性能验证@线性可报告范围

性能验证@线性可报告范围

所谓的线性验证，就是对已知的分析物浓度x坐标，与系统检测输出的结果y，成正比的范围。

这个线性并不是定标曲线的线性，这两者一定不能搞混。

不过他们还是有一定联系的，因为所有的结果都是仪器的反应信号通过定标曲线，换算而来，所以我们所有的已知浓度x，在经过了仪器的定标曲线，换算成检测结果y。如果发现了x、y不能在验证的范围内成对应关系(线性)，也就代表着您的检测系统（定标曲线是检测）出现问题了，例如当检测浓度超高时，发生的钩状效应。

因为检测系统在定标的过程中，一般都不会做线性验证这么多数据点的。所以在两点定标的系统中，要定期做线性的验证，来评估系统的状态。（我记得看过一篇文章，说是两点定标的系统推荐半年做一次线性验证）。

说了这么多，那到底线性验证，在临床中在验证什么呢？我的理解，通常还是对高值区间做的验证，如果不能成线性，就代表着，检测系统无法保证，在高值范围的正确性。当然有些检验项目低值也很有意义，例如TSH！

AMR和CRR

我们验证的范围，一般可以分成两种，分析测量范围AMR（analytical measurement range）和临床可报告范围CRR（clinical reportable range），前者是未对患者样本处理，后者是经过可经过了浓缩、稀释等处理的报告范围。有些项目的高值区间，例如HCG对临床的意义就比较大！

验证AMR范围内的线性

那么这里的重点就是如何进行X、Y坐标的各个点的线性验证，有两种方法。

1、平均斜率法，默认认为x、y的关系能形成这样的y=ax+b一阶线性，b是截距的范围，a是斜率，而另一个系数叫做皮尔逊相关系数。

2、多项式回归法，这个方法就略微复杂。其中要进行三步计算和分析：(1) 精密度分析，(2) 计算多项式回归数据表格，(3) 多项式和一次多项式预期及线性偏差。

① 如果偏差较大，发生在头尾的浓度，那么去掉该浓度。

② 重新分析，分析测量范围当然也要去掉偏差较大的点。

这里我的介绍，虽然有点简单，但具体计算过程，则是我碰到的最复杂的。我在请教了好多位老师，有统计学老师、也有其他医院的同行，前后查询了近30年的关于线性验证的所有论文。当时真的觉得卡在了这里了，卡在了对回归系数b2和b3，标准误的计算。

经过了3天的不断探索，最后我还是搞定了，我通过google搜索，最终在excelfunctions.net网站上，发现了可以用linest的拟合函数，它可以计算返回一组数据，其中就有我想要的标准误，我把这个linest封装成了webservice，可以随时调用。

验证了分析测量范围（AMR）后，可以得到AMR的上限和下限。

推算临床可报告范围CRR

有了上面的AMR，就可以进一步的，对系统进行评估，因为有一些超出了AMR范围的标本结果，很多时候也是对临床有意义的。

所以就要对高浓度样本进行稀释，通过回收试验计算回收率。回收率在78.1%-117.2%之内（不同的项目回收率不同，可以查看试剂说明书或联系厂家技术支持获取），认为满足要求。我个人认为，回收率的计算，其实是另一种线性的验证方法。

1、计算稀释的检测浓度低限。选择AMR（接近）上限的标本，进行稀释，观察在不同稀释度的回收率结果。寻找满足回收率要求的，最低检测结果，即为稀释检测的浓度低限。

2、寻找验证最大的稀释倍数，选择（超过）AMR上限的样本，进行稀释，寻找最大的可接受的稀释倍数。

于是，我们就可以得出这样的结论

1、稀释的标本测定值必须大于，稀释检测浓度的低限；

2、AMR上限*最大稀释倍数，可以计算出CRR上限，标本的测定值小于CRR上限时，可以稀释复查；

3、稀释倍数要小于最大稀释倍数。

好了，线性可报告范围也研究明白了。