Практическое применение методики «шесть сигм» в процессах аналитической биохимии

В текущем клиническом исследовании изучалась полезность внутреннего контроля качества (IQC) и внешнего контроля качества (EQC) для обеспечения качества (QA) биохимических аналитов. Однако развитие точной медицины привело к увеличению проблем, связанных с контролем качества (КК). Требуется система, которая объединяет точную оценку, решение проблем и улучшение процессов, и поэтому методология управления «шесть сигм» привлекла внимание общественности. Метод управления «шесть сигм» был предложен Биллом Смитом (инженером компании Motorola), позже представлен в Китае в конце 1990-х годов и начал применяться в управлении больницами после 1999 года. Модель управления «шесть сигм» включает пять процессов, а именно: определение, измерение, анализ. , улучшение и контроль (DMAIC). В математических областях сигма является символом стандартного отклонения (SD). Некоторые исследования показали, что сигма-метрики могут применяться для количественной оценки ошибок или дефектов в проектах тестирования в клинических лабораториях, а результаты количественно выражаются как дефекты на миллион (DPM). ). Метрика «Шесть сигм» соответствует 3,4 возможностям DPM в клиническом процессе. На сегодняшний день методология сигма в основном применяется в преаналитических и аналитических процессах в клинических лабораториях, уделяя особое внимание оценке биохимических и иммунологических тестов. В этом исследовании эффективность 19 аналитов оценивалась путем расчета значений сигмы на основе коэффициента вариации (CV), систематической ошибки и общей допустимой ошибки (TEa). Более того, для каждого аналита были выбраны соответствующие процедуры контроля качества с использованием сигма-метрики. Кроме того, были дополнительно проведены анализ индекса цели качества (QGI) и анализ первопричин (RCA) для выявления проблем, связанных с процедурами измерения аналитов со значением сигмы ниже 4.

Данные внутреннего контроля качества, необходимые для этого исследования, были получены в период с 1 января по 31 мая 2018 года с использованием анализатора AU5800 (Beckman Coulter) в нашей клинической биохимической лаборатории. Анализатор AU5800 представляет собой модульную комбинированную систему, включающую модули анализа P1 и P2 и модуль одиночного ионоселективного электрода (ISE). Следующие 16 аналитов были протестированы с использованием обоих модулей анализа: общий белок (TP), альбумин (ALB), общий билирубин (TBIL), аланинаминотрансфераза (ALT), аспартатаминотрансфераза (AST), щелочная фосфатаза (ALP), γ-глутамилтранспептидаза. (γ-GT), мочевина крови (BUN), креатинин (CRE), мочевая кислота (UA), глюкоза (GLU), триглицериды (TG), общий холестерин (TC), креатинкиназа (CK), кальций (Ca), и фосфор (Р). Кроме того, с помощью модуля ISE анализировали натрий (Na), калий (K) и хлор (Cl). Материалы для ежедневного контроля уровня 1 (партия: 26411, использованная в нормальной концентрации) и уровня 2 (партия: 26412, использованная в аномальной концентрации), использованные в этом исследовании, были приобретены у Bio-Rad Laboratories Inc. Данные внешнего контроля качества (EQC) были собраны из схем внешнего обеспечения качества Национального центра клинических лабораторий (NCCL) Китая в период с 2016 по 2017 год. В соответствии с требованиями внешней оценки качества (EQA) для клинических лабораторий (GB/T 20470). -2006 г.), мероприятия ВОК проводились три раза в год в рамках рутинных биохимических проектов, проводимых в нашей лаборатории. Каждое мероприятие ВОК включало тестирование пяти образцов из 19 аналитов, и соответственно для каждого аналита было получено пять значений систематической ошибки. Таким образом, для расчета среднего значения использовались данные накопленной систематической ошибки за 2 года, которые использовались для оценки ошибки системы с точки зрения точности для каждого аналита. Кроме того, стоит отметить, что как только будет обнаружено несоответствие активности ВОК (оценка <80%) для аналита, данные систематической ошибки для соответствующего аналита в активности ВОК не будут включены в анализ.

