体外诊断分析性能评估系列（3）—线性范围

心中u你

概念

•      指覆盖检测系统的可接受线性关系的范围，非线性误差小于设定标准；

•      当某分析物浓度或活性的测量值与其真值呈数学上的直线关系时，则认为这种定量测定的方法是线性的；

评估方案：

•      样本：

•      混合病人血清，加入待检测物的混合人血清，商品质控品或校准品，水溶液等；

•      应尽量减少基质效应，避免干扰；

•      高浓度样本可用说明书指定稀释液稀释成系列低浓度样本；

•      数量：

•      实验室内证明线性范围有效性：5-7样本（一般6个），覆盖线性范围，2次测定；

•      验证声明线性范围或改良方法：7-9样本（一般8个），覆盖线性范围，2-3次测定（一般3次）；

•      建立线性范围：9-11样本（一般10个），超出20%-30%预期线性范围，2-4次测定（一般4次） ；

•      检测：

•      测量前必须保证仪器已通过校准并必须处于质控状态；

•      测量顺序随机，但如果明显携带污染或漂移，则选择对后续样本影响最小的顺序进行检测；

•      或在存在明显携带污染的高值样本后面插入至少2份低值样本进行检测，但这2份低值样本的结果不纳入统计分析；

离群点分析：

•      离群点分析

•      用目视检查每个分析结果有无潜在的离群值，以测量结果作为Y值，计算浓度或相对浓度作为X值，作X-Y坐标图，挑出非线性点；

多项式分析：

•      概念：

•      多项式线性分析首先时假设数据点是非线性的，在随机误差很小的前提下，假设数据点完整的落在线性或曲线范围内；不论最适曲线线性与否，都不影响线性范围内的实验数据点；事实上，多项式回归是用来评价非线性的；

•      此方法分为两步：

•      1，判断用非线性多项式拟合数据是否比线性好；

•      2，当非线性多项式拟合数据比线性好时，判断最适非线性模型与线性拟合之间的差值是否小于预先设定的该方法允许误差；

•      样本

•      评估线性时至少要求五个不同浓度水平的样本，每样本重复测定两次；

•      先要知道其浓度或各溶液之间的比例关系，不同浓度之间可以等距或不等距；

•      根据检测结果进行一次/二次/三次多项式回归分析，可用软件；

•      一次：Y=b0+b1X                       回归自由度（Rdf）=2；

•      二次：Y=b0+b1X+b2X2             回归自由度（Rdf）=3；

•      三次：Y=b0+b1X+b2X2+b3X3    回归自由度（Rdf）=4；

•      上述标注为红色的回归系数（bi）表示非线性系数；

•      多项式回归模型意义

•      一次多项式模型，直线，判断是否线性的最适方程；

•      二次多项式模型，抛物线，分为增加趋势（曲线上升）和减少趋势（曲线下降）；

•      三次多项式模型，S形曲线，测量范围两端呈非线性；

•      回归系数（bi）

•      计算每个非线性系数斜率的标准差SEi(可由回归程序算出)，然后进行t检验，判断非线性系数是否由统计学意义，既与0之间是否有显著差异；

•      一次多项式模型中的b0和b1不用分析，因为不反应非线性；

•      b2和b3的统计学分析计算公式如下：t=bi/SEi

•      自由度的计算公式：

•      df=L×R-Rdf

•      L为不同浓度的样本数；

•      R为重复检测次数；

•      Rdf为回归自由度，即回归模型中各系数的数量总和，包括b0；

•      线性和非线性的判断

•      通过查t值表（双侧α=0.05），如果非线性系数b2和b3没有显著差异（P≥0.05），则认为存在线性关系，当精密度良好时，则分析完成；

•      如果二次多项式模型的非线性系数b2，或三次多项式模型的非线性系数b2 和b3中的任意一个与0比较，都有显著差异（P≥0.05），则认为该组数据存在非线性；

•      注意：

•      这只是统计学上的显著性，只是非线性被检测；

•      而不是代表对病人的检测结果有多大影响；

•      还要评价非线性度；

非线性度：

•      概念

•      通过计算回归标准差（Sy，x），确定最合适的一次多项式或三次多项式模型；

•      Sy，x是统计分析测量结果与模型的差值，Sy，x 值越小说明该模型越适合数据组；

•      每个浓度下的线性偏差(DLi)计算如下：

•      DLi=p（Xi）-（ b0 + b1 Xi）

•      Xi：从X1-X5；

•      p（Xi）：最适多项式回归模型在Xi处的值；

•      D（Li）：非线性模型与线性模型在每个浓度点的差值， D（Li）应该与Xi单位一致，以便于比较。

•      百分比=每个DLi/该浓度值（已知值）或测量均值（相对浓度）×100%

•      DLi仅表示该浓度水平的偏差，不反应点与点之间的偏差；

•      将每个浓度水平处的DLi与设定的误差范围比较，如果DLi小于预先设定误差，即使检测到统计学上的非线性，由于非线性误差小于设定目标，因而也是不重要的。

•      如果人一个点的Dli超过设定目标，则代表该点可能使非线性，此时按照以下两种方法处理：

•      1，试着找出非线性原因（样本准备，干扰物质，仪器定标等）并解决；

•      2，观察相应（测量）浓度与预期值的散点图，判断非线性实在分析浓度范围的两端或是中间。如果在两端试着舍去Dli最大值的浓度点，重新进行统计分析。但是会缩小线性范围。

参考资料：

    《体外诊断试剂分析性能评估系列指导原则》（征求意见稿），CFDA；

        CLSI EP6-A：Evaluation of the Linearity of Quantitative Measurement Procedures A Statistical Approach；

    《体外诊断产业技术》，夏宁邵郑铁生，2018，人民卫生出版社。、

来源：ivd沙龙