Dr Marc Vachon, Dr Philippe Desmeules et Clément Arès

Présentation au sujet: "Dr Marc Vachon, Dr Philippe Desmeules et Clément Arès"— Transcription de la présentation:

1 Dr Marc Vachon, Dr Philippe Desmeules et Clément Arès
VARIABILITÉ BIOLOGIQUE UTILITÉ AU QUOTIDIEN Congrès CSCC/SQBC 2012 – QUÉBEC, QC Dr Marc Vachon, Dr Philippe Desmeules et Clément Arès

2 Variabilité Biologique CSCC/SQBC 2012 - Québec
Dr Marc Vachon

3 VARIABILITÉ BIOLOGIQUE
Depuis quelques années, surtout en Europe, on considère que la gestion de la qualité dans un laboratoire implique beaucoup plus que le simple contrôle de qualité statistique qui est d’usage courant dans nos laboratoires en La gestion de la qualité implique que l’on considère toutes les facettes d’un résultat de laboratoire, incluant les phases pré analytiques, analytiques et post analytiques de notre travail.

4 VARIABILITÉ BIOLOGIQUE
L’Organisation internationale de standardisation (ISO) définie la qualité pour les besoins des résultats de laboratoire comme suit: La qualité des résultats d’examen biochimique dans nos laboratoires doivent permettre aux cliniciens de pratiquer une bonne médecine. Donc, avant de penser à contrôler, à assurer et à améliorer la qualité des examens de labo, il nous faut connaître exactement le niveau de qualité nécessaire pour assurer des décisions cliniques de qualité.

5 VARIABILITÉ BIOLOGIQUE
Tentatives de rapprocher la qualité des examens de laboratoires des besoins de la clinique: Enquêtes auprès de médecins: Cette approche a été essayée mais les besoins en qualité différent beaucoup d’un médecin à l’autre et d’une étude à l’autre. Définition de l’erreur totale selon CLIA’88: Un pas dans la bonne direction mais plus basé sur les possibilités techniques en 1991 que sur les besoins cliniques. Variabilité biologique: Défini une base de comparaison dérivées à partir de données factuelles sur des populations. Variabilité intra individuelle Variabilité inter individuelle

6 VARIABILITÉ BIOLOGIQUE
Variabilité biologique inter individuelle: Variation de la concentration d’un paramètre autour du point homéostatique de plusieurs individus. Variabilité biologique intra individuelle: Fluctuation aléatoire de la concentration d’un paramètre autour d’un point homéostatique chez un individu.

7 VARIABILITÉ BIOLOGIQUE
Contrôle de qualité actuel: Biais (erreur systématique): Possible de voir sur une longue période (Histogramme de Bio-Rad dans le rapport mensuel). CQ externe: Par rapport aux valeurs des méthodes de référence idéalement ou groupe des pairs. CV (erreur aléatoire): On oublie ici les contrôles validés sur des appareils où la qualité est définie par ± 2ET CV Max : Sur quelles bases? Cvi : Le Dr. Desmeules définira ce CV dans sa présentation

8 VARIABILITÉ BIOLOGIQUE

9 VARIABILITÉ BIOLOGIQUE
Erreur totale: Tient compte à la fois des deux erreurs dans l’évaluation de la qualité (Imprécision et inexactitude) Commence à être plus utilisée. Quelles cibles on prend: CLIA’88: DigitalPt, CAP Besoins cliniques. Variabilité biologique.

10 VARIABILITÉ BIOLOGIQUE
Déficience des règles CLIA: Exemple du Calcium: Si on considère les valeurs de référence du calcium, soit mmol/L Si on prend la valeur moyenne : 2.35 mmol/L ± 11% (CLIA) On arrive à 2.08 et 2.61 mmol/L, soit une valeur en hypocalcémie et l’autre en hypercalcémie Dans ce cas, (et dans d’autres), on voit l’absurdité d’utiliser la règle CLIA dans ce cas comme guide de la qualité. Ces règles ont été définies en 1991 et la qualité des appareils s’est beaucoup améliorée depuis ce temps. Pour le calcium en tout cas.

