مفاهیم پایه کنترل کیفی شامل مجموعه‌ای از اصول و ابزارها برای اطمینان از صحت، دقت، قابلیت اعتماد و ایمنی نتایج آزمایشگاهی است. این مفاهیم از تعریف کیفیت و سیستم مدیریت کیفیت آغاز می‌شوند و تا شناسایی خطاها، تحلیل آماری، کنترل کیفی داخلی و خارجی، اعتبارسنجی روش‌ها، نمودار لوی‌جنینگ و قوانین وستگارد ادامه پیدا می‌کنند.

جهت عضویت در کانال آموزشی در تلگرام به لینک زیر مراجعه کنید:

https://t.me/hematology_education

🚀 عضویت در کانال تلگرام

۱. مقدمه: اهمیت مفاهیم پایه کنترل کیفی در آزمایشگاه تشخیص پزشکی

نتیجه آزمایش در آزمایشگاه تشخیص پزشکی فقط یک عدد یا یک عبارت ساده در برگه جواب نیست. هر نتیجه آزمایش می‌تواند مبنای تشخیص بیماری، شروع درمان، تغییر دارو، بستری بیمار، ترخیص، جراحی، پایش درمان یا حتی تصمیم‌گیری‌های حیاتی در شرایط اورژانسی باشد. وقتی آزمایشگاه عدد پتاسیم، قند خون، کراتینین، PT، PTT، پلاکت، TSH، ALT یا AST را گزارش می‌کند، پزشک بر اساس همان نتیجه تصمیم می‌گیرد. بنابراین اگر نتیجه آزمایش از نظر علمی قابل اعتماد نباشد، کل مسیر تشخیص و درمان می‌تواند دچار خطا شود.

کنترل کیفی آزمایشگاه یعنی آزمایشگاه بتواند به این سؤال پاسخ دهد: «آیا نتیجه‌ای که امروز برای بیمار گزارش می‌کنم، قابل اعتماد است؟» پاسخ به این سؤال فقط با اجرای روزانه یک کنترل یا رسم یک نمودار به‌دست نمی‌آید. کنترل کیفی یک سیستم کامل است که از نمونه‌گیری صحیح، شناسایی درست بیمار، انتخاب لوله مناسب، نگهداری نمونه، عملکرد دستگاه، کالیبراسیون، کیفیت معرف، آموزش اپراتور، ثبت داده‌ها، تحلیل آماری، بررسی نتایج بحرانی، مستندسازی و اقدام اصلاحی تشکیل می‌شود.

در آزمایشگاه تشخیص پزشکی، خطا همیشه به معنی خراب بودن دستگاه نیست. گاهی دستگاه کاملاً سالم است، اما نمونه بیمار به‌درستی گرفته نشده است. گاهی معرف معتبر است، اما در دمای نامناسب نگهداری شده است. گاهی کنترل روزانه در محدوده است، اما روند تدریجی تغییرات کنترل نادیده گرفته شده است. گاهی هم عدد آزمایش درست اندازه‌گیری شده، اما با واحد اشتباه یا رنج مرجع نامناسب گزارش شده است. به همین دلیل کنترل کیفیت باید کل فرایند آزمایشگاهی را پوشش دهد، نه فقط مرحله انجام آزمایش با دستگاه.

هدف این مقاله این است که مفاهیم پایه‌ای کنترل کیفی آزمایشگاه تشخیص پزشکی را به زبان علمی، روان، مثال‌محور و مرحله‌به‌مرحله توضیح دهد؛ به‌طوری که برای کارشناسان آزمایشگاه، مسئولان فنی، دانشجویان علوم آزمایشگاهی و مدیران کیفیت قابل استفاده باشد.

مفاهیم پایه کنترل کیفی آزمایشگاه

۲. تعریف کیفیت در آزمایشگاه تشخیص پزشکی و ارتباط آن با مفاهیم پایه کنترل کیفی

کیفیت (Quality) در آزمایشگاه تشخیص پزشکی یعنی ارائه نتیجه‌ای که دقیق، صحیح، به‌موقع، قابل ردیابی، قابل تکرار، قابل تفسیر و مناسب برای تصمیم‌گیری بالینی باشد. در آزمایشگاه، کیفیت فقط به معنی مرتب بودن محیط، داشتن دستگاه پیشرفته یا استفاده از کیت گران‌قیمت نیست. کیفیت یعنی کل فرایند آزمایش از زمان درخواست پزشک تا تحویل جواب نهایی به‌گونه‌ای طراحی و کنترل شود که احتمال خطا به حداقل برسد.

در یک تعریف ساده، کیفیت یعنی «درست انجام دادن کار درست، در زمان مناسب و به روش قابل اعتماد». اما در آزمایشگاه تشخیص پزشکی، این تعریف باید دقیق‌تر شود. کیفیت یعنی نتیجه آزمایش باید با وضعیت واقعی بیمار تا حد قابل قبول مطابقت داشته باشد و پزشک بتواند بر اساس آن تصمیم بالینی بگیرد.

برای مثال، اگر بیمار واقعاً قند خون ۲۵۰ mg/dL داشته باشد، آزمایشگاه نباید عدد ۱۲۰ یا ۴۰۰ را گزارش کند. همچنین اگر آزمایشگاه عدد ۲۵۰ را درست اندازه‌گیری کرده باشد، اما جواب با تأخیر زیاد به پزشک برسد و تصمیم درمانی دیر انجام شود، باز هم کیفیت فرایند کامل نبوده است. بنابراین کیفیت در آزمایشگاه فقط به «درستی عدد» محدود نمی‌شود، بلکه شامل زمان پاسخ‌دهی، نحوه گزارش، رنج مرجع، واحد اندازه‌گیری، تفسیر نتایج بحرانی و ارتباط با پزشک نیز هست.

تفاوت کیفیت در تولید صنعتی با کیفیت در آزمایشگاه پزشکی

در تولید صنعتی، کیفیت معمولاً به معنی تولید محصولی است که با مشخصات از پیش تعیین‌شده مطابقت داشته باشد. مثلاً در کارخانه تولید پیچ، اگر قطر پیچ باید ۵ میلی‌متر باشد، کیفیت یعنی بیشتر پیچ‌ها در محدوده قابل قبول قطر ۵ میلی‌متر تولید شوند. اگر چند پیچ معیوب باشند، می‌توان آن‌ها را جدا کرد یا تولید را اصلاح کرد.

اما در آزمایشگاه پزشکی، موضوع فقط تولید یک محصول نیست. هر نمونه متعلق به یک بیمار واقعی است و هر خطا می‌تواند پیامد بالینی داشته باشد. نمی‌توان گفت اگر از صد نمونه، پنج نمونه اشتباه گزارش شود، مشکل مهمی نیست. همان یک نتیجه اشتباه ممکن است باعث درمان غلط، تشخیص دیرهنگام یا آسیب به بیمار شود.

۳. تفاوت مفاهیم پایه‌ای کیفیت در کنترل کیفی آزمایشگاه

در کنترل کیفی آزمایشگاه، اصطلاحات زیادی استفاده می‌شود که گاهی به‌اشتباه به‌جای یکدیگر به کار می‌روند. برای درک صحیح سیستم کیفیت، باید تفاوت مفاهیمی مانند کیفیت، کنترل کیفیت، تضمین کیفیت، مدیریت کیفیت، سیستم مدیریت کیفیت، ردیابی‌پذیری و استانداردسازی روشن شود.

کیفیت (Quality)

کیفیت یعنی میزان انطباق یک خدمت یا نتیجه با نیازها و الزامات تعریف‌شده. در آزمایشگاه، کیفیت یعنی نتیجه آزمایش باید برای تصمیم‌گیری بالینی قابل اعتماد باشد.

تعریف ساده: کیفیت یعنی نتیجه آزمایش آن‌قدر قابل اعتماد باشد که پزشک بتواند بر اساس آن تصمیم بگیرد.

تعریف تخصصی: کیفیت در آزمایشگاه تشخیص پزشکی یعنی مجموعه‌ای از ویژگی‌ها شامل صحت، دقت، قابلیت ردیابی، به‌موقع بودن، ایمنی، تکرارپذیری و تناسب بالینی نتیجه آزمایش.

مثال آزمایشگاهی: اگر کنترل روزانه قند خون در محدوده قابل قبول باشد، دستگاه کالیبره باشد، نمونه بیمار ناشتا گرفته شده باشد، جواب با واحد صحیح mg/dL گزارش شود و نتیجه در زمان مناسب به پزشک برسد، می‌توان گفت کیفیت این فرایند قابل قبول است.

کنترل کیفیت (Quality Control / QC)

کنترل کیفیت یا QC مجموعه اقداماتی است که برای پایش عملکرد روش، دستگاه، معرف و فرایند آزمایش انجام می‌شود تا خطاهای احتمالی قبل از گزارش نتایج بیمار شناسایی شوند.

تعریف ساده: QC یعنی بررسی روزانه اینکه آیا سیستم آزمایش درست کار می‌کند یا نه.

تعریف تخصصی: کنترل کیفیت شامل اجرای مواد کنترل، ثبت نتایج، تحلیل آماری، تفسیر نمودارهای کنترلی، بررسی قوانین هشدار و رد، و انجام اقدامات اصلاحی در صورت خروج از محدوده قابل قبول است.

مثال آزمایشگاهی: در آزمایش گلوکز، قبل از گزارش نتایج بیماران، سرم کنترل نرمال و پاتولوژیک روی دستگاه اجرا می‌شود. اگر مقدار کنترل در محدوده قابل قبول باشد، نتایج بیماران قابل گزارش هستند. اگر کنترل خارج از محدوده باشد، باید علت بررسی شود و تا رفع مشکل، نتایج بیماران گزارش نشوند.

تضمین کیفیت (Quality Assurance / QA)

تضمین کیفیت یا QA مفهومی وسیع‌تر از QC است. QA کل سیستم آزمایشگاه را بررسی می‌کند تا مطمئن شود فرایندها به‌گونه‌ای طراحی شده‌اند که خطاها پیشگیری شوند، نه اینکه فقط بعد از وقوع خطا شناسایی شوند.

تعریف ساده: QA یعنی طراحی و پایش کل سیستم برای اینکه احتمال خطا از ابتدا کم شود.

تعریف تخصصی: تضمین کیفیت شامل کنترل فرایندهای پیش از آزمایش، حین آزمایش و پس از آزمایش، آموزش پرسنل، نگهداری تجهیزات، کالیبراسیون، ممیزی داخلی، مدیریت مستندات، کنترل تغییرات، ارزیابی تأمین‌کنندگان، پایش شاخص‌های کیفیت و مدیریت عدم انطباق‌ها است.

مثال آزمایشگاهی: اگر آزمایشگاه برای نمونه‌گیری CBC دستورالعمل مشخص داشته باشد، پرسنل آموزش دیده باشند، لوله EDTA مناسب استفاده شود، حجم نمونه کنترل شود، نمونه‌های لخته رد شوند، دستگاه روزانه کنترل شود و جواب‌ها قبل از گزارش تأیید شوند، این مجموعه فعالیت‌ها بخشی از QA است.

تفاوت QC و QA

QC معمولاً روی نتیجه آزمایش و عملکرد روزانه روش تمرکز دارد، اما QA کل فرایند کیفیت را در بر می‌گیرد. QC بیشتر ماهیت شناسایی خطا دارد، در حالی که QA بیشتر ماهیت پیشگیری از خطا دارد.

مثال واضح: QC یعنی بررسی روزانه نتیجه کنترل سرم در آزمایش قند خون. اما QA شامل انتخاب روش مناسب، آموزش اپراتور، سرویس دستگاه، نگهداری معرف، کنترل نمونه‌گیری، بررسی نتایج بحرانی، ممیزی داخلی و ثبت اقدامات اصلاحی است.

مدیریت کیفیت (Quality Management)

مدیریت کیفیت یعنی برنامه‌ریزی، اجرا، پایش و بهبود همه فعالیت‌هایی که بر کیفیت نتایج آزمایشگاه اثر دارند. مدیریت کیفیت فقط کار مسئول فنی یا مسئول کنترل کیفیت نیست؛ بلکه همه کارکنان آزمایشگاه در آن نقش دارند.

مثال آزمایشگاهی: اگر درصد نمونه‌های همولیز در بخش بیوشیمی افزایش پیدا کند، مدیریت کیفیت باید علت را بررسی کند. ممکن است مشکل از تکنیک خون‌گیری، نوع سرنگ، انتقال نمونه، آموزش پرسنل نمونه‌گیری یا شرایط حمل نمونه باشد.

سیستم مدیریت کیفیت (Quality Management System / QMS)

سیستم مدیریت کیفیت یا QMS مجموعه‌ای ساختارمند از سیاست‌ها، فرایندها، دستورالعمل‌ها، فرم‌ها، سوابق، مسئولیت‌ها و شاخص‌ها است که آزمایشگاه برای کنترل و بهبود کیفیت استفاده می‌کند.

تعریف ساده: QMS یعنی آزمایشگاه برای کیفیت، سیستم مشخص و مستند داشته باشد.

تعریف تخصصی: سیستم مدیریت کیفیت شامل ساختار سازمانی، مسئولیت‌ها، مدیریت مستندات، کنترل تجهیزات، مدیریت کارکنان، کنترل فرایندهای آزمایشگاهی، مدیریت ریسک، ممیزی، عدم انطباق، CAPA، پایش شاخص‌های کیفیت و بهبود مستمر است.

مثال آزمایشگاهی: وجود SOP برای انجام آزمایش PT، فرم ثبت کالیبراسیون کوآگولومتر، فرم کنترل کیفی روزانه، سوابق آموزش اپراتور، فرم عدم انطباق و برنامه شرکت در EQA همگی اجزای QMS هستند.

بهبود مستمر کیفیت (Continuous Quality Improvement)

بهبود مستمر کیفیت یعنی آزمایشگاه فقط به حفظ وضعیت موجود اکتفا نکند، بلکه دائماً داده‌ها، خطاها، شاخص‌ها و فرایندها را بررسی کند و روش‌های بهتر برای کاهش خطا و افزایش اعتمادپذیری نتایج پیدا کند.

مثال آزمایشگاهی: اگر در یک ماه، ۶ درصد نمونه‌های CBC به علت لخته رد شده‌اند و پس از آموزش نمونه‌گیران این عدد به ۲ درصد کاهش پیدا کند، این یک نمونه از بهبود مستمر کیفیت است.

شاخص‌های کیفیت (Quality Indicators)

شاخص کیفیت عدد یا معیاری است که عملکرد یک بخش از فرایند آزمایشگاه را قابل اندازه‌گیری می‌کند. بدون شاخص، کیفیت قابل پایش و بهبود نیست.

