2.5、数据分析 2.5.1、测量数据判断 a) 数据完整性判断:每天都应检查所有结果,如果由于检测系统或室内质控不合格导至该批结果被拒绝,那么应弃掉该批所有结果,并根据需要及时查找原因,补充数据。 b) 各样品数据分析。 12 刘博 本文是假设用户实验时采用了最基本的5×5设计,也可多1~2个批次,这种实验设计的数据使用单因素ANOVA软件计算。 首先是制表和观察结果,表2是列表的一种方法,是按照最基本的5×5设计进行实验得到的结果(以HBsAg为例)。 观察原始数据,每一批样品检测结果的数量相同,也没有缺失值,该组数据是平衡的。 2.5.2、离群值判断 即使在纠正或排除所有可疑数据后,某一结果仍可能与其他结果不一致,如偏高或偏低。这可能是由于一些与性能评价无关的因素导至,剔除这样的结果会更合理。 有时明显的极端结果很可能真实地代表了测量方法的性能,如果从大量研究结果进行分析,该极端结果也许不会显得与其他结果不一致,此时该极端结果就不应被当做离群值舍弃。 保留一个明显离群值可能会扩大不精密度的估算值,而剔除该离群值则可能导至计算结果「过分乐观」。 本文允许将一些明显不一致的结果当做统计学上的离群值,但需符合某些条件以确保客观性:
2.5.3、Grubbs法判断离群值 有多种统计学方法可用来判断某测量结果是否为统计学上的离群值,对于其他方法,只要具有统计学依据并有详细阐述也可使用,如GB 4883-2008《数据的统计处理和解释正态样本离群值的判断和处理》中也有关于离群值的判断方法。 本文推荐使用Grubbs法。如果某检测结果高于Grubbs法上限,则被定义为统计学上的离群值。具体方法如下: 计算所有结果的平均值和标准差。这里平均值和标准差是根据样本N个结果计算得到的,N个结果包括被怀疑的离群值。Grubbs因子G(取决于N)如表3所示。 表3中n0代表平均每批实验得到的有效结果,N代表总有效结果。以表2中HBsAg的数据为例,所有检测结果的均值和标准差分别是1.012 IU/mL和0.061 IU/mL。 由于实验设计的是5个检测批,从表3得到当N = 25时,G = 3.135。然后,计算Grubbs范围的上限和下限: Grubbs限值 = 均值 ± G × 标准差 =1.012 ± 3.135 × 0.061 = 0.821 IU/mL 或 1.203 IU/mL 由于所有结果都在这个范围内,所以数据中没有离群值。 2.5.4、精密度实验数据的单因素方差分析 单因素方差分析是计算每个样品的重复性和实验室内不精密度的基础。如果没有专门的统计学软件如CLSI’s StatisPro2,建议使用方差分析(ANOVA)程序。 单因素方差分析的主要输出结果见表4。 有些ANOVA程序还提供批间和批内方差分量,即VB和VW的计算。如果没有提供,可以通过ANOVA表格中的数据计算VB和VW。 设VW = MS2,如果MS1 ≤ MS2(相对罕见),设VB = 0,否则 n0从表3获得,根据检测批次和样品结果的总数查表3。 变异分量Vw直接与重复性变异相关,VB单纯地与批间变异相关。批间变异可纠正为批内变异,但两种变异分量(VB和Vw)的总和与实验室内不精密度相关。取平方根得到用s表示的预期精密度。 根据表内数据,Vw = MS2 = 0.002,由于MS1(0.014) ≥ MS2 (0.002),计算VB: 根据检测批次5和样品结果的总数N = 25查表4.53得到n0 = 5。 根据这些变异分量数值,可以计算用标准差为表示单位的不精密度: 如果用CV来表示,根据均值为1.012 IU/mL,CVR=4.45%,CVB=4.84%,CVWL=6.52%。用sR,sB,sWL表示,可以帮助用户识别精密度的变异来源。 |