Эта статья была опубликована в рецензируемом журнале WikiJournal of Medicine (2014). Щелкните, чтобы просмотреть опубликованную версию.
Из Википедии, свободной энциклопедии
Перейти к навигации Перейти к поиску

В областях, связанных со здоровьем , эталонный диапазон или эталонный интервал - это диапазон значений, который считается нормальным для физиологических измерений у здоровых людей (например, количество креатинина в крови или парциальное давление кислорода ). Это основа для сравнения ( система отсчета ) для врача или другого медицинского работника, чтобы интерпретировать набор результатов тестов для конкретного пациента. Некоторые важные контрольные диапазоны в медицине - это контрольные диапазоны для анализов крови иконтрольные диапазоны для анализов мочи .

Стандартное определение эталонного диапазона (обычно упоминаемого, если не указано иное) происходит от того, что наиболее распространено в эталонной группе, взятой из общей (то есть всей) популяции. Это общий эталонный диапазон. Однако существуют также оптимальные диапазоны для здоровья (диапазоны, которые, по-видимому, оказывают оптимальное влияние на здоровье) и диапазоны для определенных состояний или состояний (например, контрольные диапазоны для беременных для уровней гормонов).

Значения в пределах нормального диапазона ( WRR ) находятся в пределах нормального распределения и поэтому часто описываются как в пределах нормальных пределов ( WNL ). Пределы нормального распределения называются верхним эталонным пределом (URL) или верхним пределом нормы (ULN) и нижним эталонным пределом (LRL) или нижним пределом нормы (LLN). В области здравоохранения о связанных публикации, таблицы стилей , иногда предпочитают слово ссылку на слово нормального , чтобы предотвратить нетехническим чувство от нормальногоот смешения со статистическим смыслом. Значения вне допустимого диапазона не обязательно являются патологическими, и они не обязательно отклоняются ни в каком смысле, кроме статистического. Тем не менее, это индикаторы вероятного пафоса. Иногда основная причина очевидна; в других случаях требуется сложная дифференциальная диагностика, чтобы определить, что не так, и, таким образом, как это лечить.

Срез или пороговое ограничение используется для бинарной классификации , главным образом , между нормальным по сравнению с патологическим (или , возможно , патологическим). Методы установления пороговых значений включают использование верхнего или нижнего предела эталонного диапазона.

Стандартное определение [ править ]

Стандартное определение эталонного диапазона для конкретного измерения определяется как интервал, в который попадают 95% значений эталонной совокупности, таким образом, что в 2,5% случаев значение будет меньше нижнего предела этого интервал, и в 2,5% случаев он будет больше, чем верхний предел этого интервала, независимо от распределения этих значений. [1]

Контрольные диапазоны, которые даются этим определением, иногда называют стандартными диапазонами .

Что касается целевой популяции, если не указано иное, стандартный референсный диапазон обычно обозначает диапазон у здоровых людей или без какого-либо известного состояния, которое напрямую влияет на устанавливаемые диапазоны. Они также устанавливаются с использованием контрольных групп из здорового населения и иногда называются нормальными диапазонами или нормальными значениями (а иногда и «обычными» диапазонами / значениями). Однако использование термина « нормальный» может быть неуместным, поскольку не все, кто выходит за пределы интервала, являются ненормальными, и люди, у которых есть определенное состояние, могут все же попадать в этот интервал.

Однако контрольные диапазоны также могут быть установлены путем взятия проб у всего населения, с заболеваниями и состояниями или без них. В некоторых случаях заболевшие люди берутся за популяцию, устанавливая контрольные диапазоны среди тех, кто страдает заболеванием или состоянием. Желательно, чтобы для каждой подгруппы населения имелись определенные референсные диапазоны, которые имеют какой-либо фактор, влияющий на измерение, такой как, например, конкретные диапазоны для каждого пола , возрастной группы , расы или любого другого общего детерминанта .

Методы создания [ править ]

Методы установления контрольных диапазонов в основном основаны на предположении о нормальном распределении или логнормальном распределении , или непосредственно от процентных значений, как подробно описано в следующих разделах.

Нормальное распределение [ править ]

При допущении нормального распределения эталонный диапазон получается путем измерения значений в эталонной группе и взятия двух стандартных отклонений по обе стороны от среднего. Это около 95% всего населения.