Структура стандартизированных сигма-диаграмм контроля качества была построена путем регистрации учетной записи CLInet в CLInet (http://www.clinet.com.cn) и ввода таких параметров, как TEa, смещение и CV, в интерфейсе меню управления «Шесть сигм». . Построение стандартизированных сигма-диаграмм контроля качества соответствовало концепции ранее опубликованных исследований. Этот подход позволяет лаборатории получить аудиовизуальное и комплексное представление о характеристиках всех аналитов на одном графике на каждом уровне контрольных измерений и с каждым приборный модуль.

Метод RCA применялся, как описано ранее. Диаграмма причинно-следственных связей (диаграмма «рыбий кости») использовалась в качестве технического инструмента для RCA. На сегодняшний день RCA применяется для решения задач в области медицинского менеджмента.

CV использовался для указания прецизионности и рассчитывался по следующей формуле: CV(%)=[Стандартное отклонение(SD)/Среднее]×100. Для расчета каждого значения систематической ошибки для каждого вида деятельности ВОК использовалась следующая формула: Смещение (%) = (∣значение измерения – целевое значение∣/целевое значение)×100. В качестве целевого значения для каждого аналита использовалась медиана результатов ВОК, предоставленных клиническими лабораториями, использовавшими один и тот же тип приборов и методов. TEa определяли в соответствии с критериями проверки квалификации Американской поправки 88 к усовершенствованию клинических лабораторий (CLIA88). Сигма-метрики рассчитывались по следующей формуле: Сигма = (TEa-Bias)/CV. QGI рассчитывали по формуле QGI=Смещение/(1,5×CV). Этот индекс может помочь определить основную причину, по которой эффективность тестирования проекта клинической химии дает более низкий уровень сигмы, и может помочь в выборе наилучшего плана улучшения качества. Значение сигмы менее 4 (σ < 4) использовался в качестве эталона для анализа QGI аналитов в этом исследовании. Значение QGI менее 0,8 (QGI < 0,8) указывает на необходимость повышения точности соответствующего аналита, тогда как значение более 1,2 (QGI > 1,2) указывает на необходимость повышения точности аналита. Значение QGI от 0,8 до 1,2 (0,8 ≤ QGI ≤ 1,2) указывает на то, что точность и прецизионность аналита необходимо одновременно улучшить.

Чтобы понять эффективность 19 аналитов на модулях AU5800 P1, P2 или ISE в нашей лаборатории, были рассчитаны сигма-показатели каждого аналита на уровнях 1 и 2 материала контроля качества, которые суммированы в таблице 1 и таблице 2. Кроме того, были построены стандартизированные сигма-диаграммы контроля качества для интуитивной оценки характеристик аналитов на каждом уровне материала контроля качества и с каждым модулем. В зависимости от уровня сигмы эффективность аналитов была разделена на шесть оценок: мировой класс (σ ≥ 6), отличный (5 ≤ σ < 6), хороший (4 ≤ σ < 5), маргинальный (3 ≤ σ < 4), плохое (2 ≤ σ < 3) и неприемлемое (σ < 2), как показано на рисунке 1 и рисунке 2.

В модулях P1 и ISE 11 из 19 аналитов показали эффективность не менее 4σ (хорошая) при уровне 1 материала контроля качества, а шесть из этих аналитов (CK, TG, TBIL, γ-GT, UA и K) были представлены производительность мирового класса (Таблица 1 и ​Рисунок 1). Кроме того, 12 из 19 аналитов продемонстрировали эффективность не менее 4σ (хорошая) при уровне 2 материала контроля качества, а семь из этих аналитов (CK, TG, TBIL, γ-GT, UA, ALP и AST) представили мировые показатели. производительность класса (Таблица 1 и ​Рисунок 1) В модуле P2 10 из 16 аналитов продемонстрировали эффективность не менее 4σ (хорошая) при уровне 1 материала контроля качества, а шесть из этих аналитов (TG, CK, γ-GT, TBIL, UA и ALP) продемонстрировали мировой уровень. производительность (Таблица ​2 и Рисунок 2). Более того, 11 из 16 аналитов продемонстрировали эффективность не менее 4σ (хорошая) при уровне 2 материала контроля качества, а семь из этих 11 аналитов (TG, CK, γ-GT, TBIL, UA, ALP и AST) показали показатели мирового класса. производительность (Таблица ​2 и Рисунок 2). Данные продемонстрировали, что эффективность пяти аналитов (CK, TG, TBIL, γ-GT и UA) достигла уровня шести сигм в обоих модулях анализа и на обоих уровнях материала контроля качества, а девять аналитов (TP, CRE, ALB, GLU) , ALT, Ca, BUN, P и Cl) демонстрировали σ < 4 на одном или обоих уровнях материала QC.

