ep6-a中文翻译

ep6-a中文翻译内容摘要：

实验室已证实可用的稀释液才能用于稀释样本。 对于有些分析系统来说，允许用病人的标本稀释法来评价线性，可用经认可的稀释液来对超过分析范围的病人标本进行稀释，这时需提供材料证明该稀释液是可用于该分析系统的。 如可能时，厂商建立分析系统时，应包括稀释液的研究。 可能情况下，生产厂家在制定测量方法时要考虑到稀释液的研究。 病人样本中添加分析物 当分析物中不含干扰物时，添加的分析物不需要高纯度。 当存在干扰物时，在报告中需提及其来源、纯度、预期影响等。 如果含分析物的浓溶液加入病人标本中时，加入量尽可能少（原则上少于总体积的 10%），并记录溶剂。 用 低浓度 或者处理过的标本物质 稀释 样本 如果可能，用低浓度的病人标本。 做为选择，可以适当地处理病人标本以降低分析物浓度（如透析、热处理、层析）。 注意这些处理可能改变分析物或基质的物理或化学特性。 尤其重要的是保持恒定的基质要好于通过稀释得到低的基质效应。 商业质控物 /定标物 /线性物质 如果用到这些物质，同病人标本一样进行分析，可以用高值和低值标本进行混合得到中间浓度。 要注意分析物要保持正常生理状态下的形式（如蛋白结合或代谢产物状态）。 用盐水或其它稀释剂而不是推荐稀释液 如用到这些稀释液，注意基质效应可能会影响到检测结果。 这些稀释液要用最小量，并可以查证其可用。 低稀释 /过稀释 商业质控物 如用到这些稀释液，注意基质效应可能会影响到检测结果， 而且随浓度的不同而改变。 这些稀释液要用最小量，并可以查证其可用， 同时 要保证质控物完全溶解。 水溶液 当用水溶液时，对分析方法的响应曲线的影响未测试，基质效应可能影响到响应曲线和结果的解释。 尽管高纯度的材料可以最大程度的减少干扰效应（影响结果的解释），但低纯度的材料也可以接受。 大量的常规临床生化方法的定标都是用水溶液材料，称量法可用来确定靶值。 其它溶剂 13 当用有机溶剂作稀释剂时，基质效应可能更大。 制成分析样本的添加物的选择 选择添加物时要仔细考虑，使用其它物种来源的原料也会引起一些影响。 表 1为一些分析物的建议原料，仪器或试 剂厂家的建议也可能有助于确定合适的材料。 表 1 样本添加原料 分析物 原 料 ALT 纯酶 Alb 白蛋白干粉，人 V片断 酒精 无水乙醇 ALP 如果没有高浓度的病人样本，用纯酶 AST 纯酶 淀粉酶 唾液或胰腺提取物 BIL 如果没有高浓度的病人样本时，用纯胆红素，或 低稀释的 高值质控品或标准品 胆固醇 纯胆固醇或 质控品 CO2 碳酸钠或碳酸氢钠 CK 纯酶 Cr 无水标准品或高值病人样本 γGT 纯酶 Hb 洗涤后的人类红细胞溶血液 Hct 微量高速离心 后的 红细胞 LDH 纯酶 脂酶 胰腺提取物 P 磷酸二氢钠或钾 Mg 氯化镁 TP 干粉白蛋白，人（首选）或牛 V片断（由于总蛋白中含有很多种成分，因而有代表性的总蛋白的添加物很难确定。 如果用白蛋白或非人的一些成分，在实验细节和结果中要注明） WBC 白细胞棕黄层 注意：当使用蛋白质或酶时，要确保其物理和 /或化学活性的一致性。 4． 5 分析顺序 14 分析顺序应是随机的，但如果存在明显携带污染或漂移，则可妥协。 4． 6 分析范围 选择的测量浓度范围应包含或等于厂家所声明的最低和最高浓度范围，如果声明的线性 范围或测量范围与选择的浓度范围不一致时，可以选择合适的样本浓度加做新的实验，或舍去未端点适当地缩小线性范围（五个或以上的样本数）。 当建立方法的线性范围时，需 7到 11个样本，且 20%到 30%的样本的浓度范围超出预期的测量范围，在可接受的线性响应范围内，试图舍去非线性点，可得到较宽的线性范围。 4． 7 样本准备和浓度计算 如果高值和低值浓度是未知的，每一管必须编号来确定它的相对浓度。 对于等间距浓度来说，每管可以用整数（如 1， 2， 3， 4， 5等）来分配号码，也就是说，每一管的的浓度分析前可以未知。 验证线性范围时， 高值和低值的测量均值要用到。 如果中间分析管的浓度不是等间距的，相邻管之间的相互关系一定是已知的。 也可以先用高值和低值浓度配制成一个中间浓度管，然后用低值和中间浓度、高值和中间浓度分配其它管的浓度。 以下以五个浓度等间距的配制（参考附录 A： 5到 11个等间距浓度的分配方法）举例。 在一些实验室，优先考虑称量法来配制溶液。 不管用何种方法准备低高值溶液，操作时要小心、谨慎。 （ 1）高值和低值浓度管要用可以接受的基质，要满足整个实验过程中的用量，具体量的多少要依赖于分析中所用体积决定。 注意在操作过程中，要有最准确和精确 的加样技术。 下面为等间距分配各管浓度。 （ 2）低浓度（理想状态为接近或位于线性范围下限）管编号为 1，高浓度管编号为 5； （ 3）中间浓度管由高浓度和低浓度管按恒定的间距配成不同的浓度，一种简便的配制中间浓度的方法如下： 第 2管为 3份低浓度和 1份高浓度标本混合而成； 第 3管为 2份低浓度和 2份高浓度标本混合而成； 第 4管为 1份的低浓度和 3份的高浓度标本混合而成。 