مقدمه؛ چرا نمودار لوی جنینگ در کنترل کیفی داخلی آزمایشگاه مهم است؟

کنترل کیفی داخلی آزمایشگاه فقط یک کار روزانه و فرمالیته برای پر کردن فرم‌ها نیست. هدف اصلی کنترل کیفی داخلی این است که قبل از گزارش نتایج بیماران، مطمئن شویم سیستم آزمایشگاهی شامل دستگاه، معرف، کالیبراسیون، ماده کنترل، اپراتور و شرایط محیطی در وضعیت قابل قبول قرار دارد.

در عمل، یک نتیجه اشتباه آزمایشگاهی می‌تواند باعث تشخیص اشتباه، درمان نامناسب، تکرار غیرضروری آزمایش، نگرانی بیمار، افزایش هزینه درمان و حتی تصمیم‌گیری بالینی خطرناک شود. به همین دلیل، کنترل کیفی داخلی آزمایشگاه یکی از مهم‌ترین ابزارهای حفظ ایمنی بیمار است.

یکی از ساده‌ترین و در عین حال قدرتمندترین ابزارها در کنترل کیفی داخلی، نمودار لوی جنینگ یا Levey-Jennings Chart است. این نمودار به کارشناس آزمایشگاه کمک می‌کند نتیجه کنترل روزانه را فقط به‌صورت یک عدد جداگانه نبیند، بلکه آن را در کنار نتایج قبلی تحلیل کند. به زبان ساده، نمودار لوی جنینگ نشان می‌دهد که آیا نتایج کنترل در اطراف میانگین پایدار هستند یا الگوی خطا، شیفت، ترند یا خروج از کنترل دیده می‌شود.

در منابع معتبر کنترل کیفی آزمایشگاه، از جمله راهنماهای CLSI برای کنترل آماری کیفیت، منابع آموزشی Westgard و منابع آموزشی Bio-Rad، نمودار Levey-Jennings یکی از ابزارهای اصلی پایش آماری کنترل‌های آزمایشگاهی معرفی شده است. CLSI C24 نیز به اصول طراحی و اجرای کنترل کیفیت آماری برای روش‌های کمی آزمایشگاهی می‌پردازد. مشاهده منبع CLSI C24

نمودار لوی جنینگ چیست؟ تعریف Levey-Jennings Chart

نمودار لوی جنینگ یک نمودار کنترل آماری است که برای پایش نتایج مواد کنترل در آزمایشگاه استفاده می‌شود. در این نمودار، نتایج کنترل کیفی داخلی در طول زمان ثبت می‌شوند تا مشخص شود سیستم آزمایشگاهی در وضعیت پایدار قرار دارد یا خیر.

در پاسخ ساده به سؤال «نمودار لوی جنینگ چیست؟» می‌توان گفت:

در این نمودار:

در یک نمودار Levey-Jennings، اگر سیستم پایدار باشد، بیشتر نقاط کنترل باید اطراف میانگین و در محدوده قابل قبول قرار بگیرند. اما اگر نقاط به‌صورت غیرطبیعی از محدوده خارج شوند یا الگوی خاصی مثل حرکت تدریجی به بالا، تجمع در یک سمت میانگین یا تغییر ناگهانی سطح نتایج ایجاد شود، باید احتمال وجود خطا بررسی شود.

چرا نمودار لوی جنینگ در آزمایشگاه مهم است؟

اهمیت نمودار لوی جنینگ در این است که عدد QC را به یک ابزار قابل تفسیر تبدیل می‌کند. اگر کارشناس آزمایشگاه فقط عدد کنترل را با محدوده مجاز مقایسه کند، ممکن است بعضی خطاها دیر تشخیص داده شوند. اما وقتی همان عدد روی نمودار کنترل کیفی آزمایشگاه ثبت می‌شود، الگوی تغییرات قابل مشاهده خواهد بود.

کاربردهای اصلی نمودار لوی جنینگ در کنترل کیفی داخلی آزمایشگاه

• پایش عملکرد روزانه دستگاه
• بررسی پایداری معرف و کیت
• شناسایی زودهنگام خطاهای تصادفی و سیستماتیک
• تشخیص تغییرات تدریجی یا ناگهانی در نتایج کنترل
• تصمیم‌گیری درباره پذیرش یا رد نتایج بیماران
• مستندسازی کنترل کیفی داخلی آزمایشگاه
• کمک به رعایت الزامات اعتباربخشی و استانداردهای آزمایشگاهی
• بررسی عملکرد کنترل نرمال و کنترل پاتولوژیک
• تحلیل اثر تغییر بچ کنترل، کیت یا کالیبراتور
• کمک به تفسیر قوانین وستگارد

استاندارد ISO 15189:2022 به الزامات کیفیت و صلاحیت آزمایشگاه‌های پزشکی می‌پردازد و برای توسعه سیستم مدیریت کیفیت و ارزیابی صلاحیت آزمایشگاه‌ها کاربرد دارد. کنترل کیفی داخلی، مستندسازی، پایش عملکرد و اقدام اصلاحی از اجزای مهم چنین سیستم‌هایی هستند. مشاهده منبع ISO 15189:2022

اجزای اصلی نمودار لوی جنینگ؛ Mean، SD و CV در کنترل کیفی

برای تفسیر نمودار لوی جنینگ باید اجزای اصلی آن را بشناسیم. بدون درک میانگین، SD، CV و محدوده‌های کنترلی، رسم نمودار به‌تنهایی کافی نیست.

