Nové trendy při zajištění vnitřní kontroly kvality

Poslední verze Doporučení ČSKB o vnitřní kontrole kvality (IQC – internal quality control) byla publikována již v roce 2008 [1]. Jde o stručný text, obsahující údaje o potřebných počtech kontrolních vzorků, jejich koncentraci a frekvenci kontrolních měření, data k tvorbě regulačních diagramů a nástin dlouhodobého hodnocení, IQC pro systémy POCT.

Přílohou k doporučení pak byla obsáhlá „Příručka k vnitřní kontrole kvality“, přístupná na stránkách ČSKB: https://www.cskb.cz/doporuceni/. Příručka obsáhle shrnuje teoretické základy IQC. Oba texty se zcela pohybují v rámci statistické kontroly kvality, založené zejména na použití kontrolních materiálů.

V posledních letech můžeme pozorovat některé nové trendy v oblasti zajištění vnitřní kontroly kvality. Do popředí vystupuje vliv digitalizace, a pak vliv standardizace a harmonizace se zvýšeným důrazem na hodnoty bias a tím na komutabilitu kontrolních materiálů. Současně se myšlenkově centrum zájmů kontroly kvality posunulo od „jen“ statistického hodnocení i k hodnocení stupně rizika pacientů. Ukazuje se, že může být výhodné a při dnešní úrovni výpočetní techniky i možné jako těžiště IQC používání systému „big data“ pacientů. Také komutabilita vzorků pacientských sér ve srovnání s obvyklou nekomutabilitou arteficiálních kontrolních materiálů je dostatečně silnou motivací ke změně.

Přicházejí tak návrhy zohledňující dosavadní statistickou IQC pomocí plánované statistické kontroly kvality – PSQC (planning statistical quality control) [2]. Ta je zaměřena na snížení rizika péče o pacienty, a o postupy, založené na digitalizaci používající báze metadat výsledků pacientů, prováděné kontinuálně a v reálném čase. Jde o přístup PBRTQC (Patient Base Real Time Quality Control), vyvíjený komisí IFCC pro analytickou kvalitu IFCC (Education and management, Committee on Analytical Quality) EDM-C-AQ [3].

Plánovaná statistická kontrola kvality (PSQC) vychází z Parvinových koncepcí a jejím cílem je optimalizace procesu IQC tak, aby dovolil minimalizovat riziko chyb měření u pacientů. Její postup je zpracován v publikaci CLSI (Clinical Laboratory Standard Institute) C24-Ed4 z roku 2016 [4] a názorně rozveden a demonstrován Westgardem a spol. [5].

Plánovaná, na minimalizaci rizika chyb zaměřená PSQC, používá “bracketed“ postupu (stupňované změny parametrů), kdy jsou kontrolní vzorky nasazovány pravidelně před a za série vzorků pacientů. Velikost sérií a počet kontrolních měření jsou plánovány pomocí vztahů mezi použitými Westgardovými pravidly a cílem kvality, vyjádřeným sigmametricky. K pomoci naplánování existují názorné nomogramy. Klíčovou roli k vytvoření konkrétní podoby PSQC pro konkrétní laboratoř a analyt hraje volba cílové hodnoty sigma laboratoře pro daný zvolený analyt (Tabulka 1).  Kontrola kvality na podkladě kontinuálního vyhodnocování výsledků pacientů (patient based real time quality control - PBRTQC) představuje poslední slovo v této oblasti. Základní parametry tohoto přístupu jsou uvedeny v Tabulkách 2 a 3. Metoda kontinuálního vyhodnocování výsledků měření pacientů vyhodnocuje nepřetržitě průběžně výsledky měření vzorků pacientů.  Není k ní zapotřebí kontrolní materiál. Základem hodnocení jsou pak hodnoty pohyblivých průměrů MA (moving average) výsledků pacientů.

