comparabilidade intralaboratorial em … · coeficiente kappa de cohende cohen ob d 2 matriz de...
Post on 08-Sep-2018
226 Views
Preview:
TRANSCRIPT
Tópicos Abordados p
P li id d M d lPeculiaridades na
microscopiaAnálise geral do processo
Modelos estatísticos de comparaçãomicroscopia comparação
Variabilidade
Padronização do processo de realização de cada exame que envolve microscopia
• Pré analítico• Pré-analítico
• Analítico
Pré-Analítico
informações do pacienteinformações do paciente
Requisiçãodados clínicosdados clínicos
Requisição de exames
hipóteses diagnósticas.
hipóteses diagnósticas.
Pré-Analítico
ArmazenamentoArmazenamentoTransporte
Tempo até chegar à área técnicaRastreabilidadeMaterial Rastreabilidade
IdentificaçãoMaterial Biológico
Preservação.
Analítico
Qualidade dos reagentes e Coloraçãog
corantes
P dê i
ç
I t õ d• Procedência• Data de validade
• Instruções de trabalho escritas
• Controle de qualidade na coloração
Gestão dos microscópiosp
manutenções diárias, mensais e semestraismanutenções diárias, mensais e semestrais
reduzir o número dereduzir o número dereduzir o número de defeitos e quebrasreduzir o número de defeitos e quebras
Q lid d d iQ lid d d iQualidade das imagensQualidade das imagens
Interpretação do Microscopistap ç p
Uniformidade Uniformidade Uniformidade Uniformidade Uniformidade
no Uniformidade
no Uniformidade na
interpretação
Uniformidade na
interpretação
Uniformidade de conceitos morfológicos
Uniformidade de conceitos morfológicos
no conhecimento
teórico das patologias
no conhecimento
teórico das patologias
TreinamentoTreinamento
patologiaspatologias
Treinamento
Para manter adequado padrão dePara manter adequado padrão dePara manter adequado padrão de competência
Para manter adequado padrão de competência
Programa de integração de novos Programa de integração de novos g g çfuncionários
g g çfuncionários
Treinamentos teóricosTreinamentos teóricosTreinamentos teóricosTreinamentos teóricos
Treinamentos práticosTreinamentos práticos
Contínuo aprimoramento diárioContínuo aprimoramento diário
Avaliação da competênciaAvaliação da competência
Exemplop
OMS possui um Programa de Competência para detecção de Malária:
5 dias de treinamentos teóricos práticos- 5 dias de treinamentos teóricos práticos.- Ao final, numa avaliação são analisadas 20
lâminas com tempo de 10 minutos para cada.
Exemplop
Avaliação final de Competência adotada pela OMS num
A li ã E tidã Q tifi ã d
Avaliação final de Competência adotada pela OMS num programa de competência para detecção de Malária
Avaliação Exatidão na identificação das
espécies
Quantificação dos parasitas
Perito ≥ 90% ≥ 50%
Referência ≥ 80% ≥ 40%
Avançado ≥ 70% ≥ 30%
Em treinamento < 70% < 30%
Modelos Estatísticos para Comparaçãop p ç
Criar uma forma de avaliação de comparação objetiva.comparação objetiva.
Critérios definidos matematicamente
Análise microscópica qualitativa eAnálise microscópica qualitativa e quantitativa
MODELOS ESTATÍSTICOS PARA ÃCOMPARAÇÃO
1- Tabela de Rümke* - utilidades
- Comparação entre microscopista(s) e uma contagem padrão;
- Monitoramento de variações nas contagens de leucócitos de um mesmo paciente; p
- Na validação de analisadores hematológicos.