1. میانگین یا Mean

میانگین یا Mean مقدار مرکزی نتایج کنترل است. وقتی یک ماده کنترل را چندین بار اندازه‌گیری می‌کنیم، میانگین نتایج نشان می‌دهد که مقدار مورد انتظار کنترل در سیستم آزمایشگاه ما چقدر است.

فرمول میانگین:

مثلاً اگر نتایج کنترل گلوکز برابر 98، 100، 102، 100 و 101 mg/dL باشد:

Mean = 501 ÷ 5 = 100.2 mg/dL

در نمودار لوی جنینگ، خط مرکزی همان میانگین است.

2. انحراف معیار یا Standard Deviation

انحراف معیار یا Standard Deviation / SD نشان می‌دهد نتایج کنترل چقدر در اطراف میانگین پراکنده هستند.

اگر SD کم باشد، نتایج نزدیک به هم هستند و دقت تکرارپذیری بهتر است. اگر SD زیاد باشد، پراکندگی نتایج بیشتر است و احتمال مشکل در دقت، روش، دستگاه، معرف یا اپراتور باید بررسی شود.

در کنترل کیفی آزمایشگاه، SD برای تعیین محدوده‌های کنترلی استفاده می‌شود:

• Mean ± 1SD
• Mean ± 2SD
• Mean ± 3SD

3. ضریب تغییرات یا CV%

ضریب تغییرات یا Coefficient of Variation / CV% میزان پراکندگی نتایج را نسبت به میانگین نشان می‌دهد. CV به‌خصوص زمانی مفید است که بخواهیم عملکرد چند تست یا چند سطح کنترل را با هم مقایسه کنیم.

فرمول CV:

مثلاً اگر میانگین کنترل 100 و SD برابر 2 باشد:

CV% = (2 ÷ 100) × 100 = 2%

هرچه CV کمتر باشد، دقت تکرارپذیری بهتر است؛ اما «قابل قبول بودن CV» به نوع آزمون، نیاز بالینی، مشخصات عملکردی روش، معیارهای کیفیت و سیاست آزمایشگاه بستگی دارد.

4. خط مرکزی

خط مرکزی نمودار Levey-Jennings همان میانگین نتایج کنترل است. تمام نقاط کنترل نسبت به این خط بررسی می‌شوند. در حالت ایده‌آل، نقاط کنترل باید به‌صورت طبیعی و تصادفی در اطراف این خط پخش شوند.

5. محدوده ±1SD

محدوده ±1SD نزدیک‌ترین محدوده به میانگین است. در یک سیستم پایدار، تعداد زیادی از نقاط کنترل در این محدوده قرار می‌گیرند. قرار گرفتن نقطه خارج از ±1SD به‌تنهایی معمولاً نشانه خطا نیست.

6. محدوده ±2SD

محدوده ±2SD در کنترل کیفی اهمیت زیادی دارد. خروج یک نقطه از ±2SD معمولاً به‌عنوان هشدار در نظر گرفته می‌شود، نه الزاماً رد قطعی ران. در قوانین وستگارد، قانون 1-2s معمولاً نقش Warning Rule دارد.

7. محدوده ±3SD

خروج یک نقطه از ±3SD معمولاً وضعیت جدی‌تری است و اغلب به‌عنوان رد کنترل یا Rejection Rule در نظر گرفته می‌شود. در قوانین وستگارد، قانون 1-3s معمولاً نشانه خروج ران از کنترل است.

8. نقاط کنترل

هر نقطه روی نمودار، نتیجه یک بار اجرای ماده کنترل است. این نقطه می‌تواند مربوط به یک روز، یک شیفت، یک ران کاری یا یک سری کاری مشخص باشد.

9. کنترل نرمال و پاتولوژیک

در بسیاری از آزمون‌ها، آزمایشگاه حداقل از دو سطح کنترل استفاده می‌کند:

• کنترل نرمال: مقداری نزدیک به محدوده طبیعی بیماران دارد.
• کنترل پاتولوژیک: مقداری خارج از محدوده طبیعی یا نزدیک به محدوده تصمیم‌گیری بالینی دارد.

استفاده از فقط یک سطح کنترل ممکن است بخشی از خطاهای روش را نشان ندهد. به همین دلیل، در بسیاری از تست‌های کمی، کنترل سطح یک و سطح دو یا حتی سطح سه استفاده می‌شود.

10. کنترل سطح یک، سطح دو و سطح سه

در بعضی آزمون‌ها، کنترل‌ها به‌صورت Level 1، Level 2 و Level 3 تعریف می‌شوند.

نحوه محاسبه میانگین، SD و CV در کنترل کیفی برای رسم نمودار لوی جنینگ

برای رسم نمودار لوی جنینگ، ابتدا باید محدوده آماری کنترل را مشخص کنیم. برای این کار معمولاً از داده‌های اولیه کنترل استفاده می‌شود. در بسیاری از آزمایشگاه‌ها، جمع‌آوری حداقل 20 نتیجه کنترل اولیه برای محاسبه میانگین و SD یک رویکرد عملی رایج است؛ اما تعداد دقیق و روش اعتبارسنجی باید با سیاست کیفیت آزمایشگاه، دستورالعمل سازنده، الزامات اعتباربخشی و نوع آزمون هماهنگ باشد.