95% -ный интервал часто оценивается исходя из нормального распределения измеряемого параметра, и в этом случае он может быть определен как интервал, ограниченный 1,96 [2] (часто округленным до 2) стандартными отклонениями генеральной совокупности с обеих сторон генеральной совокупности. среднее (также называемое ожидаемым значением ). Однако в реальном мире неизвестны ни среднее значение для населения, ни стандартное отклонение для населения. Их обоих необходимо оценить на основе выборки, размер которой можно обозначить n . Стандартное отклонение совокупности оценивается стандартным отклонением выборки, а среднее значение совокупности оценивается средним значением выборки (также называемым средним или средним арифметическим).). Чтобы учесть эти оценки, 95% интервал прогноза (95% PI) рассчитывается как:

95% PI = среднее ± t 0,975, n −1 · ( n +1) / n · sd ,

где - 97,5% квантиль t-распределения Стьюдента с n −1 степенями свободы .

Когда размер выборки большой ( n ≥30)

Этот метод часто бывает достаточно точным, если стандартное отклонение по сравнению со средним значением не очень велико. Более точным методом является выполнение вычислений с логарифмированными значениями, как описано в отдельном разделе ниже.

Следующий пример этого ( не логарифмированного) метода основан на значениях глюкозы в плазме натощак, взятых у контрольной группы из 12 субъектов: [3]

Как видно из, например, таблицы выбранных значений t-распределения Стьюдента , 97,5% процентиль с (12-1) степенями свободы соответствует

Впоследствии нижний и верхний пределы стандартного эталонного диапазона рассчитываются как:

Таким образом, стандартный референсный диапазон для этого примера оценивается от 4,4 до 6,3 ммоль / л.

Доверительный интервал предела [ править ]

90% -ный доверительный интервал предела стандартного референтного диапазона, оцененный в предположении нормального распределения, может быть рассчитан следующим образом: [4]

Нижний предел доверительного интервала = процентиль предел - 2,81 × SD / п
Верхний предел доверительного интервала = процентиль предела + 2,81 × SD / н ,

где SD - стандартное отклонение, а n - количество выборок.

В примере из предыдущего раздела количество образцов равно 12, а стандартное отклонение составляет 0,42 ммоль / л, в результате чего:

Нижняя граница доверительного интервала от нижнего предела стандартного опорного диапазона = 4,4 - 2,81 × 0,42 / 12 ≈ 4.1
Верхний предел доверительного интервала от нижнего предела стандартного опорного диапазона = 4,4 + 2,81 × 0,42 / 12 ≈ 4.7

Таким образом, нижний предел референсного диапазона может быть записан как 4,4 (90% ДИ 4,1–4,7) ммоль / л.

Аналогичным образом, при аналогичных расчетах верхний предел референсного диапазона может быть записан как 6,3 (90% ДИ 6,0–6,6) ммоль / л.

Эти доверительные интервалы отражают случайную ошибку , но не компенсируют систематическую ошибку , которая в этом случае может возникать, например, из-за того, что контрольная группа недостаточно голодала перед забором крови.

Для сравнения, фактические референсные диапазоны, используемые клинически для глюкозы в плазме натощак, по оценкам, имеют нижний предел примерно от 3,8 [5] до 4,0, [6] и верхний предел примерно от 6,0 [6] до 6,1. [7]

Логнормальное распределение [ править ]

Некоторые функции логарифмического нормального распределения (здесь показаны с нелогарифмированными измерениями) с теми же средними значениями - μ (вычисленными после логарифмирования), но разными стандартными отклонениями - σ (после логарифмирования).

В действительности, биологические параметры , как правило, имеют логарифмически нормальное распределение , [8] , а не арифметическую нормальное распределение (которое , как правило , называют нормальным распределением , без какой - либо дополнительной спецификации).

Объяснение этого логнормального распределения для биологических параметров: событие, в котором образец имеет половину значения среднего или медианного значения, имеет почти такую ​​же вероятность, что и событие, в котором образец имеет вдвое большее значение среднего или медианного значения. . Кроме того, только логарифмически нормальное распределение может компенсировать неспособность почти всех биологических параметров иметь отрицательные числа (по крайней мере, при измерении в абсолютных шкалах ), в результате чего нет определенного ограничения на размер выбросов (экстремальные значения). ) на высокой стороне, но, с другой стороны, они никогда не могут быть меньше нуля, что приводит к положительной асимметрии .