* Henry, J.B. - Diagnósticos Clínicos e Tratamento por Métodos Laboratoriais. y g p20a Edição, Manole, 2008, pags 592 - 593
Contagem diferencial de leucócitos: Estagiário x CoordenadorEstagiário x Coordenador
Contagem Diferencial de Leucócitos: Estagiário e Coordenador ( n = 100 )
Leucócito Média (%) do Coordenador
Estagiário (%)Lâmina 1
Média (%) do Coordenador
Estagiário (%)Lâmina 2
(a) Lâmina 1 (a) Lâmina 2
Bastonetes 2 1 8 10
Segmentados 15 13 75 71
Eosinófilos 2 1 0 0Eosinófilos 2 1 0 0
Basófilos 0 0 0 0
Linfócitos 20 23 14 17
Monócitos 1 0 3 2
Blastos 60 62 0 0
Avaliação dos resultadosLâmina 1
C d d
Lâmina 1
E t iá i
IC 95%
V i ã itá lCoordenador Estagiário Variação aceitável para n = 100
2 1 0 0 7 02 1 0,0 - 7,0
15 13 8,6 - 23,5
2 1 0,0 - 7,0
0 0 0,0 - 3,6
20 23 12,7 - 29,220 23 12,7 29,2
1 0 0,0 - 5,4
60 62 49,7 - 69,7
Avaliação dos resultadosLâmina 2
C d d
Lâmina 2
E t iá i
IC 95%
V i ã itá lCoordenador Estagiário Variação aceitável para n = 100
8 10 3 1 28 10 3,5 - 15,2
75 71 65,3 - 83,1
0 0 0,0 - 3,6
0 0 0,0 - 3,6
14 17 8,0 - 23,014 17 8,0 23,0
3 2 0,6 - 8,5
0 0 0,0 - 3,6
2 - ESTATÍSTICA DE CHAUVENET
A t tí ti d Ch t li d l it d l d- A estatística de Chauvenet avalia a presença de leituras deslocadas (outliers: valores discrepantes) em um grupo de dados provenientes de dois ou mais microscopistas.
- Os valores discrepantes fazem com que o desvio-padrão e o coeficiente de variação da distribuição fiquem elevados, mostrando imprecisão nas ç ç q , pleituras. Através do cálculo do Fator da distribuição e, principalmente, do range de Chauvenet percebemos quais são as leituras discrepantes (outliers)(outliers).
*Jones, R.G., Payne R.B – Clinical Investigation and Statistics in Laboratory Medicine, ACB V P bli i 199 L d 22 2Venture Publications, 1997, London, pag. 22-25.
*Lynch’s Medical Laboratory Technology. Raphael, S.S. Igaku-Shoin/ Saunders InternationalLynch s Medical Laboratory Technology. Raphael, S.S. Igaku Shoin/ Saunders International Edition. W.B. Saunders Company. 1983, p.47-48.
Tabela de ChauvenetFatores de Chauvenet em relação ao número (n)
de participantes.de participantes.
n Fator n Fator n Fator
2 1,15 9 1,91 35 2,45
3 1 38 10 1 96 40 2 503 1,38 10 1,96 40 2,50
4 1,54 12 2,04 50 2,58
5 1,65 15 2,13 75 2,71
6 1 73 20 2 24 100 2 816 1,73 20 2,24 100 2,81
7 1,80 25 2,33 200 3,02
8 1,86 30 2,40 500 3,29
Estatística de Chauvenet
1. Fator da distribuição = | Valor – Média |Desvio PadrãoDesvio Padrão
2 Intervalo da Distribuição = Média ± 2 x Desvio Padrão2. Intervalo da Distribuição = Média ± 2 x Desvio Padrão
3. Intervalo de Chauvenet = Média ± Fator de Chauvenet x DP
( Range ideal → 95% IC )( Range ideal 95% IC )
Exemplo: : Estatística de Chauvenet
Urina I: contagem de eritrócitos (mL) em câmara de Neubauer
Dado Urina 1 Urina 2 Urina 3
Microscopista 1 (Experiente) 9 800 7 000 19 000Microscopista 1 (Experiente) 9.800 7.000 19.000
Microscopista 2 (Experiente) 9.500 6.700 17.000
Microscopista 3 (Experiente) 10.000 6.000 19.000
Microscopista 4 (Experiente) 9.100 6.000 18.000
Microscopista 5 (Iniciante) 6.700 3.300 6.000
Média 9.020 5.800 15.800
Desvio Padrão 1.340 1.464 5.540
Fator de Chauvenet para n = 5 1 65 1 65 1 65Fator de Chauvenet para n = 5 1,65 1,65 1,65
Fator da Distribuição ( média – valor ) / DP
1,73 1,70 1,76
Intervalo de Chauvenet( média ± 1,65. DP )
6.808 – 11.231 3.383 – 8.216 6.657 – 24.942
3 - ESTATÍSTICA KAPPA
- Coeficiente Kappa de Cohen* é usado, em geral, para dados nominais f idéi d d dâ i t d i b de fornece uma idéia do grau de concordância entre dois observadores
independentes que realizam uma única leitura de cada amostra.
