Statistische Qualitätskontrolle in Hämatologie-Analysatoren Die statistische Qualitätskontrolle, die in Hämatologie-Analysatoren durchgeführt wird, hat viele wichtige Unterschiede von den entsprechenden Techniken in den klinisch-chemischen Analysatoren. Diese Unterschiede sind auf Gründe wie die hohe Stabilität der Zytometrie-Technologie, die kleine biologische Variation einiger Hämatologie-Parameter, die großen Reagenzfläschchen und die geringe Zeitdauer der Hämatologie-Kontrollen zurückzuführen. Wegen der oben genannten Gründe, die Levey-Jennings Diagramme in Hämatologie-Analysatoren unterscheiden sich von entsprechenden Charts in der klinischen Chemie. Zum Beispiel haben die Hämatologie Levey-Jennings Diagramme nur drei Linien (obere und untere Grenzen und zentrale Linie). Der Grund dafür ist, dass diese Levey-Jennings-Diagramme nicht statistisch aus einer normalen Verteilung der bisherigen Qualitätskontrolldaten erstellt werden, was aufgrund der sehr kleinen Variation der hämatologischen Qualitätskontrollwerte nicht möglich ist. In Hämatologie-Analysatoren gelten die oberen und unteren Grenzwerte als Grenzwerte für die industrielle Qualitätskontrolle. Die kleine biologische Variation vieler Hämatologieparameter machte viele Forscher zu etablierten Methoden der Qualitätskontrolle, die nur auf den Ergebnissen der Patienten basierten. Solche geeigneten Parameter sind die Erythrozytenindizes (MCV, MCHC, MCV) mit der kleineren biologischen Variation (nicht nur wegen der Biologie, sondern vor allem der hämatologischen Analysentechnik). Diese Attribute von ihnen inspiriert Brian Bull (ein amerikanischer Hämatologe), um eine neue Qualitätskontrolle Methode weithin als Bulls-Algorithmus bekannt zu etablieren. Bulls-Algorithmus (auch bekannt als Methode) erkennt systematische Fehler in MCV, MCHC und MCV und folglich in HgB, Hct und RBC. Seine Methode ist eine Art gleitender Durchschnitt. Ihre Hauptidee ist es, den Mittelwert der letzten zwanzig Patientenwerte, darunter auch den Mittelwert der Charge der letzten zwanzig Werte, abzuschätzen. Der Algorithmus selbst ist eine ziemlich komplizierte Gleichung, die die Ausreißer eliminiert und den gleitenden Durchschnitt der letzten zwanzig Werte schätzt. Stier-Algorithmus hat sich als sehr effektiv bei der Erkennung kleiner systematischer Fehler (fast 1) nicht nur in Erythrozyten-Indizes, sondern auch in fast allen Hämatologie-Parameter. Es verwendet alle Patienten Daten ohne Ausnahme. Die letzte Tatsache machte Bulls-Algorithmus die billigste Qualitätskontrolle Methode in der Labormedizin. Hämatologie Qualitätskontrolle Proben dauern nur 20 30 Tage und sind sehr teuer, wenn auf der anderen Seite Vollblutproben im Kühlschrank für 24 Stunden stabil sind. Diese Tatsachen führten einige Forscher Methoden zu finden, die auf der wiederholten Analyse von Patientenproben basieren. Diese Verfahren sind als zurückbehaltene Patientenproben bekannt. 1988 stellte Cembrowski (kanadische klinische Chemiker) die effektivste Patientendaten-Methode her. Es basierte auf der wiederholten Analyse der gleichen Patientenproben zwischen zwei aufeinanderfolgenden Tagen. Seine Methode ist bekannt als mn lim. - Lim steht für die Qualitätskontrollgrenze. Sie ist gleich dem Doppelten der Standardabweichung der repetitiven Analyse (2 x SD). - n steht für die Anzahl der Patienten, die zweimal analysiert werden. - m steht für den Anteil der n Anzahl der Proben, der außerhalb der Grenzwerte (lim) liegen darf. Statistische