Как показано на диаграмме справа, это явление имеет относительно небольшой эффект, если стандартное отклонение (по сравнению со средним) относительно невелико, поскольку оно заставляет логнормальное распределение казаться похожим на арифметическое нормальное распределение. Таким образом, арифметическое нормальное распределение может быть более подходящим для использования с небольшими стандартными отклонениями для удобства, а логнормальное распределение - с большими стандартными отклонениями.

В логарифмически нормальном распределении геометрические стандартные отклонения и среднее геометрическое более точно оценивают 95% интервал прогноза, чем их арифметические аналоги.

Необходимость [ править ]

Необходимость установления эталонного диапазона логарифмически-нормальным распределением, а не арифметическим нормальным распределением может рассматриваться как зависящая от того, сколько разницы будет иметь место, если этого не сделать, что можно описать как соотношение

Коэффициент разницы = | Limit log-normal - Нормальный предел |/Ограничить нормальный журнал

где:

  • Предел логарифмически нормального распределения - это (нижний или верхний) предел, оцененный с учетом логнормального распределения
  • Нормальный предел - это (нижний или верхний) предел, оцененный путем предположения арифметически нормального распределения.
Коэффициент вариации по сравнению с отклонением в контрольных диапазонах, установленный путем предположения арифметического нормального распределения, когда фактически существует логнормальное распределение.

Эта разница может быть выражена исключительно в отношении коэффициента вариации , как на диаграмме справа, где:

Коэффициент вариации = SD/м

где:

  • sd - стандартное арифметическое отклонение
  • m - среднее арифметическое

На практике можно считать необходимым использовать методы установления логнормального распределения, если коэффициент разности становится больше 0,1, что означает, что (нижний или верхний) предел, оцененный из предполагаемого арифметически нормального распределения, будет больше 10 % отличается от соответствующего предела, рассчитанного на основе (более точного) логнормального распределения. Как видно на диаграмме, коэффициент разницы 0,1 достигается для нижнего предела при коэффициенте вариации 0,213 (или 21,3%) и для верхнего предела при коэффициенте вариации 0,413 (41,3%). На нижний предел больше влияет увеличение коэффициента вариации, а его «критический» коэффициент вариации 0,213 соответствует соотношению (верхний предел) / (нижний предел) 2,43, поэтому, как показывает опыт, если верхний предел больше 2.В 4 раза превышающий нижний предел при оценке, предполагающей арифметически нормальное распределение, тогда следует рассмотреть возможность повторного выполнения вычислений с использованием логнормального распределения.

Если взять пример из предыдущего раздела, стандартное арифметическое отклонение (sd) оценивается в 0,42, а среднее арифметическое (m) - в 5,33. Таким образом, коэффициент вариации равен 0,079. Это меньше, чем 0,213 и 0,413, и, таким образом, как нижний, так и верхний предел уровня глюкозы в крови натощак, скорее всего, можно оценить, приняв арифметически нормальное распределение. Более конкретно, коэффициент вариации 0,079 соответствует коэффициенту разницы 0,01 (1%) для нижнего предела и 0,007 (0,7%) для верхнего предела.

Из логарифмированных значений выборки [ править ]

Метод оценки эталонного диапазона для параметра с логарифмически-нормальным распределением состоит в логарифмировании всех измерений с произвольной базой (например, е ), вычислении среднего и стандартного отклонения этих логарифмов, определении найденных логарифмов (для 95% 1,96 стандартных отклонений ниже и выше этого среднего, а затем возвести в степень с использованием этих двух логарифмов в качестве показателей степени и с использованием того же основания, которое использовалось при логарифмировании, при этом два результирующих значения являются нижним и верхним пределом 95% -ного интервала прогнозирования.

Следующий пример этого метода основан на тех же значениях глюкозы в плазме натощак, которые использовались в предыдущем разделе, с использованием e в качестве основы : [3]

Впоследствии все еще логарифмированный нижний предел эталонного диапазона рассчитывается как:

и верхний предел эталонного диапазона как:

Преобразование обратно в нелогарифмированные значения впоследствии выполняется как:

Таким образом, стандартный референсный диапазон для этого примера оценивается от 4,4 до 6,4.

