校准验证排除故障指导 这个排除故障的指导，如果你收到的校准验证评价结果为“Different”，或你的评价结果在整个范围内为“Verified”，没有包括你所有的报告结果。为使用这个指导，确定下列示例哪一个，最类似于你的校准验证图。参见相应的建议措施，结合有问题结果的CVL研究清单，研究可能的原因和纠正措施。 恒定偏移：（如下图）。
翻译如下：审核研究清单的分析部分。分析问题，产生了恒定偏移，会因校准错误。需要重新校准。审核研究清单的笔误部分。笔误在恒定偏移的结果，看来因检测单位或小数点错误，或不正确的对等组设定。笔误说明需要更多的人员培训。 低或高标本的问题（如下图）
翻译如下：审核研究清单的分析部分。看来在低或高端的分析问题，是因接近分析检测范围（AMR）限值的回收问题。如果你的结果被稀释的，审核你实验室的稀释方案。 审核研究清单的标本处理部分。低或高端问题也说明样品降解。 单个标本重复检测间差异很大（如下图）
审核研究清单的笔误部分。笔误会引起单个标本的重复检测间很大差异，看来因电脑扫描、输入、传送结果有误。若你怀疑扫描差错，你必须联系CAP 客户联系中心。你怀疑传送或结果输入有差错，需要更多的人员培训。 审核研究清单的标本处理部分。标本处理问题会因对不正确样品进行了检测、混合或复溶问题、或标本储存不完善。检查是否对规定说明实施正确。 稀释标本的问题 审核研究清单的分析部分。检查是否遵循稀释方案（如，稀释因素、使用的稀释剂）。确认自动稀释器功能是否正确。若你怀疑自动稀释器问题，与仪器厂商联系。 审核研究清单的笔误部分。稀释标本的笔误看来因使用了不正确的稀释因子。
比例偏移 审核研究清单的分析部分。展现升高或减少的偏移分析问题，会因校准误差。需要重新校准。 审核研究清单的标本处理部分。标本处理问题比例偏移的结果会因混合或复溶问题、或不完善储存。
附录4：CAP线性评价的技术指导
这个附录为参加者，他们已经培训过，等同于在统计方法的第二个course课程，应对CAP线性评价有较详细的了解。因为这个信息是为参加者接受统计方法的一些培训，我们没有要提供关于计算的的完全细节。你可参考任何统计教科书，关于拟合的线性和多元回归模式，并评价了回归系数的统计显著性（步骤1和2）。在步骤3和4的计算要求更先进的技术。这些在Kroll等2000年9月的Archive of pathology & Laboretory Medicine上有完整的介绍，本附录的解释将提供使用标准回归输出的一组大致的计算。 作为第一步，确定评价的类型，已经或将被使用— 标准或稀释/延伸。看用户指导的附录3中线性flow chart流程图为参考。 如果你想在你的线性评价报告上进行双份检测，你必须match与包括的标本范围匹配。在一个稀释/延伸评价中，你将使用你的未稀释/未延伸范围标本的标准评价（以下步骤1到4）。 1、将检测结果相对于相对浓度绘制图，使用线性回归发现最佳拟合直线。 将你的结果为y、相对浓度为x，绘制比较图。线性评价报告清单列出了每个分析物的相对浓度。你可使用任何统计软件去拟合回归线。 2、评价数据为非线性的证据。 使用多项回归评价非线性。如果在至少5个检测标本中，报告了2个结果，拟合了cubic一个三次多项，使用标准检验统计的显著性，评估三次项。如果仅有4个检测标本的结果，或若三次项在统计上不显著，拟合一个quadratic二次多项式。使用标准检验二次多项系数在统计上有无显著性。你可使用任何标准回归软件，拟合多项式，并检验三次和二次项系数的显著性。CAP使用的α = 0.05的显著水平进行评价。如果使用多项式方法，没有非线性证据，则最佳拟合线是直线，在步骤1发现的。