用于快速检测实验室设备中的故障的计算机化方法和实验室设备与流程

用于快速检测实验室设备中的故障的计算机化方法和实验室设备


技术实现要素：

1.本发明涉及一种用于快速检测实验室设备中的故障的方法和实验室设备。
2.选择和实施质量控制 (qc) 规则是在实验室中确保发布来自患者样品的正确测试结果的关键步骤。更关键的是，要尽可能快地识别故障，以防止发送不正确的结果，并限制必须重新处理的样品数量。
3.当今的实验室设备可能提供几种不同类型的诊断测试，所述测试可达数百种诊断测试（每种诊断测试可能测试特定的物质）。为了保证患者样品的有效测试结果，每次测试都可以使用和监测质量控制 (qc) 样品。针对每次测试选择和实施统计质量控制规则通常是监测质量控制样品的先决条件。
4.设计用于评估实验室设备的统计程序可能包括误差检测的要求（诸如误差检测概率 (p
ed
)）和/或误拒绝的要求，诸如误拒绝概率 (p
fr
)。如果设备出现故障，导致实验室设备处于“失控”状态，则要达成的目标是以高概率检测到所述故障（本领域中的目标通常是 90% 的 p
ed 或“能力”）。然而，如果设备是“可控的”，则程序基于结果识别故障的概率应该很低（目标通常是 5% 或 1% 的p
fr
）。
5.传统上，可使用“westgard 规则”来识别实验室设备中的故障。westgard 规则可能要求在识别失控情况之前进行不必要的运行次数，并且因此可能导致不必要的等待时间，直到结果被认为是可靠的，从而导致额外的成本和患者更长的等待时间。此外，westgard 规则提供了几种没有明确选择过程的替代规则组合，并且因此实施起来很复杂和/或需要大量的训练工作。由于复杂性，westgard 规则可能容易被不正确地地实施。westgard 规则进一步不适用于包括多重诊断测试的样品。
6.特别地，通过用于确定设备中的故障的计算机实现方法来解决现有技术中的不足，所述方法包括以下步骤：a) 接收与待由所述设备处理的质量控制 (qc) 样品的一个或多个 qc 水平 (j) 相关的期望误拒绝概率 (p
̌
fr
)、期望误差检测度量 (e
̌d)，诸如期望误差检测概率 (p
̌
ed
)；b) 将 qc 运行次数 (r) 设置为 1；c) 至少部分地基于 r 来计算误差检测度量 (e
̂d)；d) 确定 e
̂
d 是否低于 e
̌d，并且如果是：则将 r 增加 1，并且重复步骤 c) 至 d)，而如果不是：则至少部分地基于 r 来定义用于确定所述实验室设备中的故障的规则；e) 接收或收集标准化 qc 结果，优选从所述设备生成的 qc 样品的至少 r 次运行中接收或收集；f) 将步骤 d) 中定义的所述规则应用于所述标准化 qc 结果；g) 如果所述标准化 qc 结果符合所述规则，则确定出所述设备中的故障。
7.优点包括简化和快速检测实验室测试设备中的故障。优点进一步包括统计规则的
改进设计，以更少的运行快速识别实验室设备中的故障。快速识别故障通过防止将不正确的结果发送给临床医生来提高患者的安全性，并允许对时间紧迫的样品进行早期确定。此外，设计简单，并且可以更容易地自动化，便于使用并增加安全性。本发明还适用于执行多重诊断测试的设备。
8.步骤 e) 中接收或收集的标准化 qc 结果可以从非标准化 qc 测试结果中生成。这些 qc 测试结果和患者样品可由实验室设备一起测量。
9.在一个实施例中，步骤 d) 中定义的所述规则包括与平方距离 (d2) 的比较，其中 d
2 优选从以下中心卡方分布导出d
2 = c-1
(1
ꢀ‑ꢀ
p
̌
fr
; df),其中 df = j x r；或替代地从霍特林的 t 平方分布导出；并且其中步骤 f) 优选地包括针对 qc 水平的 j 数和优选最新运行的 r 数计算马氏距离 (m)，并且在步骤 f) 中应用所述规则包括确定 m 是否等于或大于 d2。
10.所述马氏距离 (m) 由以下等式导出：其中 z
jr 是从 qc 水平 j 和运行 r 得出的所述标准化 qc 结果；并且其中 z
jr 优选由以下等式给出：z
jr = (x
jr
ꢀ‑ꢀµj)/ σj其中 x
jr 是从 qc 水平 j 和运行 r 得出的 qc 测试结果，且
µ
j 是可控中心趋势，诸如平均值或中值，并且 σ
j 是与 qc 水平 j 相关的离差诸如标准偏差或四分位差的可控度量，并且其中