مثال‌ها: درصد نمونه‌های همولیز، درصد نمونه‌های ردشده، زمان پاسخ‌دهی آزمایش اورژانسی، درصد نتایج اصلاح‌شده، تعداد خطاهای ورود اطلاعات و درصد موفقیت در برنامه EQA از شاخص‌های کیفیت هستند.

مثال کاربردی: اگر آزمایشگاه متوجه شود ۱۰ درصد نمونه‌های پتاسیم همولیز هستند، این شاخص نشان می‌دهد مشکل مهمی در مرحله پیش از آزمایش وجود دارد.

خط‌مشی کیفیت (Quality Policy)

خط‌مشی کیفیت بیان رسمی تعهد آزمایشگاه به ارائه خدمات دقیق، ایمن، به‌موقع و قابل اعتماد است. خط‌مشی کیفیت باید برای کارکنان قابل فهم باشد و در عمل اجرا شود، نه اینکه فقط یک متن روی دیوار باشد.

مثال آزمایشگاهی: «آزمایشگاه متعهد است با رعایت اصول علمی، کنترل کیفی، آموزش مداوم کارکنان و بهبود مستمر فرایندها، نتایج دقیق و قابل اعتماد برای تصمیم‌گیری بالینی ارائه دهد.»

اهداف کیفیت (Quality Objectives)

اهداف کیفیت باید قابل اندازه‌گیری باشند. هدف کلی مانند «افزایش کیفیت» کافی نیست. باید مشخص باشد چه چیزی، تا چه حد و در چه زمانی باید بهبود یابد.

مثال‌های مناسب: کاهش درصد نمونه‌های همولیز از ۷ درصد به کمتر از ۳ درصد طی شش ماه. کاهش زمان پاسخ‌دهی آزمایش‌های اورژانسی بیوشیمی به کمتر از ۶۰ دقیقه. افزایش درصد موفقیت در برنامه EQA به بیش از ۹۵ درصد. کاهش خطاهای ورود اطلاعات به کمتر از یک مورد در هر هزار جواب.

مستندسازی کیفیت

مستندسازی یعنی هر فعالیت مهم کیفیت باید قابل ردیابی و قابل اثبات باشد. در سیستم کیفیت، اگر کاری انجام شده ولی ثبت نشده باشد، از نظر ممیزی و اعتباربخشی معمولاً قابل اثبات نیست.

مثال آزمایشگاهی: اگر کنترل کراتینین خارج از محدوده شده و اپراتور بعد از بررسی معرف و کالیبراسیون مشکل را رفع کرده است، باید نتیجه کنترل، علت احتمالی، اقدام اصلاحی، نام فرد، تاریخ و نتیجه کنترل تکراری ثبت شود.

ردیابی‌پذیری (Traceability)

ردیابی‌پذیری یعنی بتوان مسیر یک نتیجه آزمایش را از گزارش نهایی تا نمونه، دستگاه، معرف، کالیبراتور، اپراتور، زمان انجام آزمایش و سوابق کنترل کیفی دنبال کرد.

مثال آزمایشگاهی: اگر پزشک درباره نتیجه ALT بیمار سؤال کند، آزمایشگاه باید بتواند مشخص کند نمونه چه زمانی دریافت شده، با چه دستگاهی آزمایش شده، لات معرف چه بوده، کنترل همان روز چه نتیجه‌ای داشته و چه کسی جواب را تأیید کرده است.

استانداردسازی (Standardization)

استانداردسازی یعنی انجام فعالیت‌ها بر اساس روش‌های مشخص، یکنواخت و قابل تکرار. اگر هر اپراتور آزمایش را به روش شخصی خود انجام دهد، نتایج قابل مقایسه و قابل اعتماد نخواهند بود.

مثال آزمایشگاهی: در آزمایش ESR یا تست‌های سرولوژی دستی، زمان خواندن نتیجه، دمای محیط، حجم نمونه و معرف، روش مخلوط کردن و نحوه گزارش باید استاندارد باشد.

۴. مراحل فرایند آزمایشگاهی در مفاهیم پایه کنترل کیفی

فرایند آزمایشگاهی معمولاً به سه مرحله اصلی تقسیم می‌شود: مرحله پیش از آزمایش، مرحله حین آزمایش و مرحله پس از آزمایش. کنترل کیفیت واقعی باید هر سه مرحله را پوشش دهد، چون خطا می‌تواند در هر کدام رخ دهد.

مرحله پیش از آزمایش (Pre-analytical Phase)

مرحله پیش از آزمایش از زمان درخواست آزمایش شروع می‌شود و تا آماده شدن نمونه برای انجام آزمایش ادامه دارد. بسیاری از خطاهای آزمایشگاهی در همین مرحله رخ می‌دهند. دلیل آن هم این است که این مرحله شامل عوامل انسانی، نمونه‌گیری، حمل، نگهداری و آماده‌سازی بیمار است.

درخواست آزمایش

درخواست آزمایش باید واضح، کامل و متناسب با وضعیت بالینی بیمار باشد. درخواست اشتباه یا ناقص می‌تواند باعث انجام آزمایش غیرضروری یا انجام نشدن آزمایش ضروری شود.

مثال: اگر پزشک برای بررسی انعقاد، PT و PTT درخواست کرده باشد اما فقط PT در سیستم ثبت شود، ارزیابی بیمار ناقص خواهد بود.

شناسایی بیمار

شناسایی صحیح بیمار یکی از حیاتی‌ترین مراحل کنترل کیفیت است. نام، نام خانوادگی، کد ملی، شماره پرونده، تاریخ تولد یا سایر شناسه‌ها باید با دقت بررسی شوند.

مثال: جابه‌جایی نمونه دو بیمار در آزمایش گروه خون می‌تواند پیامد بسیار خطرناک داشته باشد، به‌خصوص اگر بیمار نیاز به تزریق خون داشته باشد.

آماده‌سازی بیمار

برخی آزمایش‌ها نیاز به شرایط خاص دارند؛ مانند ناشتایی، زمان نمونه‌گیری، قطع برخی داروها یا رعایت وضعیت بدنی.

مثال: قند خون ناشتا اگر از بیماری گرفته شود که صبحانه خورده است، ممکن است به‌اشتباه بالا گزارش شود. یا کورتیزول به زمان نمونه‌گیری وابسته است و نمونه صبح با عصر قابل مقایسه نیست.

نمونه‌گیری

نمونه‌گیری باید با روش صحیح انجام شود. نوع سوزن، مدت بستن تورنیکه، محل نمونه‌گیری، شدت مکش، ترتیب لوله‌ها و مخلوط کردن نمونه با ضدانعقاد همگی مهم هستند.

مثال: بستن طولانی‌مدت تورنیکه می‌تواند باعث تغییر برخی نتایج مانند پتاسیم، کلسیم یا پروتئین شود. همچنین تکان دادن شدید لوله ممکن است باعث همولیز شود.

نوع لوله و ضدانعقاد

هر آزمایش به لوله مناسب نیاز دارد. استفاده از لوله اشتباه می‌تواند نتیجه را کاملاً غیرقابل اعتماد کند.

مثال‌ها: برای CBC باید از لوله EDTA استفاده شود. برای PT و PTT باید از لوله سیترات سدیم با نسبت صحیح خون به ضدانعقاد استفاده شود. برای بسیاری از آزمایش‌های بیوشیمی از سرم یا پلاسما بر اساس روش آزمایشگاه استفاده می‌شود.

اگر نمونه PT در لوله EDTA گرفته شود، نتیجه قابل قبول نیست. اگر حجم خون در لوله سیترات کمتر از مقدار لازم باشد، نسبت خون به ضدانعقاد به‌هم می‌خورد و نتیجه PT و PTT ممکن است طولانی‌تر از مقدار واقعی شود.

حجم نمونه

حجم نمونه باید برای آزمایش کافی و متناسب با نوع لوله باشد. حجم کم یا زیاد می‌تواند باعث خطا شود، مخصوصاً در آزمایش‌های انعقادی.

مثال: در لوله سیترات برای PT و PTT، نسبت خون به ضدانعقاد بسیار مهم است. اگر لوله کمتر از حد پر شود، ضدانعقاد نسبت به خون زیادتر می‌شود و زمان انعقاد ممکن است به‌صورت کاذب افزایش یابد.

همولیز، لیپمی و ایکتر

همولیز، لیپمی و ایکتر از عوامل مهم تداخل در نتایج آزمایشگاهی هستند.

همولیز یعنی تخریب گلبول‌های قرمز و آزاد شدن محتویات داخل سلولی. لیپمی یعنی چربی زیاد نمونه که باعث کدورت سرم یا پلاسما می‌شود. ایکتر یعنی افزایش بیلی‌روبین که می‌تواند رنگ نمونه را تغییر دهد.

مثال: همولیز می‌تواند باعث افزایش کاذب پتاسیم، LDH و AST شود. بنابراین اگر پتاسیم بیمار بالا باشد ولی نمونه همولیز شدید داشته باشد، باید قبل از گزارش نتیجه با دقت بررسی شود.

شرایط حمل و نگهداری نمونه

برخی نمونه‌ها باید سریع به آزمایشگاه برسند، برخی باید سرد نگهداری شوند، برخی باید از نور محافظت شوند و برخی در دمای اتاق پایدار هستند.

مثال: نمونه آمونیاک یا لاکتات به شرایط حمل حساس است. همچنین تأخیر در جداسازی سرم از سلول‌ها می‌تواند روی برخی نتایج مانند گلوکز اثر بگذارد.

زمان رسیدن نمونه به آزمایشگاه

تأخیر در انتقال نمونه می‌تواند باعث تغییر نتیجه شود.

مثال: اگر نمونه CBC برای مدت طولانی در شرایط نامناسب بماند، ممکن است مورفولوژی سلول‌ها تغییر کند یا برخی پارامترها تحت تأثیر قرار گیرند. در آزمایش ادرار نیز تأخیر طولانی می‌تواند باعث رشد باکتری، تغییر pH یا تخریب سلول‌ها شود.

مرحله حین آزمایش (Analytical Phase)

مرحله حین آزمایش همان مرحله‌ای است که نمونه با روش آزمایشگاهی اندازه‌گیری می‌شود. در این مرحله عواملی مانند دستگاه، معرف، کالیبراسیون، اپراتور، کنترل کیفی داخلی و شرایط محیطی بر نتیجه اثر دارند.

عملکرد دستگاه

دستگاه باید سالم، سرویس‌شده، کالیبره و تحت پایش باشد. عملکرد دستگاه فقط با روشن شدن آن تأیید نمی‌شود؛ بلکه باید با کنترل کیفی، سوابق نگهداری، کالیبراسیون و بررسی خطاهای دستگاه ارزیابی شود.

مثال: اگر دستگاه بیوشیمی در خوانش فتومتریک دچار مشکل شود، ممکن است چندین تست مانند ALT، AST، کراتینین و گلوکز تحت تأثیر قرار گیرند.

کالیبراسیون

کالیبراسیون فرایندی است که طی آن پاسخ دستگاه یا روش با ماده‌ای دارای مقدار معلوم تنظیم یا بررسی می‌شود. بدون کالیبراسیون صحیح، نتایج ممکن است دچار بایاس شوند.

مثال: اگر کالیبراسیون کراتینین اشتباه باشد، ممکن است همه نتایج بیماران کمی بالاتر یا پایین‌تر از مقدار واقعی گزارش شوند.

معرف‌ها

کیفیت معرف، تاریخ انقضا، شرایط نگهداری، آلودگی، تغییر لات و آماده‌سازی صحیح آن بر نتایج اثر دارد.

مثال: معرف ALT اگر در دمای نامناسب نگهداری شود، ممکن است فعالیت آن کاهش یابد و نتایج بیماران به‌صورت کاذب پایین گزارش شوند.

اپراتور

مهارت، آموزش، دقت و پایبندی اپراتور به SOP نقش مهمی دارد. در روش‌های دستی این نقش بسیار پررنگ‌تر است.

مثال: در تست‌های سرولوژی دستی، زمان انکوباسیون، نحوه مخلوط کردن، میزان سانتریفیوژ و روش خواندن آگلوتیناسیون می‌تواند بین اپراتورها متفاوت باشد و نتیجه را تغییر دهد.

کنترل کیفی داخلی

کنترل کیفی داخلی باید قبل از گزارش نتایج بیماران یا در فواصل مشخص اجرا شود تا عملکرد سیستم بررسی شود.

مثال: در بخش انعقاد، اجرای کنترل نرمال و پاتولوژیک برای PT و PTT کمک می‌کند عملکرد دستگاه، معرف و روش در دو محدوده طبیعی و غیرطبیعی پایش شود.

شرایط محیطی

دما، رطوبت، کیفیت آب، برق، تهویه، گردوغبار و شرایط نگهداری معرف‌ها می‌توانند بر عملکرد آزمایش اثر بگذارند.

مثال: در دستگاه‌های الکترولیت، وضعیت الکترود، کیفیت محلول‌ها و دمای محیط می‌تواند بر اندازه‌گیری سدیم، پتاسیم و کلر اثر بگذارد.

مرحله پس از آزمایش (Post-analytical Phase)

مرحله پس از آزمایش از زمان تولید نتیجه تا گزارش، تأیید، تفسیر، اطلاع‌رسانی و بایگانی آن ادامه دارد. در این مرحله هم خطاهای مهمی ممکن است رخ دهد.

تأیید نتایج

نتایج باید قبل از گزارش بررسی شوند. بررسی شامل کنترل محدوده‌های فیزیولوژیک، مقایسه با نتایج قبلی، بررسی نتایج بحرانی، بررسی تناسب بالینی و توجه به وضعیت نمونه است.

مثال: اگر پلاکت بیمار در جواب جدید ۲۰ هزار گزارش شده ولی روز قبل ۲۵۰ هزار بوده است، باید احتمال لخته، خطای نمونه، تجمع پلاکتی یا اشتباه شناسایی بررسی شود.

ورود اطلاعات

خطای ورود اطلاعات یکی از خطاهای مهم پس از آزمایش است، به‌خصوص در آزمایشگاه‌هایی که هنوز بخشی از فرایند دستی انجام می‌شود.

مثال: وارد کردن TSH برابر ۰.۴ به‌جای ۴.۰ می‌تواند تفسیر بالینی را کاملاً تغییر دهد.

گزارش‌دهی

گزارش باید واضح، خوانا، دارای واحد صحیح، رنج مرجع مناسب، نام آزمایش درست و در صورت نیاز توضیح تفسیری باشد.

مثال: گزارش کلسیم بدون ذکر واحد یا گزارش D-dimer بدون توجه به واحد FEU یا DDU می‌تواند باعث سوءبرداشت شود.

نتایج بحرانی

نتایج بحرانی باید طبق دستورالعمل مشخص و در زمان مناسب به پزشک یا بخش مربوطه اطلاع داده شوند.

