Karta Metody. Podstawowy wynik analizy okresu postlaboratoryjnego
Transkrypt
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)