مثال ساده محاسبه Mean، SD و CV

فرض کنیم برای یک کنترل گلوکز، 20 نتیجه اولیه زیر به دست آمده است:

در این مثال:

• Mean = 100 mg/dL
• SD = 2 mg/dL
• CV% = 2%

بنابراین محدوده‌های کنترلی به شکل زیر محاسبه می‌شوند:

پس در نمودار لوی جنینگ این تست، خط مرکزی روی 100، خطوط ±1SD روی 98 و 102، خطوط ±2SD روی 96 و 104 و خطوط ±3SD روی 94 و 106 قرار می‌گیرند.

آموزش مرحله‌به‌مرحله رسم نمودار لوی جنینگ

برای رسم نمودار لوی جنینگ، بهتر است مراحل به‌صورت منظم انجام شود. اشتباه در هر مرحله می‌تواند باعث تفسیر غلط QC شود.

مرحله 1: انتخاب ماده کنترل مناسب

ابتدا باید ماده کنترل مناسب برای آزمون انتخاب شود. ماده کنترل باید تا حد امکان شبیه نمونه بیمار باشد و سطح غلظتی آن با محدوده بالینی مهم آزمون تناسب داشته باشد.

برای مثال:

• برای گلوکز بهتر است کنترل نرمال و پاتولوژیک استفاده شود.
• برای PT و PTT بهتر است کنترل نرمال و غیرطبیعی استفاده شود.
• برای TSH بهتر است کنترل‌هایی انتخاب شوند که محدوده‌های مهم تصمیم‌گیری بالینی را پوشش دهند.

مرحله 2: جمع‌آوری داده‌های اولیه کنترل

برای تعیین میانگین و SD داخلی، باید کنترل در شرایط واقعی آزمایشگاه اجرا شود. استفاده مستقیم از محدوده بروشور کنترل بدون بررسی داخلی، یکی از خطاهای رایج است.

محدوده بروشور معمولاً از داده‌های چند مرکز، چند دستگاه، چند روش یا چند سیستم مختلف به دست آمده است و ممکن است با عملکرد واقعی آزمایشگاه شما دقیقاً منطبق نباشد.

مرحله 3: محاسبه میانگین

پس از جمع‌آوری داده‌ها، میانگین نتایج محاسبه می‌شود. این عدد خط مرکزی نمودار را تشکیل می‌دهد.

مرحله 4: محاسبه SD

بعد از محاسبه میانگین، SD محاسبه می‌شود. SD نشان می‌دهد نتایج کنترل چقدر در اطراف میانگین پراکنده هستند.

مرحله 5: تعیین خطوط ±1SD، ±2SD و ±3SD

پس از محاسبه Mean و SD، خطوط کنترلی ساخته می‌شوند:

• +1SD = Mean + 1SD
• -1SD = Mean – 1SD
• +2SD = Mean + 2SD
• -2SD = Mean – 2SD
• +3SD = Mean + 3SD
• -3SD = Mean – 3SD

مرحله 6: رسم محور افقی و عمودی

محور افقی معمولاً نشان‌دهنده زمان، روز، شیفت یا شماره ران است. محور عمودی نشان‌دهنده مقدار کنترل است.

مرحله 7: ثبت روزانه نتایج کنترل

هر بار که کنترل اجرا می‌شود، نتیجه آن روی نمودار ثبت می‌شود. بهتر است نتایج رد شده هم ثبت شوند. حذف نتایج نامطلوب از نمودار باعث پنهان شدن خطا و از بین رفتن ارزش مستندسازی می‌شود.

مرحله 8: بررسی الگوی نقاط و تصمیم‌گیری

بعد از ثبت نتایج، باید فقط به یک عدد نگاه نکنیم. باید الگوی نقاط، فاصله از میانگین، جهت حرکت، تکرار خطا، قوانین وستگارد و سوابق قبلی بررسی شود.

آموزش رسم نمودار لوی جنینگ در اکسل؛ نحوه رسم Levey-Jennings Chart در Excel

رسم نمودار لوی جنینگ در اکسل یکی از ساده‌ترین روش‌ها برای آزمایشگاه‌هایی است که نرم‌افزار اختصاصی QC ندارند.

ساخت جدول در Excel

ابتدا یک جدول با ستون‌های زیر ایجاد کنید:

در این جدول، ستون نتیجه QC هر روز تغییر می‌کند، اما ستون‌های Mean و SD باید برای تمام ردیف‌ها ثابت باشند؛ مگر اینکه بچ کنترل تغییر کند یا محدوده داخلی جدیدی اعتبارسنجی شود.

مراحل رسم نمودار در اکسل

1. ستون تاریخ و تمام ستون‌های عددی را انتخاب کنید.
2. از منوی Insert گزینه Line Chart را انتخاب کنید.
3. نتیجه QC به‌صورت خط یا نقطه متحرک نمایش داده می‌شود.
4. خطوط Mean، +1SD، -1SD، +2SD، -2SD، +3SD و -3SD باید به‌صورت خطوط ثابت روی نمودار دیده شوند.
5. بهتر است خط Mean و خطوط SD از نظر ضخامت یا نوع خط قابل تشخیص باشند.
6. عنوان نمودار، نام تست، سطح کنترل، شماره بچ کنترل، دستگاه و تاریخ شروع نمودار را مشخص کنید.