В повседневной работе нашей клинической биохимической лаборатории эмпирически принятая процедура контроля качества предполагает использование нескольких правил 12/22/13 с одним контрольным измерением на двух уровнях материала контроля и выполнение этих правил один раз для всех аналитов, за исключением аналиты, вышедшие из-под контроля. Для исследования соответствующих процедур контроля качества этих аналитов с высокой вероятностью обнаружения ошибок (P ed) и низкой вероятностью ложного отбраковки (P fr) была введена и принята концепция процедуры статистического контроля качества (SQC), основанной на сигма-метриках. в этом исследовании в соответствии с новым руководством CLSI C24-Ed4 18 и новыми исследованиями по SQC. Дизайн процедуры SQC, принятой в этом исследовании, включал следующие три параметра: выбор правил Westgard Sigma, общее количество контрольных измерения на событие контроля качества (N) и размер серии образцов пациентов между событиями контроля качества (R). Процедуры контроля качества для 19 аналитов с различными модулями и на разных уровнях контроля качества подробно описаны в таблице 3.3. Например, если аналиты продемонстрировали эффективность мирового класса (σ ≥ 6), как это наблюдалось для CK, TG, TBIL, γ-GT и UA, только одно правило контроля, 13s, с одним контрольным измерением на двух уровнях материала для контроля качества ( N2) на событие контроля качества и размер серии из 1000 образцов пациентов между событиями контроля качества (R1000) были необходимы для контроля качества на обоих уровнях материала контроля качества и с обоими модулями анализа (Таблица ​(Таблица 3).3). Однако если аналиты демонстрировали незначительные, плохие или неприемлемые характеристики (σ < 4) на одном или обоих уровнях материала для контроля качества, как это наблюдается для TP, CRE, ALB, GLU, ALT, Ca, BUN, P и Cl, полный мульти ‐правила, а именно 13s/22s/R4s/41s/8x с N4 и R45, будут приняты для контроля качества ​(Таблица 3). Для остальных пяти аналитов с 4 ≤ σ < 6 на одном или обоих уровнях материала контроля качества для контроля качества требовались более строгие правила, такие как 22s, R4s и 41s, а более высокие значения N и более низкие значения R сопровождались уменьшением сигмы. оценка. Данные продемонстрировали, что методология «Сигма» может с научной точки зрения оптимизировать процедуры контроля качества аналитов на каждом уровне контроля качества материала и с каждым модулем.

В соответствии с новым руководством CLSI C24-Ed4, процедуры SQC с Ped ≥ 90% и P fr ≤ 5% рекомендуются для аналитов.18 Однако девять аналитов с σ < 4 в рамках процедуры SQC, состоящей из полных множественных правил, 13s/22s/R4s/41s/8x с N4 и R45 не могли удовлетворить этому требованию. Таким образом, чтобы гарантировать качество и определить, почему эти аналиты не достигли уровня 4σ или выше, были определены коэффициенты QGI. Пять аналитов (TP, ALT, Ca, BUN и Cl) продемонстрировали проблемы с неточностью на одном или нескольких уровнях материала для контроля качества; три аналита (CRE, ALB и P) продемонстрировали как неточность, так и проблемы с неточностью на одном или нескольких уровнях материала для контроля качества; а оставшийся аналит (GLU) показал низкую точность с модулем P1, а также проблемы с точностью и прецизионностью с модулем P2 (Таблица ​4)

