J. Janecki
120
115
110
105
100
95
85
75
70
[—♦—min ♦ opt —♦—max~|
SD CV%
1,900 2,623
1,811 1,968
3,299 2,956
Zakres GZR
CV%GZRopt =1,968 <
TEA%opt =3,7
Rycina 2
Wynik analizy metodą JEG odtwarzalności porcji dziennych wyników oznaczeń poziomu glukozy oraz ocena statystyczna tej odtwarzalności porównana z wartością błędu całkowitego TEA% oparta na optymalnej precyzji i dokładności [1].
tryczną krzywą Gaussa, obie nałożone na szary obszar objęty krzywą przyjętego za referencyjny rozkładu normalnego Gaussa. Widać wyraźnie, że znaczna część krzywej histograficznej oraz cała aproksymowana krzywa rozkładu normalnego znajdują się wewnątrz rozkładu referencyjnego. W tabelce w prawym górnym rogu wykresu podano nazwę analizowanego zbioru GLU\dane.txt, zakres aproksymowa-nego rozkładu Gaussa (Gaussowski Zakres Referencyjny, GZR, [73,68,111,25]), liczebność zbioru (N=96131), a także wartość średnią GZR (SG=92,46). W lewej górnej tabelce podano nazwę rozkładu referencyjnego (glukoza PL), jego jednostki (mg/dL), kod (glutr) oraz zakres ([65,88, 116,8]). Ocena ilościowa potwierdza, że rozkład zbioru badanego mieści się w zakresie uznanym za referencyjny (porównaj wyniki liczbowe z obu tabelek).
Rycina 2 przedstawia wykres wyniku badania odtwarzalności podzbiorów dziennych w tym samym zbiorze, a poniżej podano ocenę statystyczną tego wyniku. Wskazuje ona, że współczynnik wariancji CV% = 1,968 jest mniejszy od optymalnego całkowitego błędu TEA% = 3,7%, najkorzystniejszego przy ocenie odtwarzalności wyników badania glukozy.
Wykres zależności w badanej populacji wyników od płci i 5-letnich klas wieku przedstawiają dwa wykresy na rycinie 3. Na wykresach widnieją także efekty wygładzenia dolnych (min) i górnych (max) zakresów przy pomocy wielomianów 6. stopnia, co jest procedurą standardową w komputerowym programie Office. Tabela I przedstawia odczytane z tych wykresów zakresy „norm laboratoryjnych”. W tabelce dodano kolumnę „Fourier”, w której podano, dla porównania, wynik wygładzenia jednego z zakresów (K-max) przy zastosowaniu odwróconej 6-składnikowej szybkiej transformaty Fouriera. Wygładzanie można też przeprowadzać innymi metodami matematycznymi (np. wielokrotnym uśrednianiem sąsiadów albo stosując jądrową estymację gęstości), jednak w praktyce najwygodniejsze jest wykorzystanie dostępnego w standardowym programie wielomianu 6. stopnia. Po „rozciągnięciu” w pionie wykresów z ryciny 3 można łatwo odczytać z krzywych wartości zakresu „normy” odpowiadające klasom wieku. W tabeli I zestawiono takie odczyty dla analizowanego zbioru wyników badania glukozy.
Omówienie wyników i dyskusja
Nowoczesne laboratorium coraz bardziej przypomina fabrykę. Pacjent znika za kodem kreskowym, wynik znika we wnętrznościach komputera, skąd w nowoczesnym systemie informatycznym może się wyłonić dopiero u zleceniodawcy lub u pacjenta. Niemniej trudno sobie wyobrazić analityka, któremu wyniki jego pracy byłyby całkowicie obojętne. Bezpośredni kontakt z lekarzem zlecającym badanie nie jest łatwy, a często ogranicza się do pretensji, że „coś się nie zgadza" [12, 13]. Tymczasem analiza okresu postlaborato-ryjnego umożliwia obiektywną kontrolę wyników, które opuściły pracownię, ale znajdują się w pamięci komputera i nie przestają być ważnymi informacjami biologicznymi. Dyskusja problemu wykorzystania wyników własnych badań dla uzyskania lepszej kontroli własnej pracy [19], a także w celu zestawienia własnych zakresów referencyjnych przewija się w literaturze fachowej od bardzo dawna aż do ostatnich lat ([20] 1960, [5] 1965, [19] 1968, [22] 1994, [4] 2000, [2] 2004, [3] 2005 i wiele innych). Metoda JEG [7, 8] (2000-2001) stanowi zinformatyzowane rozwinięcie rozwiązań proponowanych najdawniej, przez Pryce [20] (1960) i Hoffmanna [5] (1965), chociaż prace te nie były znane autorom w okresie opracowań. Praktyczna użyteczność JEG-a wynika z wszechstronnego zastosowania nowoczesnej informatyki, co doprowadziło do automatyzacji procedury.
Już na pierwszy rzut oka widać, że laboratorium, którego wyniki opracowano w tej publikacji, pracuje naprawdę do-
145