تفسیر نمودار لوی جنینگ؛ چگونه نتایج QC را تحلیل کنیم؟

تفسیر نمودار لوی جنینگ فقط این نیست که ببینیم یک نقطه داخل یا خارج از محدوده است. تفسیر درست یعنی بررسی الگوی کلی نقاط.

1. نقاط پراکنده اطراف میانگین

اگر نقاط کنترل به‌صورت تصادفی در دو طرف میانگین و بیشتر در محدوده ±2SD قرار گرفته باشند، معمولاً سیستم پایدار است.

این الگو نشان می‌دهد تغییرات مشاهده‌شده احتمالاً ناشی از تغییرات طبیعی و قابل قبول روش هستند.

2. خروج یک نقطه از ±2SD

خروج یک نقطه از ±2SD معمولاً هشدار است. این وضعیت با قانون 1-2s در قوانین وستگارد مرتبط است.

اما یک نقطه خارج از ±2SD به‌تنهایی همیشه به معنی رد قطعی ران نیست. باید بررسی شود که آیا سایر سطوح کنترل هم مشکل دارند؟ آیا همین الگو در روزهای قبل وجود داشته؟ آیا قانون دیگری هم نقض شده است؟

3. خروج یک نقطه از ±3SD

اگر یک نقطه از محدوده ±3SD خارج شود، احتمال خطا جدی است. این وضعیت معمولاً با قانون 1-3s شناخته می‌شود و در بسیاری از برنامه‌های QC باعث رد ران می‌شود.

در این حالت، گزارش نتایج بیماران بدون بررسی علت خطا منطقی و قابل دفاع نیست.

4. تجمع نقاط در یک سمت میانگین

اگر چندین نقطه پشت سر هم در یک سمت میانگین قرار بگیرند، حتی اگر همگی داخل محدوده ±2SD باشند، احتمال خطای سیستماتیک مطرح می‌شود.

این وضعیت می‌تواند نشانه Shift باشد؛ یعنی سطح نتایج نسبت به قبل جابه‌جا شده است.

5. حرکت تدریجی نقاط به سمت بالا یا پایین

اگر نقاط کنترل به‌تدریج به سمت بالا یا پایین حرکت کنند، با الگوی Trend روبه‌رو هستیم. ترند ممکن است به دلیل تغییر تدریجی عملکرد دستگاه، افت کیفیت معرف، تغییر شرایط محیطی یا مشکل نگهداری ایجاد شود.

6. افزایش پراکندگی نقاط

اگر نقاط کنترل نسبت به گذشته پراکندگی بیشتری پیدا کنند، احتمال خطای تصادفی یا کاهش دقت مطرح می‌شود.

مثلاً نتایج یک روز نزدیک +2SD، روز بعد نزدیک -2SD و روز بعد دوباره نزدیک +2SD قرار بگیرند. این وضعیت ممکن است ناشی از پیپتاژ نامناسب، مشکل اپراتور، حباب، ناپایداری دستگاه یا مشکل در ماده کنترل باشد.

7. تغییر ناگهانی سطح نتایج

اگر نتایج کنترل ناگهان از اطراف میانگین قبلی به سطح جدیدی منتقل شوند، احتمال Shift وجود دارد. این اتفاق معمولاً بعد از تغییر بچ معرف، کالیبراسیون جدید، سرویس دستگاه، تعویض قطعه یا تغییر بچ کنترل دیده می‌شود.

خطای تصادفی و خطای سیستماتیک در نمودار لوی جنینگ

در تفسیر نمودار لوی جنینگ، تشخیص نوع خطا اهمیت زیادی دارد. چون اقدام اصلاحی برای خطای تصادفی با خطای سیستماتیک یکی نیست.

خطای تصادفی در آزمایشگاه

خطای تصادفی یا Random Error باعث پراکندگی غیرقابل پیش‌بینی نتایج می‌شود. در این حالت، نتایج ممکن است یک‌بار بالا و یک‌بار پایین بروند و الگوی ثابت مشخصی نداشته باشند.

مثال‌های خطای تصادفی:

• پیپتاژ نامناسب
• وجود حباب در مسیر نمونه یا معرف
• اختلال لحظه‌ای دستگاه
• خطای اپراتور
• مخلوط نکردن مناسب کنترل
• ناپایداری کوتاه‌مدت دمایی
• گرفتگی موقت مسیر نمونه‌برداری
• آلودگی اتفاقی نوک سمپلر یا کووت

در نمودار لوی جنینگ، خطای تصادفی معمولاً به‌صورت افزایش پراکندگی یا اختلاف زیاد بین دو سطح کنترل دیده می‌شود.

خطای سیستماتیک در آزمایشگاه

خطای سیستماتیک یا Systematic Error باعث جابه‌جایی پایدار نتایج به یک سمت می‌شود. در این حالت، نتایج کنترل ممکن است برای چند روز یا چند ران متوالی بالاتر یا پایین‌تر از میانگین قرار بگیرند.

مثال‌های خطای سیستماتیک:

• کالیبراسیون نامناسب
• تغییر بچ معرف
• خرابی تدریجی لامپ دستگاه
• آلودگی کنترل
• تغییر دمای نگهداری کنترل یا معرف
• خطای ثابت در تنظیمات دستگاه
• تغییر روش یا برنامه دستگاه
• تبخیر یا غلیظ شدن کنترل
• تغییر در کیفیت آب مصرفی دستگاه

در نمودار لوی جنینگ، خطای سیستماتیک معمولاً به شکل Shift یا Trend دیده می‌شود.