От среднего арифметического и дисперсии [ править ]

Альтернативный метод установления эталонного диапазона с предположением логнормального распределения состоит в использовании среднего арифметического и среднего арифметического значения стандартного отклонения. Это несколько более утомительно, но может быть полезно, например, в тех случаях, когда исследование, устанавливающее референсный диапазон, представляет только среднее арифметическое и стандартное отклонение, исключая исходные данные. Если исходное предположение об арифметически нормальном распределении оказывается менее подходящим, чем логарифмически нормальное, тогда использование среднего арифметического и стандартного отклонения может быть единственными доступными параметрами для корректировки эталонного диапазона.

Предполагая, что ожидаемое значение может представлять собой среднее арифметическое в этом случае, параметры μ log и σ log можно оценить на основе среднего арифметического ( m ) и стандартного отклонения ( sd ) как:

Следуя примеру референтной группы из предыдущего раздела:

Впоследствии, логарифмированные, а затем нелогарифмированные, нижний и верхний предел вычисляются так же, как и по логарифмированным значениям выборки.

Непосредственно из процентов [ править ]

Контрольные диапазоны также могут быть установлены непосредственно на основе 2,5-го и 97,5-го процентилей измерений в контрольной группе. Например, если контрольная группа состоит из 200 человек и ведет отсчет от измерения с наименьшим значением до наибольшего, нижний предел контрольного диапазона будет соответствовать 5-му измерению, а верхний предел будет соответствовать 195-му измерению.

Этот метод можно использовать, даже если значения измерений не соответствуют любой форме нормального распределения или другой функции.

Однако пределы эталонного диапазона, оцененные таким образом, имеют более высокую дисперсию и, следовательно, меньшую надежность, чем те, которые оцениваются с помощью арифметического или логнормального распределения (если таковое применимо), поскольку последние получают статистическую мощность из измерений вся контрольная группа, а не только измерения на 2,5-м и 97,5-м перцентилях. Тем не менее, эта дисперсия уменьшается с увеличением размера контрольной группы, и, следовательно, этот метод может быть оптимальным, когда легко можно собрать большую контрольную группу, а режим распределения измерений является неопределенным.

Бимодальное распределение [ править ]

Бимодальное распределение

В случае бимодального распределения (показано справа) полезно выяснить, почему это так. Для двух разных групп людей могут быть установлены два контрольных диапазона, что позволяет предположить нормальное распределение для каждой группы. Этот бимодальный образец обычно наблюдается в тестах, которые различаются между мужчинами и женщинами, например, в тестах на специфический антиген простаты .

Интерпретация стандартных диапазонов в медицинских тестах [ править ]

В случае медицинских тестов , результаты которых имеют непрерывные значения, контрольные диапазоны могут использоваться при интерпретации результата отдельного теста. Это в основном используется для диагностических тестов и скрининговых тестов, в то время как контрольные тесты могут быть оптимально интерпретированы вместо предыдущих тестов того же человека.

Вероятность случайной изменчивости [ править ]

Референсные диапазоны помогают в оценке того, является ли отклонение результата теста от среднего результатом случайной изменчивости или результатом основного заболевания или состояния. Если контрольная группа, использованная для установления контрольного диапазона, может считаться репрезентативной для отдельного человека в здоровом состоянии, то результат теста этого человека, который оказывается ниже или выше контрольного диапазона, может быть интерпретирован как имеющийся. вероятность того, что это произошло бы в результате случайной изменчивости при отсутствии заболевания или другого состояния, менее 2,5%, что, в свою очередь, является убедительным показателем для рассмотрения основного заболевания или состояния в качестве причины.

Такое дальнейшее рассмотрение может быть выполнено, например, с помощью процедуры дифференциальной диагностики , основанной на эпидемиологии , где перечислены потенциальные состояния-кандидаты, которые могут объяснить обнаруженный результат, с последующими расчетами того, насколько вероятно, что они возникли в первую очередь, а затем путем сравнения с вероятностью того, что результат был бы случайной изменчивостью.