ꢀµ
j 和 σ
j 优选从设备验证测试结果导出。
11.优点包括单一简单的规则，所述规则可以在很少运行的情况下安全地自动检测实验室设备中的故障。
12.非标准化 qc 测试结果可以通过从非标准化 qc 测试结果中减去可控中心趋势/偏差 (σj) 并将减法的结果除以每个 qc 水平 j 的离差/标准偏差 (
µj) 来标准化。
13.可控偏差和可控可变性可以从每个 qc 水平的验证测试结果中计算出来。这些验证 qc 结果可被视为可控的（即在不受失控故障影响的情况下测量）。验证 qc 结果可以是至少 20 个或至少 10 个初始验证 qc 结果，用于导出可控偏差（例如 qc 测试结果的平均值）和可控标准偏差（例如验证 qc 测试结果的标准偏差）。验证 qc 结果以及 qc 测试结果可能具有多元正态分布，在 qc 水平和运行之间具有低或零相关性。
14.在一个实施例中，e
̌
d 与期望系统误差检测概率 (p
̌sed
) 和临界系统误差 (δ
secrit
) 相关，其中 δ
secrit 可以被定义为 ，其中
ꢀꢀ
作为计算为
ꢀꢀ
的标准正态分布的分位数，并且
ꢀꢀ
被定义为 ，其中
ꢀꢀ
为偏差且
ꢀꢀ
为在所有 qc 水平上聚合的不精确性，并且
ꢀꢀ
为可允许总误差；其中 e
̂
d 包括系统误差检测 (p
̂
sed
)，并且步骤 c) 中的计算包括从非中心卡方分布的累积分布函数 h(d2; df, ncp) 导出 p
̂
sed
，其中 ncp = j x r x δ
secrit2
；并且其中步骤 d) 包括确定 p
̂
sed 是否低于 p
̌
sed
。
15.优点包括可以有效识别实验室设备中的故障的方法，所述故障会导致测试结果的变化。
16.临界系统误差 (δ
secrit
) 可以定义为，其中作为计算为
ꢀꢀ
的标准正态分布的分位数（在时，分位数为约 1.65）。σ 度量可以在 qc 测量过程处可控时指定偏离可允许总误差上限的标准偏差的数量。σ 度量可以正式定义为 ，其中
ꢀꢀ
作为偏差，且
ꢀꢀ
作为在所有 qc 水平上聚合的标准偏差。
17.在一个实施例中，e
̌
d 与期望随机误差检测概率 (p
̌
red
) 和临界随机误差 (δ
recrit
) 相关，其中 δ
recrit 可以被定义为 ，其中
ꢀꢀ
作为计算为
ꢀꢀ
的标准正态分布的分位数，并且
ꢀꢀ
被定义为 ，其中
ꢀꢀ
作为偏差且
ꢀꢀ
作为在所有 qc 水平上聚合的不精确性；其中 e
̂
d 包括随机误差检测 (p
̂
red
)，并且步骤 c) 中的计算包括从 γ 分布的累积分布函数 g(d2; sh, sc) 导出 p
̂
red
，其中 sh = (j x r)/2 且 sc = 2 x δ
recrit2
；并且其中步骤 d) 包括确定 p
̂
red 是否低于 p
̌
red
。
18.优点包括可以有效识别实验室设备中的故障的方法，所述故障会导致测试结果的不精确性增加。
19.在 e
̌
d 与期望随机误差检测概率 (p
̌
red
) 和期望系统误差检测概率 (p
̌sed
) 相关的情况下，确定（在步骤 d) 中）可以包括确定 p
̂
sed 是否低于 p
̌
sed 且 p
̂
red 是否低于 p
̌
red
，或是否满足这些条件中的至少一者。
20.在一个实施例中，步骤 a) 进一步包括接收最大运行次数 (r
max
)；其中步骤 d) 进一步包括确定是否 r 》 r
max
，并且如果是：则确定没有找到规则；且其中在 j=2 时，r
max 优选为 4，并且其中在 j=3 时，r
max 优选为 2。
21.在一个实施例中，每次运行从一个、两个或更多个、优选少于 100 个不同的诊断测试 (i) 生成数据；其中步骤 g) 进一步包括将校正函数应用于所述期望误拒绝概率 (p
̌
fr
)；并且其中所述校正函数优选为p
̌
fr / i 或1
ꢀ‑ꢀ
(1
ꢀ‑ꢀ
p
̌
fr
)
1/i
。
22.在一个实施例中，步骤 b) 至 g) 针对每个诊断测试分别进行；并且如果与所述测试中的任一者相关的标准化 qc 结果不符合对应规则，则确定所述设备中存在故障。
23.优点包括检测失控条件的速度加快，其中使用 qc 样品测量几个诊断测试。