ارتباط نمودار لوی جنینگ با قوانین وستگارد

قوانین وستگارد یا Westgard Rules مجموعه‌ای از قوانین آماری برای تفسیر نتایج کنترل کیفی هستند. این قوانین معمولاً همراه با نمودار Levey-Jennings استفاده می‌شوند تا تصمیم‌گیری درباره پذیرش یا رد ران کاری دقیق‌تر باشد. Westgard منابع آموزشی گسترده‌ای برای تفسیر نمودار Levey-Jennings و قوانین چندگانه QC ارائه کرده است. مشاهده منبع Westgard

قانون 1-2s

در قانون 1-2s، یک نتیجه کنترل از محدوده ±2SD خارج می‌شود.

مثال: میانگین گلوکز 100 و SD برابر 2 است. اگر نتیجه کنترل 105 باشد، این عدد بالاتر از +2SD یعنی 104 قرار دارد.

این قانون معمولاً هشدار است و به‌تنهایی همیشه باعث رد ران نمی‌شود.

نوع خطای احتمالی: هشدار اولیه؛ ممکن است تصادفی یا شروع سیستماتیک باشد.

قانون 1-3s

در قانون 1-3s، یک نتیجه کنترل از محدوده ±3SD خارج می‌شود.

مثال: اگر Mean = 100 و SD = 2 باشد، +3SD برابر 106 است. نتیجه 107 از +3SD خارج است.

این قانون معمولاً Rejection Rule است و نشان می‌دهد ران باید بررسی و معمولاً رد شود.

نوع خطای احتمالی: بیشتر خطای تصادفی بزرگ، اما خطای سیستماتیک شدید هم ممکن است.

قانون 2-2s

در قانون 2-2s، دو نتیجه کنترل متوالی از یک سمت میانگین از محدوده ±2SD خارج می‌شوند.

مثال: دو روز پشت سر هم، کنترل گلوکز 105 و 105.5 باشد؛ در حالی که +2SD برابر 104 است.

این الگو بیشتر به نفع خطای سیستماتیک است.

قانون R-4s

در قانون R-4s، اختلاف بین دو نتیجه کنترل در یک ران یا دو سطح کنترل، بیش از 4SD می‌شود.

مثال: کنترل سطح یک نزدیک +2SD و کنترل سطح دو نزدیک -2SD قرار بگیرد. اختلاف این دو از نظر آماری زیاد است.

این قانون بیشتر نشان‌دهنده خطای تصادفی است.

قانون 4-1s

در قانون 4-1s، چهار نتیجه کنترل متوالی از یک سمت میانگین از محدوده 1SD عبور می‌کنند.

مثال: چهار نتیجه پشت سر هم بالاتر از +1SD باشند.

این وضعیت بیشتر به نفع خطای سیستماتیک و جابه‌جایی پایدار نتایج است.

قانون 10x

در قانون 10x، ده نتیجه کنترل متوالی در یک سمت میانگین قرار می‌گیرند؛ حتی اگر داخل محدوده ±2SD باشند.

این قانون معمولاً نشان‌دهنده Shift یا Bias سیستماتیک است.

قانون 7T یا Trend Rule

در برخی برنامه‌های QC، اگر هفت نقطه متوالی به‌صورت تدریجی افزایش یا کاهش پیدا کنند، به‌عنوان Trend در نظر گرفته می‌شود.

مثال: نتایج کنترل طی هفت روز به ترتیب 98، 99، 100، 101، 102، 103 و 104 باشد.

این وضعیت می‌تواند نشانه تغییر تدریجی عملکرد سیستم باشد.

خلاصه ارتباط قوانین وستگارد با نوع خطا

تفاوت Warning Rule و Rejection Rule در تفسیر نمودار لوی جنینگ

در کنترل کیفی آزمایشگاه، همه هشدارها به معنی رد فوری ران نیستند. این موضوع بسیار مهم است؛ چون سخت‌گیری غیرمنطقی می‌تواند باعث تکرار بی‌دلیل QC، اتلاف کنترل و تأخیر در جواب‌دهی شود. از طرف دیگر، بی‌توجهی به قوانین رد می‌تواند باعث گزارش نتایج غلط بیماران شود.

Warning Rule چیست؟

Warning Rule یعنی قانون هشدار. وقتی این قانون رخ می‌دهد، باید دقت بیشتری در تفسیر داشته باشیم، اما الزاماً ران را رد نمی‌کنیم.

مثال مهم:

• 1-2s معمولاً هشدار است.

Rejection Rule چیست؟

Rejection Rule یعنی قانون رد. وقتی این قوانین نقض می‌شوند، احتمال خطا به اندازه‌ای جدی است که معمولاً نباید نتایج بیماران گزارش شوند تا علت بررسی و رفع شود.

مثال‌ها:

• 1-3s
• 2-2s
• R-4s
• 4-1s
• 10x

البته تصمیم نهایی باید براساس سیاست کنترل کیفی آزمایشگاه، نوع آزمون، تعداد سطوح کنترل، ریسک بالینی تست، الزامات اعتباربخشی و روش اجرایی مصوب آزمایشگاه باشد.

وقتی QC خارج از کنترل شد چه کار کنیم؟ اقدامات اصلاحی در کنترل کیفی

وقتی QC خارج از کنترل می‌شود، بدترین کار این است که کنترل را چند بار پشت سر هم تکرار کنیم تا بالاخره یک نتیجه داخل محدوده به دست آید. این کار علمی، قابل دفاع و قابل قبول نیست؛ چون علت خطا را پنهان می‌کند.

