定性酶免疫测定的数据处理.ppt

《定性酶免疫测定的数据处理.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、定性酶免疫测定的数据处理及结果报告卫生部临床检验中心李金明定性？定量？定性测定常以“有”或“无”也即“阳性”或“阴性”来表达测定结果；半定量测定虽介于定性和定量之间，但从严格意义上来说，其仍属于定性测定，只不过其对定性测定中的“阳性”作了进一步的分级，即所谓的强阳性·阳性·弱阳性的区别；定量测定的结果则以浓度（如IU/L、ug/L等〕的方式表达。定性测定结果确定的依据定性测定结果确定的依据在于阳性阴性判定值（Cut-off）的建立，Cut-off值的确立应尽可能地避免假阳性或假阴性结果的出现。除了Cut-off值以外，

2、还有许多其它的设值方法以判断阴性和阳性结果，如S/N（常称为P/N）比值（Ratio）等。与酶免疫测定数据处理和结果报告有关的概念标准差适用于正态分布的标准差（SD），不能泛泛地用于酶免疫测定结果的判定。这是因为阴性参考血清的酶免疫测定值的分布常为非正态分布，呈一正向偏斜。概念变异系数重复性（Reproducibility）：一般通过重复两次测定样本来观察。测定下限（Detectability）：是指超过零剂量精密度的最低抗原浓度，可通过t分布（一边拖尾，因为此时曲线只有上升趋势）计算在测定下限时的吸光度值的均值差。测定敏

3、感性（Sensitivity):是指一实验的测定反应对待测物质浓度变化的改变，即dR/dC。概念阳性测定能力指数（DI（＋））可定义为一实验对阳性标本测定后给出阳性结果的能力（通常称为“敏感性”）；DI（＋）=[真阳性/（真阳性+假阴性）]×100%阴性测定能力指数（DI（－））则为对阴性样本测定给出阴性结果的能力（通常称为“特异性”）；DI（－）=[真阴性/（真阴性+假阳性）]×100%概念阳性结果的可靠性（‘预示值’）即测定为阳性的标本实际上为阳性的可能性。=[真阳性/（真阳性+假阳性）]×100%阴性结果的可靠性则为

4、一份给出阴性结果的样本实际上为阴性的可靠性。=[真阴性/（真阴性+假阴性）]×100%测定结果的报告和数据处理酶免疫测定数据处理报告在理想情况下应达到下述要求:(1)易于让不熟悉该试验的人所理解;(2)定性测定必须结果明确,即阳性或阴性、反应或不反应、在正常范围内或不正常等；（3）定量测定的线性；（4）数据的可重复性；（5）试验的评价不应建立在假定的正态分布上；（6）结果用于进一步分析处理（如流行病学分析）的充分性。定性酶免疫测定的CUT-OFF值确定CUT-OFF值的方法一使用阴性血清测定结果均值的2或3倍作为阳性判断值

5、：取一定数量（通常较少）的阴性血清样本，使用已建立的酶免疫测定方法或试剂盒测定，如果上述阴性血清样本的吸光度均值为0.05，则该次测定的阳性判断值为0.10或0.15。例如现有的试剂盒结果的判定以P/N或S/N≥2.1为阳性，其依据即是以阴性参考血清的2倍作为阳性判定值。这种Cut-off值设定方法，可以较为避免假阳性结果的出现，但假阴性可能比例较高。总的来说，这是一种非常粗糙的Cut-off值设定方法。确定CUT-OFF值的方法二首先测定大量（数千）正常人血清样本，然后将所得到的吸光度均值＋2或3个SD作为阳性判断值：当

6、正常人血清样本数量足够大时，使用特定的酶免疫测定方法测得的吸光度值将呈正态分布，在具有95.3％(单侧)的可信度的情况下，可以将从正常人血清测得的吸光度均值＋2SD作为阳性判断值；如要求99％(单侧)的可信度，则以吸光度均值＋3SD作为阳性判断值。与第一种方法相比，这种Cut-off值设定方法更为科学一些，建立在统计学的精确计算的基础上，但由于这种方法仅考虑阴性人群，故而难以确定“灰区”，从图32可见，有可能会出现较多的假阴性，因其将整个“灰区”几乎都归为阴性。确定CUT-OFF值的方法三在测定大量正常人血清样本的同时，测

7、定大量阳性血清样本，如测定值为正态分布，则根据u检验的特点，以单侧99.5%的可信限先分别确定阴性和阳性的Cut-off值；如为非正态分布，则百分位数法单侧95％或99％来确定Cut-off值。阴性和阳性人群的Cut-off值确定后，根据“灰区”的大小，综合平衡考虑假阳性和假阴性率的情况下确定Cut-off值。这种Cut-off值确定方法，较之单纯从阴性人群考虑要较为全面一些，并且对测定的“灰区”有一个估计，不会出现将“灰区”全部纳入阴性的情况。确定CUT-OFF值的方法四在测定大量正常人和大量阳性血清样本的同时，测定转化

8、型血清（从阴性转变为阳性过程中的系列血清）样本，取假阳性和假阴性发生率最低，且能区别抗原转化至抗体出现点的吸光度值作为阳性判断值：该方法与上述（3）的区别是增加了转化型血清样本的测定，使得阳性判断值的确定，能最佳地将阳性与阴性样本区别开来。这种Cut-off值确定方法应该说是目前最佳的模式，但由于转化型