Для дальнейшего выявления коренных причин проблем с этими аналитами в качестве технического инструмента для RCA использовалась диаграмма причинно-следственных связей. Как показано на рисунке 3, были исследованы пять аспектов потенциальных первопричин, включая аспекты, связанные с методологией, материалами, персоналом, оборудованием и условиями труда. Например, для анализа методологии и кадровых факторов 14 аналитов (девять аналитов с σ <4 и пять аналитов с характеристиками мирового класса), исследованные шестью сотрудниками, были оценены на основе сигма-показателей. Те же сотрудники работали в тех же условиях, используя тот же уровень материалов для контроля качества, те же отечественные реагенты (за исключением электролитов с использованием оригинальных реагентов) и тот же модуль. В результате пять аналитов (CK, TG, TBIL, γ-GT и UA) с характеристиками мирового класса в целом могли достичь как минимум уровня 5σ, тогда как P демонстрировал эффективность σ < 4 независимо от кадрового фактора, поскольку показано в Таблице S1. Это открытие продемонстрировало, что эффективность этих аналитов выявила различия, связанные с методологией, которая показала, что некоторые методы были благоприятными, а другие не подходили. Следовательно, переоценка и улучшение методологии, используемой для аналитов, улучшит качество. Кроме того, эффективность одного и того же аналита, полученная с разными сотрудниками, имела разные уровни сигма, как наблюдалось для TP, CRE, ALB, GLU, ALT, Ca, BUN, P и Cl. Потенциальная причина этого вывода может заключаться в том, что сотрудники демонстрируют разную степень добросовестности, отношения, теоретических знаний и стажа работы, что демонстрирует, что кадровый фактор играет роль в работе аналитиков. Таким образом, переподготовка персонала, а также пересмотр стандартных рабочих процедур (особенно тех, которые используются для добавления реагентов) и переоценка компетентности некоторых сотрудников могут способствовать повышению качества.

Вместе объединение проблем неточности или неточности с потенциальными пятью аспектами коренных причин может составить стратегию решения проблем, связанных с этими девятью аналитами, и улучшения их качества.

В этом исследовании мы проанализировали 19 биохимических аналитов с использованием сигма-методологии. Рабочий процесс управления «Шесть сигм» для обеспечения и улучшения качества обобщен на рисунке 4. Во-первых, каждый аналит эффективно оценивался по значению сигма. Во-вторых, процедуры контроля качества были оптимизированы и индивидуализированы для аналитов с разным уровнем сигма. В-третьих, обнаруженные коэффициенты QGI и RCA дополнительно показали, что точность аналитов с характеристиками ниже уровня 4σ необходимо улучшить, и выявили пять аспектов потенциальных первопричин.

В клинических условиях достоверность клинических отчетов зависит от двух факторов: точности и аккуратности. Метрики Sigma выявляют ошибки или дефекты точности и аккуратности, которые можно использовать для количественной оценки проектов. Таким образом, в нашей работе была оценена методология «Шесть сигм». Удивительно, но уровни сигма некоторых аналитов, исследованных в этом исследовании, таких как TP, BUN и GLU, показали различия среди разных исследовательских групп. Это явление можно объяснить двумя моментами: одним из них было обнаружение система, включая различные типы анализаторов, реагентов и используемых материалов для контроля качества, а также другие преаналитические и аналитические условия; а другим был выбор источника целей TEa и небольшие различия в алгоритмах, используемых для оценки смещения и CV, которые могли повлиять на значения сигмы. Целевые значения TEa, выбранные в соответствии с требованиями нашей лаборатории, и разумные алгоритмы расчета значений систематической ошибки и CV были использованы в этом исследовании для расчета значений сигмы для каждого аналита. Хотя в этом исследовании было принято значение накопленной систематической ошибки, влияние на расчет сигмы было незначительным, поскольку значения систематической ошибки для этих аналитов были относительно стабильными в соответствии с долгосрочными результатами ВОК. Что еще более интересно, в этом исследовании для ALP, CRE, TP, ALT и ECT были обнаружены широкие различия в значениях сигмы между двумя уровнями материала контроля качества и двумя модулями анализа (Таблицы1 и таблица 2). Однако эта ситуация не была особенной для данного исследования, поскольку она также была обнаружена в других исследованиях. . Два модуля анализа можно рассматривать как два отдельных анализатора, и различий в производительности нельзя было избежать. Однако уровни сигма, полученные с помощью этих двух модулей анализа, в целом были сопоставимы. Несоответствие между двумя уровнями материалов было частично связано с методологией, используемой для некоторых аналитов, которая могла обеспечить лучшие характеристики при нормальных или аномальных концентрациях материалов для контроля качества. Таким образом, как было предложено в предыдущем исследовании, в этих условиях следует соблюдать более строгие процедуры контроля качества, чтобы устранить это несоответствие. В этом исследовании для этих аналитов были выполнены различные корректирующие действия, как показано в Таблице 3.