مثال: پتاسیم بسیار بالا، گلوکز بسیار پایین، INR بسیار بالا یا پلاکت بسیار پایین می‌تواند نیازمند اطلاع فوری باشد.

زمان پاسخ‌دهی

زمان پاسخ‌دهی یا TAT یکی از شاخص‌های مهم کیفیت است. نتیجه درست اگر دیر گزارش شود، ممکن است ارزش بالینی خود را از دست بدهد.

مثال: تروپونین در بیمار مشکوک به سکته قلبی باید در زمان مناسب گزارش شود. تأخیر طولانی می‌تواند تصمیم درمانی را عقب بیندازد.

خطا در واحد یا رنج مرجع

گاهی عدد درست است، اما واحد یا رنج مرجع اشتباه باعث تفسیر غلط می‌شود.

مثال: کراتینین با واحد mg/dL و µmol/L قابل مقایسه مستقیم نیست. یا رنج مرجع ALP در کودک با بزرگسال تفاوت دارد.

۵. تعریف خطا در آزمایشگاه و نقش آن در مفاهیم پایه کنترل کیفی

خطا (Error) در آزمایشگاه یعنی اختلاف بین نتیجه به‌دست‌آمده و مقدار واقعی، مقدار مورد انتظار یا وضعیت واقعی بیمار. خطا ممکن است کوچک یا بزرگ، تصادفی یا سیستماتیک، قابل تشخیص یا پنهان باشد. مهم‌ترین هدف کنترل کیفیت این است که خطاها قبل از آسیب به بیمار شناسایی و کنترل شوند.

خطا در آزمایشگاه همیشه به معنی اشتباه انسانی آشکار نیست. گاهی خطا ناشی از نوسان طبیعی روش، محدودیت دستگاه، تغییرات معرف، کالیبراسیون نامناسب یا تداخل نمونه است.

خطای تصادفی (Random Error)

خطای تصادفی به تغییرات غیرقابل پیش‌بینی و پراکنده‌ای گفته می‌شود که باعث می‌شود نتایج تکراری یک نمونه دقیقاً یکسان نباشند. این نوع خطا معمولاً باعث افزایش پراکندگی نتایج می‌شود و بیشتر با مفهوم دقت یا Precision ارتباط دارد.

تعریف ساده: خطای تصادفی یعنی نتایج دور و بر مقدار واقعی پخش می‌شوند، بدون اینکه همیشه در یک جهت خاص باشند.

علت‌های رایج خطای تصادفی: نوسان جزئی دستگاه، تفاوت کوچک در پیپتاژ، تغییرات دمایی، تفاوت جزئی عملکرد اپراتورها، نوسان در حجم نمونه یا معرف، مشکلات موقت در مخلوط شدن نمونه و کنترل.

مثال: اگر کنترل گلوکز با مقدار هدف ۱۰۰ mg/dL در چند بار تکرار نتایج ۹۶، ۱۰۳، ۹۸، ۱۰۵ و ۹۹ بدهد، تغییرات کوچک و پراکنده دیده می‌شود. اگر این پراکندگی زیاد شود، احتمال خطای تصادفی مطرح است.

در نمودار لوی‌جنینگ، خطای تصادفی معمولاً به شکل پراکندگی غیرمنظم نقاط، خروج ناگهانی یک نقطه از محدوده ۳SD یا اختلاف زیاد بین دو سطح کنترل دیده می‌شود. قانون R-4s معمولاً بیشتر به خطای تصادفی اشاره دارد.

خطای سیستماتیک (Systematic Error)

خطای سیستماتیک خطایی است که نتایج را به‌طور مداوم در یک جهت خاص جابه‌جا می‌کند؛ یعنی نتایج همیشه بالاتر یا پایین‌تر از مقدار واقعی می‌شوند. این نوع خطا معمولاً با بایاس ارتباط دارد.

تعریف ساده: خطای سیستماتیک یعنی سیستم آزمایش همیشه کمی بالا یا همیشه کمی پایین جواب می‌دهد.

علت‌های رایج خطای سیستماتیک: کالیبراسیون اشتباه، خرابی یا تغییر کیفیت معرف، تغییر لات معرف یا کنترل، آلودگی معرف، تنظیم نادرست دستگاه، فرسودگی لامپ، مشکل الکترود، تغییر روش، خطای ثابت اپراتور یا استفاده از محدوده کنترل نامناسب.

مثال: اگر مقدار واقعی کنترل گلوکز ۱۰۰ mg/dL باشد، اما دستگاه در چند روز متوالی حدود ۱۱۰ تا ۱۱۲ گزارش کند، احتمال بایاس مثبت و خطای سیستماتیک وجود دارد.

در نمودار لوی‌جنینگ، خطای سیستماتیک می‌تواند به شکل Shift یا Trend ظاهر شود. قوانین 2-2s، 4-1s و 10x معمولاً با خطای سیستماتیک ارتباط دارند.

خطای فاحش یا اشتباه (Gross Error / Mistake)

خطای فاحش یا Mistake معمولاً ناشی از یک اشتباه واضح و قابل پیشگیری است؛ مثل جابه‌جایی نمونه، استفاده از لوله اشتباه، ورود عدد اشتباه، ریختن نمونه، اشتباه در رقیق‌سازی یا انجام آزمایش روی نمونه نامناسب.

تعریف ساده: Mistake یعنی اشتباه عملی یا انسانی آشکار که معمولاً نباید رخ دهد.

مثال‌ها: نمونه دو بیمار جابه‌جا شود. نتیجه قند ۱۰۵ به‌اشتباه ۱۵۰ وارد شود. نمونه PT در لوله EDTA گرفته شود. کنترل تاریخ‌گذشته استفاده شود. نمونه لخته‌دار CBC بدون توجه آزمایش شود. نمونه بیمار به‌جای سرم کنترل روی دستگاه گذاشته شود.

تفاوت Error و Mistake

Error مفهوم کلی‌تری است و می‌تواند ناشی از محدودیت روش، نوسان دستگاه یا تغییرات آماری باشد. اما Mistake معمولاً به یک اشتباه مشخص، قابل شناسایی و قابل پیشگیری اشاره دارد.

۶. مفاهیم صحت، دقت، درستی، بایاس و عدم قطعیت در کنترل کیفی آزمایشگاه

برای فهم کنترل کیفی آزمایشگاه، چند مفهوم پایه‌ای بسیار مهم وجود دارد: صحت، دقت، درستی، بایاس، عدم قطعیت، خطای کل و خطای مجاز کل. این مفاهیم گاهی با هم اشتباه گرفته می‌شوند، در حالی که هرکدام معنی متفاوتی دارند.

صحت یا دقت کلی نتیجه (Accuracy)

صحت یا Accuracy در کاربرد رایج آزمایشگاهی یعنی نزدیکی نتیجه اندازه‌گیری‌شده به مقدار واقعی یا مقدار پذیرفته‌شده. اگر نتیجه آزمایش به مقدار واقعی بیمار نزدیک باشد، می‌گوییم Accuracy خوب است.

مثال: اگر مقدار واقعی گلوکز کنترل ۱۰۰ mg/dL باشد و دستگاه عدد ۱۰۱ یا ۹۹ گزارش کند، صحت نتیجه خوب است. اما اگر دستگاه ۱۲۰ گزارش کند، صحت ضعیف است.

نکته مهم این است که Accuracy در عمل ترکیبی از دو موضوع است: درستی یا Trueness و دقت یا Precision. یعنی یک روش هم باید از نظر میانگین نتایج به مقدار واقعی نزدیک باشد و هم نتایج تکراری آن پراکندگی زیاد نداشته باشند.

درستی (Trueness)

درستی یا Trueness یعنی میانگین نتایج تکراری به مقدار واقعی یا مقدار مرجع نزدیک باشد. درستی بیشتر با بایاس ارتباط دارد.

مثال: اگر مقدار هدف کنترل کراتینین ۱.۰۰ mg/dL باشد و آزمایشگاه در ۲۰ روز میانگین ۱.۰۲ به‌دست آورد، درستی روش خوب است. اما اگر میانگین ۱.۲۰ باشد، روش بایاس مثبت دارد و درستی ضعیف است.

دقت یا تکرارپذیری (Precision)

دقت یا Precision یعنی نتایج تکراری یک آزمایش به هم نزدیک باشند. دقت الزاماً به معنی درست بودن نتیجه نیست. ممکن است دستگاه هر بار تقریباً یک عدد مشابه بدهد، اما همه آن اعداد از مقدار واقعی دور باشند.

مثال: اگر کنترل گلوکز با مقدار هدف ۱۰۰ mg/dL در چهار بار تکرار نتایج ۹۸، ۱۰۱، ۹۹ و ۱۰۰ بدهد، دقت خوب است. اما اگر نتایج ۸۵، ۱۱۰، ۹۵ و ۱۲۰ باشد، دقت ضعیف است.

مثال مهم: اگر مقدار واقعی گلوکز ۱۰۰ باشد و دستگاه در چند بار تکرار ۱۱۵، ۱۱۶، ۱۱۴ و ۱۱۵ بدهد، دقت خوب است، چون نتایج به هم نزدیک‌اند؛ اما درستی ضعیف است، چون همه نتایج از مقدار واقعی بالاترند.

تکرارپذیری درون‌آزمون (Repeatability)

تکرارپذیری یعنی وقتی یک نمونه در شرایط یکسان، در یک زمان کوتاه، با یک دستگاه، یک اپراتور و یک روش چند بار آزمایش شود، نتایج چقدر به هم نزدیک هستند.

مثال: یک نمونه کنترل TSH در یک ران کاری ۱۰ بار روی یک دستگاه اجرا می‌شود. اگر نتایج بسیار نزدیک باشند، Repeatability خوب است.

کاربرد: Repeatability برای بررسی دقت کوتاه‌مدت روش استفاده می‌شود.

بازتولیدپذیری (Reproducibility)

بازتولیدپذیری یعنی نتایج یک روش در شرایط متفاوت، مثل روزهای مختلف، اپراتورهای مختلف، دستگاه‌های مختلف یا لات‌های متفاوت، چقدر با هم سازگار هستند.

مثال: کنترل ALT در پنج روز مختلف توسط دو اپراتور روی یک دستگاه اجرا می‌شود. اگر نتایج همچنان نزدیک و قابل قبول باشند، Reproducibility مناسب است.

کاربرد: Reproducibility برای بررسی پایداری عملکرد روش در شرایط واقعی آزمایشگاه اهمیت دارد.

بایاس (Bias)

بایاس یعنی اختلاف سیستماتیک بین میانگین نتایج آزمایشگاه و مقدار واقعی، مقدار مرجع یا مقدار هدف. بایاس می‌تواند مثبت یا منفی باشد.

بایاس مثبت یعنی نتایج آزمایشگاه بالاتر از مقدار واقعی هستند. بایاس منفی یعنی نتایج آزمایشگاه پایین‌تر از مقدار واقعی هستند.

مثال: اگر مقدار واقعی گلوکز کنترل ۱۰۰ mg/dL باشد و دستگاه همیشه حدود ۱۱۰ نشان دهد، بایاس مثبت وجود دارد. اگر همیشه حدود ۹۰ نشان دهد، بایاس منفی وجود دارد.

در آزمایش‌های بالینی، بایاس می‌تواند بسیار مهم باشد. مثلاً اگر کراتینین بیمار به‌طور سیستماتیک بالاتر گزارش شود، ممکن است عملکرد کلیه بیمار بدتر از واقعیت تفسیر شود.

انحراف از مقدار هدف

انحراف از مقدار هدف یعنی اختلاف هر نتیجه کنترل با میانگین یا مقدار هدف آن.

فرمول ساده: انحراف = نتیجه مشاهده‌شده – مقدار هدف

مثال: اگر مقدار هدف کنترل گلوکز ۱۰۰ باشد و نتیجه امروز ۱۰۸ باشد، انحراف برابر +۸ است. اگر نتیجه ۹۳ باشد، انحراف برابر -۷ است.

این انحراف‌ها وقتی در طول زمان ثبت شوند، می‌توانند روند، شیفت یا پراکندگی غیرطبیعی را نشان دهند.

عدم قطعیت اندازه‌گیری (Measurement Uncertainty)

عدم قطعیت اندازه‌گیری یعنی بازه‌ای که احتمال می‌دهیم مقدار واقعی در آن قرار داشته باشد. هیچ اندازه‌گیری آزمایشگاهی کاملاً بدون عدم قطعیت نیست. حتی بهترین روش‌ها هم مقداری نوسان و محدودیت دارند.

تعریف ساده: عدم قطعیت یعنی نتیجه آزمایش یک عدد قطعی مطلق نیست، بلکه با مقداری اطمینان در یک محدوده قرار دارد.

مثال: اگر آزمایشگاه کراتینین را ۱.۰۰ mg/dL گزارش کند و عدم قطعیت روش ±۰.۰۵ باشد، می‌توان گفت مقدار واقعی احتمالاً در محدوده ۰.۹۵ تا ۱.۰۵ قرار دارد.

اهمیت بالینی: عدم قطعیت زمانی مهم‌تر می‌شود که نتیجه بیمار نزدیک Cut-off یا مرز تصمیم‌گیری بالینی باشد. مثلاً اگر Cut-off یک تست ۱۰ باشد و نتیجه بیمار ۱۰.۲ گزارش شود، باید دانست عدم قطعیت روش چقدر است.

خطای کل (Total Error)

خطای کل یا Total Error مجموع اثر بایاس و عدم دقت روش است. یعنی هم خطای سیستماتیک و هم خطای تصادفی در نظر گرفته می‌شود.

تعریف ساده: خطای کل یعنی حداکثر اختلافی که ممکن است نتیجه آزمایش با مقدار واقعی داشته باشد.

به‌صورت مفهومی: Total Error = Bias + Imprecision

مثال: اگر روش اندازه‌گیری ALT کمی بایاس مثبت داشته باشد و هم‌زمان پراکندگی نتایج کنترل زیاد باشد، خطای کل افزایش می‌یابد.

خطای مجاز کل (Total Allowable Error / TEa)

خطای مجاز کل یا TEa حداکثر خطایی است که از نظر بالینی یا استانداردهای کیفیت برای یک آزمایش قابل قبول محسوب می‌شود. TEa برای آزمایش‌های مختلف متفاوت است.

مثال: خطای قابل قبول برای سدیم معمولاً باید خیلی محدودتر از برخی آزمایش‌های دیگر باشد، چون تغییرات کوچک سدیم می‌تواند اهمیت بالینی داشته باشد. اما برای برخی آنزیم‌ها ممکن است دامنه قابل قبول وسیع‌تر باشد.

کاربرد TEa در آزمایشگاه: انتخاب روش مناسب، ارزیابی عملکرد دستگاه، بررسی پذیرش نتایج کنترل، اعتبارسنجی روش و مقایسه عملکرد آزمایشگاه با معیارهای کیفی.