11 VARIABILITÉ BIOLOGIQUE
Définition des balises de qualité par la variabilité biologique Précision et biais maximaux. Erreur totale maximale permise. Précise les cibles à atteindre plutôt que de simples règles statistiques. Permet de mettre le doigt sur les méthodes dont il faut suivre la qualité de très près. Définition de la qualité: Incertitude de mesure

12 VARIABILITÉ BIOLOGIQUE
Variabilité biologique intra individuelle: Établissement de ces valeurs en faisant des mesures de chacun des paramètres biochimiques dans le sang chez le même individu à plusieurs reprises (4). Évaluation très difficile et longue. Il faut diminuer au max les facteurs pré analytiques. Faire les mesure ensemble après congélation pour minimiser le biais. Utiliser les tables disponibles publiées par Ricos et coll. et par Callum Fraser (références à la fin). Le Dr. Desmeules présentera les limites des paramètres de la qualité avec l’utilisation des tables de variabilité biologique et un exemple de calcul.

13 VARIABILITÉ BIOLOGIQUE
Paramètres de la variabilité intra individuelle Coefficient de variation (CV): Le CV courant du laboratoire pour un paramètre doit être, en général : CVa < 0.5 CVi pour une qualité « désirable ». Pour un test dont la précision est excellente et l’erreur totale permise est large, on peut choisir: CVa < 0.25 CVi = qualité « optimale » (ex: triglycérides) Pour une analyse dont la qualité technique n’est pas très bonne (ou que le CVa est trop élevé) par rapport aux besoins de la variabilité biologique, on peut choisir : CVa < 0.75 CVi = qualité « minimale ». CVa = CV analytique CVi (ou CVw)= CV intra individuel

14 VARIABILITÉ BIOLOGIQUE
Paramètres de la variabilité intra individuelle Biais (erreur systématique) selon Var. biologique Performance  désirable = Ba < (CVi2 + CVg2)½ Performance optimale = Ba < (CVi2 + CVg2)½ Performance minimale = Ba < (CVi2 + CVg2)½ Ces valeurs sont disponibles dans la table en annexe. Ba = Biais analytique CVi (ou CVw)= Coefficient de variation intra individuel CVg= Coefficient de variation inter individuel (groupe)

15 VARIABILITÉ BIOLOGIQUE
Paramètres de la variabilité intra individuelle Erreur totale selon variabilité biologique: TEa désirable < 1.65 (0.50 CVi) (CVi2 + CVg2)½ Pour CK et triglycérides, par exemple: Optimale : TEa < 1.65 (0.25 CVi) (CVi2 + CVg2)½ Pour Na+ et Ca +: Minimale: TEa < 1.65 (0.75 CVi) (CVi2 + CVg2)½ Ces données sont disponibles sur un tableau sur le site de Westgard cité dans les références.

16 VARIABILITÉ BIOLOGIQUE
Pour certains paramètres, il n’est pas possible d’atteindre l’erreur totale dite « optimale » car la capacité technique des appareils n’est pas assez bonne pour atteindre les degrés de précision et d’exactitude qui seraient nécessaire selon les besoins cliniques. EX: Sodium, Calcium, Chlorure et à un moindre degré, l’albumine, les protéines totales et plusieurs tests en immunoessaie (T4L, T3L, etc) Il faut donc choisir la qualité désirable ou minimale dans ces cas, mais on voit bien que ce n’est pas idéal. Question: Quel est le meilleur contrôle de qualité pour ces examens biochimiques????

17 VARIABILITÉ BIOLOGIQUE
Application concrète du concept de variabilité biologique dans le laboratoire Avec les données du contrôle de qualité interne que vous suivez dans le laboratoire (CV%) et les données du contrôle de qualité externe (DigitalPt) duquel on peut dériver le biais par rapport au groupe de pair ou de la valeur cible déterminée par une méthode de référence, il est possible d’évaluer l’erreur totale sur chacun de ces paramètres et de comparer celles-ci avec les cibles à atteindre, soit: Erreur totale permise CLIA Erreur totale dérivée de la variabilité biologique

18 VARIABILITÉ BIOLOGIQUE

19 VARIABILITÉ BIOLOGIQUE
Application concrète du concept de variabilité biologique dans le laboratoire Il est également possible de suivre quotidiennement votre qualité par rapport à la variabilité biologique avec le logiciel Unity RealTime de Bio-Rad. M. Clément Arès donnera les explications nécessaire à l’utilisation du logiciel.

