【冯仁丰】学习EP06文件系列 1 回归统计的意义（1）

前阶段，我学习EP05中，遇到了文件使用方差分析的做法，对影响精密度的各个不同来源具有的影响大小进行分析。由于我的统计能力很差，被这个目前国内统计学书上没有涉及到的内容，因为没有了依据感到非常纠结。至今，我还没有对EP05-A3文件的方差问题完全理解，但是，我想我会逐渐去理解了。

复习了精密度问题，我开始转向关注检测系统的分析范围，即线性范围。国内几乎所有的临床实验室，学习CLSI的EP6文件，都是EP06-A了。这个文件出现前，当时EP06-P文件没有像其他文件那样，一直处于等待修改的状态。但是，今天的EP06-A文件，只是介绍了对进行线性实验出现的数据分布状态，是直线的还是曲线的，都给予回归方式的处理。在分析范围出现曲线表现时，究竟临床实验室应该怎么处理，没有详细的回答。所以国内的体外诊断厂商，和临床实验室，一提起分析范围，都只说按照EP06-A文件进行了实验，但是实验结果是线性、还是非线性，却没有了下文。似乎实验都是线性的！试剂情况应该不会那样简单。问题是，在厂商的线性实验确实出现了非线性的表现下，厂商又该怎么办？这是当今EP06-A的最大问题。当然EP06-A已经指出，是线性的，使用单点校准品校准；不是线性的，除了使用多点校准品校准外，还应该按照非线性的情况，使用曲线回归处理和计算实际样品检测得到的结果。可惜，没有一个体外诊断厂商有这样处理的。

临床实验室作为体外诊断产品的用户，我们在使用检测系统检测病人样品前，必须以EP06-A的做法，去验证厂商对线性合伙分析范围的声明。但是，至今所有的临床实验室的验证，没有看到出现了非线性表现！岂不奇怪！

说到底，是EP06-A文件出现的问题！该文件闭口不谈任何有关非线性结果如何处理的事。其实在EP06-P文件中，倒是对非线性问题至少可以做出判断！让临床实验室引起注意。因此，我一直非常重视，在学习和进行线性实验时，应该从EP06-P开始，真正理解该文件在使用直线回归处理线性实验数据中，直线回归是怎样判断出线性和非线性的。然后，在结合EP06-A文件，如果是非线性的，那么可以使用多元回归确定反应曲线弯曲的程度，然后再来考虑在每天使用检测系统检测病人样品前，我们应该如何进行多点校准？对病人样品检测结果如何予以纠正因非线性带来的问题，给予校正。这样学习EP06文件才有了意义。

由于所有对分析范围的判断和处理，都使用了直线回归处理，因此，应该先了解直线回归统计的意义和做法，深入了解这个统计的欠缺。只有这样，学习EP06文件才可以理解它的实际意义。

为此，我将为学习EP06文件写一个系列微信。大多内容在我的“临床检验质量管理技术基础”书中，有较详细的介绍。但是，我还是将这些内容重新写成微信，供临床实验室人员学习。

检测系统分析范围是检测系统重要的分析性能。国内外普遍推荐使用美国临床与实验室标准研究院（CLSI）批准的EP6-A文件：定量检测程序线性的评价。在这个文件之前，它的起草文件（EP-6）已经使用了许多年。现在普遍认为EP-6文件存在很多问题，不要再用了。可是，无论是现今被批准的正式文件（EP-6A）还是原起草文件（EP-6），它们其实都采用回归统计分析。只是EP-6A文件不仅用了直线回归统计，还使用了二元的二次和三次的回归统计，让你真切了解被评价资料究竟是直线状态还是曲线状态。

使用回归统计估计检测系统分析范围性能，必须完整理解回归统计的真实含义。只知道用统计包得出一个统计结果，不懂内在含义，这样的统计对你根本没有价值。为了让我们临床实验室同道理解回归统计含义，我尽可能以通俗的语言来解释直线回归统计，目的使你理解。

另外，实验室经常使用相关系数表示数据的可靠性。可惜一直被用错，以为相关系数好的数据就没问题，这是将“相关”误解为“相等”。本系列将揭示相关系数的真实统计含义。

一、二元一次代数式的直线与具有线性趋势的实验室数据

1、二元一次代数式

初中老师教我们二元一次方程y = bx + a时，强调了凡是这个方程的点都在这个方程直线上，不在这条线上的所有点就不是这个方程的点。如图1。

图1 二元一次方程图示

也即，将一个二元一次代数式绘制成直线时，绘制在线上各个点均为y = bx +a代数式的点。反之，不在该直线上的任何点，一定不是该代数式的点。

2、临床实验室实验数据

检测系统分析范围实验要求多个系列稀释样品，每个样品至少进行4次重复检测，然后，将所有检测结果点于坐标纸上，由目视和统计分析判断是否具有线性关系。如图2左。

这个分析范围的实验使用了某分析物五个系列浓度的混合血清，每个血清重复检测4次。x为分析物预期浓度、y为检测系统检测的浓度。由于实验误差，每个系列的重复检测值均排成列，但这些数据点的分布很明显呈线性的表现。问题是如何去表示这些点的直线趋势？找出可以代表这些数据点最合适的一个直线？如图2右。

另外，在进行方法学比较时，x方法与y方法同时对多例病人标本进行比对，将比对结果绘制在坐标纸上，见图3左。在这个图上，所有比对结果看来有直线趋势的表现，即x和y的结果间可以用一个二元一次关系表示。问题也是如何去表示这些点的直线趋势？如图3右。

图上这些点分布明显表现出它们相互间应具有线性关系。但是，并不是如二元一次代数式，有一条通过所有实验点的直线，只是它们间有一个线性的趋势（注意：这就是临床实验室检验工作的特点！组成直线回归的所有实验点，绝大部分都不在线上。它们分布在归纳它们的回归线的上下。各个实验点对于回归线的离散，反映了每个样品自身在实验中具有的随机误差，包括了基质引起的基质效应等）。想以一条直线概括归纳表示它们之间关系时，组成这条线的所有点也许大多或全部都不在线上。如何画出一条最客观的直线来代表这些点的趋势？如图2和图3的右图。关键是确定该直线的斜率和截距。