۷. مفاهیم آماری پایه در کنترل کیفیت آزمایشگاه

کنترل کیفی بدون آمار قابل فهم نیست. اما آمار مورد نیاز برای کنترل کیفیت آزمایشگاه، اگر با مثال توضیح داده شود، بسیار کاربردی و قابل درک است. مفاهیمی مانند میانگین، انحراف معیار، CV، Z-score، توزیع نرمال، محدوده ۲SD و ۳SD اساس تفسیر نمودار لوی‌جنینگ و قوانین وستگارد هستند.

داده خام کنترل کیفی

داده خام کنترل کیفی یعنی عددی که پس از اجرای ماده کنترل روی دستگاه یا روش به‌دست می‌آید. این داده‌ها باید روزانه ثبت شوند و فقط به خوب یا بد بودن همان روز محدود نشوند. ارزش اصلی داده‌های کنترل زمانی مشخص می‌شود که در طول زمان بررسی شوند.

مثال: نتایج کنترل گلوکز در ۱۰ روز متوالی ممکن است چنین باشد: ۹۸، ۱۰۱، ۹۹، ۱۰۰، ۱۰۲، ۹۷، ۱۰۳، ۱۰۰، ۹۹، ۱۰۱

این اعداد داده خام کنترل هستند. با تحلیل این داده‌ها می‌توان میانگین، SD و CV را محاسبه کرد و نمودار کنترلی ساخت.

میانگین (Mean)

میانگین یعنی مجموع داده‌ها تقسیم بر تعداد داده‌ها. در کنترل کیفیت، میانگین معمولاً به‌عنوان مقدار هدف آزمایشگاه برای ماده کنترل استفاده می‌شود.

مثال: اگر نتایج کنترل گلوکز در پنج روز ۹۸، ۱۰۲، ۱۰۰، ۱۰۱ و ۹۹ باشد:

مجموع = ۵۰۰
تعداد = ۵
میانگین = ۱۰۰

پس میانگین کنترل گلوکز برابر ۱۰۰ mg/dL است.

نکته مهم: آزمایشگاه بهتر است برای هر ماده کنترل، میانگین و SD خودش را بر اساس داده‌های داخلی محاسبه کند و فقط به محدوده بروشور شرکت سازنده اکتفا نکند.

میانه (Median)

میانه عددی است که وقتی داده‌ها از کوچک به بزرگ مرتب می‌شوند، در وسط قرار می‌گیرد. میانه در برابر داده‌های پرت کمتر از میانگین تحت تأثیر قرار می‌گیرد.

مثال: داده‌ها: ۹۸، ۹۹، ۱۰۰، ۱۰۱، ۱۰۲
میانه = ۱۰۰

اگر یک داده پرت اضافه شود: ۹۸، ۹۹، ۱۰۰، ۱۰۱، ۱۳۰
میانگین تحت تأثیر عدد ۱۳۰ بالا می‌رود، اما میانه همچنان ۱۰۰ است.

کاربرد: میانه در بررسی داده‌هایی که داده پرت دارند، می‌تواند کمک‌کننده باشد.

مد (Mode)

مد عددی است که بیشترین تکرار را در داده‌ها دارد.

مثال: نتایج کنترل: ۹۹، ۱۰۰، ۱۰۰، ۱۰۱، ۱۰۲
مد = ۱۰۰

در کنترل کیفی روزمره، مد کمتر از میانگین و SD استفاده می‌شود، اما برای شناخت توزیع داده‌ها مفید است.

دامنه تغییرات (Range)

دامنه تغییرات یعنی اختلاف بین بیشترین و کمترین مقدار داده‌ها.

مثال: نتایج کنترل: ۹۸، ۱۰۰، ۱۰۱، ۱۰۳، ۹۹
بیشترین = ۱۰۳
کمترین = ۹۸
Range = ۵

دامنه تغییرات یک تصویر ساده از پراکندگی داده‌ها می‌دهد، اما به اندازه SD دقیق نیست.

واریانس (Variance)

واریانس نشان می‌دهد داده‌ها چقدر از میانگین فاصله دارند. واریانس پایه محاسبه انحراف معیار است، اما در کنترل کیفیت روزمره معمولاً SD بیشتر استفاده می‌شود، چون واحد آن با واحد آزمایش یکسان است.

مثال مفهومی: اگر نتایج کنترل گلوکز همیشه نزدیک ۱۰۰ باشند، واریانس کم است. اگر نتایج بین ۸۵ تا ۱۱۵ پخش شوند، واریانس زیاد است.

انحراف معیار (Standard Deviation / SD)

انحراف معیار یا SD مهم‌ترین شاخص پراکندگی در کنترل کیفیت است. SD نشان می‌دهد نتایج کنترل به‌طور معمول چقدر از میانگین فاصله می‌گیرند.

مثال: اگر میانگین کنترل گلوکز ۱۰۰ و SD برابر ۵ باشد، یعنی بیشتر نتایج کنترل در اطراف ۱۰۰ و با پراکندگی حدود ۵ واحد قرار دارند.

بر اساس SD، محدوده‌های کنترلی ساخته می‌شوند: میانگین ±1SD، میانگین ±2SD، میانگین ±3SD

مثال عددی:
میانگین = ۱۰۰
SD = ۵
محدوده ±1SD = ۹۵ تا ۱۰۵
محدوده ±2SD = ۹۰ تا ۱۱۰
محدوده ±3SD = ۸۵ تا ۱۱۵

در بسیاری از نمودارهای کنترل، خروج از ۲SD هشدار و خروج از ۳SD معمولاً نشانه رد ران یا نیاز به بررسی جدی است.

ضریب تغییرات (Coefficient of Variation / CV%)

CV درصدی از پراکندگی نسبت به میانگین است. CV برای مقایسه دقت روش‌ها بسیار مهم است، چون SD را نسبت به مقدار میانگین استاندارد می‌کند.

فرمول: CV% = SD / Mean × 100

مثال: اگر میانگین کنترل گلوکز ۱۰۰ و SD برابر ۵ باشد: CV = ۵٪

اگر میانگین کنترل دیگری ۲۰۰ و SD برابر ۵ باشد: CV = ۲.۵٪

در هر دو حالت SD برابر ۵ است، اما دقت نسبی در کنترل دوم بهتر است، چون پراکندگی نسبت به میانگین کمتر است.

اهمیت CV: برای مقایسه عملکرد دو دستگاه، دو روش، دو آزمایشگاه یا دو سطح کنترل، CV از SD کاربردی‌تر است.

مثال: SD برابر ۲ برای سدیم ممکن است زیاد و مهم باشد، اما SD برابر ۲ برای ALT در سطح ۲۰۰ ممکن است از نظر نسبی قابل قبول‌تر باشد. بنابراین باید CV و اهمیت بالینی آزمایش را با هم در نظر گرفت.

نمره Z یا Z-score

Z-score نشان می‌دهد یک نتیجه چند SD از میانگین فاصله دارد.

فرمول: Z = نتیجه مشاهده‌شده – میانگین / SD

مثال: میانگین کنترل گلوکز = ۱۰۰
SD = ۵
نتیجه امروز = ۱۱۰
Z = ۱۱۰ – ۱۰۰ / ۵ = ۲

یعنی نتیجه امروز ۲SD بالاتر از میانگین است.

کاربرد Z-score: در نمودارهای کنترل، EQA و مقایسه بین آزمایشگاهی استفاده می‌شود. اگر Z-score خیلی بالا یا پایین باشد، احتمال مشکل در روش یا سیستم آزمایش مطرح می‌شود.

توزیع نرمال (Normal Distribution)

توزیع نرمال یعنی داده‌ها به‌صورت زنگوله‌ای اطراف میانگین پخش می‌شوند. در یک سیستم پایدار، نتایج کنترل معمولاً باید نزدیک میانگین باشند و تعداد کمی از نتایج در فاصله‌های دورتر قرار بگیرند.

در توزیع نرمال: حدود ۶۸٪ داده‌ها در محدوده ±1SD قرار می‌گیرند. حدود ۹۵٪ داده‌ها در محدوده ±2SD قرار می‌گیرند. حدود ۹۹.۷٪ داده‌ها در محدوده ±3SD قرار می‌گیرند.

این مفهوم پایه قوانین کنترل کیفیت است. اگر نقاط کنترل بیش از حد انتظار از محدوده ۲SD یا ۳SD خارج شوند، احتمال خطا وجود دارد.

حدود 1SD، 2SD و 3SD

حدود SD برای تفسیر کنترل‌ها استفاده می‌شوند.

مثال: میانگین کنترل کراتینین = ۱.۰۰ mg/dL
SD = ۰.۰۵
±1SD = ۰.۹۵ تا ۱.۰۵
±2SD = ۰.۹۰ تا ۱.۱۰
±3SD = ۰.۸۵ تا ۱.۱۵

اگر نتیجه امروز ۱.۰۷ باشد، داخل ۲SD است. اگر نتیجه ۱.۱۲ باشد، خارج از ۲SD ولی داخل ۳SD است. اگر نتیجه ۱.۱۸ باشد، خارج از ۳SD است و باید بررسی جدی شود.

محدوده قابل قبول کنترل

محدوده قابل قبول کنترل محدوده‌ای است که نتایج کنترل در آن قابل پذیرش هستند. این محدوده معمولاً بر اساس میانگین و SD آزمایشگاه تعیین می‌شود.

مثال: اگر میانگین کنترل گلوکز ۱۰۰ و SD برابر ۵ باشد، آزمایشگاه ممکن است محدوده قابل قبول را ±2SD یا ±3SD در نظر بگیرد، بسته به سیاست کیفیت، نوع آزمایش و قوانین کنترلی.

نکته مهم: محدوده روی بروشور کنترل فقط یک راهنمای اولیه است. هر آزمایشگاه باید بعد از جمع‌آوری تعداد کافی داده، میانگین و SD داخلی خود را محاسبه کند.

Outlier یا داده پرت

داده پرت نتیجه‌ای است که به‌طور غیرعادی از سایر داده‌ها فاصله دارد. داده پرت می‌تواند ناشی از خطای تصادفی، اشتباه اپراتور، مشکل دستگاه یا تداخل نمونه باشد.

مثال: اگر نتایج کنترل گلوکز در چند روز ۹۸، ۱۰۱، ۹۹، ۱۰۰، ۱۰۲ و ناگهان ۱۳۰ باشد، عدد ۱۳۰ داده پرت محسوب می‌شود و باید بررسی شود.

نکته مهم: حذف داده پرت بدون دلیل علمی اشتباه است. هر حذف داده باید مستند و قابل دفاع باشد.

روند (Trend)

Trend یعنی نتایج کنترل به‌تدریج در یک جهت حرکت کنند، حتی اگر هنوز از محدوده قابل قبول خارج نشده باشند.

مثال: نتایج کنترل ALT طی چند روز: ۳۵، ۳۷، ۳۹، ۴۱، ۴۳، ۴۵، ۴۷

حتی اگر همه نتایج هنوز داخل محدوده مجاز باشند، حرکت تدریجی رو به بالا می‌تواند نشانه مشکل باشد.

علت‌های احتمالی Trend: خراب شدن تدریجی معرف، کاهش عملکرد لامپ، آلودگی تدریجی، تغییر دما، فرسودگی الکترود یا تبخیر محلول‌ها.

شیفت (Shift)

Shift یعنی جابه‌جایی ناگهانی نتایج کنترل به یک سمت میانگین.

مثال: کنترل کراتینین برای مدت طولانی اطراف ۱.۰۰ بوده است، اما بعد از تغییر لات معرف، نتایج ناگهان اطراف ۱.۱۵ قرار می‌گیرند. این حالت می‌تواند نشانه Shift باشد.

علت‌های احتمالی Shift: تغییر لات معرف، تغییر لات کنترل، کالیبراسیون جدید، سرویس دستگاه، تغییر اپراتور یا تغییر روش.

پراکندگی داده‌ها

پراکندگی یعنی نتایج کنترل چقدر اطراف میانگین پخش شده‌اند. پراکندگی زیاد معمولاً نشانه ضعف Precision است.

مثال: دو دستگاه گلوکز را در نظر بگیرید: دستگاه اول: ۹۸، ۹۹، ۱۰۰، ۱۰۱، ۱۰۲. دستگاه دوم: ۸۵، ۹۵، ۱۰۵، ۱۱۵، ۱۰۰

هر دو ممکن است میانگین نزدیک ۱۰۰ داشته باشند، اما دستگاه دوم پراکندگی بیشتری دارد و دقت آن ضعیف‌تر است.

نمودار کنترلی

نمودار کنترلی ابزاری برای نمایش داده‌های کنترل در طول زمان است. معروف‌ترین نمودار کنترلی در آزمایشگاه، نمودار لوی‌جنینگ است. این نمودار کمک می‌کند فقط به عدد امروز نگاه نکنیم، بلکه الگوی تغییرات را در طول زمان ببینیم.

۸. کنترل کیفی داخلی آزمایشگاه در مفاهیم پایه کنترل کیفی

کنترل کیفی داخلی یا IQC (Internal Quality Control) مجموعه اقداماتی است که آزمایشگاه به‌صورت روزانه یا در فواصل مشخص انجام می‌دهد تا مطمئن شود روش، دستگاه، معرف و اپراتور عملکرد قابل قبول دارند. IQC یکی از مهم‌ترین ابزارهای پیشگیری از گزارش نتایج اشتباه به بیمار است.

کنترل کیفی داخلی باید قبل از گزارش نتایج بیماران بررسی شود. اگر کنترل مردود باشد، گزارش نتایج بیماران بدون بررسی و رفع مشکل، از نظر علمی و کیفی قابل قبول نیست.

ماده کنترل چیست؟

ماده کنترل نمونه‌ای با مقدار شناخته‌شده یا محدوده مورد انتظار است که مانند نمونه بیمار آزمایش می‌شود تا عملکرد سیستم بررسی شود. ماده کنترل باید تا حد امکان رفتار مشابه نمونه بیمار داشته باشد.

مثال: سرم کنترل بیوشیمی برای آزمایش‌هایی مانند گلوکز، کراتینین، اوره، ALT و AST استفاده می‌شود. در هماتولوژی، کنترل CBC برای پارامترهایی مانند WBC، RBC، Hb، Hct و PLT استفاده می‌شود. در انعقاد، کنترل نرمال و غیرنرمال برای PT و PTT استفاده می‌شود.

سطح کنترل چیست؟

سطح کنترل یعنی غلظت یا مقدار کنترل در یک محدوده خاص. معمولاً برای بسیاری از آزمایش‌ها از چند سطح کنترل استفاده می‌شود.