24.在一个实施例中，响应于在步骤 g) 中确定出故障，所述方法进一步包括h) 中断测量过程和/或阻止结果，诸如在 r 或 r+1 次最新 qc 运行后生成的结果。
25.优点包括提高患者安全性。在实验室设备利用所谓的括号内 qc 策略时，括号可以是两次 qc 事件之间的患者样品。实验室可以保留括号的 r 数，直到后续 qc 事件过去。如果在 qc 事件后检测到故障，则 r 数的最新括号患者结果可能会被阻止并被确定为不可靠。
26.特别地，所述目标通过用于确定所述设备中的故障实验室设备来解决，优选地通过实施根据前述权利要求中任一项所述的方法，所述设备包括：
规则生成器单元；规则应用单元；和测试结果生成单元，其用于生成与至少一个 qc 水平 (j) 相关并且与至少一个、优选两个或更多个不同测试 (i) 相关的结果；其中所述设备包括用于进行以下的装置：a) 由所述规则生成器单元接收与质量控制 (qc) 样品的一个或多个 qc 水平 (j) 相关的期望误拒绝概率 (p
̌
fr
) 和期望误差检测率 (e
̌d)，诸如期望误差检测概率 (p
̌
ed
)；b) 由所述规则生成器单元将运行次数 (r) 设置为 1；c) 由所述规则生成器单元至少基于 r 来计算误差检测率 (e
̂d)；d) 由所述规则生成器单元确定 e
̂
d 是否低于 e
̌d，并且如果是：则将 r 增加 1，并且重复步骤 c) 至 d)，而如果不是：则至少部分地基于 r 来定义用于确定所述实验室设备中的故障的规则；e) 由所述规则应用单元收集标准化 qc 结果，优选从由所述测试结果生成单元生成的 qc 样品的至少 r 次运行导出；f) 由所述规则应用单元将步骤 d) 中定义的所述规则应用于步骤 e) 中收集的所述标准化 qc 结果；g) 如果所述标准化 qc 结果符合所述规则，则由所述规则应用单元确定所述设备中的故障。
27.优点包括简化和快速检测实验室设备中的故障。优点进一步包括统计规则的改进设计，以更少的运行快速识别实验室设备中的故障。
28.在一个实施例中，所述设备进一步包括显示器；其中当所述规则应用单元确定所述设备中存在故障时，使所述显示器指示所述设备中存在故障。
29.优点包括向实验室人员发出信号，通知实验室设备中存在故障，导致患者样品失控，以及一定量的患者样品（诸如最新 r 或 r+1 qc 事件后的那些）不可靠。实验室设备还可以经由有线和/或无线通信向受影响的实验室人员、临床医生和/或患者发送消息，所述消息指示故障和/或不可靠的结果和/或用于提供可靠结果的延迟估计。
30.在一个实施例中，每次运行从两个或更多个、优选少于 100 个不同的诊断测试 (i) 生成数据；其中步骤 g) 进一步包括将校正函数应用于所述期望误拒绝概率 (p
̌
fr
)；其中所述校正函数优选地包括p
̌
fr / i 或1
ꢀ‑ꢀ
(1
ꢀ‑ꢀ
p
̌
fr
)
1/i
；且其中步骤 b) 至 g) 针对每个诊断测试分别进行；并且如果与所述测试中的任一者相关的所述标准化 qc 结果不符合对应规则，则确定所述设备中存在故障。
31.优点包括检测失控条件的速度加快，其中在每个 qc 样品测量几个诊断测试。
32.在一个实施例中，所述显示器指示不符合所述规则的所述标准化 qc 结果与所述
不同诊断测试中的哪一者相关。
33.当针对每个诊断测试分别应用规则时，实验室设备可能会在显示器上指示哪些诊断测试受到失控故障的影响。这有助于定位和校正故障。
34.在一个实施例中，显示器指示检测到的故障是系统误差或是随机误差。受随机误差故障影响的 qc 结果的中心趋势（诸如平均值）可能不会显著偏离可控中心趋势（诸如平均值），而受系统故障影响的 qc 结果的中心趋势（诸如平均值）可能会导致显著偏离可控平均值的中心趋势（诸如平均值）。
35.受随机误差故障影响的 qc 结果的离差（诸如标准偏差）可能显著偏离可控离差（诸如标准偏差）。受系统误差故障影响的 qc 结果的离差（诸如标准偏差）可能不会显著偏离可控离差（诸如标准偏差）。
36.因此，失控 qc 结果的中心趋势和/或离差可用于确定故障类型（系统或随机）。错误类型的指示可以帮助定位和校正故障。
37.在一个实施例中，所述设备响应于在步骤 g) 中确定出故障，进一步包括用于进行以下的装置：h) 中断测量过程和/或阻止结果，诸如在 r 或 r+1 次最新 qc 运行后生成的结果。