20

21

22

23 VARIABILITÉ BIOLOGIQUE
Autres utilisations de la variabilité biologique Valeurs de référence: Définition des valeurs de références dans différents contextes cliniques. Diagnostic: Minimiser le biais et l’erreur aléatoire. Monitoring à long terme: Minimiser le biais. Screening: Minimiser l’erreur aléatoire surtout mais aussi l’erreur systématique (biais). Les valeurs de référence pourraient être différentes selon les besoins cliniques.

24 VARIABILITÉ BIOLOGIQUE
Autres utilisations de la variabilité biologique Définition de Delta Checks: Il peut être intéressant pour certains paramètres biochimiques de définir une variation maximale entre deux mesures consécutives. Exemple 1: Est-ce que la mesure actuelle d’un dosage de créatinine est compatible avec une variation biologique normale ou une variation pathologique. Exemple 2: Est-ce que vous voulez valider les résultats dont la variation avec la mesure antérieure du même paramètre est trop importante? Il y a des formules mathématiques qui permettent de définir ces delta checks dans ces deux situations.

25 VARIABILITÉ BIOLOGIQUE
Autres utilisations de la variabilité biologique Utiliser la variabilité biologique lors de changement de lots de réactifs en utilisant la fonction « Objectifs analytiques » de Unity RealTime. Utilisable également lors de changement de générations et/ou de lots de plaques sur les Vitros (chimie sèche). On peut voir un exemple sur la diapositive suivante. Le Dr. Desmeules élaborera sur les changements de lots en chimie régulière.

26 Calibration acceptée (à la limite):
CHIMIE SÈCHE Résultats pour le Fer Calibration acceptée (à la limite): Valeur des contrôles de Bio-Rad compatibles avec les valeurs de la nouvelle génération. Le biais est compatible avec le biais maximum de la variabilité biologique du Fer Ref: Tableau de la variabilité biologique. Biais maximum= 0.25 x (CVw + CVg)

27 VARIABILITÉ BIOLOGIQUE
Autres utilisations de la variabilité biologique Élaboration de valeurs de références individuelles: Même si c’est un peu utopique, le concept de cette approche est très intéressant. Il s’agit, en fait, de définir des valeurs de référence pour un patient à partir de mesure de ses paramètres biochimiques dans des conditions normales. Question: Un patient a une CK de 40 U/L dans une prise de sang faite en santé (check up). Il arrive à l’urgence et sa CK donne 125U/L. Est-elle normale? Selon la variabilité biologique…NON. Éditorial du Clin.Chem: Fraser C. Improved monitoring of differences in serial laboratory results: 57: , 2011 (octobre)

28 VARIABILITÉ BIOLOGIQUE
Références: Biological variation: From principles to practice. Callum G. Fraser. AACC Press 2001, 151 pages Tietz textbook of clinical chemistry and molecular diagnostics, 4ième Édition: Burtis, Ashwood et Bruns, pages: et quelques autres. Site Webb de J.O.Westgard à : Biologic variation database: the 2008 update BIOLOGICAL VARIATION DATA FOR SETTING QUALITY SPECIFICATIONS IN LABORATORY MEDICINE BIOLOGICAL VARIATION DATABASE (texte)

29 Objectifs analytiques: De la théorie à l’application
Partie 2 : Les variations biologiques pour évaluer les changements inter-lots des réactifs à l’aide du logiciel URT. Dr. Philippe Desmeules, Biochimiste clinique CSSS Lac-des-deux-montagnes - Hôpital de St-Eustache SQBC-CSCC 19 juin 2012

30 La base de données de Ricos sur le site de Westgard: Limitations
Cette base de donnés présente entre autres les Cvi (ou CVw) et les CVg pour différents analytes. Le Cvi consitue la donnée de base qui permet de calculer l’ensemble des autres paramètres (objectifs analytiques, RCV, etc). Toutefois, quelle est la nature du chiffre présenté par Ricos? En fait, ce chiffre provient dans certains cas de plusieurs études portant sur la même analyse. Est-ce une moyenne? Autre chose? Est-ce un amalgame de Cvi comparables ou non?