کنترل نرمال: در محدوده طبیعی یا نزدیک طبیعی قرار دارد. کنترل پاتولوژیک: در محدوده غیرطبیعی یا نزدیک تصمیم‌گیری بالینی قرار دارد.

مثال: در آزمایش گلوکز، کنترل نرمال ممکن است حدود ۹۰ mg/dL و کنترل پاتولوژیک حدود ۲۵۰ mg/dL باشد. اگر فقط کنترل نرمال اجرا شود، عملکرد روش در محدوده بالا به‌خوبی بررسی نمی‌شود.

کنترل نرمال و پاتولوژیک

استفاده از کنترل نرمال و پاتولوژیک به آزمایشگاه کمک می‌کند عملکرد روش را در دو محدوده مهم بررسی کند. بعضی روش‌ها ممکن است در محدوده طبیعی خوب عمل کنند، اما در محدوده بالا یا پایین دچار مشکل شوند.

مثال: در آزمایش PT و PTT معمولاً باید حداقل کنترل نرمال و غیرنرمال استفاده شود تا عملکرد روش هم در محدوده طبیعی و هم در محدوده پاتولوژیک بررسی شود.

تعداد دفعات اجرای کنترل

تعداد دفعات اجرای کنترل به نوع آزمایش، حجم کاری، پایداری دستگاه، اهمیت بالینی تست، الزامات کیفی و سیاست آزمایشگاه بستگی دارد.

مواردی که معمولاً نیاز به اجرای کنترل دارند: ابتدای هر شیفت کاری، قبل از گزارش نتایج بیماران، بعد از کالیبراسیون، بعد از تغییر لات معرف، بعد از سرویس دستگاه، بعد از مشاهده نتایج غیرمنتظره، در فواصل مشخص در طول روز و در پایان ران‌های طولانی.

مثال: در بخش بیوشیمی با حجم بالای نمونه، ممکن است کنترل در ابتدای روز و سپس بعد از تعداد مشخصی نمونه یا در شیفت بعدی اجرا شود. در بخش انعقاد، اجرای کنترل برای PT و PTT قبل از گزارش نتایج بیماران اهمیت زیادی دارد.

انتخاب ماده کنترل مناسب

ماده کنترل مناسب باید پایدار، همگن، قابل ردیابی، دارای محدوده مشخص، مشابه ماتریکس نمونه بیمار و مناسب برای روش مورد استفاده باشد.

ویژگی‌های مهم ماده کنترل: پایداری مناسب، محدوده غلظتی مناسب، سازگاری با دستگاه و روش، داشتن چند سطح، حداقل اثر ماتریکس، امکان استفاده طولانی‌مدت از یک لات و داشتن اطلاعات معتبر از سازنده.

مثال: برای تست TSH بهتر است از کنترل‌هایی استفاده شود که سطح پایین، نرمال و بالا را پوشش دهند، چون تصمیم‌گیری بالینی در محدوده‌های مختلف TSH اهمیت دارد.

تفاوت کنترل و کالیبراتور

کنترل و کالیبراتور دو مفهوم متفاوت هستند و نباید به‌جای هم استفاده شوند.

کالیبراتور برای تنظیم یا ایجاد رابطه بین پاسخ دستگاه و مقدار واقعی استفاده می‌شود. کنترل برای بررسی صحت عملکرد سیستم بعد از کالیبراسیون و در طول کار روزانه استفاده می‌شود.

مثال: اگر کنترل کراتینین خارج از محدوده باشد، نباید فوراً همان کنترل را به‌عنوان کالیبراتور استفاده کرد. ابتدا باید علت بررسی شود و در صورت نیاز با کالیبراتور معتبر، کالیبراسیون انجام شود.

تفاوت کنترل تجاری و کنترل داخلی

کنترل تجاری توسط شرکت‌ها تولید می‌شود و معمولاً دارای محدوده هدف و پایداری مشخص است. کنترل داخلی ممکن است توسط خود آزمایشگاه تهیه شود، مثلاً از مخلوط نمونه‌های بیماران یا مواد آماده‌شده داخلی.

کنترل تجاری معمولاً استانداردتر، پایدارتر و قابل اعتمادتر است. کنترل داخلی می‌تواند در شرایط خاص مفید باشد، اما باید از نظر پایداری، همگنی و ایمنی بررسی شود.

مثال: در برخی تست‌های سرولوژی، آزمایشگاه ممکن است از نمونه مثبت ضعیف داخلی به‌عنوان کنترل روند استفاده کند، اما باید پایداری و شرایط نگهداری آن مشخص و مستند باشد.

لات کنترل

لات کنترل یعنی شماره تولید مشخص یک ماده کنترل. هر لات ممکن است میانگین و SD متفاوتی داشته باشد. تغییر لات کنترل باید مدیریت شود.

اشتباه رایج این است که با تغییر لات کنترل، آزمایشگاه بدون بررسی کافی از همان محدوده قبلی استفاده کند. برای هر لات جدید باید دوره همپوشانی یا ارزیابی اولیه انجام شود.

مثال: اگر لات جدید کنترل ALT وارد آزمایشگاه شود، بهتر است برای مدتی هم‌زمان با لات قبلی اجرا شود تا میانگین و محدوده جدید آزمایشگاه مشخص شود.

محدوده قابل قبول کنترل

محدوده قابل قبول کنترل معمولاً بر اساس میانگین و SD تعیین می‌شود. در ابتدا ممکن است از محدوده سازنده استفاده شود، اما پس از جمع‌آوری داده کافی، آزمایشگاه باید محدوده اختصاصی خود را محاسبه کند.

مثال: اگر بروشور کنترل گلوکز محدوده ۸۸ تا ۱۱۲ را پیشنهاد کند، اما آزمایشگاه پس از ۲۰ روز داده به میانگین ۱۰۰ و SD برابر ۳ برسد، محدوده داخلی آزمایشگاه ممکن است دقیق‌تر و محدودتر باشد.

نحوه ثبت داده‌های کنترل

ثبت داده‌های کنترل باید منظم، کامل و قابل ردیابی باشد. ثبت فقط عدد کنترل کافی نیست. باید اطلاعات مربوط به تاریخ، ساعت، نام تست، سطح کنترل، لات کنترل، لات معرف، دستگاه، اپراتور، نتیجه، وضعیت پذیرش و اقدام اصلاحی ثبت شود.

مثال فرم ثبت: تاریخ، نام آزمایش، سطح کنترل، نتیجه، میانگین، SD، وضعیت، نام اپراتور، اقدام اصلاحی.

تفسیر نتایج کنترل

تفسیر کنترل فقط این نیست که عدد داخل محدوده هست یا نه. باید الگوی تغییرات بررسی شود. ممکن است کنترل هنوز داخل محدوده باشد، اما Trend یا Shift در حال شکل‌گیری باشد.

مثال: اگر کنترل TSH طی هفت روز متوالی از ۲.۱ به ۲.۸ افزایش پیدا کند، حتی اگر همه اعداد در محدوده باشند، باید علت روند افزایشی بررسی شود.

اقدام اصلاحی هنگام خروج کنترل از محدوده

وقتی کنترل خارج از محدوده است، اقدام درست فقط تکرار کنترل نیست. تکرار کنترل بدون ریشه‌یابی ممکن است مشکل را پنهان کند.

اقدامات پیشنهادی: بررسی خطای اپراتور، بررسی آماده‌سازی کنترل، بررسی تاریخ انقضای کنترل و معرف، بررسی شرایط نگهداری، بررسی کالیبراسیون، بررسی خطاهای دستگاه، بررسی تغییر لات، اجرای مجدد کنترل، استفاده از سطح کنترل دیگر، بررسی نمونه‌های بیماران تحت تأثیر و مستندسازی کامل.

مثال: اگر کنترل کراتینین خارج از محدوده شود، باید تاریخ انقضای معرف، شرایط نگهداری، وضعیت کالیبراسیون، خطای دستگاه، آماده‌سازی کنترل و سوابق نتایج روزهای قبل بررسی شود. فقط تکرار کنترل و گزارش بیماران بدون تحلیل علت، اقدام کیفی قابل قبول نیست.

۹. کنترل کیفی خارجی و ارزیابی مهارت در مفاهیم پایه کنترل کیفی

کنترل کیفی خارجی یا EQA (External Quality Assessment) روشی برای ارزیابی عملکرد آزمایشگاه در مقایسه با سایر آزمایشگاه‌ها یا یک مقدار مرجع است. در EQA، نمونه‌هایی از طرف یک مرکز برگزارکننده برای آزمایشگاه ارسال می‌شود و آزمایشگاه آن‌ها را مانند نمونه بیمار آزمایش و گزارش می‌کند. سپس نتیجه آزمایشگاه با نتایج سایر آزمایشگاه‌ها یا مقدار هدف مقایسه می‌شود.

آزمون مهارت‌آزمایی (Proficiency Testing / PT)

Proficiency Testing نوعی ارزیابی خارجی است که هدف آن بررسی توانایی آزمایشگاه در تولید نتایج درست برای نمونه‌های ناشناخته است. PT بیشتر جنبه ارزیابی عملکرد دارد و در اعتباربخشی آزمایشگاه‌ها اهمیت زیادی دارد.

مثال: یک نمونه ناشناخته برای اندازه‌گیری کراتینین به چند آزمایشگاه ارسال می‌شود. هر آزمایشگاه نتیجه خود را گزارش می‌کند. سپس مشخص می‌شود نتیجه هر آزمایشگاه چقدر به میانگین گروه همسان یا مقدار مرجع نزدیک بوده است.

تفاوت IQC و EQA

مثال: IQC به شما می‌گوید امروز دستگاه گلوکز شما در کنترل است یا نه. EQA به شما نشان می‌دهد نتیجه گلوکز آزمایشگاه شما نسبت به سایر آزمایشگاه‌های مشابه چقدر درست است.

اهمیت مقایسه بین آزمایشگاهی

ممکن است آزمایشگاه در IQC روزانه مشکلی نبیند، اما در EQA مشخص شود نتایج آن نسبت به سایر آزمایشگاه‌ها بالاتر یا پایین‌تر است. این حالت معمولاً نشانه بایاس سیستماتیک است.

مثال: اگر آزمایشگاه در برنامه EQA کراتینین همیشه نتایج بالاتری نسبت به میانگین گروه همسان گزارش کند، احتمال وجود بایاس مثبت مطرح می‌شود. علت می‌تواند کالیبراسیون، روش، معرف، دستگاه یا محاسبه نادرست باشد.

نحوه تفسیر نتایج EQA

در گزارش EQA معمولاً شاخص‌هایی مانند مقدار هدف، میانگین گروه، درصد اختلاف، Z-score یا SDI ارائه می‌شود. آزمایشگاه باید نتایج نامطلوب را ریشه‌یابی و مستند کند.

مثال: اگر Z-score آزمایشگاه برای ALT برابر +۳ باشد، یعنی نتیجه آزمایشگاه به‌طور قابل توجهی بالاتر از گروه مقایسه است و باید بررسی شود.

نقش EQA در اعتباربخشی آزمایشگاه

شرکت در برنامه‌های EQA یکی از ابزارهای مهم نشان دادن صلاحیت آزمایشگاه است. نتایج EQA به آزمایشگاه کمک می‌کند عملکرد خود را در سطحی فراتر از کنترل داخلی بررسی کند و خطاهای پنهان یا بایاس‌های سیستماتیک را شناسایی نماید.

۱۰. کالیبراسیون و کنترل کیفیت در مفاهیم پایه کنترل کیفی

کالیبراسیون یکی از مفاهیم مهم در کنترل کیفیت آزمایشگاه است، اما نباید با کنترل کیفی اشتباه گرفته شود. کالیبراسیون برای تنظیم یا بررسی رابطه بین پاسخ دستگاه و مقدار واقعی استفاده می‌شود، در حالی که کنترل کیفی برای پایش عملکرد سیستم بعد از کالیبراسیون به کار می‌رود.

کالیبراتور چیست؟

کالیبراتور ماده‌ای با مقدار مشخص و معتبر است که برای تنظیم سیستم اندازه‌گیری استفاده می‌شود. دستگاه با استفاده از کالیبراتور یاد می‌گیرد که پاسخ اندازه‌گیری را به مقدار واقعی تبدیل کند.

مثال: در آزمایش گلوکز، کالیبراتور با مقدار مشخص روی دستگاه اجرا می‌شود تا دستگاه رابطه بین جذب نوری و غلظت گلوکز را تنظیم کند.

چه زمانی کالیبراسیون لازم است؟

کالیبراسیون در شرایط مختلف لازم می‌شود: راه‌اندازی روش جدید، نصب دستگاه جدید، تغییر لات معرف، تغییر لات کالیبراتور، سرویس یا تعمیر دستگاه، تعویض قطعه مهم، مشاهده خروج کنترل از محدوده، تغییرات مهم محیطی، توصیه شرکت سازنده و در فواصل زمانی تعریف‌شده.

مثال: اگر پس از تعویض لات معرف ALT، کنترل‌ها دچار Shift شوند، یکی از اقدامات احتمالی بررسی نیاز به کالیبراسیون است.

تفاوت کالیبراسیون، تنظیم دستگاه و کنترل کیفی

کالیبراسیون یعنی تعیین یا تنظیم رابطه بین پاسخ دستگاه و مقدار معلوم. تنظیم دستگاه یعنی تغییر پارامترهای دستگاه برای رسیدن به عملکرد مناسب. کنترل کیفی یعنی بررسی اینکه سیستم بعد از تنظیم و کالیبراسیون، در عمل درست کار می‌کند یا نه.

مثال: اگر دستگاه الکترولیت سدیم را به‌طور مداوم پایین گزارش کند، ممکن است نیاز به بررسی الکترود، محلول‌ها، کالیبراسیون و سپس اجرای کنترل باشد. فقط اجرای کنترل بدون بررسی سیستم مشکل را حل نمی‌کند.

۱۱. اعتبارسنجی و صحه‌گذاری روش‌ها در مفاهیم پایه کنترل کیفی

در آزمایشگاه، قبل از استفاده از یک روش جدید یا دستگاه جدید برای گزارش نتایج بیماران، باید عملکرد آن بررسی شود. دو مفهوم مهم در این زمینه Validation و Verification هستند.

اعتبارسنجی (Validation)

اعتبارسنجی یا Validation یعنی اثبات اینکه یک روش جدید، تغییر‌یافته یا طراحی‌شده توسط آزمایشگاه برای هدف مورد نظر مناسب است. Validation معمولاً زمانی لازم است که روش به‌صورت داخلی طراحی شده، تغییر اساسی یافته یا کاربردی خارج از ادعای سازنده دارد.

تعریف ساده: Validation یعنی ثابت کنیم روش برای استفاده مورد نظر واقعاً مناسب است.