38.优点包括提高患者安全性。在实验室设备利用所谓的括号内 qc 策略时，括号可以是两次 qc 事件之间的患者样品。实验室可以保留括号的 r 数，直到后续 qc 事件过去。如果在 qc 事件后检测到故障，可能会阻止保留最新括号的 r 数的患者样品。
39.特别地，所述目标通过包括指令的计算机可读介质来实现，所述指令当被计算机执行时，使计算机执行上述方法中的一者的步骤。
40.所述介质的益处和优点等同于或类似于上述方法的优点。
41.下面，参考附图描述本发明的实施例，其中图 1 示出了用于确定实验室测试设备故障的方法的步骤；图 2 示出了根据本发明实施例的实验室设备。
42.图 1 示出了用于确定实验室设备故障的方法。所述方法可以包含以下步骤：接收 110 与待由设备处理的质量控制 (qc) 样品的一个或多个 qc 水平 (j) 相关的期望误拒绝概率 (p
̌
fr
) 和期望误差检测率 (e
̌d)，诸如期望误差检测概率 (p
̌
ed
)；将运行次数 (r) 设置 120 为 1 ；至少部分地基于 r 来计算 130 误差检测率 (e
̂d)；确定 140 e
̂
d 是否低于 e
̌d，并且如果是：则将 r 增加 150 1，并重复步骤 c) 至 d),而如果不是：则至少部分地基于 r 来定义 160 用于确定实验室设备中的故障的规则；优选地从由设备生成的 qc 样品的至少 r 次运行中接收或收集 170 标准化 qc 结果；将步骤 d) 中定义的规则应用 180 于标准化 qc 结果；以及如果标准化 qc 结果符合规则，则确定 190 设备中的故障。所述方法可以进一步任选地包括中断 195 测量过程和/或阻止结果，诸如在最近 r 或 r+1 次 qc 运行后生成的结果。
43.计算 130 误差检测度量 (e
̂d)的步骤可以包括以下任一者或分别地全部：从非中心卡方分布的累积分布函数 h(d2; df, ncp) 来计算系统误差检测 (p
̂
sed
)，其中 ncp = j x r x δ
secrit2
，并从 γ 分布的累积分布函数 g(d2; sh, sc) 来计算随机误差检测 (p
̂
red
)，其中 sh = (j x r)/2 且 sc = 2 x δ
recrit2
。
44.根据系统误差检测 (p
̂
sed
) 和/或随机误差检测 (p
̂
red
) 是否作为目标，确定140 e
̂
d 是否低于 e
̌
d 的步骤可以包括：确定 p
̂
sed 是否低于 p
̌
sed
，和/或 p
̂
red 是否低于 p
̌
red
。如果是，则将 r 增加 150 1，并重复步骤 130 至 140，而如果不是，则至少部分基于 r 来定义 160 用于确定实验室设备中的故障的规则。
45.接收或收集步骤 170 可以包括通过公式 z
jr = (x
jr
ꢀ‑ꢀµj)/ σ
j 标准化 qc 测试结果，其中 x
jr 是从 qc 水平 j 和运行 r 得到的非标准化（原始）qc 测试结果，
µ
j 可以是可控平均值，并且 σ
j 可以是与 qc 水平 j 相关的可控标准偏差。运行 r = 1 至 r 是 r 最新运行。
46.应用 180 所述规则可以包括确定马氏距离 (m) 是否由等式给出，等于或大于平方距离 (d2)。d
2 可以从中心卡方分布d
2 = c-1 (1
ꢀ‑ꢀ
p
̌
fr
; df)导出，其中 df = j x r，或者 d
2 可以从霍特林的 t 平方分布 d
2 = t2(1
ꢀ‑ꢀ
p
̌
fr
, df) 导出，其中 df = j x r。
47.图 2 示出了根据本发明实施例的实验室设备 200。实验室设备可以包括：规则生成器单元 210；规则应用单元 220；和测试结果生成单元 230。实验室设备可以进一步任选地包括显示器 240。
48.验证样品、qc 样品和患者样品可被插入测试结果生成单元 230 以生成测试结果。规则生成器单元 210 可以适于接收对期望误拒绝概率 (p
̌
fr
) 和期望误差检测度量 (e
̌d) 的要求，并生成如上所述的规则。
49.规则应用单元 220 可以适于接收或生成标准化 qc 结果，并应用如上所述由规则生成器单元 210 生成的规则来确定实验室设备中是否存在故障。如上所述，显示器 240 可用于向用户显示信息。