31 La base de données de Ricos sur le site de Westgard: Limitations
Prenons par exemple le cas de l’hémoglobine glyquée. Hémoglobine A1C. 8 études différentes sont utilisées pour calculer le Cvi (Ref # 60, 129, 173, 176, 180, 186, 226, 229).

32 La base de données de Ricos sur le site de Westgard: Limitations
Étude CVi CVg Ricos 1.9 5.7 Goldslang et al, 1985 1.8 - Philipou et al, 1993 4.2 (Diabétiques) Garde et al,2000 < 0.7 3.3 Kikpatrik et al, 1998 6.8 Trapé et al., 2000 7.9; 5.4;3.9 (différents groupes de Diabétiques, moyenne 5.7) Rohling et al, 2002 1.7 4 Carlsen, 2011 1.2 Braga et al, 2011 2.5 7.1

33 La base de données de Ricos sur le site de Westgard: Limitations
Biological variation database, and quality specifications for imprecision, bias and total error (desirable and minimum). The 2012 update JANUARY 2012 JOANA MINCHINELA[1,2], CARMEN RICÓS[1], CARMEN PERICH*[1,3], PILAR FERNÁNDEZ-CALLE[1,4], VIRTUDES ALVAREZ[1,5], MARIVÍ DOMENECH[1,6], MARGARITA SIMÓN[1,7], CARMEN BIOSCA[1,8], BEATRIZ BONED[1,9], FERNANDO CAVA[1,10], JOSÉ-VICENTE GARCÍA-LARIO[1,11], Mª PILAR FERNÁNDEZ-FERNÁNDEZ[1,12] This is the 7th edition of data regarding the components of biological variation (intra and interindividual -CVI and CVG , respectively) which compiles the published papers studying this item in healthy population, up to December The aim of this work is to provide quality specifications for in precision, bias and total error to be used in laboratory medicine. The number of analytes with BV data available in this edition is: 369

34 La base de données de Ricos sur le site de Westgard: Limitations
Les CVi présentés dans la base de données de Ricos sont parfois une médiane de plusieurs études portant sur une analyse sans égard aux groupes étudiés (pathologie ou non, ‘’short term’’ vs ‘’long term’’) Dans les cas où le CVi d’une analyse est près de celle du CVa, il est préférable de choisir un CVi qui nous semble le plus adéquat

35 La variation biologique
Variation biologique (théorie du point homéostatique) : Le dosage de toute molécule au cours du temps chez un sujet va varier au hasard autour d’un point homéostatique propre à ce sujet. Cette variation de nature aléatoire peut donc être exprimée quantitativement comme une statistique (coefficient de variation intra-individuelle CVI). La comparaison de ces variations entre les sujets peut également être évaluée (coefficient de variation inter-individuelle, CVG). Par conséquent, le calcul de la variation biologique consiste à quantifier la composante biologique comprise dans le dosage d’une molécule. Ce dosage contient aussi des composantes de variations analytiques et pré-analytiques. De plus, les variations biologiques qui ne sont pas dues au hasard (ex: cycle circadien) doivent être connues. Variation préanalytique : Posture, garrot, jeûne, etc. Ces conditions doivent être minimisées et standardisées lors d’études sur la variation biologique. Variation analytique : Elle est déterminée lors du contrôle de qualité interne du laboratoire (CVa).

36 Études antérieures portant sur le calcul de la variation biologique
Tiré de Fraser, 2001 En général, l’estimation de la variation biologique intra-individuelle (CVI) est relativement constante et n’est pas affectée par le nombre de sujets, le temps de l’étude, la méthodologie et le pays où l’étude est réalisée. Toutefois des temps d’étude trop courts peuvent réduire le CVI. L’âge peut également affecter le point homéostatique (Fraser, 2001).