每管的浓度由以下公式来计算，第 1管的浓度为 C1，体积为 V1，以此类推，第 5管的浓度和体积分别为 C5和 V5： 浓度 C=（ C1 V1+C5 V5） /（ V1+V5） 每管的浓度和体积单位必须一致，注意每管要充分混匀，并防止蒸发或其它改变。 如当检测系统每测试需要反应体积为 ，每浓度水平测量 2次，则至少需 考虑反应死体积。 高浓度管浓度为 120单位，低浓度管浓度为 40单位，注意测量前不需知道实际 15 浓度。 样本管 1和 5每管需 ； 样本管 2：加 1管溶液和 5管溶液； 样本管 3：加 1管溶液和 5管溶液； 样本管 4：加 1管溶液和 5管溶液，第 4管溶液 的浓度计算为： (40*+120*)/(+)=100 单位。 预期各管浓度分别为 40， 60， 80， 100和 120单位。 将分析测量结果（作为已知浓度）和管号数（ 1， 2， 3， 4和 5）或计算浓度作散点图。 如果需用到其它浓度，要知道相互的间隔关系，且相互间隔适合在座标图表上表示。 如需配制 110单位的上述分析物溶液，则可以用 第 1管溶液和 5管溶液混匀，它的编号数为。 用相同的计算方法可以得到其它任何的浓度。 4． 8 数据收集 数据可以很方便地记录在工作 表或计算机表格程序中。 以下是根据不同目的所推荐的样本数。 建立 线性 方法： 9到 11个样本，每个样本重复测定 2到 4次； 验证 声明范围或改良方法： 7到 9个样本，每个样本重复测定 2到 3次； 在实验室内证实线性范围有效性： 5到 7个 样本，每个样本重复测定 2次。 样本测量时要随机分布，在一个分析批内或连续分析批中。 数据的删除按。 重复测量的次数要足够，以便 可靠 得出各管的浓度。 对于某些分析物，或在某个浓度水平，需重复测量 35次。 用户要能 准确地判断重复测量的次数，本指南不反对在不同的浓度水平重复不同的次数。 4． 9 临床上几个重要的浓度水平 评价线性范围时，要注意几个重要的浓度：最低分析浓度或线性范围的下限，不同的医学决定水平值，最高分析浓度或线性范围的上限。 5．线性范围的核实 ——数据评估 初步数据检查 检测结果首先要综合评价其可接受性和有效性。 如果数据不可用，参照。 详细的结果评估必须逐步参照以下模式： 1) 检查数据是否有极端明显的差异 （或错误） ，如果有分析或技术性问题被发现并得到纠正，则重复整个实验过程。 2) 如果没有发现极端明显的分析或技术性结果差异 （或错误） ，目视检查每一个分析的 16 所有结果有无潜在的离群值。 将测量数据作为 Y值，计算浓度或相对浓度作为 X值进行作图。 在图上，每一个Ｙ值有一个对应的Ｘ值，将每个浓度水平重复测定的均值点在图上，手工方法或用计算机将这些点连接起来，观察每个点与直线的大致偏差，这样容易发现异常点，明显的抄写错误，或仪器故障等。 3) 如果需要，将每一组的检测数据按检测时间次序排列，检查是否有漂移或趋势性变化。 如果发现任何明显的偏差，纠正错误后，整批数据必须被代替。 要避免没有纠正错误，选择多次重 复测定结果中的 “好 ”数据进行替代。 数据中可以发现操作中存在的真实问题。 4) 观察每个浓度水平的测量值之间差值。 在线性模型中，各段的斜率大致相等，升高或降低趋势提示非线性。 5) 当某一个给定浓度的一个测量值（ yi）明显偏离另一个 Y值时，目视检查就可以判断它是一个离群值（参照 ）。 离群值应从数据中删除。 6) 如果发现两个或以上不可解释的 离群值，就应怀疑检测系统的性能。 查找问题原因，必要时请求生产厂家协助。 7) 目视检查 XY散点图对于后续的线性评估是非常重要的，它可以很容易的发现非线性，或测量范围是否太窄或太宽，也可以为后 续的统计分析选择更合适的统计分析方法。 离群值检查 在本指南中，离群值指单个检测结果目视或在统计学上明显偏离其它检查结果，仅适用于评价单个重复测定结果，而不适用于某浓度水平的多次重复测定或测量均值。 出现离群值提示非线性或存在系统误差。 离群值检查可以发现错误来源（抄写错误、系统不稳定等），或推测错误原因。 深入的讨论参见 ASTME 17894。 离群值指某结果不适用其它数据所拟合的模型，可以通过统计学方法计算，但大多数情况下，目视检查检测值与预期值就可以发现离群值。 单个离群值在数据组中可以删除而不用更换 ，如果有一个以上的离群值出现，检测系统可能精确度太低，应按标准方法删除，这种情况下必须找到原因并纠正。 确定线性范围 方法概述：多项式线性评价 多项式线性评价首先是假设数据点是非线性的，在随机误差很小的前提下，假设数据点完整地落在线性或曲线范围内。 不论最适曲线是线性与否，都不影响（线性范围内）实验数据点之间 其他浓度的反应状态，并可得到连续、可靠的结果的 能力。 事实上，多项式回归是用来评价非线性的，这也是我们选择多项式线性评价的原因。 这种方法有两部分：第一步判断用非线性多项式拟合数据是否比线 性好；第二步是当非线性多项式拟合数据点比线性好时，判断最适。