Kvalitetskontroller fra Radiometer

Like dokumenter
Måleusikkerhet, bruk av kontrollkort og deltakelse i sammenliknende laboratorieprøvinger innen kjemisk prøving

Uncertainty of the Uncertainty? Del 3 av 6

NKK-Workshop. Sveinung Rørstad, Fürst Medisinsk Laboratorium

HbA1c Kvalitetskrav og enheter - hva skjer?

Databehandlingen for de ovennevnte EKV programmene blir utført på samme dataprogram, og utseendet av rapportene blir derfor tilnærmet likt.

Sammenligning av automatiske PM-monitorer i Oslo

Godkjent av: Godkjent fra: Gerd Torvund. Gerd Torvund

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.

Valideringsrapport av P-APTT med STA- PTT A 5 analysert på STA-R Evolution og STA Compact

Hvordan forbedre EKV-program som har metodespesifikk fasit?

Anvendt medisinsk statistikk, vår Repeterte målinger, del II

NA Dok. 26b Dokumentets tittel: Krav til kalibrering og kontroll av termometre for akkrediterte laboratorier.

Måleusikkerhet ved prøvetaking eksempel på en praktisk tilnærming

Egenskap. for enkeltmåling. Test performance. max. kompensert. respiratorisk. acidose. ukompensert. respiratorisk. acidose

Wheel Track Ringanalyse2016

ESTIMATION OF PREANALYTICAL UNCERTAINTY IN CLINICAL CHEMISTRY

Analysering av HbA1c med kromatografisk metode

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 =

Kalibrering og instrument service. Elektrisk - Temperatur - Trykk - Gass - Mekanisk - Vibrasjon

Akkrediteringsdagen Vanlige avvik i Mat-og miljølaboratorier Ann Kristin Lindgaard akl@akkreditert.no

Nasjonal holdbarhetsdatabase

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

CLSI Verification of Comparability of Patient Results Within One Health Care System; Approved Guideline Appendix B. NKK workshop 2013 Pål Rustad

Statistikk og dataanalyse

Validering av analysekvalitet, Del 1. Tester og riktighet

Statistisk prosesskontroll i blodbank

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

Tillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler

Lot-lot variasjon -bakgrunn og forslag til utførelse

Produktbeskrivelse. Accu-Chek Aviva II

Fagbioingeniør Kirsti Holden

EN LITEN INNFØRING I USIKKERHETSANALYSE

Page 1 EN DAG PÅ HELSESTASJONEN. Lises klassevenninnner. Formelen: Du har en hypotese om vanlig høyde

IQC/metodevalidering: Kartlegging av impresisjon og middelverdi (target).

Statistikk En måte å beskrive og analysere fenomener kvantitativt Eva Denison

Kapittel 3: Studieopplegg

Kan vi stole på resultater fra «liten N»?

Kan laboratoriene stole på sine kontrollmaterialer?

Akkrediteringsdag Medisin 2017

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

Fire vanlige PROBLEMER MED TRYKKALIBRERING

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS

Analyse av urin-albumin og urin-albumin/kreatinin-ratio:

Repeterte målinger. Repeterte målinger. Eirik Skogvoll. Gjentatte observasjoner på samme individ:

Fysikalske applikasjoner

NA Dok 26C Krav til kalibrering og kontroll av volumetrisk utstyr for akkrediterte prøvingslaboratorier

Subsea flerfasemåling. Kåre Kleppe Specialist Pipeline Technology SMT PTT FA Statoil ASA Classification: Internal

Repeterte målinger. Repeterte målinger. Eirik Skogvoll

Gasskromatografi og repeterbarhetskrav

Analysekvalitet på urinalbuminanalysen

Klassisk ANOVA/ lineær modell

Krysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.

Repeated Measures Anova.

Kvalitetskontroll av resistensbestemmelse

Obligatorisk oppgave 2

Organisering av PNA på Ahus:

VERIFISERING AV STORE ANALYSESYSTEMER

UNIVERSITETET I OSLO

Løsningsforslag eksamen STAT100 Høst 2010

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Oppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert =

ALT! Hvorfor kvalitetssikring? KVALITETSSIKRING AV MIKROBIOLOGISKE ANALYSER. Pål A. Jenum. Kvalitetssikring. Hva er kvalitetssikring?