37 Transformation en CV (les µ des composantes sont identiques)
Calcul de la variation totale (CVT) et dérivation de la formule reliant la probabilité au changement significatif d’un résultat Les sources de variations sont additives Transformation en CV (les µ des composantes sont identiques) La variation est aléatoire (Gaussienne): on peut donc trouver l’étendue des valeurs et leurs probabilité (Z score). RCV = Reference change value

38 Petit rappel sur le calcul du CVI: Le CVA est retiré….
Mesures de l’analyte en question pour différents sujets qui constituent la variance totale (St). Anova pour obtenir la variance intra-individuelle contenant la variance analytique (SI+A) et la variance inter-individuelle contenant aussi la variance analytique (Sg+A) On peut ensuite transformer la variance totale en CV et soustraire les CVA de SI+A pour obtenir le CVI

39 Formules exprimant qu’est-ce qu’un changement significatif
21/2 car il y a deux mesures (échantillons) Z = 1.96 (95%) ou 2.58 (98%) CVA est obtenu du contrôle de qualité interne CVI est obtenue de nos calculs de variations biologiques Pour différents changements de la mesure (%) on peut calculer le Z score qui lui est associé et ensuite trouver la probabilité correspondante (en utilisant des tables de statistiques). Fraser, C.G. (2002) Fraser et Harris,(1989)

40 Variations inter-lots des réactifs
Du côté de la biochimie, les changements de lots de réactifs sont souvent observables sur le L-J. Selon le fournisseur, la chimie, ou l’appareil, l’intensité de ces changements est variable au cours d’une année. Pour certaines chimies, il est plus ou moins facile d’appliquer un critère objectif définissant l’acceptabilité de ces variations de lots. On peut utiliser les formules de changements significatifs (RCV) afin de déterminer si le simple changement inter-lot produit une variation significative pour un patient. Ceci peut faciliter l’argumentation auprès du fournisseur pour accepter ou refuser un lot. La section, pertinence médicale de URT peut être utilisée.

41 Tableau des RCV calculés à l’aide
de CVI choisis

42 Utilisation de la section «Pertinence médicale» de Unity Real Time

43 Créatinine évaluée avec limites de tolérance basées sur un RCV de 75%

44 Variations inter-lots de la créatinine sérique avec limite de RCV à 75 %

45 Exemple de variations inter-lots avec limites de RCV à 95 %

46 Le cas du sodium (changement de cartouche) avec limite de tolérance avec RCV de 75%.

47 Analyse du CEA avec limite de
tolérance avec RCV à 75%.

48 Effet de l’étalonnage de la ferritine (courbe expirée) avec limite de tolérance de RCV 75%.

49 Tableau des RCV calculés à
l’aide de CVI choisis

50 HbA1c avec limite de tolérance
à un RCV de 75%.

51 Lot de transferrine refusé car il dépasse la limite de tolérance à un RCV de 95%.

52 Conclusions Les CVI de la base de données de Ricos sont parfois inadéquats. Pour certains analytes, il est préférable de faire son propre choix afin de calculer de nouveaux paramètres (ETa, Imprécision, RCV). Il faut se méfier, selon moi, des études qui rapportent des CVI calculés sur des périodes plus petites que la durée de vie de la molécule étudiée. Dans le cas où l’on choisi son CVI, la section de pertinence médicale de Unity real time s’avère très utile. La formule du RCV est un outil objectif pratique pour évaluer l’effet des changements lots et/ou des étalonnages.

53 Conclusions (suite) La formule du RCV et des probabilités (Z) tient compte du CVA (contrairement à la formule d’objectif analytique). Cela permet de moduler les attentes que nous avons pour une chimie selon les niveaux mesurés.