Výsledky měření pacientů, z nichž se výpočtem stanoví hodnoty MA, jsou vybrané dle klinickou laboratoří zvolených mezí a kritérii, vylučujících z výpočtů pacienty s předem určenými nevhodnými parametry a demografickými ukazateli [6] pomocí omezení (truncations limit). Použití měření vzorků pacientů zajišťuje komutabilitu a určuje tím hodnotu bias jako základní ukazatel kvality na rozdíl od klasické, statistické IQC, kde je hodnocení bias velmi omezené obvyklou nekomutabilitou některých kontrolních vzorků a jako parametr hodnocení kvality tedy často zbývá pouze preciznost. Realizace PBRTQC však vyžaduje použití middleware/LIS (specializovaný software, který poskytuje aplikacím služby nad rámec služeb poskytovaných operačním systémem) dostatečné úrovně a kapacity. Tedy ke generování dat MA (pohyblivé průměry, mediány, vážené průměry) je nutné mít vždy k dispozici příslušný kvalitní software. Často se u publikovaných prací používá produktu HUVAROS (https://www.huvaros.com). Na uvedené webové adrese jsou vhodná instruktážní videa, která pomohou chápat proces PBRTQC a ukazují i tvar a podobu diagramů a grafů v běžném rutinním provozu klinické laboratoře. Design PBRTQC obsahuje:

• Validační list s hodnotou denního průměru (mediánu, váženého průměru)
• Signalizace (alarm) pro výsledky mimo zvolené kontrolní meze
• Grafickou detekci počtu systematických chyb.

Aktuální publikace popisuje již desetiměsíční použití PBRTQC v rutinní praxi klinické laboratoře u 16 rutinních biochemických a hematologických analytů [7]. V práci je věnována speciální pozornost souvislosti mezi pečlivým nastavením hodnot MA, volbou kontrolních mezí a počtem varovných signálů (alarmů) porušení požadované kvality, tedy o přístup z hlediska praktického rutinního fungování. Sem patří také práce, zahrnující závislost PBRTQC postupu na typu statistického rozdělení výsledků u rutinních analytů krevního séra [8]. Speciálně pak o rozdíly mezi elektrolyty a substráty na jedné straně (převládá symetrické rozdělení) a enzymy na straně druhé (dominuje asymetrické rozdělení).

Implementace PBRTQC není jednoduchá záležitost. Souhrn požadavků na potřebnou informatiku (middleware, LIS, software k tvorbě MA) se stal předmětem intenzivní činnosti pracovní skupiny pro analytickou kvalitu IFCC (C-AQ) a je stručně shrnut v práci [9]. Systémy PBRTQC budou muset být vyladěny individuálně pro každou laboratoř zvlášť. Metaanalýza výsledků 460 000 pacientů při použití různě nastavených systémů PBRTQC ukázala významné rozdíly v hodnotách bias a v počtu signalizací (alarmů) v případě překročení kontrolních mezí v závislosti na uspořádání postupu [10]. K řešení problémů je zapotřebí počítačových simulací, což je nepochybně nad možnostmi a schopnostmi jednotlivých klinických laboratoří. Autoři sdělení [10] vytvořili proto webové stránky, které by optimalizaci a validaci PBRTQC rutinním laboratořím zpřístupnily. Nicméně přes extrémně moderně vyhlížející design tohoto postupu jsou jeho základy v podstatě odvozeny z dosti staré metody kontroly kvality pomocí denních průměrů (AON) výsledků pacientů Hoffmanovou metodou již z roku 1965 [11].

Použití PBRTQC metody v IQC je založené na „big datech“ pacientů a vyžaduje aplikaci jistého stupně digitalizace laboratoře a zejména kooperaci s pracovníky informačních technologii. To znamená nejen problém pro laboratoře samé, ale i výzvu k dalšímu rozvoji. V procesu práce v módu strojového učení - machine learning - nezbytném v genomice, metabolomice, proteomice a v precizní medicíně vůbec, může být PBRTQC jedním z prvních kroků [12].

Na závěr si položme otázku o vztahu statistické IQC a popisované verzi PBRTQC. Není jasné, zda použití jedné, vylučuje použití druhé. Nebo je vhodnější zůstat u klasického statistického způsobu IQC, anebo oba postupy vzájemně kombinovat. Urychlovat toto rozhodnutí se jeví zbytečné a je třeba je vždy podrobně v dané klinické laboratoři zvážit. Zaostávání digitalizace v České republice se ukazuje jako obecně přijímaný fakt. Pandemie COVID-19 upozorňuje na tento fakt, projevující se například úrovní statistického hodnocení a zpracování dat prakticky denně. Vnitřní kontrola kvality a její změna je pro klinické laboratoře klíčová, i proto vyžaduje dlouhodobou diskusi. Toto sdělení je snad výzvou k tomuto kroku.

Do redakce došlo 14. 9. 2020

Adresa pro korespondenci

RNDr. Bedřich Friedecký, Ph.D.

Střelničná 1680

182 00 Praha 8 

e-mail: friedecky@sekk.cz