Side 1 Versjon

ST0202 Statistikk for samfunnsvitere

Statistikk & dataanalyse: Et eksempel. Frode Svartdal UiT mars 2015

Intern kalibrering av termometre

Forelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind

Analyse av kontinuerlige data. Intro til hypotesetesting. 21. april Seksjon for medisinsk statistikk, UIO. Tron Anders Moger

Test av riktighet med NFKK Reference Serum X utført i danske, islandske og norske laboratorier

Repeterbarhetskrav vs antall Trails V/ Rune Øverland, Trainor Automation AS

HbA1c på DCA 2000 fra Bayer AS Rapport SKUP/1999/4

Mellominstrumentell. Eksempler fra medisinsk biokjemi. Utarbeidet av overlege Sverre Marstein og bioingeniør Torill Odden Sentrallaboratoriet

HØGSKOLEN I STAVANGER

Samkjøring av instrumenter

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

Statistikk & dataanalyse: Et eksempel. Frode Svartdal UiT april 2016

Krav til analysekvalitet Forslag til fremgangsmåte

Egil Kristoffersen & Sønner AS

ST0202 Statistikk for samfunnsvitere

UNIVERSITETET I OSLO

ST0202 Statistikk for samfunnsvitere

Forventninger til industriens utslippskontroll

God nøyaktighet er en kombinasjon av riktighet og presisjon.

Regional forskingskonferanse for Psykiatri og rusfeltet Vår Olav M. Linaker PH, St. Olavs Hospital/INM, NTNU

Eksamen PSY1011/PSYPRO4111: Sensorveiledning

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger

Nytt fra NA. Erik Figenschou Norsk Akkreditering NORSK AKKREDITERING TRYGGHET OG ANNERKJENNELSE

Detaljerte forklaringer av begreper og metoder.

Pålitelighetskontroll av RTK. Geodesidagene 2016 Pål Herman Sund, Even Brøste, Narve Schipper Kjørsvik

Dataanalyse. Hva er en dataanalyse og hvordan gå frem for å gjennomføre en dataanalyse av det innsamlede datagrunnlaget fra en feltundersøkelse?

EKSAMENSOPPGAVER STAT100 Vår 2011

Repeterbarhetskrav vs antall Trails

Transkript:

Kvalitetskontroller fra Radiometer hvordan settes grenser for kvalitetskontroll lot forskjeller: ph, PCO2, PO2, ica og laktat. Anders Terland

Oppsummering Det er flere metoder for å sette grenser Radiometer har valgt å bruke en populasjon av velfungerende instrumenter som oppfyller de krav som er satt for presisjon og nøyaktighet. Radiometer vil da besitte detaljert kunnskap både for kontrollsystemet og for analysatoren som skal benytte systemet. Radiometer produserer kun kontroller til egne instrumenter Målet er å sette effektive grenser som er snevre nok til å fange opp dårlig funksjonalitet, samtidig som velfungerende instrumenter ikke blir ekskludert Sannverdi for Kontrollproduktet blir bestemt ved bruk av godt dokumenterte referansemetoder, slik at det oppnås god metrologisk sporbarhet.

Budsjett av usikkerheter Ved bruk av en populasjon av instrumenter er det lettere å føre et usikkerhetsbudsjett: Disse usikkerhetene kan deles opp i 2 grupper. A. Usikkerhet knyttet til analysator Repeterbarhet for KTR målinger (So) Standardavvik for en serie kontrollanalyser med samme lot og innenfor instrumentets kalibreringsintervall (mellom 2 kalibreringer). Analysator til analysator variasjon (Si) Kalkulert fra intern testing, beregnes deretter statistisk (ANOVA prosedyren). Dag-til-dag variasjon (Sd) Kalkulert fra intern testing gjennom flere dager, beregnes deretter statistisk (ANOVA prosedyren). Usikkerhet fra kalibreringsløsninger (Sst) Her settes det opp et sporbart system for kalibreringsløsningene, hvor kombinasjonen av usikkerhet kalkuleres. Variasjoner som kommer fra omgivelse (st) Kalkulert internt ved bruk av ANOVA prosedyre. Analysene skjer over flere dager, med variasjon i trykk, temperatur og fuktighet i testrommet.