54 La base de données de Ricos sur le site de Westgard: Références HbA1C
60. Godslang IF. Intra-individual variation: significant changes in parameters of lipid and carbohydrate metabolism in the individual andintra-individual variation in different test populations. Ann Clin Biochem 1985; 22: 618: Phillipou George, and Phillips Patrick. Intraindividual Variation of Glycohemoglobin: Implications for Interpretation and Analytical Goals. Clin Chem 1993;39: Garde AH, Hansen AM, Skovgaard LT, Christensen JM. Seasonal and biological variation of blood concentrations of total cholesterol, dehydroepiandrosterone sulfate, hemoglobin A1C, IgA, prolactin and free testosterone in healthy women. Clin Chem 2000; 46: Kikpatrick ES, Maylor PV, Keevil BG. Biological variation of glycated hemoglobin. Diabetes care 1998;21: Trapé J. Aliart , Brunet M, Dern E, Abadal , Queraltó JM. Reference change value for HbA1C in patients with type 2 Diabetes Mellitus. Clin Chem Lab Med 2000;38: Rohlfing C, Wiedmeyer HM, Little R, Grota L, Tennill A, England J, Madsen R, Goldstein D. Biological variaiton of glycohemoglobin. Clin Chem 2002;48: Carlsen S, Petersen PH, Skeie S, Skadberg O, Sandberg S. Within subject biological variation of glucose and HbA1c in healthy persons and in type 1 diabetes patients. Clin Chem Lab Med 2011; 49(9): Braga F, Dolci A, Montagnana M, Pagani F, Paleari R, Guidi GC, Panteghini M. Revaluation of biological variation of glycated hemoglobin (HbA1c) using an accurately designed protocol and an assay traceable to the IFCC reference system. Clin Chim Acta 2011;412:

55 Références Fraser and Harris, Generation and application of data on biological variation in clinical chemistry, crit. Rev. Clin. Lab. Sci. 1989; 27: Fraser, Biological variation: from principles to practice, AACC Presss, 2001 Queralto et al., On the calculation of reference change values, with examples from a long-term study. Clin Chem. 1993; 39:

56 Variabilité biologique Utilité au quotidien Paramétrage dans Unity Real Time CSCC/SQBC Québec – 19 juin 2012

57 Les Objectifs Analytiques Présentation Pertinence médicale
Unity Real Time ® Agenda Les Objectifs Analytiques Présentation Pertinence médicale Variations biologiques Etat de l’art Le module suivant va vous présenter des généralités sur la microbiologie. 57

58 Comment fonctionnent les Objectifs Analytiques
Unity Real Time ® Les objectifs analytiques Comment fonctionnent les Objectifs Analytiques Ils déterminent un nouvel intervalle de confiance pour les valeurs de contrôle en s’appuyant par ordre de priorité sur : La pertinence médicale Les variations biologiques L’état de l’art Les valeurs nécessaires (moyenne et CV des pairs) pour le calcul des objectifs analytiques sont intégrées automatiquement dans le logiciel Unity Real Time par les mises à jour mensuelles.

59 Unity Real Time ® 2.0 Les objectifs analytiques
Sur le graphe de Levey Jennings Affichage simultané de l’intervalle 3 ET et de l’Erreur Totale admissible ETa 3ET

60 Les objectifs analytiques

61 LAB GTA 06 (guides techniques d’accréditation-Cofrac)
Unity Real Time ® Les objectifs analytiques LAB GTA 06 (guides techniques d’accréditation-Cofrac) L’utilisation d’objectifs analytiques L’interprétation statistique des résultats de contrôle interne de qualité peut être complétée et optimisée par la fixation d’objectifs analytiques aux performances des méthodes utilisées. Ces objectifs analytiques peuvent être établis en fonction de la variabilité biologique (variations biologiques ) ou en fonction des performances techniquement atteignables par les méthodes disponibles sur le marché (état de l’art)

62 Unity Real Time ® 2.0 Les objectifs analytiques
Pertinence médicale

63 Unity Real Time ® 2.0 Les objectifs analytiques
Pertinence Médicale Entièrement paramétrable par le biochimiste en fonction de critères médicaux. Permet au laboratoire de définir des limites d’erreur totale acceptable à partir des critères de décisions cliniques (Glucose, Cholestérol, Hémoglobine A1c) Peut être hautement subjective Donne au biochimiste et au clinicien plus de maîtrise sur des tests spécifiques Alarme : PM si un point sort des limites fixées

64 < 4% si HDL ≥ 1.09 mmol/l sinon ET < 0.0017
Unity Real Time ® Les objectifs analytiques La pertinence médicale: Paramètre Fidélité (CV) HbA1c < 4% Troponine < 10% Cholestérol total < 3% Triglycérides < 5% Cholestérol HDL < 4% si HDL ≥ 1.09 mmol/l sinon ET <