مثال: اگر آزمایشگاه یک روش داخلی برای اندازه‌گیری یک مارکر خاص طراحی کند، باید دقت، صحت، خطی بودن، محدوده اندازه‌گیری، تداخلات، پایداری و سایر پارامترها را بررسی کند.

وریفیکیشن یا تأیید عملکرد (Verification)

وریفیکیشن یعنی بررسی اینکه یک روش استاندارد، تجاری یا آماده، در شرایط واقعی آزمایشگاه ما همان عملکرد ادعاشده توسط سازنده را دارد.

تعریف ساده: Verification یعنی ثابت کنیم روش آماده و تجاری در آزمایشگاه ما درست کار می‌کند.

مثال: اگر آزمایشگاه یک کیت تجاری TSH را روی دستگاه مشخص نصب کند، باید بررسی کند که دقت، صحت، محدوده اندازه‌گیری و سایر ویژگی‌های اصلی در شرایط آزمایشگاه قابل قبول است.

تفاوت Validation و Verification

پارامترهای مهم در اعتبارسنجی و وریفیکیشن

دقت

دقت نشان می‌دهد نتایج تکراری چقدر به هم نزدیک هستند.

مثال: یک کنترل CBC برای Hb در یک روز ۱۰ بار اجرا می‌شود. اگر نتایج نزدیک باشند، دقت درون‌آزمون خوب است.

صحت

صحت نشان می‌دهد نتایج چقدر به مقدار واقعی یا روش مرجع نزدیک هستند.

مثال: نتایج کراتینین دستگاه جدید با دستگاه قبلی یا روش مرجع مقایسه می‌شود. اگر اختلاف قابل قبول باشد، صحت مناسب است.

بایاس

بایاس اختلاف سیستماتیک بین روش آزمایشگاه و مقدار مرجع یا روش مقایسه‌ای است.

مثال: اگر دستگاه جدید ALT به‌طور میانگین ۸٪ بالاتر از دستگاه قبلی گزارش کند، باید بررسی شود که این بایاس از نظر بالینی و معیارهای کیفیت قابل قبول است یا نه.

خطی بودن (Linearity)

خطی بودن یعنی روش بتواند در محدوده مشخص، افزایش یا کاهش غلظت را به‌صورت متناسب اندازه‌گیری کند.

مثال: اگر نمونه گلوکز با غلظت‌های ۵۰، ۱۰۰، ۲۰۰، ۳۰۰ و ۴۰۰ mg/dL بررسی شود، نتایج باید متناسب با افزایش غلظت افزایش یابند.

محدوده اندازه‌گیری (Measuring Range)

محدوده اندازه‌گیری یعنی بازه‌ای که روش می‌تواند در آن نتایج قابل اعتماد ارائه دهد.

مثال: اگر دستگاه TSH تا ۱۰۰ mIU/L را به‌طور معتبر اندازه‌گیری کند، نتیجه بالاتر از این محدوده ممکن است نیاز به رقیق‌سازی یا گزارش به‌صورت بیشتر از حد داشته باشد.

حد تشخیص (Limit of Detection / LOD)

LOD کمترین مقدار ماده است که روش می‌تواند وجود آن را تشخیص دهد، اما الزاماً با دقت کمی قابل گزارش نیست.

مثال: در یک تست سرولوژی یا مولکولی، LOD نشان می‌دهد کمترین مقدار آنالیت یا عامل قابل تشخیص چقدر است.

حد کمی‌سازی (Limit of Quantitation / LOQ)

LOQ کمترین مقداری است که روش می‌تواند با دقت و صحت قابل قبول اندازه‌گیری و عددی گزارش کند.

مثال: ممکن است یک روش بتواند مقدار بسیار کم CRP را تشخیص دهد، اما فقط از یک حد مشخص به بالا بتواند آن را با دقت قابل قبول گزارش کند.

حساسیت تشخیصی

حساسیت تشخیصی یعنی توانایی تست در شناسایی افراد بیمار. اگر حساسیت بالا باشد، احتمال منفی کاذب کمتر است.

مثال: اگر یک تست سرولوژی برای بیماری خاص حساسیت بالایی داشته باشد، بیشتر بیماران واقعی را مثبت گزارش می‌کند.

ویژگی تشخیصی

ویژگی تشخیصی یعنی توانایی تست در شناسایی افراد سالم. اگر ویژگی بالا باشد، احتمال مثبت کاذب کمتر است.

مثال: اگر یک تست آنتی‌بادی ویژگی بالایی داشته باشد، افراد بدون بیماری کمتر به‌اشتباه مثبت گزارش می‌شوند.

تداخلات (Interferences)

تداخل یعنی عاملی در نمونه باعث تغییر نتیجه آزمایش شود.

مثال‌ها: همولیز باعث افزایش کاذب پتاسیم می‌شود. لیپمی می‌تواند در روش‌های فتومتریک اختلال ایجاد کند. بیلی‌روبین بالا ممکن است در برخی سنجش‌ها اثر بگذارد. داروها یا آنتی‌بادی‌های هتروفیل می‌توانند در برخی ایمونواسی‌ها مانند TSH تداخل ایجاد کنند.

Carryover

Carryover یعنی اثر باقی‌مانده یک نمونه با غلظت بالا روی نمونه بعدی.

مثال: اگر نمونه‌ای با گلوکز بسیار بالا قبل از نمونه نرمال اجرا شود و مقدار کمی از آن به نمونه بعدی منتقل شود، ممکن است نتیجه نمونه بعدی به‌صورت کاذب بالا رود.

پایداری نمونه

پایداری نمونه یعنی آنالیت مورد نظر در شرایط مشخص تا چه مدت قابل اندازه‌گیری معتبر است.

مثال: گلوکز در خون کامل ممکن است در اثر مصرف سلولی کاهش یابد، مگر اینکه شرایط نگهداری و جداسازی مناسب رعایت شود.

مقایسه روش‌ها

مقایسه روش‌ها یعنی نتایج روش جدید با روش قبلی، روش مرجع یا دستگاه دیگر مقایسه شود.

مثال: برای راه‌اندازی دستگاه جدید بیوشیمی، ۴۰ نمونه بیمار روی دستگاه قدیم و جدید آزمایش می‌شود و اختلاف نتایج گلوکز، کراتینین و ALT بررسی می‌گردد.

رنج مرجع

رنج مرجع محدوده‌ای است که معمولاً در جمعیت سالم دیده می‌شود. رنج مرجع باید با روش، جمعیت، سن، جنس و شرایط آزمایشگاه سازگار باشد.

مثال: رنج مرجع ALP در کودکان با بزرگسالان متفاوت است. بنابراین استفاده از یک رنج واحد برای همه بیماران می‌تواند گمراه‌کننده باشد.

Cut-off

Cut-off نقطه تصمیم‌گیری است که بر اساس آن نتیجه مثبت، منفی، طبیعی، غیرطبیعی یا نیازمند اقدام تفسیر می‌شود.

مثال: در تست‌های سرولوژی، اگر نسبت سیگنال به Cut-off بالاتر از مقدار مشخص باشد، نتیجه مثبت گزارش می‌شود. نزدیک بودن نتیجه به Cut-off نیاز به دقت بیشتر در تفسیر دارد.

Robustness

Robustness یعنی روش در برابر تغییرات کوچک و کنترل‌شده شرایط چقدر پایدار است.

مثال: اگر تغییر کوچک در زمان انکوباسیون یا دمای اتاق باعث تغییر شدید نتیجه تست سرولوژی شود، روش Robustness ضعیفی دارد.

Ruggedness

Ruggedness یعنی روش در شرایط واقعی و با تغییر اپراتور، روز، دستگاه یا محیط چقدر پایدار عمل می‌کند.

مثال: اگر یک تست انعقادی توسط سه اپراتور در سه روز مختلف نتایج مشابه بدهد، Ruggedness مناسبی دارد.

۱۲. نمودار لوی‌جنینگ در کنترل کیفی آزمایشگاه

نمودار لوی‌جنینگ (Levey–Jennings Chart) یکی از مهم‌ترین ابزارهای کنترل کیفی داخلی در آزمایشگاه است. این نمودار نتایج کنترل را در طول زمان نمایش می‌دهد و به آزمایشگاه کمک می‌کند خطاهای تصادفی، سیستماتیک، روندها و شیفت‌ها را زودتر شناسایی کند.

تعریف نمودار لوی‌جنینگ

نمودار لوی‌جنینگ نموداری است که در آن نتایج روزانه یا دوره‌ای کنترل روی محور عمودی و زمان یا شماره ران روی محور افقی ثبت می‌شود. روی این نمودار، میانگین و خطوط ±1SD، ±2SD و ±3SD مشخص می‌شوند.

هدف این نمودار فقط دیدن اینکه یک نقطه داخل محدوده است یا خارج از محدوده نیست. هدف اصلی تشخیص الگوی تغییرات است.

محور افقی و عمودی

محور افقی معمولاً نشان‌دهنده روز، تاریخ، شماره ران یا شماره اجرای کنترل است. محور عمودی نشان‌دهنده مقدار عددی کنترل است؛ مثلاً گلوکز، کراتینین، ALT، PT یا TSH.

مثال: اگر کنترل ALT هر روز اجرا شود، روزهای ماه روی محور افقی و مقدار ALT کنترل روی محور عمودی قرار می‌گیرد.

میانگین و خطوط SD

در مرکز نمودار، خط میانگین قرار دارد. بالاتر و پایین‌تر از آن خطوط +1SD، -1SD، +2SD، -2SD، +3SD و -3SD رسم می‌شوند.

مثال: میانگین کنترل گلوکز = ۱۰۰
SD = ۵
خط میانگین = ۱۰۰
+1SD = ۱۰۵
-1SD = ۹۵
+2SD = ۱۱۰
-2SD = ۹۰
+3SD = ۱۱۵
-3SD = ۸۵

هر نتیجه کنترل روزانه روی نمودار ثبت می‌شود و سپس الگوی نقاط بررسی می‌گردد.

نحوه رسم نمودار لوی‌جنینگ

برای رسم نمودار لوی‌جنینگ: ابتدا ماده کنترل مناسب انتخاب می‌شود. در یک دوره اولیه، تعداد کافی داده کنترل جمع‌آوری می‌شود. میانگین و SD محاسبه می‌شود. خطوط میانگین و SD روی نمودار مشخص می‌شود. نتیجه هر روز کنترل ثبت می‌شود. قوانین کنترلی مانند قوانین وستگارد روی نقاط اعمال می‌شود. در صورت مشاهده الگوی غیرطبیعی، اقدام اصلاحی انجام و مستند می‌شود.

کاربرد نمودار لوی‌جنینگ در پایش روزانه کنترل‌ها

این نمودار به آزمایشگاه کمک می‌کند به جای نگاه کردن جداگانه به هر عدد، رفتار سیستم را در طول زمان ببیند.

مثال: اگر کنترل کراتینین امروز داخل محدوده باشد، ممکن است در نگاه اول مشکلی دیده نشود. اما اگر روی نمودار مشخص شود که طی ۱۰ روز گذشته همه نقاط بالای میانگین بوده‌اند، احتمال Shift یا بایاس سیستماتیک مطرح می‌شود.

تشخیص Trend و Shift

در نمودار لوی‌جنینگ، Trend به‌صورت حرکت تدریجی نقاط در یک جهت دیده می‌شود. Shift به‌صورت جابه‌جایی ناگهانی نقاط به یک سمت میانگین دیده می‌شود.

مثال Trend: نتایج کنترل ALT چند روز پشت سر هم از ۳۵ به ۳۷، ۳۹، ۴۱، ۴۳ و ۴۵ افزایش یابد. مثال Shift: کنترل TSH بعد از تغییر لات معرف ناگهان از محدوده اطراف ۲.۰ به اطراف ۲.۶ منتقل شود.

تشخیص خطای تصادفی و سیستماتیک

خطای تصادفی معمولاً به‌صورت خروج ناگهانی یک نقطه یا پراکندگی زیاد دیده می‌شود. خطای سیستماتیک معمولاً به‌صورت Shift، Trend یا قرار گرفتن چند نقطه در یک سمت میانگین دیده می‌شود.

مثال: اگر یک نقطه کنترل گلوکز ناگهان خارج از ۳SD قرار گیرد، احتمال خطای تصادفی یا اشتباه اجرای کنترل وجود دارد. اما اگر چند نقطه متوالی بالای میانگین باشند، احتمال خطای سیستماتیک بیشتر است.

اقدامات اصلاحی بعد از مشاهده الگوهای غیرطبیعی

وقتی نمودار لوی‌جنینگ الگوی غیرطبیعی نشان می‌دهد، باید اقدامات زیر بررسی شود: آیا کنترل درست آماده شده است؟ آیا کنترل یا معرف منقضی شده است؟ آیا شرایط نگهداری مناسب بوده است؟ آیا کالیبراسیون اخیر انجام شده است؟ آیا لات معرف یا کنترل تغییر کرده است؟ آیا دستگاه خطا یا هشدار داشته است؟ آیا اپراتور جدید یا روش جدید استفاده شده است؟ آیا نتایج بیماران تحت تأثیر قرار گرفته‌اند؟

۱۳. قوانین وستگارد در کنترل کیفی آزمایشگاه

قوانین وستگارد (Westgard Rules) مجموعه‌ای از قوانین آماری هستند که برای تفسیر نتایج کنترل کیفی داخلی استفاده می‌شوند. این قوانین به آزمایشگاه کمک می‌کنند بین نوسان طبیعی کنترل و خطای واقعی تفاوت قائل شود.

قانون 1-2s

قانون 1-2s زمانی رخ می‌دهد که یک نتیجه کنترل خارج از محدوده ±2SD قرار گیرد، اما هنوز داخل ±3SD باشد.

نوع خطا: بیشتر هشدار است و می‌تواند ناشی از نوسان طبیعی، شروع خطای تصادفی یا شروع خطای سیستماتیک باشد.

مثال: میانگین کنترل گلوکز ۱۰۰ و SD برابر ۵ است. محدوده +2SD برابر ۱۱۰ است. اگر نتیجه کنترل امروز ۱۱۲ باشد، قانون 1-2s فعال می‌شود.

اقدام پیشنهادی: ران فوراً رد نمی‌شود، اما باید با دقت بررسی شود. بهتر است سطح کنترل دیگر، نتایج قبلی و الگوی نمودار بررسی شود.

قانون 1-3s

قانون 1-3s زمانی رخ می‌دهد که یک نتیجه کنترل خارج از محدوده ±3SD قرار گیرد.

نوع خطا: بیشتر نشان‌دهنده خطای تصادفی یا مشکل جدی در اجرای کنترل است.

مثال: میانگین کنترل گلوکز ۱۰۰ و SD برابر ۵ است. محدوده +3SD برابر ۱۱۵ است. اگر نتیجه کنترل ۱۱۸ باشد، قانون 1-3s نقض شده است.