الگوریتم عملی برخورد با QC نامعتبر

1. توقف گزارش نتایج بیماران

تا زمانی که وضعیت QC مشخص نشده، نباید نتایج بیماران همان ران گزارش شوند؛ مگر اینکه طبق روش اجرایی آزمایشگاه و ارزیابی ریسک، تصمیم مستند دیگری وجود داشته باشد.

2. بررسی ماده کنترل

موارد زیر بررسی شود:

• تاریخ انقضا
• زمان باز شدن ویال
• شرایط نگهداری
• نحوه آماده‌سازی
• آلودگی احتمالی
• مخلوط شدن مناسب
• شماره بچ کنترل

3. بررسی معرف و کیت

موارد زیر بررسی شود:

• تاریخ انقضا
• بچ جدید معرف
• شرایط نگهداری
• ظاهر فیزیکی معرف
• آلودگی یا رسوب
• آماده‌سازی صحیح

4. بررسی دستگاه

موارد زیر بررسی شود:

• وضعیت کالیبراسیون
• پیام‌های خطای دستگاه
• دمای انکوباتور یا بخش‌های حساس
• وضعیت لامپ
• مسیر نمونه و معرف
• کووت، پروب، شستشو و نگهداری دستگاه
• سرویس اخیر یا تغییر قطعه

5. بررسی اپراتور

موارد زیر بررسی شود:

• روش آماده‌سازی کنترل
• پیپتاژ
• ترتیب انجام کار
• انتخاب صحیح سطح کنترل
• ثبت درست نتیجه
• رعایت دستورالعمل داخلی

6. بررسی سوابق قبلی نمودار

نمودار لوی جنینگ روزهای قبل را بررسی کنید:

• آیا Trend وجود داشته؟
• آیا Shift دیده شده؟
• آیا تغییر بچ رخ داده؟
• آیا همین مشکل قبلاً تکرار شده؟
• آیا فقط یک سطح کنترل مشکل دارد یا همه سطوح؟

7. تکرار کنترل، فقط در صورت منطقی بودن

تکرار کنترل زمانی قابل قبول است که با یک فرض منطقی انجام شود؛ مثلاً احتمال خطای آماده‌سازی، حباب، مخلوط نکردن کنترل یا مشکل گذرا وجود داشته باشد. تکرار کورکورانه تا گرفتن نتیجه مطلوب قابل قبول نیست.

8. انجام اقدام اصلاحی

اقدام اصلاحی می‌تواند شامل موارد زیر باشد:

• آماده‌سازی مجدد کنترل
• تعویض ویال کنترل
• تعویض معرف
• کالیبراسیون مجدد
• شستشو یا سرویس دستگاه
• بررسی آب مصرفی
• آموزش مجدد اپراتور
• بررسی شرایط محیطی
• تماس با پشتیبانی فنی

9. ثبت مستندات

تمام موارد باید ثبت شوند:

• نتیجه QC نامعتبر
• قانون نقض‌شده
• بررسی‌های انجام‌شده
• علت احتمالی
• اقدام اصلاحی
• نتیجه پس از اصلاح
• تصمیم درباره نتایج بیماران

10. بررسی نتایج بیماران

اگر مشخص شود خطا ممکن است روی نتایج بیماران اثر گذاشته باشد، باید نمونه‌های بیماران مربوطه تکرار شوند یا طبق روش اجرایی آزمایشگاه، اقدامات لازم انجام شود.

اشتباهات رایج در استفاده از نمودار لوی جنینگ

1. استفاده مستقیم از محدوده بروشور کنترل

محدوده بروشور کنترل برای شروع مفید است، اما جایگزین اعتبارسنجی داخلی نیست. آزمایشگاه باید بررسی کند که محدوده کنترل در سیستم خودش قابل قبول است یا خیر.

2. رسم نکردن نمودار جداگانه برای هر سطح کنترل

هر سطح کنترل باید نمودار جداگانه داشته باشد. ترکیب Level 1 و Level 2 در یک نمودار باعث تفسیر غلط می‌شود.

3. ثبت نکردن نتایج رد شده

حذف نتایج نامطلوب از سوابق QC، ارزش نمودار را از بین می‌برد و در ممیزی‌ها قابل دفاع نیست.

4. بی‌توجهی به Trend و Shift

گاهی همه نقاط داخل ±2SD هستند، اما روند تدریجی یا جابه‌جایی پایدار وجود دارد. این موارد نباید نادیده گرفته شوند.

5. تفسیر نکردن قوانین وستگارد

نمودار بدون قانون تفسیر، فقط یک تصویر است. ارزش اصلی نمودار زمانی است که همراه با قوانین وستگارد و سیاست QC تفسیر شود.

6. استفاده از تعداد داده اولیه کم

محاسبه Mean و SD با تعداد داده بسیار کم، محدوده کنترل را غیرقابل اعتماد می‌کند.

7. تغییر بچ کنترل بدون محاسبه مجدد محدوده

با تغییر بچ کنترل، ممکن است میانگین و SD تغییر کنند. استفاده از محدوده بچ قبلی برای بچ جدید معمولاً درست نیست.

8. پذیرش نتایج بیماران با وجود QC نامعتبر

اگر QC نامعتبر است، نتایج بیماران همان ران هم باید با احتیاط جدی بررسی شوند.