65 Pertinence médicale En pratique dans URT:
Unity Real Time ® Les objectifs analytiques Pertinence médicale En pratique dans URT:  Déterminer la valeur cible  Définir les limites de décision le clinicien définira ces limites en fonction de la pertinence médicale recherchée  Activer les alarmes  Cocher la case pour activer la Pertinence médicale

66 Unity Real Time ® 2.0 Les objectifs analytiques

67 Les variations biologiques
Unity Real Time ® Les objectifs analytiques Les variations biologiques

68 Les variations biologiques : Fidélité
Unity Real Time ® Les objectifs analytiques Les variations biologiques : Fidélité

69 La fidélité d’une méthode est mesurée par son CV analytique: CVa.
Unity Real Time ® Les objectifs analytiques Maîtriser la fidélité du laboratoire en utilisant la variation biologique La fidélité d’une méthode est mesurée par son CV analytique: CVa. Les objectifs de contrôle qualité voudraient la faire tendre vers 0 mais c’est impossible : Fidélité = Mesure de l’Erreur aléatoire Minimum

70 Souhaitable: CVA< 0.50 CVw Optimum: CVA< 0.25 CVw
Unity Real Time ® Les objectifs analytiques Maîtriser la fidélité du laboratoire en utilisant la variation biologique formule pour déterminer les choix de cibles possibles basée sur les objectifs de performance Minimum: CVA<0 .75 CVw Souhaitable: CVA< 0.50 CVw Optimum: CVA< 0.25 CVw

71 Les variations biologiques : Imprécision BV En pratique dans URT:
Unity Real Time ® Les objectifs analytiques Les variations biologiques : Imprécision BV En pratique dans URT:  Déterminer la valeur cible  Choisir son niveau de performance par rapport au CV du laboratoire  Choisir ses limites de décisions  Cocher les cases pour activer les alarmes

72 Les variations biologiques : Imprécision BV En pratique dans URT:
Unity Real Time ® Les objectifs analytiques Les variations biologiques : Imprécision BV En pratique dans URT: LD3 LD2 LD1

73 Les variations biologiques: Erreur Totale
Unity Real Time ® Les objectifs analytiques Les variations biologiques: Erreur Totale

74 Le biais correspond à une estimation de l’erreur systématique.
Unity Real Time ® Les objectifs analytiques Maîtriser la justesse (biais) du laboratoire en utilisant la variation biologique: Le biais correspond à une estimation de l’erreur systématique. Il est en théorie possible de l’annuler après une bonne calibration des appareils

75 Minimum: BA< 0.375 (CVw2+ CVb2)1/2
Unity Real Time ® Les objectifs analytiques Maîtriser le biais du laboratoire en utilisant la variation biologique: formule pour déterminer les choix de cibles possibles basée sur les objectifs de performance Minimum: BA< (CVw2+ CVb2)1/2 Souhaitable: BA< (CVw2+ CVb2)1/2 Optimum: BA<0.125 (CVw2+ CVb2)1/2

76 Définition technique générale de l’erreur totale admise: La somme du:
Unity Real Time ® Les objectifs analytiques Connaissant la formule pour l’infidélité et le biais à partir de la variation biologique, nous pouvons maintenant calculer l’erreur totale permise Définition technique générale de l’erreur totale admise: La somme du: CV (%) multipliée par un facteur z pour p<.05 le facteur z = 1.65 p<.05 :conduit à une probabilité de 5% ou moins qu’un système stable produise un résultat de CQ hors des limites prescrites d’acceptabilité Biais (%) Une valeur absolue, sans signe

77 Maîtriser l’erreur totale en utilisant la variation biologique:
Unity Real Time ® Les objectifs analytiques Maîtriser l’erreur totale en utilisant la variation biologique: formule pour déterminer les choix de cibles possibles basée sur les objectifs de performance Minimum: TeA<1.65(0,75)CVw+ 0,375(CVw2+ CVb2)1/2 Souhaitable: TeA<1.65 (0,50)CVw+ 0,250 (CVw2+ CVb2)1/2 Optimum: TeA<1.65 (0,25)CVw+ 0,125(CVw2+ CVb2)1/2