Simulationen von Cembrowski bewiesen die Wirksamkeit seiner Methode. Ihm zufolge ist die beste Kombination von m, n und lim 2, 3, 2 oder 23 2s. Abschließend stehen drei verschiedene Methoden zur Verfügung, um die analytischen Fehler im hämatologischen Labor nachzuweisen. Levey-Jennings erkennt systematische und zufällige Fehler. Im Gegenteil, Bulls-Algorithmus und behalten Patientenproben entdecken nur systematische Fehler, aber sie haben den Vorteil der niedrigen Kosten. Labor kann die beste Kombination der drei wählen. T 949955949965964945943945 949957951956941961969963951. 922965961953945954942 921945957959965945961943959965 20, 2013Our Mission Die Internationale Gesellschaft für Labor Hematology (ISLH), Non-Profit-Organisation im Jahr 1992 von einer internationalen Gruppe von Labor-Profis, um neue Wege zu beschreiten Diagramm für Labor Hämatologie gegründet und hat heute mehr als 800 Mitglieder In über 50 Ländern. Die ISLH hat in Normen und Richtlinien Entwicklung im Labor Hämatologie instrumental und hat auch erweitert sein Repertoire von Disziplinen für die wachsenden Bedürfnisse von Labor Hämatologen gerecht zu werden. Heute ISLH befasst sich mit den folgenden Teildisziplinen mit up-to-date Symposien, Forschungs - und Zeitschrift Rezensionen zu: Cellular Analysis Flow Cytometry Hämostase und Thrombose Molecular Diagnostics Hämatologie Informatik Hämoglobinopathien hämolytischen Anämien Point of Care Testing Standards und Richtlinien Neueste News 13. Dezember 2016 Die ISLH 2017 Konferenzprogramm ist ab sofort verfügbar Bitte hier klicken, um it. November 30, 2016 Die nächste ISLH kostenlose Webinar anzuzeigen wird von Attilio Orazi am 19. Januar vorgelegt werden Bitte klicken Sie hier, um register. September 22, 2016 Neue E-Learning-Kurse verfügbar ISLH freut sich, die Einführung von 3 neuen E-Learning-Kursen bekannt zu geben. Bitte klicken Sie hier, um diese zu sehen. Sonderausgabe: Abstract Proceedings Special Issue: Abstract Proceedings of the 2016 Annual Meeting der Internationalen Gesellschaft für Laborhämatologie, Mailand, Italien, 1214 Mai 2016. Klicken Sie hier, um die Ausgabe 2016 Berend Houwen Lecture Pro zu sehen - und Antikoagulans-Eigenschaften von Faktor V bei der Pathogenese von Thrombose - und Blutungsstörungen Bjorn Dahlback 2016 Wallace H. Coulter Distinguierter Vortragspreis Ein Molekül Stethoskop Stephen Quake Internationales Journal für Laborhämatologie Labor Hämatologie Inventar der Richtlinien
EINFACHE BEWEGENDE DURCHSCHNITT Probleme beim Verwenden des einfachen gleitenden Durchschnitts als Prognosetool: Der gleitende Durchschnitt verfolgt die tatsächlichen Daten, ist aber immer dahinter. Der gleitende Durchschnitt erreicht nie die Spitzen oder Täler der tatsächlichen data151it glättet die Daten Doesnt erzählt Sie sehr viel über die Zukunft Allerdings bildet dieses nicht das bewegliche durchschnittliche useless151you, das nur seine Probleme bewusst sein muss. SLIDE BESCHREIBUNG AUDIO TRANSCRIPTION So zusammengefasst, für einen einfachen gleitenden Durchschnitt oder einen einzigen gleitenden Durchschnitt haben wir einige Probleme mit der Verwendung der einfachen gleitenden Durchschnitt als Prognose-Tool gesehen. Der gleitende Durchschnitt verfolgt die tatsächlichen Daten, ist aber immer dahinter. Der gleitende Durchschnitt erreicht nie die Spitzen oder Täler der tatsächlichen Daten151it glättet die Daten, und es ist wirklich nicht sagen Sie sehr viel über die Zukunft, weil es...
Comments
Post a Comment