اقدام پیشنهادی: ران باید رد شود. نباید نتایج بیماران گزارش شوند تا علت بررسی شود. باید کنترل، معرف، دستگاه، کالیبراسیون و اجرای آزمایش بررسی گردد.

قانون 2-2s

قانون 2-2s زمانی رخ می‌دهد که دو نتیجه متوالی کنترل در یک سمت میانگین و خارج از محدوده ±2SD قرار گیرند. این دو نتیجه می‌توانند مربوط به دو ران متوالی یک سطح کنترل یا دو سطح کنترل در یک ران باشند.

نوع خطا: بیشتر نشان‌دهنده خطای سیستماتیک است.

مثال: میانگین کنترل ALT برابر ۴۰ و SD برابر ۲ است. +2SD برابر ۴۴ است. اگر دو روز متوالی کنترل ALT برابر ۴۵ و ۴۶ شود، قانون 2-2s نقض شده است.

اقدام پیشنهادی: بررسی کالیبراسیون، تغییر لات معرف، تغییر لات کنترل، شرایط نگهداری، دستگاه و احتمال بایاس سیستماتیک.

قانون R-4s

قانون R-4s زمانی رخ می‌دهد که اختلاف بین دو نتیجه کنترل در یک ران بیش از ۴SD باشد؛ معمولاً یکی بالاتر از +2SD و دیگری پایین‌تر از -2SD قرار می‌گیرد.

نوع خطا: بیشتر نشان‌دهنده خطای تصادفی است.

مثال: کنترل نرمال گلوکز در +2SD و کنترل پاتولوژیک در -2SD قرار گیرد. اختلاف بین آن‌ها از نظر آماری زیاد است و احتمال خطای تصادفی مطرح می‌شود.

اقدام پیشنهادی: بررسی پیپتاژ، حباب، مخلوط شدن کنترل، خطای اپراتور، مشکل موقت دستگاه و تکرار کنترل پس از رفع علت احتمالی.

قانون 4-1s

قانون 4-1s زمانی رخ می‌دهد که چهار نتیجه متوالی کنترل در یک سمت میانگین و خارج از محدوده ±1SD قرار گیرند.

نوع خطا: بیشتر نشان‌دهنده خطای سیستماتیک یا شروع Shift است.

مثال: کنترل کراتینین در چهار اجرای متوالی بالاتر از +1SD قرار گیرد.

اقدام پیشنهادی: بررسی تغییر لات معرف، کالیبراسیون، تغییر شرایط محیطی، تغییر اپراتور یا تغییر رفتار دستگاه.

قانون 10x

قانون 10x زمانی رخ می‌دهد که ۱۰ نتیجه متوالی کنترل در یک سمت میانگین قرار بگیرند، حتی اگر داخل محدوده ±2SD باشند.

نوع خطا: بیشتر نشان‌دهنده خطای سیستماتیک یا Shift است.

مثال: نتایج کنترل TSH در ۱۰ روز متوالی همگی بالاتر از میانگین قرار بگیرند. حتی اگر هیچ‌کدام از محدوده ۲SD خارج نشده باشند، این الگو طبیعی نیست.

اقدام پیشنهادی: بررسی بایاس، کالیبراسیون، تغییر لات معرف یا کنترل، شرایط نگهداری و مقایسه با EQA یا روش دیگر.

قانون 7T

قانون 7T زمانی رخ می‌دهد که هفت نتیجه متوالی کنترل به‌صورت پیوسته در یک جهت افزایش یا کاهش پیدا کنند.

نوع خطا: بیشتر نشان‌دهنده Trend و خطای سیستماتیک تدریجی است.

مثال: کنترل ALT در هفت روز متوالی از ۳۵ به ۳۷، ۳۹، ۴۰، ۴۲، ۴۴ و ۴۵ برسد.

اقدام پیشنهادی: بررسی خراب شدن تدریجی معرف، لامپ، الکترود، دما، تبخیر محلول یا آلودگی تدریجی.

قانون 8x

قانون 8x زمانی رخ می‌دهد که هشت نتیجه متوالی کنترل در یک سمت میانگین قرار گیرند.

نوع خطا: بیشتر نشان‌دهنده Shift یا بایاس سیستماتیک است.

مثال: کنترل کراتینین در هشت روز متوالی همه پایین‌تر از میانگین باشد.

اقدام پیشنهادی: بررسی کالیبراسیون، تغییر لات کنترل، تغییر لات معرف و مقایسه با نتایج بیماران یا EQA.

قانون 12x

قانون 12x زمانی رخ می‌دهد که دوازده نتیجه متوالی کنترل در یک سمت میانگین قرار گیرند.

نوع خطا: خطای سیستماتیک پایدار.

مثال: کنترل سدیم در دوازده اجرای متوالی همگی بالاتر از میانگین قرار گیرند، حتی اگر داخل محدوده مجاز باشند.

اقدام پیشنهادی: بررسی کامل سیستم اندازه‌گیری، مخصوصاً کالیبراسیون، الکترود، محلول‌ها، دما و تغییرات روش.

قانون 2 of 3-2s

این قانون زمانی رخ می‌دهد که از سه نتیجه کنترل، دو نتیجه در یک سمت میانگین و خارج از محدوده ±2SD قرار گیرند.

نوع خطا: بیشتر نشان‌دهنده خطای سیستماتیک است.

مثال: در سه سطح کنترل برای TSH، دو سطح بالاتر از +2SD قرار بگیرند.

اقدام پیشنهادی: رد ران، بررسی بایاس، کالیبراسیون، معرف و کنترل.

قانون 3-1s

قانون 3-1s زمانی رخ می‌دهد که سه نتیجه متوالی کنترل در یک سمت میانگین و خارج از ±1SD قرار گیرند. این قانون در برخی برنامه‌های کنترل به‌عنوان هشدار یا نشانه شروع تغییر سیستماتیک استفاده می‌شود.

نوع خطا: بیشتر سیستماتیک.

مثال: کنترل گلوکز در سه روز متوالی بالاتر از +1SD قرار گیرد.

اقدام پیشنهادی: بررسی روند، ادامه پایش، توجه به تغییرات معرف یا دستگاه و در صورت همراهی با قوانین دیگر، اقدام اصلاحی.

قوانین چندسطحی و چندکنترلی

در بسیاری از آزمایش‌ها فقط یک سطح کنترل کافی نیست. قوانین وستگارد می‌توانند روی چند سطح کنترل و چند ران متوالی اعمال شوند.

مثال: در آزمایش PT و PTT، کنترل نرمال و پاتولوژیک اجرا می‌شود. اگر کنترل نرمال در +2SD و کنترل پاتولوژیک هم در +2SD قرار بگیرد، احتمال خطای سیستماتیک بیشتر از زمانی است که فقط یک سطح کنترل کمی جابه‌جا شده باشد.

جدول خلاصه قوانین وستگارد

۱۴. شیفت و ترند در کنترل کیفی آزمایشگاه

شیفت و ترند دو الگوی مهم در کنترل کیفی هستند که گاهی قبل از خروج آشکار کنترل از محدوده، مشکل را نشان می‌دهند. آزمایشگاهی که فقط به داخل یا خارج بودن کنترل از محدوده نگاه کند، ممکن است این الگوها را از دست بدهد.

شیفت (Shift)

Shift یعنی جابه‌جایی ناگهانی نتایج کنترل به یک سمت میانگین. در Shift، میانگین جدیدی به‌صورت ناگهانی شکل می‌گیرد.

مثال: کنترل ALT برای چند هفته اطراف ۴۰ بوده است. پس از تغییر لات معرف، نتایج ناگهان اطراف ۴۷ قرار می‌گیرند. این حالت می‌تواند Shift باشد.

علت‌های احتمالی Shift: تغییر لات معرف، تغییر لات کنترل، کالیبراسیون جدید، سرویس دستگاه، تعویض قطعه، تغییر اپراتور، تغییر روش یا تغییر شرایط نگهداری.

روند (Trend)

Trend یعنی تغییر تدریجی نتایج در یک جهت. برخلاف Shift که ناگهانی است، Trend آرام و پیوسته رخ می‌دهد.

مثال: کنترل کراتینین در چند روز متوالی از ۱.۰۰ به ۱.۰۳، ۱.۰۵، ۱.۰۸، ۱.۱۰ و ۱.۱۲ برسد. این افزایش تدریجی می‌تواند نشانه Trend باشد.

علت‌های احتمالی Trend: خراب شدن تدریجی معرف، تبخیر محلول، آلودگی تدریجی، فرسودگی لامپ، مشکل الکترود، تغییر دمای محیط یا کاهش کیفیت آب دستگاه.

۱۵. اقدامات اصلاحی و پیشگیرانه در کنترل کیفی آزمایشگاه

CAPA مخفف Corrective Action and Preventive Action است و به معنی اقدام اصلاحی و اقدام پیشگیرانه است. CAPA یکی از ارکان مهم سیستم مدیریت کیفیت آزمایشگاه است.

اقدام اصلاحی (Corrective Action)

اقدام اصلاحی کاری است که برای حذف علت یک خطای رخ‌داده یا عدم انطباق انجام می‌شود.

مثال: اگر کنترل کراتینین خارج از محدوده شود و مشخص شود علت آن کالیبراسیون نامناسب بوده، کالیبراسیون صحیح، اجرای مجدد کنترل، بررسی نمونه‌های بیماران تحت تأثیر و ثبت مستندات، اقدام اصلاحی محسوب می‌شود.

اقدام پیشگیرانه (Preventive Action)

اقدام پیشگیرانه کاری است که برای جلوگیری از وقوع خطا در آینده انجام می‌شود.

مثال: اگر مشخص شود خطاهای مکرر PT به علت پر نشدن کامل لوله سیترات رخ می‌دهد، آموزش مجدد نمونه‌گیران، نصب پوستر آموزشی و کنترل پذیرش نمونه می‌تواند اقدام پیشگیرانه باشد.

ریشه‌یابی خطا (Root Cause Analysis)

ریشه‌یابی یعنی آزمایشگاه فقط علامت مشکل را برطرف نکند، بلکه علت اصلی را پیدا کند.

مثال: اگر کنترل گلوکز خارج از محدوده شود، فقط تکرار کنترل کافی نیست. باید پرسید: آیا کنترل درست آماده شده؟ آیا معرف منقضی شده؟ آیا دستگاه خطا داده؟ آیا کالیبراسیون تغییر کرده؟ آیا کنترل در دمای مناسب نگهداری شده؟ آیا اپراتور روش را درست اجرا کرده؟ آیا لات معرف عوض شده؟

ثبت عدم انطباق (Nonconformity)

عدم انطباق یعنی هر وضعیتی که با الزامات تعریف‌شده آزمایشگاه، استانداردها یا SOP مطابقت ندارد.

مثال‌ها: اجرای آزمایش با کنترل مردود، استفاده از معرف منقضی، نمونه‌گیری در لوله اشتباه، تأخیر در اطلاع‌رسانی نتیجه بحرانی، ثبت ناقص کنترل کیفی.

هر عدم انطباق باید ثبت، بررسی، ریشه‌یابی و در صورت نیاز با CAPA همراه شود.

مستندسازی اقدامات

هر اقدام اصلاحی باید مستند باشد. مستندات باید نشان دهد چه مشکلی رخ داده، چه کسی آن را شناسایی کرده، علت احتمالی چه بوده، چه اقدامی انجام شده، چه زمانی انجام شده و آیا اقدام مؤثر بوده است یا نه.

مثال: اگر کنترل PTT خارج از محدوده شده و پس از تعویض معرف مشکل رفع شده است، باید لات معرف قبلی، لات معرف جدید، نتایج کنترل قبل و بعد، نام اپراتور و تصمیم درباره نمونه‌های بیماران ثبت شود.

بررسی اثربخشی اقدام اصلاحی

بعد از انجام اقدام اصلاحی باید بررسی شود که آیا مشکل واقعاً برطرف شده است یا نه.

مثال: اگر برای کاهش نمونه‌های همولیز آموزش انجام شده، باید بعد از یک ماه درصد نمونه‌های همولیز دوباره بررسی شود. اگر کاهش پیدا نکرده باشد، اقدام انجام‌شده کافی نبوده است.

۱۶. شاخص‌های کیفیت در آزمایشگاه

شاخص‌های کیفیت ابزارهایی هستند که به آزمایشگاه کمک می‌کنند عملکرد خود را اندازه‌گیری و پایش کند. بدون شاخص، کیفیت فقط یک ادعاست؛ اما با شاخص، قابل اندازه‌گیری و قابل بهبود می‌شود.

درصد نمونه‌های ردشده

این شاخص نشان می‌دهد چه تعداد نمونه به علت مشکلاتی مانند لخته، همولیز، حجم ناکافی، لوله اشتباه یا شناسایی ناقص رد شده‌اند.

اهمیت: افزایش نمونه‌های ردشده نشان می‌دهد در مرحله پیش از آزمایش مشکل وجود دارد.

مثال: اگر درصد نمونه‌های CBC لخته‌دار زیاد شود، باید تکنیک نمونه‌گیری، مخلوط کردن لوله EDTA و آموزش نمونه‌گیران بررسی شود.

درصد نمونه‌های همولیز

همولیز یکی از شایع‌ترین مشکلات نمونه‌هاست و می‌تواند روی نتایج زیادی اثر بگذارد.

اهمیت: همولیز می‌تواند باعث افزایش کاذب پتاسیم، LDH و AST شود و کیفیت نتایج بیوشیمی را کاهش دهد.

مثال: اگر نمونه‌های پتاسیم از یک بخش خاص بیمارستان بیشتر همولیز باشند، ممکن است مشکل از روش خون‌گیری یا حمل نمونه در همان بخش باشد.

زمان پاسخ‌دهی یا TAT

TAT یعنی مدت زمان از پذیرش نمونه تا گزارش نتیجه. این شاخص مخصوصاً برای آزمایش‌های اورژانسی اهمیت دارد.

مثال: اگر TAT تروپونین بیش از حد طولانی باشد، تصمیم‌گیری برای بیمار مشکوک به سکته قلبی به تأخیر می‌افتد.

درصد نتایج اصلاح‌شده

این شاخص نشان می‌دهد چه تعداد جواب پس از گزارش اولیه اصلاح شده‌اند.

اهمیت: افزایش نتایج اصلاح‌شده می‌تواند نشان‌دهنده خطا در ورود اطلاعات، تأیید نتایج، دستگاه یا فرایند گزارش‌دهی باشد.

مثال: اگر چند بار نتیجه INR بعد از گزارش اصلاح شود، باید فرایند تأیید نتایج انعقادی بررسی گردد.

درصد خطاهای ورود اطلاعات

در آزمایشگاه‌هایی که ورود دستی اطلاعات دارند، این شاخص بسیار مهم است.