否则，最佳拟合曲线，或是二次的或三次的多项式。对步骤3中评价不精密度。你需要确认相应的最佳拟合线或曲线。 注意，在步骤2，假设检验使用了0的临界限，去检出对于线性的偏移（即，每个统计检验的无效假设是，非线性系数等于0）。在过筛了最佳拟合线或曲线的不精密度后，CAP线性评价评估了被三次或二次多项式相对于一个非-零临界限叙述的非线性量，被叙述在步骤4.在步骤4，你将需要计算来自你的回归结果的拟合直线和最佳拟合曲线二者的拟合值。 3、评价最佳拟合直线或曲线的不精密度 我们评价了以参加者结果和最佳拟合曲线或直线间差异为基础的不精密度。若差异超出了不精密度的限值，我们做出结论，数据不合适得到有意义的线性评价，或因为很差的重复性，或对于特定线性和多项式模式有很差的依从性。环绕最佳拟合直线或曲线的不精密度限值，由分析物总误差、参加者结果数、和来自正规统计评价导出的计算值等确定。而实际计算取决于多个输入变量，不精密度限值经常略大于总误差目标的四分之一。如果你进行自我评价，使用0.25倍的总误差目标，提供了一个绝对较低的不精密度过筛的bound界限。另外，你可使用来自表中，被包括的结果数确定的乘积因子，会紧密地与CAP评价相似。 计算估计的不精密度：从步骤1和2的最佳拟合直线或曲线，去发现估计的标准误。你使用拟合你的回归模式的软件，将计算最佳拟合线或曲线的标准误。 计算不精密度限值：你需要知道在回归模式中包括的你结果的均值、分析物的总误差目标、和依据包括在回归模式中的结果个数。不精密度的大致限值是： （表1中的乘积因子）×（总误差目标）×（包括结果的均值）。 表1— 不精密度过筛的大致乘积因子
若你的最佳拟合线或曲线没有通过不精密度过筛，你的平均结果是不精密的（很差的重复性和/或拟合）。如果从步骤2没有得到非线性的证据，你的最佳拟合线通过了不精密度过筛，则你的平均结果是线性的。若你发现在步骤2中有非线性的证据，你最佳拟合曲线的结果，通过了不精密度过筛，进入步骤4。 4、若可用，评价相对于非-零临床临界限的非线性。 我们使用步骤2中最佳拟合曲线和步骤1中最佳拟合直线间的差异，评价非线性的临床关联。若差异的总结度量超过了临床临界限，则评价结果是非线性的。否则，评价是线性的。 对最佳拟合曲线和最佳拟合直线间差异的summary measure综合度量，被称为对于线性的平均偏差（Average Deviation from Linearity, ADL）。我们使用总误差目标的multiple倍数，确定临床重要的临界限。注意，这个评价非线性，允许很小的、临床上不重要的、对于线性的离散。在步骤2中的评价，警示了任何来自非线性的明显deviation偏差。 计算ADL：计算步骤1的最佳拟合直线的单组线性拟合值。注意，如果你在你的回归软件中产生了拟合值，你会有两组证实的被拟合值。下一步，计算步骤2中被拟合的三次或二次曲线的非线性拟合值。再次，使用每个标本水平下一个被拟合的值。计算平方差squared differences = （线性拟合 - 非线性拟合）。计算平均平方差 = （平方差和）/(标本水平数）。最后，ADL =平均平方差的square root of平方根。 计算ADL限值：ADL限值是非中心Chi-方分布的第95%限值。因为我们感到这个计算超出了即使在统计第二课程的水平，我们建议读者去阅读2000年那篇完整叙述如何计算实际ADL限值。ADL限值总是略大于四分之一的总误差目标，所以我们推荐使用这个作为一个大致的估计。特别是，对评价在多项式方法使用一个非零临界限的显著性，将计算的ADL与0.25 ×（总误差目标）×（包括了结果的均值）。 |
/3 
浙公网安备33010802005999号 