- Para este teste, sugere-se usar um número de amostras ≥ 5.
- Dados nominais: qualitativos (fem, masc, raça, nomes sem ordem etc).q ( , , ç , )
- Coeficiente Kappa de Fleiss é usado quando os observadores independentes realizam mais de uma leitura de uma mesma amostraindependentes realizam mais de uma leitura de uma mesma amostra necessitando cálculos mais complexos para sua determinação.
* Vieira, A.J., Garrett, J.M. Understanding interobserver agreement: The Kappa Statistic. Farm Med 2005; 37(5): 360-363.
Tabela de de Kappa
Classificação de Concordância frente ao valor de Kappa
Valor de Kappa Concordância
0 00 Sem concordância0,00 Sem concordância
0,01 a 0,19 Mínima, ,
0,20 a 0,39 Discreta
0,40 a 0,59 Moderada
0,60 a 0,79 Boa
0,80 a 1,00 Ótima
Exemplo: Kappa de Cohen
Resultados das análises de 10 protoparasitológicos examinados por dois microscopistas na pesquisa de helmintos nas fezes.
Amostra Observador1
Observador 2
Amostra Observador 1 Observador 2
1 Positiva Positiva 6 Negativa Positiva
2 Positiva Positiva 7 Negativa Negativag g
3 Negativa Positiva 8 Positiva Positiva
4 Positiva Positiva 9 Positiva Positiva
5 Positiva Positiva 10 Positiva Positiva
Matriz de Comparação para cálculo do coeficiente Kappa de Cohencoeficiente Kappa de Cohen
Ob d 2
Matriz de comparação
Observador 2
Total
Característica 1 Característica 2
Característica 1 A B A+B=M1
Observador 1
Característica 2 C D C+D=M0
Total A+C=N1 B+D=N0 N
Cálculo do coeficiente Kappa de Cohen
Concordância observada (CO) = (A + D) / N
Concordância Esperada (CE) = [ (N1/N) x M1/N)] + [ (N0/N) x (M0/N) ]
K ( K) (CO CE) / (1 CE)Kappa ( K) = (CO – CE) / (1-CE)
Matriz de Comparação para cálculo do coeficiente Kappa de Cohencoeficiente Kappa de Cohen
Ob d 2
Matriz de comparação
Observador 2
Total
Característica 1 Característica 2
Característica 1 7 0 7
Observador 1
Característica 2 2 1 3
Total 9 1 10
Cálculo do coeficiente Kappa de Cohen
Concordância Observada (CO) = (7 + 1) / 10 = 0,8
Concordância Esperada (CE) = [(9/10) x (7/10)] + [(1/10) x (3/10)] = 0,66p ( ) [( ) ( )] [( ) ( )] ,
Kappa = (0 8 – 0 66) / (1 – 0 66) = 4 117Kappa = (0,8 – 0,66) / (1 – 0,66) = 4,117
Kappa = 0, 4117 → Concordância moderadapp
4 - REPETITIVIDADE E REPRODUTIBILIDADE ( Kappa de Fleiss )
REPETITIVIDADE: avalia a concordância de leituras repetidas em di õ idê ti l i i t t
( Kappa de Fleiss )
condições idênticas , pelo mesmo microscopista, em curto espaço de tempo.
REPRODUTIVIDADE: avalia a concordância de leituras obtidas em condições diferentes, por diferentes microscopistas, em tempos diferentes.
A Análise de Variância (ANOVA) é uma opção eficiente para este tipo de análise Ela considera os principais componentes de variaçãoanálise. Ela considera os principais componentes de variação ( microscopista e amostras ) e também a interação este eles, o que enriquece a análise.
A Estatística Analítica ou indutiva usa a teoria das probabilidades que permite calcular o risco para determinadas conclusões.
Estatística descritiva: média, mediana, moda, SD, CV etc
ANOVA → Estatística F
Para trabalhar com ANOVA precisamos:
• Criar Hipóteses: Nula (Ho) e Alternativa (Ha)
• Definir o Nível de significância ( α ) do teste: Em geral, escolhido de forma arbitrária como α = 0,05 ( 5%).
