Kvalitetssäkring och statistik

Under en av våra basgruppsträffar har vi arbetat med ämnen kvalitetssäkring och statistik. Vi gick då igenom en del begrepp och funderade en del kring hur man gör en kvalitetssäkring.

Målpopulation = den grupp man undersöker

Referenspopulation = gruppen man jämför med molpopulationen. Referenspopulationen måste stämma överens med målpopulationen i fråga om ålder, kön och sådana saker som spelar roll i sammanhanget. Det är med andra ord viktigt att fundera kring vad som spelar roll för den undersökning man gör. Spelar det någon roll vad människor har för klasstillhörighet när man undersöker deras tobaksvanor?

Referensintervall, normalområde = det värde man jämför patientens värde med, för att se om patientens värde är bra eller dåligt, sjukt eller frisk. Mellan åren 1999 och 2000 utförde NORIP (Nordic Reference Interval Project) ett projekt där man skapade en grupp bestående av professionella personer i Norden. Man valde ut valde ut 80 laboratorier, och samlade in värden från friska personer i åldern 18-80 år, Värde kom från de friska personernas helblod, plasma och serum. Man använde samma metod för provtagning, och samma analysmetod för att mäta olika vanliga ämnen som finns i helblod, plasma och serum. Det är de värden man fick och sammanställde som idag är våra referensintervall.

Populationsbaserade referensvärden = referensvärden som hämtas från referensindivider i en referensgrupp. Referensgruppen kommer från en referenspopulation.

Bias = sned fördelning skevhet.

Selektionsbias = urvalsfel. Det innebär att man har gjort ett felaktigt urval.

Case control = man kontroller att referenspopulationen stämmer överens med den första ursprungliga populationen i fråga om kön, ålder och annat som spelar roll.

ROC-kurva = en grafisk metod (som görs med hjälp av datorn) för att ta reda på hur mycket man kan öka exempelvis sensitiviteten utan att minska specificiteten allt för mycket. På Y-axeln har vi sensitiviteten, alltså alla sant positiva resultat ifrån en undersökning. Här har testet visat att patienten kanske är sjuk, och så var också fallet. På Y-axeln har vi specificiteten, alla falskt positiva resultat. Det är när testet visat att en patient är sjuk, trots att han/hon var frisk. Då har metoden för testet inte varit tillräckligt specifikt, alltså identifierat en bakterie på ett felaktigt sätt eller liknande. Arean under grafen kan, precis som siffrorna skrivas antingen som konstanter eller i procent. Arean visar klassificieringsförmågan, alltså hur pass väl man lyckas hitta utforma testet. Om arean är 100 % är testet perfekt, om arean än lika med eller under 50 % är det slumpen som avgör testresultatet.

ROC116

Källa: 

Basgruppsmöte. Linköpings Universitet. 2014-09-15.

Björk J. Praktisk statistik för medicin och hälsa. Liber, Stockholm, 2011.

Eriksson, A. Statistik. Föreläsning. Linköpings Universitet. 2014-03-06.

Furst medicine laboratorium. (Hämtad 2014-09-13)

Folkhälsoguiden. Stockholms Landsting. (Hämtad 2014-09-13) .

Nilsson-Ehle P, et al. Laurells Klinisk kemi i praktisk medicin. 9:e upplagan. Studentlitteratur: Lund. 2012.

Statistiska Centralbyrån. Utvecklingsenheten. Metodavdelning. Kvalitetsbegrepp och riktlinjer för kvalitetsdeklaration av officiell statistik. (Hämtad 2014-09-13).

Vad tycker du?