W cytowanej już publikacji [11] wykonane zostało takie
porównanie danych (MV=2SD, MV, MV+2SD) dla 18 podstawowych parametrów, dokumentując brak statystycznie
istotnych różnic w 96% wyników. Trudność stanowi jednak
samo pojęcie „normy”. Najlepszym tego przykładem jest
cholesterol, gdzie „norma” populacyjna dalece odbiega od
wartości polecanej przez lekarzy. Z glukozą jest nieco podobnie. W tabeli I wytłuszczono wszystkie liczby przekraczające wartość 115 mg/dL, która uznana została za granicę
„normy”. Przyglądając się wartościom podanym w tabeli I,
trudno uniknąć wątpliwości, czy jest to słuszne dla każdej
klasy wieku i płci [4, 8, 9].
Niejeden kierownik laboratorium zadaje sobie pytanie, co
miałby począć z ustalonymi „normami populacyjnymi”, jakie
oferuje zastosowanie metody JEG? W odpowiedzi zapytać
należy, skąd pochodzą wartości referencyjne, które stosował dotychczas. Jeżeli są to wartości wynikające z badań
klinicznych, jak to jest w przypadku glukozy czy cholesterolu,
mają one charakter obligatoryjny, nie podlegający dyskusji
w laboratorium. Wiele jest jednak „norm” podawanych np.
przez producentów zestawu odczynników, które mają charakter orientacyjny. W takim przypadku na pewno lepiej jest
stosować „normy własne”, jeżeli tylko są one oparte na dostatecznie licznym własnym materiale doświadczalnym [12,
13], a takie są wartości referencyjne oferowane przez program JEG.
Wnioski
1. Przedstawiono koncepcję 3-częściowej Karty Metody,
która obejmuje podstawowe elementy oceny wyników
własnej pracy w okresie postlaboratoryjnym.
2. Demonstrację działania metody JEG oparto na analizie
wyników jednego z badanych laboratoriów, które legitymuje się bardzo dobrą jakością pracy.
3. Opisano i omówiono badanie poprawności oraz problem
jego znaczenia w dużych laboratoriach oraz w próbie harmonizacji pracy laboratoriów na większym terenie.
4. Podkreślono kliniczne znaczenie odtwarzalności (a więc
porównywalności) wyników.
5. Opisano sposób budowy tabeli własnych norm dla płci
i klas wieku.
6. Przedyskutowano wszystkie elementy Karty Metody.
Podziękowanie
Uprzejme podziękowanie należy się dr farm. Cecylii Nowickiej z Laboratorium Medycznego Bruss grupy ALAB w Gdyni
za udostępnienie wyników badań wykorzystanych w niniejszym artykule.
Piśmiennictwo
1. Gernand W. Podstawy kontroli jakości badań laboratoryjnych.
Centrum Promocji Nauk Medycznych Lublin 2000; 1-206.
2. Graesbeck R. The evolution of the reference value concept. Clin
Chem Lab Med 2004; 42(7): 692-697.
3. Grossi E, Colombo R, Cavuto S i wsp. The REALAB project: a
new method for the formulation of reference intervals based on
current data. Clin Chem 2005; 51(7): 1232-1240.
4. Henny J, Petitclerc C, Fuentes-Arderiu X i wsp. Need for revisiting the concept of reference values Clin Chem Lab Med 2000;
38(7): 589-595.
5. Hoffmann RG, Waid. ME. The “Average of Normals” method of
quality control Am Jour Clin Path,1965; 43 (8): 134-141.
6. Janecki J. Wizualna analiza rozkładów dużych zbiorów wyników badań laboratoryjnych. Część I: Metoda. Diagn Lab 2000;
36 (4): 439-452. Część II: „Gaussowskie” zakresy referencyjne.
Diagn Lab 2000; 36 (4): 453-461. Część III: Zmienność gaussowskich zakresów referencyjnych oraz praktyczne wykorzystanie metody. Diagn Lab 2000; 36 (4): 463-469.
147
Karta metody. Podstawowy wynik analizy okresu postlaboratoryjnego
7. Janecki J. A computerised graphic method for the extraction of
a gaussian part from the gaussian-like distribution and its application in a medical laboratory. Proc. VII. National Conference on
Appplication of Mathematics in Biology and Medicine. Zawoja,
25-28. Sept. 2001; 67-71.
8. Janecki J. Zastosowanie programu DISTGAU do oznaczania
populacyjnych norm glukozy. XII Krajowa Konferencja Naukowa
Biocybernetyka i Inżynieria Biomedyczna, Warszawa listopad
2001; II: 729-736.
9. Janecki J. Analiza rozkładów zbiorów wyników badania glukozy w populacjach szpitalnych. Część I: Ocena jakości. Diabetol
Pol 2002; 9: 130-136. Część II: Dynamika zmian populacyjnych
norm glukozy w klasach płci i wieku. Diabetol Pol 2002; 9: 137141.
10. Janecki J. Dokładność i harmonizacja w oparciu o bieżące wyniki własnych badań rutynowych każdego laboratorium. Diagn
Lab 2004; 40: 516.
11. Janecki J. Analiza rozkładów wyników badań laboratoryjnych.
Wyznaczanie Gaussowskich Zakresów Referencyjnych. 2004;
IBIB PAN, monografia, 1-209.
12. Janecki J, Urabaniak A, Rau J. Porównanie dużych zbiorów badania panelu tarczycowego (fT3, fT4, TSH). Diagn Lab 2005;
41: 255-262.
13. Janecki J. Laboratoryjne objawy niedoczynności tarczycy w populacji okręgu warszawskiego. Endokrynologia Polska 2005;
56 (1): 35-38.
14. Janecki J. Prosta, komputerowa metoda badania i ustalania
norm biologicznych Materiały XIV Krajowej Konferencji Naukowej Biocybernetyka i Inżynieria Biomedyczna, Częstochowa 2123 IX 2005; II : 735-740.
15. Janecki J, Urbaniak A. Wyznaczanie zakresów referencyjnych
na podstawie wyników własnych badań rutynowych. Diagn Lab
2006; 42: 63-73.
148
16. Janecki J, Góralczyk T. Wielkie laboratoria komercyjne. Problem kontrahentów Diagn Lab 2007; 44: 1-8.
17. Janecki J. Application of statistical features of the Gaussian distribution hidden in sets of unselected medical laboratory results.
Biocybernetics and Biomedical Engineering 2008; 28 (3): 7181.
18. Leclercq R. Interlaboratory quality control using the daily means
of patients’ results. Quality control in clinical chemistry. Walter
de Gruyter. Berlin New York 1975; 21-40.
19. Owen JA, Campbell DG, Fenwick D i wsp. Laboratory quality
control using patients’ results. Clin Chim Acta 1968; 20: 327334.
20. Pryce JD. Level of haemoglobin in whole blood and red bloodcells, and proposed convention for defining normality. Lancet
1960; 2: 333-336.
21. Rustad P, Felding P, Franzson L i wsp. The Nordic reference interval project 2000: recommended reference intervals for common biochemical parameters. Scand J Clin Lab Invest 2004;
64: 271-284.
22. Solberg HE. Using a hospitalized population to establish reference intervals: pros and cons. Clin Chem 1994; 40: 2205-2206.
Adres Autora:
Instytut Biocybernetyki i Inżynierii Biomedycznej PAN
ul. Księcia Trojdena 4
02-109 Warszawa
[email protected]
(Praca wpłynęła do Redakcji: 2009-02-24)
(Praca przekazana do opublikowania: 2009-04-30)