9. تکرار کنترل بدون بررسی علت خطا

تکرار بی‌هدف QC تا گرفتن نتیجه مطلوب، یکی از بدترین رفتارهای کنترل کیفی است. این کار خطا را حل نمی‌کند، فقط آن را پنهان می‌کند.

تفاوت نمودار لوی جنینگ با نمودارهای کنترل صنعتی

نمودار لوی جنینگ نوعی نمودار کنترل آماری است و از نظر مفهومی با نمودارهای کنترل صنعتی شباهت دارد. در هر دو، هدف پایش پایداری یک فرایند در طول زمان است.

اما تفاوت اصلی اینجاست که در آزمایشگاه پزشکی، خروج از کنترل فقط یک مسئله تولیدی یا آماری نیست؛ بلکه می‌تواند مستقیماً بر نتیجه بیمار اثر بگذارد.

در نمودارهای کنترل صنعتی، معمولاً محصول یا فرایند تولید پایش می‌شود. اما در نمودار Levey-Jennings آزمایشگاهی، ماده کنترل برای بررسی اعتبار سیستم اندازه‌گیری استفاده می‌شود تا مشخص شود آیا می‌توان نتایج بیماران را قابل اعتماد دانست یا نه.

مثال کامل عملی: نمودار لوی جنینگ برای کنترل گلوکز

فرض کنید آزمایشگاه برای تست گلوکز از کنترل سطح نرمال استفاده می‌کند. پس از اجرای اولیه کنترل در 20 نوبت، نتایج زیر به دست آمده است:

محاسبات:

• Mean = 100 mg/dL
• SD = 2 mg/dL
• CV% = 2%

محدوده‌ها:

حالا فرض کنید در روزهای بعد، نتایج کنترل به شکل زیر است:

در این مثال:

• روز 21 و 22 معمولاً قابل قبول هستند.
• روز 23 هشدار ایجاد می‌کند.
• روز 24 وضعیت جدی است و باید قبل از گزارش نتایج بیماران بررسی شود.
• اگر روزهای 25 تا 28 همگی بالاتر از میانگین باشند، احتمال Shift یا Trend باید بررسی شود.
• اگر دو نتیجه متوالی بالاتر از +2SD باشند، قانون 2-2s مطرح می‌شود و احتمال خطای سیستماتیک بالا می‌رود.

کاربرد نمودار لوی جنینگ در بخش‌های مختلف آزمایشگاه

1. بیوشیمی

در بیوشیمی، نمودار لوی جنینگ برای تست‌هایی مانند گلوکز، اوره، کراتینین، کلسترول، تری‌گلیسرید، AST، ALT، ALP، بیلی‌روبین و الکترولیت‌ها کاربرد فراوان دارد.

مثلاً اگر کنترل کراتینین به‌تدریج افزایش یابد، ممکن است مشکل کالیبراسیون، معرف، آب دستگاه یا عملکرد فتومتر مطرح شود.

2. هماتولوژی

در هماتولوژی، از نمودار کنترل برای پارامترهایی مثل WBC، RBC، Hb، Hct، PLT، MCV، MCH و MCHC استفاده می‌شود.

مثلاً افزایش تدریجی CV در پلاکت ممکن است نشانه مشکل در شمارش، کالیبراسیون، آلودگی مسیر، کنترل نامناسب یا مشکل مکانیکی دستگاه باشد.

3. انعقاد

در بخش انعقاد، کنترل نرمال و پاتولوژیک برای تست‌هایی مانند PT، INR، APTT و فیبرینوژن اهمیت زیادی دارد.

مثلاً اگر کنترل پاتولوژیک PT خارج از محدوده باشد ولی کنترل نرمال قابل قبول باشد، باید محدوده حساسیت روش در سطح پاتولوژیک، معرف، کالیبراسیون و شرایط انکوباسیون بررسی شود.

4. هورمون‌شناسی

در هورمون‌شناسی، نمودار لوی جنینگ برای تست‌هایی مثل TSH، T3، T4، FSH، LH، Prolactin، Ferritin و ویتامین D کاربرد دارد.

در این بخش، خطای سیستماتیک می‌تواند به‌خصوص خطرناک باشد؛ چون بسیاری از تصمیم‌های بالینی بر اساس تغییرات نسبتاً کوچک در نتایج انجام می‌شوند.

5. ایمونولوژی

در ایمونولوژی، تست‌های کمی و نیمه‌کمی مانند CRP، RF، IgG، IgM، IgA، C3، C4 و برخی مارکرهای اختصاصی می‌توانند با نمودار کنترل پایش شوند.

6. بانک خون

در بانک خون، بسیاری از تست‌ها کیفی هستند، اما در موارد کمی یا نیمه‌کمی، پایش کنترل‌ها اهمیت دارد. برای مثال، کنترل واکنش‌ها، شدت آگلوتیناسیون در برخی ارزیابی‌ها، کنترل کیفی معرف‌ها و پایش برخی آزمون‌های قابل اندازه‌گیری می‌تواند با رویکرد کنترل کیفی مستند انجام شود.

