LMP301 2014 Lecture 2.pdf
Premium

9 Pages
105 Views
Unlock Document

Department
Laboratory Medicine and Pathobiology
Course
LMP299Y1
Professor
Kenneth Yip
Semester
Summer

Description
  Lecture  2:  Lab  Tests  and  their  Interpretation     The  Testing  Process   1) Pre-­‐analytical     • Patient  preparation   • Sample  collection   • Transportation   • Accessioning   • Sample  processing  (separation,  aliquoting)   2) Analytical   • Sample  analysis   • Review  and  acceptability  of  result   3) Post-­‐analytical   • Communication  of  result   • Interpretation  of  result     Analytical  Factors   -­‐ methods  (or  assays)  for  chemicals  analysis  may  affect  the  final  result   -­‐ the  appropriate  choice  is  determined  by  the  Laboratory  Professionals   -­‐ e.g.  sodium  can  be  measure  by  flame  photometry,  electrodes  or  colorimetrically   -­‐ some  methods  measure  sodium  concentration  and  others  sodium  ion  activity  which  depends  on  sodium  in  solution   and  therefore,  water  content           Ideal  Methods   -­‐ ideally  in  a  lab  test,  they  would  require  little,  or  no  sample   -­‐ sample  must  be  easily  obtained   -­‐ give  results  instantly   -­‐ in  a  perfect  world,  would  cost  nothing  to  do  (but  in  reality,  there’s  labour)   -­‐ methodology,  lab  must  consider:  lab  results  to  be  accurate,  precise,  free  from  int erference,  have  to  have  a  range  of   results  appropriate  for  measurement,  and  sensitive  enough  (particularly  if  what  we’re  measuring  is  at  low   concentrations)     Analytical  Errors   -­‐ every  lab  test  is  subjected  to  analytical  error   à  either  random  errors  (imprecis ion)  or  systematic  errors  (bias)   -­‐ the  methods  in  the  clinical  laboratory  have  some  uncertainty  in  them   -­‐ not  the  “best”  methods,  but  are  cheap,  and  give  results  quickly  with  little  sample  required   -­‐ random  errors  (or  imprecision):  variation  in  result  -­‐  small  variations  in  ambient  temperature,  viscosity  of  fluids,   electrical  surges,  operatory  technique,  etc.   -­‐ systemic  errors  (or  bias):  due  to  differences  in  standardization  and  calibration  of  the  methods     Precision  vs.  Accuracy   -­‐ Precision:  how  well  repeated  measurements  on  the  same  sample  agree   with  one  another  à  how  reproducible     à  “can  you  keep  telling  the  same  lies?”   -­‐ Accuracy:  how  close  a  measurement  is  to  the  true  value   à  “can  you  tell  the  truth?”     -­‐ imprecise:  show  variation  around  it  –  sometimes  it  will  hit,  and   sometimes  it  will  hit  around  it   -­‐ precise  but  inaccurate:  after  repeat  testing,  you  can  see  that  the  results  are  fairly  close  to  each  other  =  precise   à  taking  the  average,  it  will  fall  within  a  certain  range,  but  will  not  be  acc urate  as  it  misses  the  mark   -­‐ precise  and  accurate:  a  good  test  will  be  precise  and  accurate  à  will  be  reproducible  and  hits  the  mark  almost  all   the  time     Statistical  Quality  Control   -­‐ laboratory  staff  is  to  use  Quality  Control  (QC)  to  define  and  monitor  for  e rror       -­‐ a  significant  portion  of  tests  in  a  North  American  laboratory  are  to  do  with  Quality  Assurance   • Way  to  know  test  is  working  is  if  you  have  a   sample  that  has  a  known  value,  and  run  it  as  if  it’s  a  patient’s   sample  à  A  lot  of  QC  in  lab  testing   to  ensure  results  are  reliable   -­‐ In  many  clinical  situations,  it  is  more  important  for  a  test  to  be  precise  than  accurate   • When  choosing  a  test,  it  is  more  important  to  be  precise  than  accurate  because  when  you  look  at  biological   variation,  you  want  to  be  able  to  see  w hether  a  change  is  due  to  the  patients  condition  and  not  jumping   around  because  you  have  an  imprecise  lab  test   • Accurate  is  important  when  you  need  to  have  some  reference  value  that  are  standardized  but  if  p atient  were   to  go  back  to  the  same  lab  all  the  tim e  and  if  there  was  some  bias  or  inaccuracy,  that  would  be  okay  because   you  can  compare  it  to  the  previous  value  and  you  can  see  if  there  was  any  change  from  previous  value.     • Better  to  be  precise  and  sacrifice  accuracy,  BUT  ideally,  both  precise  and  accurat e  would  be  good   -­‐ The  best  informed  physicians  are  cognizant  of  the  analytical  performance  of  the  laboratories  that  they  use   à  physicians  well  informed  of  lab  tests,  have  a  good  idea  of  what  an  acceptable  variation  would  be       Statistical  Quality  Control   -­‐ this  is  a  statistical  quality  control  for  cholesterol   (can  be  anything  else)   -­‐ plotted  as  values  (patients  cholesterol)  by  days  of   the  month   -­‐ this  test  is  being  run  everyday,  that,  over  time  it   stays  more  or  less  closer  to  the  center  line  ( target   mean)   -­‐ you  can  see  that  result  is  not  exactly  the  same  as  the   previous  day,  but  is  within  certain  limits  à  ~1     standard  deviation  line   -­‐ within  certain  limits  (narrow  limits)  the  resu lts  are   considered  to  be  reliable,  unless  it  happens  to  shift  very  high  in  one  day  (bias /imprecision)     Guassian  Curve     -­‐ on  a  Guassian  curve,  this  is  what  a  distribution  of  results  would  look  like   -­‐ within  the  -­‐1  and  +1  SD  limits,  68%  of  the  time,  results  should  fall  within  there   -­‐ within  -­‐2  and  +2  SD,  95%  (or  19/20)  of  the  time,  results  should  fa ll  within  there   -­‐ when  these  limits  are  set  up,  they  are  set  up  such  that  if  you  go  past  the   -­‐2/+2  SD  line,  it   becomes  an  indication  of  error     Interferences   -­‐ interferences  are  constituents  in  the  sample  that  alter  the  measurement  of  the  desired   analyte  and  lead  to  an  erroneous  result   -­‐ may  be  due  to  cross -­‐relativity,  light  interference,  consumption  of  reagent,  non -­‐specific   effects,  etc.   -­‐ Substances  or  constituents  in  the  sample  that  do  not  belong  such  as  contamination,  light  interference ,  or  something   that  not  usually  there  that  cross-­‐reacted  with  the  method   -­‐ Many  chemistry  test  uses  spectrophotometer   -­‐  uses  light  shining  through  it   -­‐  Colour  material  can  alter  the  results   -­‐ common  ones  that  can  lead  to  false  results   • hemolysis:  RBC  breaking  open  can  release  their  contents  and  contaminate  the  sample,  even  red  colour  of  lysed   RBC  can  interfere   • lipemia:  lipemia  refers  to  high  lipid  concentrations  -­‐  excess  lipid  or  triglycerides  can  affect  certain  tests   • bilirubinemia  (icteria):  bilirubin  is  a  breakdown  product  of  RBC  –  can  impact  colours  and/or  interfere  with   other  chemical  reactions   • drugs   -­‐ affect  depends  on  the  nature  of  assay   –  depends  on  if  its  using  a  light  or  an  antibody  (etc.)     Post  Analytical  Factors   -­‐ where  you  interpret  your  results   –  not  just  a  number  à  the  number  has  a  meaning,  how  do  you  interpret  whether   its  normal  or  abnormal?   -­‐ One  of  the  most  common  way  of  interpretation  a  common  lab  result:   reference  interval/reference  range   à  range  of  values  in  health  or  disease       à  most  of  the  time,  we  have  a  “normal  referenc e  range”   -­‐ a  patient  is  either  healthy  or  sick   -­‐ this  test  should  be  able  to  help  you  tell  these  populations  apart   -­‐ in  the  management  of  disease  and  in  prognostication,  we  use  the  laboratory  test  to  asses  if  the  disease  is  getting   worse  or  better     Reference  Intervals   -­‐ reference  interval  (reference  range):  is  the  range  values  in  health  or  disease   -­‐ Most  of  the  time,  there  is  a  “normal”  reference  range   -­‐ But  to  go  about  and  come  up  with  these  reference  range,  you  have  to  do  studies,   recruit  many  people,  do  their  measurements  and   establish  a  range   -­‐ usually  a  healthy  (or  diseased)  population  is  recruited   -­‐ reference  range  study  -­‐  usually  compromise  of  120  subje cts  and  you  gather   data,  and  you’ll  get  a  distribution  re sult  laboratory  test  measurements  are  made   -­‐ interval  defined  by  the  central  95%  of  the  values  derived  from  the  population   -­‐ usully  the  bottom  2.5%  and  the  top  2.5%  are  excluded     -­‐ there  will  be  variation  within  those  results   -­‐  do  this  by  taking  the  middle  95%  of   the  results,  above  and  below  the  2.5%  are  cut  off   -­‐ within  the  dotted  lines  are  the  normal  reference  range       Is  the  Normal  Population  Really  Healthy?   -­‐ It  is  really  tricky  to  do  these  studies  because  to  get  “normal”  people   à  some  cases  they  can  be  affected  by  age  and  gender  so  you  have  to  get  large  groups  for  each  of  those  categories   -­‐ not  all   -­‐ populations  are  the  same   -­‐  Young  people  in  Toronto  might  be  really  different  compar ed  to  people  in  Europe  or  Asia   -­‐ range  of  results  may  not  have    Gaussian  distribution  (tend  to  have  skewed  distribution)   -­‐ no  apparent  disease  DOES  NOT  MEAN  health  (e.g.  serum  cholesterol  or  body  weight)   -­‐ in  some  cases,  using  reference  range  does  not  m ake  sense  for  this  day  and  age   -­‐ Previously,  ~half  century  ago,  you  can  use  a  reference  range  for  cholesterol  or  body  weight  but  changes  in  North   American  diet  with  high  fat  foods,   and  lack  of  exercise  à  causes  “normal”  people  now  (and  do  a  range  and   compare  it  back  to  say  1950s)  they  have  all  shifted  higher  even  though  we  are  all  normal  for  standards  NOW.     -­‐ statistical  requirement  is  120  people  (minimum)   -­‐ may  be  influenced  by  pre -­‐analytical  factors  (ex.  age,  sex);  if  different  subgroups  needed  to  create   -­‐ the  best  reference  range  in  health  is  the  patient’s  own   reference  range  when  healthy  (compare  to  their  relative   values)   -­‐ Some  situations  don’t  even  use  reference  range ,  instead  they  use  something  like  treatment  targets   -­‐ not  all  populations  are  the  same     Results  Outside  Normal   Range   -­‐ this  could  mean   • the  patient  is  sick   • patient  is  well  but  is  a  statistical  outlier   • patient  is  well,  but  is  not  of  age,  sex,  or  race  group  etc.  of  the  reference  range  population  (demographic  is   different)   • patient  is  well  but  is  carrying  out  a  proscribed  activity  such  as  jogging  or  eating  before  the  sampling  was  made   -­‐ note  that  the  population’s  reference  range  may  not  be  the  healthy  reference  range  (i.e.  cholesterol   -­‐  but  there  are   exceptions  –  most  cases  we  would  be  doing  a  reference  range  study)     Change  or  Variation?   -­‐ If  someone  is  normal  and  became  sick,  you  would  think   the  value  shifted  from  normal  to  diseased  range   -­‐ There  will  be  some  fluctuation  that  occurs,  part  of  it  is  due  to  the  lab  test  itself  ( analytical  variation  -­‐  green)  but   even  just  the  person’s  day  to  day  habit  (time  of  day,  month,  season)  have  biological  variation  (pink )  -­‐  your  own   value  will  fluctuate   -­‐ What  that  means  is  that  any  lab  results  will  include  both  components  and  what  that   becomes  is  the  TOTAL   variation   -­‐ Need  to  distinguish  between   health  and  disease         -­‐ But  how  much  imprecision  in  the  analysis?   • total  variation:  all  lab  results  include  both  variation   make  it  total  variation   • biological  variation:  your  own  value  will  also  fluctuate   • analytical  variation:  want  to  minimize  this  as  much  as   possible   • we  always  want  analytical  variation  to  be  smaller  than   biological     What  is  a  Real  Change?   Man  claims  that  vitamin  C  cured  his  prostate  cancer   àputs  his  prostate  tumour  in  reverse.  But  is  this  a  real  change  in  his   PSA?  Or  just  biological  variation?   -­‐ Statistical  approach  to  this   –  when  you  have  2  lab  tests  that  are  done,  how  much  difference  in  the  result  is  needed   to  be  considered  statistically  different   -­‐ when  2  tests  are  done,  how  much  difference  between  the  results  can  there  be  before  the  change  is  s ignificant?   • (total  variance)  =  (analytical  variance)  +  (biological  variance)    2 • 95%  probability  limit  =  2.80  X  total  variance   -­‐ The  total  variance  times  2.80  gives  you  a  number  which  is  the  95%  probability  limit  (19  times  out  of  20)  of  the   change     à  there  is  a  significance  level  –  if  you  want  a  95%  probability  limit  (confidence  level   –  the19/20)  then  you   multiply  the  factor  of  2.80  by  the  total  variance   -­‐ in  the  result  which  can  be  expected  because  of  analytical  imprecision  and  the  individual’s  biologi cal  variation  over   time   à  this  difference  is  the  change  in  result  which  can  be  explained  by  analytical  imprecision  and  the  individual’s   biological  variation  over  time   -­‐ The  goal  then  is  the  lab  wa nts  to  have  precise  methods   -­‐  want  to  MINIMIZE  the  ANALYTICAL   component  as  much   as  possible     à  If  your  biological  variation  is  large,  you  want  your  analytical  variation  to  be  smaller   à  if  you  have  analytical   variation  to  be  greater  than  biological  variation ,  then  by  virtue  of  measuring  that  sample,  results  could  be  j umping   up  and  down  -­‐  can’t  tell  if  it’s  because  of  biological  change  or  bad  lab  method         Case  2   -­‐ a  man  on  a  hunger  strike  is  noted  to  have  his  serum  albumin  (protein  that  circulates  in  blood  –  usually  affected  by   nutrition)  change  over  3  months  from  40g/L  to  30g/L   -­‐ is  this  a  significant  change?   -­‐ The  analytical  variance  of  the  test  is  3%  and  the  biological  variation  10%   • start  off  with  the  baseline  at  40g/L   • Analytical  variance  is  3%  (i.e.  imprecision)   à  3%  of  40g/L  =  1.2g/L   • Biological  variance  is  10%  (i.e.   day-­‐to-­‐day  changes)   à  10%  of  40g/L  =  +/-­‐  4.0g/L   à  +/-­‐  =  values  fluctuate  biologically   • 11.7g/L  is  the  reference  change  value  (at  95%  Confidence  interval)   à  due  to  variation  alone,  19/20  will  be   +/-­‐  11.7g/L   • change  from  40  à  30  =  10g/L;  less  than  RCV  (reference  change  value)  –  perhaps  not  a  significance  change   o 10g/L  is  less  than  11.7  g/L  thus  this  is  not  a  significant  change   o a  physician  may  be  comfortable  with  a  confidence  level  of  85%,  then  the  factor  of  2.8  would  not  be  as  high   à   difference  may  be  significance  in  a  lower  confidence  interval   o how  soon  were  these  results  measure?  maybe  after  3  months,  dropping  10  g/L  isn’t  a  significant  change  but  if  this   was  the  result  after  a  day  or  a  week,  it  can  be  more  significant   o Number  of  things  that
More Less

Related notes for LMP299Y1

Log In


OR

Join OneClass

Access over 10 million pages of study
documents for 1.3 million courses.

Sign up

Join to view


OR

By registering, I agree to the Terms and Privacy Policies
Already have an account?
Just a few more details

So we can recommend you notes for your school.

Reset Password

Please enter below the email address you registered with and we will send you a link to reset your password.

Add your courses

Get notes from the top students in your class.


Submit