Процедура IQC является важным этапом повседневной работы в клинических условиях. Как сообщалось ранее, соответствующие процедуры контроля качества могут не только снизить P fr и увеличить P ed, но также избежать экономических затрат и повысить эффективность. Например, по сравнению с предыдущими процедурами, принятыми в нашей лаборатории, только одно правило контроля качества, 13s. , необходимо было использовать для TG, CK, γ-GT, TBIL и UA, что снизило экономические затраты и повысило эффективность работы. Однако для аналитов с σ < 6 в этом исследовании были реализованы более строгие процедуры контроля качества по сравнению с теми, которые использовались ранее, поскольку качество клинических результатов и польза для пациентов имеют первостепенное значение, пока соответствующие затраты являются разумными. Однако остаются две проблемы, связанные с практическим внедрением процедур контроля качества, рекомендованных в настоящем исследовании: Чтобы учесть тот факт, что для некоторых аналитов (таких как ЩФ, АСТ и ТС) необходимы разные процедуры контроля качества на двух материалах контроля качества. на разных уровнях более строгие процедуры контроля качества должны применяться единообразно, а не раздельно; Процедуры контроля качества аналитов с σ < 4 совершенно непрактичны, поскольку для 600 проб пациентов, которые исследуются каждый день в нашей лаборатории, необходимо 26 анализов материалов контроля на двух уровнях материалов контроля. Таким образом, улучшение качества этих девяти аналитов было серьезной проблемой, которую необходимо было решить.

Чтобы улучшить качество этих аналитов, в этом исследовании была предложена стратегия, сочетающая анализ QGI с RCA для выявления проблем. QGI предоставил четкие указания для решения только проблем, связанных с аналитами, таких как неточность или неточность. Однако недостатки анализа QGI можно компенсировать с помощью RCA. В аналитическом процессе наблюдаемые проблемы относились к пяти факторам, как показано на рисунке 3. Конечно, потенциальные коренные причины, включенные в рисунок, основаны только на ситуации в нашей лаборатории, но могут существовать и другие необнаруженные проблемы. Как было показано в предыдущем исследовании, проведенном в ветеринарной лаборатории, усовершенствование методологии (замена реагентов) и обучение персонала могут улучшить качество аналитов. Следовательно, учет метода и кадровых факторов может улучшить качество некоторых аналитов с низкими значениями сигма, таких как П и Кл. Кроме того, сохранялись проблемы с качеством из-за сбоев на нескольких уровнях процессов измерения, что указывает на существование множества коренных причин, что согласуется с нежелательными явлениями, наблюдаемыми в здравоохранении. Проблемы, связанные с условиями труда и владением инструментами, также могут повлиять на качество измерений, и эти проблемы нельзя игнорировать (рис. ​(рисунок 3). Например, анализатор иногда один раз летом выдает сигнал тревоги о высокой температуре, что неизбежно связано с температурой окружающей среды из-за отсутствия постоянной температуры в помещении. Эта ситуация повлияет не только на качество работы с приборами, но и на ферментативные методы, используемые для аналитов. Таким образом, разработка системы с постоянной температурой для использования в лаборатории поможет решить эту проблему. Чтобы устранить колебания в квалификации инструментов и, таким образом, улучшить качество, частоту калибровки этих аналитов можно было бы увеличить с одного раза в неделю до каждые 2 дня в нашей лаборатории. Степень улучшения качества этих аналитов будет исследована в нашей будущей работе. Конечно, если эффективность аналита не может быть улучшена путем реализации всех предложенных действий, для обеспечения качества могут быть приняты нестатистические процедуры контроля качества, включая повторные тесты для пациента и тестирование на сопоставимость, как предлагалось в предыдущих исследованиях. В целом, методология «Шесть сигм» обеспечивает полезную систему оценки биохимических проектов, рассматриваемых в этом исследовании, оптимизирует процедуры контроля качества для каждого элемента и предлагает стратегию решения проблем для аналитов с σ < 4. Этот метод имеет большое практическое значение в клинической практике. биохимические лаборатории.