• Alfa (α ) = probabilidade escolhida no início da investigação que nos levará a rejeitar a hipótese de nulidade (Ho) se nosso valor de p se encontrara rejeitar a hipótese de nulidade (Ho) se nosso valor de p se encontrar abaixo dela.
• Definir o tamanho da amostra ( n );
Exemplo do uso da estatística Kappa de Fleiss
- Validação de uma nova coloração bacteriológica e Análise da concordância entre as leituras dos Microscopistas
Dois microscopistas: 30 leituras de forma independente e em duplicata- Dois microscopistas: 30 leituras, de forma independente e em duplicata
- Amostras de materiais biológicos: usar corante tradicional (padrão) e novo corante
- Estudo estatístico: software Minitab 15* ( Attribute Agreement Analysis ):
zero ( 0 ): leitura negativa ( 1 ) l it itium ( 1 ): leitura positiva
Atributos = dados não quantitativos
*Campos, M.S - Desvendando o Minitab. M.S. Qualitymark, Rio de Janeiro, p.129-142, 200p y p
Kappa de Fleiss: Atributos
Resultados das leituras microscópicas: Negativas (0) e Positivas (1)
Lâmina M1 Leitura 1
M1Leitura 2
M2 Leitura 1
M2 Leitura 2
Padrão
Kappa de Fleiss: Atributos
Resultados das leituras microscópicas Negativas (0) e Positivas (1)
Lâmina M1 M1 M2 M2 Padrão Leitura 1 Leitura 2 Leitura 1 Leitura 2
Resultados: Kappa de Fleiss - Atributos
R&R: Análise por atributos. Achados estatísticos das leituras microscópicas
R.R dados Quantitativos – Minitab 15
Tabela: Contagem de linfócitos (mm³) de 5 líquidos pleurais, realizada em duplicata, por 3 microscopistas (M1, M2 e M3), no mesmo dia e no dia seguinte.
R.R Crossed com dados Quantitativos
100
t
% Contribution% Study Var 200
Components of Variation Resultado by A mostra
50
0
Perc
ent
54321
100
0Part-to-PartReprodRepeatGage R&R
UCL=55 36
M1 M2 M3
54321Amostra
R Chart by MicroscopistaResultado by Microscopista
50
25
Sam
ple
Ran
ge
_R=24,27
UCL=55,36200
100
0
S
LCL=0
240M1 M2 M3
M3M2M10
MicroscopistaXbar Chart by Microscopista
Microscopista * Amostra Interaction240
160
mpl
e M
ean
__X=133,5UCL=151,1
LCL=115,8
240
160ve
rage
M1M2M3
Microscopista
p
80Sam
,
54321
80
Amostra
Av
5 – MICROSCOPIA x AUTOMAÇÃO
Tabela: Controle do número de leucócitos, aumento 400X, sem óleo
Q li l i h l D D B A J Cli P h l 40 457 464 1963Q li l i h l D D B A J Cli P h l 40 457 464 1963•Quality control in hematology. Dorsey, D.B. Am.J.Clin.Pathol. 40:457-464, 1963.•Quality control in hematology. Dorsey, D.B. Am.J.Clin.Pathol. 40:457-464, 1963.
Tabela: Número de Plaquetas e Leucócitos do aparelho avaliados pelo esfregaço corado. Aumento de 1000X, com óleo
•Hematology: a combined theoretical & technical approach. Simmons, A. Philadelphia, W.B. Saunders, 1989, p. 191.•Hematology: a combined theoretical & technical approach. Simmons, A. Philadelphia, W.B. Saunders, 1989, p. 191.
6 – EXAME MICROSCÓPICO SEM ENSAIO DE PROFICIÊNCIA
Recomendações para o Controle Interno de exames
ENSAIO DE PROFICIÊNCIA
microscópicos sem Ensaio de Proficiência:
1. Uso de controle duplo cego;p g ;
2. Comparação entre dois ou mais observadores independentes;
3 Uso de lâminas controle positivas e negativas na rotina;3. Uso de lâminas controle positivas e negativas na rotina;
4. Controle Interlaboratorial;
5 C l ã Clí i L b t i l5. Correlação Clínica e Laboratorial;
6. Apoio e Intercâmbio morfológico.
7- LIMITES PARA DUPLA OBSERVAÇÃO
Tabela: Critérios de Aceitabilidade e Limites de Variação para Dupla Observação independente
top related