78 Les variations biologiques: Erreur Totale En pratique dans URT:
Unity Real Time ® Les objectifs analytiques Les variations biologiques: Erreur Totale En pratique dans URT:  Afficher les informations Inter laboratoires (CVR et IET)  Choisir son groupe de consensus  Déterminer la valeur cible  Choisir ces niveaux de performances pour Le biais et pour la fidélité (Cf. données consensuelles) Minimale Acceptable Optimale  L’objectif d’erreur totale est automatiquement calculé pour p<0.05  Cocher les cases pour activer les alarmes

79 Unity Real Time ® 2.0 Les objectifs analytiques
Choisir ces niveaux de performances pour le biais avec «les données consensuelles » Minimale Acceptable Optimale Acceptable

80 Acceptable Choisir ces niveaux de performances pour la fidélité(cv)
Unity Real Time ® Les objectifs analytiques Choisir ces niveaux de performances pour la fidélité(cv) avec « Informations Consensus » Minimale Acceptable Optimale Acceptable

81 TE 05 si un point sort cet intervalle de confiance
Unity Real Time ® Les objectifs analytiques Maîtriser l’erreur totale du laboratoire en utilisant la variation biologique: L’Erreur Totale Bio-Variation permet au laboratoire de déterminer un intervalle de confiance calculé à partir de la moyenne de son groupe de référence entouré de +/- une fois l’erreur totale Alarmes : TE 05 si un point sort cet intervalle de confiance TE-B si la moyenne s’écarte plus que la limite fixée TE-I si le CV dépasse la limite fixée

82 Les variations biologiques: Erreur Totale En pratique dans URT:
Unity Real Time ® Les objectifs analytiques Les variations biologiques: Erreur Totale En pratique dans URT: TE 05 TE-I TE-B

83 Valeurs > 3ET entrainent le rejet de la série
Unity Real Time ® Les objectifs analytiques Valeurs > 3ET entrainent le rejet de la série Alarmes Diagramme de Levey-Jennings classique

84 Unity Real Time ® 2.0 Les objectifs analytiques
Les mêmes valeurs placées dans un intervalle d’erreur totale calculé sur les variations biologiques montre que toutes les valeurs sont correctes Diagramme de Levey-Jennings en erreur totale

85 Unity Real Time ® 2.0 Les objectifs analytiques
L’état de l’art

86 Utilise les CV des groupes de consensus du programme Unity
Unity Real Time ® Les objectifs analytiques L’état de l’art : fixer une limite de fidélité (CV) basée sur les capacités de la technologie Utilise les CV des groupes de consensus du programme Unity Intègre uniquement les performances inter-laboratoires pour fixer un objectif de CV. Le groupe de pairs est le comparateur le plus approprié Un outil pour maintenir la précision dans des limites prescrites

87 L’état de l’art En pratique dans URT:
Unity Real Time ® Les objectifs analytiques L’état de l’art En pratique dans URT:  Déterminer la valeur cible  Choisir le groupe de consensus  Choisir ses limites de décisions  Cocher les cases pour activer les alarmes de fidélité

88 Unity Real Time ® 2.0 Les objectifs analytiques
L’objectif de précision est basé sur le CV médian du groupe de consensus

89 L’Etat de l’art ( State of Art)
Unity Real Time ® Les objectifs analytiques L’Etat de l’art ( State of Art) Permet au laboratoire de déterminer un intervalle de confiance correspondant à sa propre moyenne entourée de +/- une, deux ou trois fois le CV de son groupe de référence Alarmes SOA-1 : +/- 1 fois le CV SOA-2 : +/- 2 fois le CV SOA-3 : +/- 3 fois le CV

90 L’état de l’art En pratique dans URT:
Unity Real Time ® Les objectifs analytiques L’état de l’art En pratique dans URT:

91 Unity Real Time ® 2.0 Les objectifs analytiques
Documentation Ricos and al. « Current databases on biological variation : pros, cons and progress » Scandinavian Journal of Clinical and Laboratory investigation ; 59 : Frazer and al. « General strategies to set quality specification for reliability performance characteristics » Scandinavian Journal of Clinical and Laboratory investigation 1999 ; 59 :