7. میکروب‌شناسی

در میکروب‌شناسی، هرجا نتیجه قابل اندازه‌گیری یا قابل پایش عددی وجود داشته باشد، می‌توان از نمودارهای کنترل استفاده کرد. برای مثال:

• قطر هاله عدم رشد در آنتی‌بیوگرام
• کدورت استاندارد سوسپانسیون میکروبی
• کنترل عملکرد محیط کشت در آزمون‌های قابل اندازه‌گیری
• کنترل برخی دستگاه‌های اتوماتیک میکروب‌شناسی

محدودیت‌های نمودار لوی جنینگ

نمودار لوی جنینگ ابزار بسیار مفیدی است، اما به‌تنهایی کافی نیست. اشتباه رایج این است که تصور کنیم اگر QC روی نمودار قابل قبول باشد، پس همه چیز کاملاً درست است. این نگاه بیش از حد خوش‌بینانه است.

نمودار Levey-Jennings باید همراه با موارد زیر استفاده شود:

• کالیبراسیون صحیح
• نگهداری پیشگیرانه دستگاه
• کنترل کیفی خارجی یا EQA/PT
• بررسی نتایج بیماران
• مقایسه بین بچ‌های کنترل و معرف
• مستندسازی خطاها
• اقدام اصلاحی و پیشگیرانه یا CAPA
• ارزیابی ریسک آزمون
• بررسی خطاهای پیش‌تحلیلی، تحلیلی و پس‌تحلیلی
• آموزش مستمر پرسنل

کنترل کیفی داخلی فقط وضعیت سیستم را در لحظه اجرای کنترل نشان می‌دهد. اگر نمونه بیمار مشکل پیش‌تحلیلی داشته باشد، اگر نمونه اشتباه پذیرش شده باشد، اگر واحد گزارش اشتباه انتخاب شود یا اگر نتیجه به‌درستی تفسیر نشود، نمودار لوی جنینگ به‌تنهایی نمی‌تواند از همه این خطاها جلوگیری کند.

جمع‌بندی کاربردی

نمودار لوی جنینگ یکی از مهم‌ترین ابزارهای کنترل کیفی داخلی آزمایشگاه است. این نمودار کمک می‌کند نتایج کنترل به‌صورت منظم، قابل مشاهده و قابل تفسیر ثبت شوند.

با استفاده صحیح از نمودار لوی جنینگ می‌توان:

• عملکرد دستگاه را پایش کرد.
• تغییرات معرف و کیت را تشخیص داد.
• خطاهای تصادفی و سیستماتیک را زودتر شناسایی کرد.
• قوانین وستگارد را بهتر تفسیر کرد.
• از گزارش نتایج نامعتبر بیماران جلوگیری کرد.
• مستندات قابل دفاع برای کنترل کیفی داخلی ایجاد کرد.

اما نکته مهم این است که نمودار به‌تنهایی کافی نیست. ارزش واقعی نمودار وقتی ایجاد می‌شود که آزمایشگاه برای آن سیاست مشخص داشته باشد، Mean و SD داخلی را درست محاسبه کند، قوانین وستگارد را اصولی تفسیر کند، نتایج رد شده را پنهان نکند و در صورت خروج QC از کنترل، اقدام اصلاحی مستند انجام دهد.

به زبان ساده، نمودار لوی جنینگ یک ابزار ساده است؛ اما اگر درست استفاده شود، می‌تواند از خطاهای جدی در گزارش نتایج بیماران جلوگیری کند و کیفیت واقعی آزمایشگاه را افزایش دهد.

سوالات رایج درباره نمودار لوی جنینگ

مطالعه بیشتر در Heamostica

مقالات زیر به‌صورت مستقیم یا غیرمستقیم با کنترل کیفی آزمایشگاه، تجهیزات، بخش‌های مختلف آزمایشگاه و الزامات پایش کیفیت مرتبط هستند.

منابع معتبر برای مطالعه بیشتر

1. CLSI C24 – Statistical Quality Control for Quantitative Measurement Procedures: Principles and Definitions
   این راهنما به اصول و تعاریف کنترل کیفیت آماری در روش‌های کمی آزمایشگاهی می‌پردازد و یکی از منابع مهم برای طراحی برنامه QC است. مشاهده منبع
2. ISO 15189:2022 – Medical laboratories — Requirements for quality and competence
   استاندارد بین‌المللی الزامات کیفیت و صلاحیت آزمایشگاه‌های پزشکی را تعریف می‌کند و برای سیستم مدیریت کیفیت آزمایشگاه‌ها کاربرد دارد. مشاهده منبع
3. Westgard QC – Westgard Rules and Levey-Jennings Chart Lessons
   منابع Westgard از مهم‌ترین منابع آموزشی برای فهم قوانین وستگارد، نمودار Levey-Jennings و تفسیر کنترل کیفی داخلی هستند. مشاهده منبع
4. Bio-Rad QC Workbook – Basic Statistics in Laboratory Quality Control
   این منبع آموزشی مفاهیم پایه آمار در کنترل کیفی آزمایشگاه، از جمله نمودار Levey-Jennings، میانگین، SD و CV را به زبان آموزشی توضیح می‌دهد. مشاهده منبع
5. IFCC recommendations for Internal Quality Control based on ISO 15189:2022
   این مقاله توصیه‌هایی عملی برای پیاده‌سازی و پایش استراتژی IQC مطابق ISO 15189:2022 ارائه می‌کند. مشاهده منبع
6. Internal Quality Controls in the Medical Laboratory – PMC/NIH
   مقاله‌ای مروری درباره کنترل کیفی داخلی در آزمایشگاه پزشکی که به کاربرد نمودار Levey-Jennings و پایش IQC اشاره می‌کند. مشاهده منبع