مثال: وارد کردن Hb برابر ۱۶ به‌جای ۶ می‌تواند پیامد بالینی جدی داشته باشد.

تعداد عدم انطباق‌ها

ثبت تعداد و نوع عدم انطباق‌ها به آزمایشگاه کمک می‌کند نقاط ضعف سیستم را شناسایی کند.

مثال: اگر عدم انطباق‌های مربوط به نگهداری معرف افزایش یافته، باید یخچال‌ها، ثبت دما و آموزش پرسنل بررسی شود.

درصد موفقیت در EQA

این شاخص نشان می‌دهد آزمایشگاه در ارزیابی خارجی چه عملکردی دارد.

مثال: اگر آزمایشگاه در EQA کراتینین چند دوره متوالی نتیجه نامطلوب بگیرد، باید بایاس روش، کالیبراسیون و مقایسه با گروه همسان بررسی شود.

میزان تکرار آزمایش‌ها

تکرار بیش از حد آزمایش‌ها می‌تواند نشان‌دهنده بی‌اعتمادی به نتایج، مشکل دستگاه، ضعف روش یا نبود معیارهای واضح پذیرش باشد.

مثال: اگر اپراتورها اغلب نتایج CBC را بدون دلیل مشخص تکرار کنند، باید معیارهای تکرار و بررسی اسمیر مشخص شود.

خطاهای نمونه‌گیری

خطاهای نمونه‌گیری شامل لوله اشتباه، حجم ناکافی، همولیز، لخته، برچسب‌گذاری نادرست و شرایط نامناسب حمل است.

اهمیت: بسیاری از خطاهای آزمایشگاهی از همین مرحله شروع می‌شوند.

۱۷. نقش مستندسازی در کنترل کیفیت آزمایشگاه

مستندسازی اساس سیستم کیفیت است. آزمایشگاهی که مستندسازی مناسبی ندارد، حتی اگر بسیاری از کارها را درست انجام دهد، نمی‌تواند آن‌ها را اثبات، ارزیابی یا بهبود دهد.

SOP

SOP یا دستورالعمل اجرایی استاندارد، روش انجام یک فعالیت را به‌صورت دقیق و مرحله‌به‌مرحله توضیح می‌دهد.

مثال: SOP آزمایش PT باید شامل نوع نمونه، شرایط پذیرش، آماده‌سازی معرف، اجرای کنترل، انجام آزمایش، محدوده قابل قبول، نحوه گزارش و اقدامات در صورت خطا باشد.

فرم کنترل کیفی

فرم کنترل کیفی برای ثبت نتایج کنترل، وضعیت پذیرش و اقدامات اصلاحی استفاده می‌شود.

مثال: فرم کنترل روزانه بیوشیمی باید شامل نام تست، سطح کنترل، نتیجه، محدوده قابل قبول، وضعیت، نام اپراتور و اقدام اصلاحی باشد.

فرم کالیبراسیون

این فرم سوابق کالیبراسیون دستگاه یا روش را ثبت می‌کند.

مثال: تاریخ کالیبراسیون، نوع کالیبراتور، لات، نتیجه، پذیرش یا رد، نام اپراتور و کنترل پس از کالیبراسیون.

فرم نگهداری دستگاه

نگهداری پیشگیرانه دستگاه باید ثبت شود.

مثال: تعویض لامپ، شست‌وشوی سیستم، بررسی الکترود، سرویس دوره‌ای، کنترل دما و بررسی خطاهای دستگاه.

فرم عدم انطباق

هر مورد خارج از الزامات باید ثبت شود.

مثال: استفاده اتفاقی از معرف تاریخ‌گذشته، نمونه‌گیری در لوله اشتباه یا گزارش نتیجه با کنترل مردود.

فرم اقدام اصلاحی

این فرم نشان می‌دهد برای رفع علت عدم انطباق چه کاری انجام شده است.

مثال: آموزش مجدد پرسنل، تعویض معرف، اصلاح SOP، کالیبراسیون مجدد یا بررسی بیماران تحت تأثیر.

سوابق آموزشی پرسنل

آموزش باید مستند باشد. فقط گفتن اینکه پرسنل آموزش دیده‌اند کافی نیست.

مثال: اپراتور جدید بخش انعقاد باید آموزش کار با کوآگولومتر، اجرای کنترل PT/PTT، پذیرش نمونه و گزارش نتایج بحرانی را گذرانده و ارزیابی شده باشد.

سوابق EQA

نتایج EQA باید نگهداری و تحلیل شوند. نتایج نامطلوب باید ریشه‌یابی شوند.

مثال: اگر در EQA سدیم نتیجه نامطلوب گزارش شده، بررسی الکترود، محلول‌ها، کالیبراسیون و مقایسه با نتایج کنترل داخلی باید ثبت شود.

سوابق تغییر لات معرف و کنترل

تغییر لات‌ها باید قابل ردیابی باشد.

مثال: اگر بعد از تغییر لات معرف ALT شیفت رخ دهد، سوابق تغییر لات کمک می‌کند علت سریع‌تر شناسایی شود.

۱۸. نقش استانداردها در کنترل کیفیت آزمایشگاه

استانداردها به آزمایشگاه کمک می‌کنند فرایندها قابل ردیابی، قابل ارزیابی، قابل تکرار و قابل بهبود باشند. هدف استانداردها سخت‌گیری بی‌دلیل نیست؛ بلکه ایجاد چارچوبی است که آزمایشگاه بتواند کیفیت نتایج خود را ثابت کند.

ISO 15189

ISO 15189 استاندارد ویژه آزمایشگاه‌های پزشکی است و بر صلاحیت، کیفیت و الزامات سیستم مدیریت آزمایشگاه‌های تشخیص پزشکی تمرکز دارد. این استاندارد به موضوعاتی مانند مدیریت کیفیت، صلاحیت کارکنان، کنترل تجهیزات، مدیریت مستندات، فرایندهای پیش از آزمایش، حین آزمایش و پس از آزمایش، عدم انطباق، اقدامات اصلاحی و بهبود مستمر توجه دارد.

مثال کاربردی: بر اساس رویکرد ISO 15189، آزمایشگاه باید بتواند نشان دهد نتیجه یک بیمار چگونه تولید شده، چه کنترل‌هایی در آن روز قابل قبول بوده‌اند و چه کسی نتیجه را تأیید کرده است.

CLSI

CLSI مجموعه‌ای از راهنماها و اسناد تخصصی برای روش‌های آزمایشگاهی ارائه می‌دهد. این راهنماها در زمینه‌هایی مانند ارزیابی دقت، مقایسه روش‌ها، محدوده اندازه‌گیری، حد تشخیص، کنترل کیفی و مدیریت فرایندهای آزمایشگاهی کاربرد دارند.

مثال: هنگام راه‌اندازی روش جدید کراتینین، آزمایشگاه می‌تواند از راهنماهای CLSI برای طراحی مطالعه دقت، صحت و مقایسه روش استفاده کند.

قوانین وستگارد

قوانین وستگارد چارچوبی عملی برای تفسیر نتایج کنترل کیفی داخلی هستند. این قوانین کمک می‌کنند آزمایشگاه بین هشدارهای آماری، خطای تصادفی و خطای سیستماتیک تفاوت قائل شود.

Good Laboratory Practice

Good Laboratory Practice یا GLP به معنی رعایت اصول خوب آزمایشگاهی است؛ از جمله نظم، مستندسازی، آموزش، کنترل تجهیزات، ایمنی، نگهداری مناسب مواد و اجرای روش‌ها طبق دستورالعمل.

مثال: برچسب‌گذاری صحیح معرف‌ها، ثبت تاریخ باز شدن کیت، کنترل دمای یخچال و رعایت SOP نمونه‌هایی از GLP هستند.

الزامات اعتباربخشی آزمایشگاه‌های تشخیص پزشکی

اعتباربخشی یعنی یک مرجع ارزیابی کند که آزمایشگاه الزامات کیفیت، صلاحیت و ایمنی را رعایت می‌کند. کنترل کیفی داخلی، کنترل کیفی خارجی، مستندسازی، صلاحیت پرسنل، مدیریت تجهیزات و CAPA از اجزای مهم اعتباربخشی هستند.

۱۹. اشتباهات رایج در کنترل کیفی آزمایشگاه

کنترل کیفی فقط دانستن مفاهیم نیست؛ اجرای صحیح آن در کار روزمره اهمیت دارد. بسیاری از مشکلات آزمایشگاه‌ها از اشتباهات تکراری و قابل پیشگیری ایجاد می‌شوند.

فقط تکرار کنترل بدون ریشه‌یابی

یکی از اشتباهات رایج این است که وقتی کنترل خارج از محدوده می‌شود، اپراتور فقط کنترل را دوباره اجرا می‌کند. اگر نتیجه دوم داخل محدوده باشد، مشکل را نادیده می‌گیرد.

چرا اشتباه است؟ چون ممکن است علت اصلی هنوز وجود داشته باشد و فقط در تکرار دوم به‌طور تصادفی کنترل داخل محدوده آمده باشد.

روش درست: علت باید بررسی و اقدام اصلاحی ثبت شود.

استفاده از محدوده بروشور بدون محاسبه محدوده آزمایشگاه

محدوده سازنده معمولاً گسترده و عمومی است. هر آزمایشگاه باید پس از جمع‌آوری داده کافی، میانگین و SD اختصاصی خود را محاسبه کند.

مثال: اگر محدوده بروشور کنترل گلوکز ۸۰ تا ۱۲۰ باشد، ممکن است خطاهای مهم آزمایشگاه در این محدوده وسیع پنهان شوند.

بی‌توجهی به Trend و Shift

گاهی کنترل هنوز داخل محدوده است، اما الگوی نقاط نشان‌دهنده مشکل است.

مثال: کنترل ALT به‌تدریج در حال افزایش است، اما چون هنوز از ۲SD خارج نشده، اپراتور آن را نادیده می‌گیرد. این کار ممکن است باعث تأخیر در شناسایی خطا شود.

ثبت نکردن اقدامات اصلاحی

اگر اقدام اصلاحی ثبت نشود، قابل پیگیری و ارزیابی نیست.

مثال: اگر کنترل PTT خارج از محدوده بوده و معرف تعویض شده، اما ثبت نشده باشد، در آینده نمی‌توان علت، اثر و تصمیم‌های مربوط به بیماران را بررسی کرد.

استفاده اشتباه از کنترل به جای کالیبراتور

کنترل برای پایش عملکرد است، نه تنظیم دستگاه. استفاده از کنترل به‌عنوان کالیبراتور می‌تواند باعث خطای سیستماتیک شود.

حذف داده‌های نامطلوب بدون دلیل علمی

حذف داده‌های کنترل فقط به این دلیل که «نمودار خراب نشود» اشتباه جدی است. داده فقط زمانی می‌تواند حذف شود که علت علمی و مستند وجود داشته باشد؛ مثلاً کنترل اشتباه آماده شده یا خطای مشخص اپراتور رخ داده است.

گزارش نتایج بیمار در حالی که کنترل مردود است

اگر کنترل مردود باشد، نتایج بیماران نباید بدون بررسی گزارش شوند. ابتدا باید مشکل رفع، کنترل قابل قبول و سپس وضعیت نمونه‌های بیماران بررسی شود.

نداشتن برنامه مشخص برای تغییر لات کنترل و معرف

تغییر لات می‌تواند باعث Shift شود. آزمایشگاه باید برای تغییر لات کنترل و معرف برنامه همپوشانی، ارزیابی و ثبت داشته باشد.

مثال: لات جدید کنترل کراتینین باید پیش از حذف کامل لات قبلی ارزیابی شود.

بی‌توجهی به مرحله پیش از آزمایش

بسیاری از آزمایشگاه‌ها تمرکز زیادی روی دستگاه و کنترل روزانه دارند، اما خطاهای نمونه‌گیری، حمل، نگهداری و پذیرش نمونه را کمتر جدی می‌گیرند.

مثال: کنترل روزانه CBC ممکن است عالی باشد، اما اگر نمونه بیمار لخته داشته باشد، نتیجه پلاکت همچنان غلط خواهد بود.

جدول مقایسه‌ای مفاهیم مهم کنترل کیفی آزمایشگاه

۲۰. جمع‌بندی نهایی

کنترل کیفی آزمایشگاه فقط رسم نمودار لوی‌جنینگ یا اجرای روزانه یک ماده کنترل نیست. کنترل کیفی یک سیستم کامل برای اطمینان از صحت، دقت، قابلیت اعتماد، ردیابی‌پذیری و ایمنی نتایج آزمایشگاهی است. این سیستم از مرحله پیش از آزمایش شروع می‌شود، در مرحله حین آزمایش با کالیبراسیون، کنترل داخلی، پایش دستگاه و تحلیل آماری ادامه پیدا می‌کند و در مرحله پس از آزمایش با تأیید، گزارش‌دهی، اطلاع‌رسانی نتایج بحرانی و مستندسازی کامل می‌شود.

آزمایشگاهی که کنترل کیفی قوی دارد، خطاها را زودتر شناسایی می‌کند، از گزارش نتایج نادرست جلوگیری می‌کند، اعتماد پزشک و بیمار را افزایش می‌دهد و نقش مؤثرتری در تصمیم‌گیری بالینی ایفا می‌کند. در مقابل، آزمایشگاهی که کنترل کیفیت را فقط یک کار روزمره و فرمالیته بداند، ممکن است خطاهای مهم را دیر تشخیص دهد و ایمنی بیمار را به خطر بیندازد.

بنابراین کنترل کیفیت باید بخشی از فرهنگ آزمایشگاه باشد؛ یعنی همه کارکنان بدانند هر نمونه متعلق به یک بیمار واقعی است و هر عددی که گزارش می‌شود، می‌تواند در تصمیم درمانی اثرگذار باشد. کیفیت واقعی زمانی ایجاد می‌شود که آزمایشگاه از داده‌های کنترل، شاخص‌های کیفیت، مستندات، EQA، قوانین وستگارد، CAPA و بهبود مستمر به‌صورت عملی و منظم استفاده کند.

مطالب مرتبط برای مطالعه بیشتر در هموستیکا

در بخش‌های مختلف مقاله، لینک‌های مرتبط با موضوع همان بخش قرار داده شد. چند مطلب زیر نیز برای تکمیل دانش کنترل کیفیت در بخش‌های تخصصی آزمایشگاه مفید هستند.

پرسش‌های متداول

منابع معتبر برای مطالعه بیشتر

برای مطالعه عمیق‌تر درباره مفاهیم پایه کنترل کیفی، کنترل آماری، اعتبارسنجی روش‌ها، قوانین وستگارد و استانداردهای آزمایشگاه پزشکی، منابع زیر پیشنهاد می‌شوند.