Budsjett av usikkerheter B. Inneholder all usikkerhet som er knyttet til kontrollproduktet Usikkerhet rundt bestemmelse av sannverdi (sa) Bestemmes ved å sette opp sporbart system for QC produkt, hvor usikkerhet for enkelt elementer i kjeden. Usikkerhet rundt kjemisk nedbryting av QC produkt (sh) Kalkuleres fra resultater gitt ved stabilitetstester av QC produktet under R&D fasen. Stabilitet kalkuleres ut fra forskjellen mellom «startverdi» og «sluttverdi», etter oppbevaring ved anbefalt temperatur (ved hjelp av akselerasjonstester) Kombinert usikkerhet A. Usikkerhetsbidrag fra tilfeldig analysator (sy) Usikkerhet fra tilfeldig instrument, ved en tilfeldig valgt tid, med tilfeldig valgte kalibratorer: B. Usikkerhet fra QC produksjon (sr) Denne kombinerte usikkerheten karakteriser standardavvik av en måling av en tilfeldig ampulle, fra en tilfeldig lot. Her benyttes spesifikk analysator med konstant omgivelses betingelser og spesifikk sett av kalibratorer, og blir kalkulert som følger:

Terminologi Sannverdi Hver parameter i hver lot for et Kontrollprodukt har en sannverdi, som bestemmes i samsvar med en arbeidsstandard, en referanse lot, med bruk av forskjellige referansemetoder. Metrologisk avdeling hos Radiometer bestemmer sannverdi, lot [1]. Gitt verdi I motsetning til sannverdi hvor det er en sannverdi per parameter pr QC lot, er det en gitt verdi for hver parameter og instrument type kontroll. Den gitte verdien er senterverdien i kontrollområdet (Mean). Korrelasjonen mellom gitt verdi og sannverdi bestemmes i R&D fasen til kontrollproduktet. Pakningsvedleggets kontrollgrenser Pakningsvedleggets kontrollgrenser beskriver intervallet hvor kontrollresultatet fra et velfungerende instrument vil falle innenfor med 95 % sannsynlighet, og hvor gitt verdi er middelverdien i dette området. Bestemmes i R&D fasen til kontrollproduktet. Bias av sannverdi Forskjellen mellom målt resultat (vist på analysator) og sannverdi for analysen Middel bias av sannverdi, Y Middelverdi for bias av sannverdi, designert Y, er den teoretiske middelverdien bias for sannverdi. Blir funnet når en ideell QC produkt blir testet på populasjonen av instrumenter. Ideelt QC system er definert som QC system som har ubetydelig variasjon sammenliknet med variasjon forårsaket av instrumentene.

Innkjøring på populasjon av instrumenter Det kjøres inn en ideell KTR produkt, usikkerhetsmomentene for dette produktet er ikkesignifikant i forhold til instrumentene. Det blir produsert normalfordelt bias fra de enkelte instrumentene, middelverdi Y og standardavvik sy. Velfungerende instrumenter defineres hvor bias finnes i intervallet [Y 2sy; Y + 2sy]. f(y) er sannsynlighets funksjon, som karakteriserer bias verdien populasjonen av instrumentene.

Innkjøring på populasjon av instrumenter Forkasting av velfungerende instrumenter bli lik eller mindre enn 2.25 % når pakningsvedleggets grenser settes til [(Y 2sy) 2sr); (Y + 2sy) + 2sr)].

Lot forskjeller

Oppsummering Det finnes Lot-til-lot forskjeller. Det skyldes blant annet de faktorer som finnes i usikkerhetsregnskapet, som fuktighet, temperatur, trykk m.m. Pakningsvedleggets grenser er satt slik at 97,5% av alle velfungerende instrumenter skal falle innenfor. Det er videre anbefalt at sluttbruker setter sine egne kontrollgrenser, slik at momenter fra usikkerhetsregnskapet regnes bort (deriblant instrument til instrument forskjeller fjernes). Bruker kan manuelt legge inn grenser, eller instrumentet kan automatisk regne ut grenser ut fra de kontrollanalysene som allerede er kjørt (krever min 20 analyser før utregning). Riileback områder kan benyttes når nye grenser skal legges inn. Alle ABL instrumenter kan meldes gratis inn i WDC: Her sendes kontrolldataen inn til Radiometer, som sender tilbake statistikk på hvordan instrumentet ligger i forhold til tilsvarende instrumenter. Her får man en eksternkontroll på internkontrollene. Det er ikke før egne grenser er satt at man kan gjøre nytte av statistikkprogrammer som Westgaard regler

Mer informasjon?: ate@bergmandiag.no