Если бы установление эталонного диапазона могло быть выполнено в предположении нормального распределения, то вероятность того, что результатом будет эффект случайной изменчивости, может быть дополнительно определена следующим образом:

Стандартное отклонение , если не дано , уже, может быть обратно рассчитывается с тем , что абсолютное значение разности между средним значением и верхней или нижней границы опорного диапазона составляет примерно 2 стандартных отклонений (точнее 1,96), и , таким образом , :

Стандартное отклонение (sd) ≈ | (Среднее) - (Верхний предел) |/2.

Стандартная оценка для теста индивида впоследствии может быть рассчитана как:

Стандартный балл ( z ) =| (Среднее) - (индивидуальное измерение) |/SD.

Вероятность того, что значение находится на определенном расстоянии от среднего, впоследствии может быть вычислена из соотношения между стандартной оценкой и интервалами прогноза . Например, стандартная оценка 2,58 соответствует интервалу прогноза 99% [9], что соответствует вероятности 0,5% того, что результат будет по крайней мере настолько далек от среднего значения при отсутствии заболевания.

Пример [ править ]

Скажем, например, что человек проходит тест, который измеряет ионизированный кальций в крови , что дает значение 1,30 ммоль / л, а контрольная группа, которая надлежащим образом представляет человека, установила контрольный диапазон от 1,05 до 1,25 ммоль. / L. Значение индивидуума выше верхнего предела референсного диапазона, и поэтому вероятность того, что он является результатом случайной изменчивости, составляет менее 2,5%, что является убедительным показателем для проведения дифференциальной диагностики возможных причинных состояний.

В этом случае используется процедура дифференциальной диагностики, основанная на эпидемиологии , и ее первым шагом является поиск возможных состояний, которые могут объяснить обнаруженный результат.

Гиперкальциемия (обычно определяемая как уровень кальция выше референсного диапазона) в основном вызывается либо первичным гиперпаратиреозом, либо злокачественными новообразованиями [10], и поэтому их разумно включить в дифференциальный диагноз.

Используя, например, эпидемиологию и индивидуальные факторы риска, предположим, что вероятность того, что гиперкальциемия была вызвана в первую очередь первичным гиперпаратиреозом, составляет 0,00125 (или 0,125%), эквивалентная вероятность рака составляет 0,0002 и 0,0005. для других условий. Если вероятность отсутствия заболевания составляет менее 0,025, это соответствует вероятности того, что гиперкальциемия возникла бы в первую очередь, до 0,02695. Однако гиперкальциемия произошла. с вероятностью 100%, что приводит к скорректированной вероятности не менее 4,6% того, что первичный гиперпаратиреоз вызвал гиперкальциемию, не менее 0,7% для рака, не менее 1,9% для других состояний и до 92,8% при отсутствии заболевания и гиперкальциемия вызвана случайной изменчивостью.

В этом случае дальнейшая обработка выигрывает от указания вероятности случайной изменчивости:

Предполагается, что значение приемлемо соответствует нормальному распределению, поэтому можно принять среднее значение 1,15 в контрольной группе. Стандартное отклонение , если не дано , уже, может быть обратно рассчитывается путем зная , что абсолютное значение разности между средним значением и, например, верхний предел контрольного диапазона, составляет примерно 2 стандартных отклонений (точнее 1,96), и таким образом:

Стандартное отклонение (sd) ≈ | (Среднее) - (Верхний предел) |/2 знак равно | 1,15 - 1,25 |/2 знак равно 0,1/2= 0,05 .

Стандартный счет для тестирования индивидуума затем вычисляется следующим образом:

Стандартный балл ( z ) =| (Среднее) - (индивидуальное измерение) |/SD знак равно | 1,15 - 1,30 |/0,05 знак равно 0,15/0,05= 3 .

Вероятность того, что значение имеет гораздо большее значение, чем среднее значение, что стандартная оценка 3 соответствует вероятности примерно 0,14% (выражается как (100% - 99,7%) / 2 , причем 99,7% здесь даны из 68-95-99.7 правило ).

Используя те же вероятности, что гиперкальциемия возникла бы в первую очередь при других возможных состояниях, вероятность того, что гиперкальциемия возникла бы в первую очередь, составляет 0,00335, а с учетом того факта, что гиперкальциемия произошла, дает скорректированные вероятности 37,3%, 6,0 %, 14,9% и 41,8% соответственно для первичного гиперпаратиреоза, рака, других состояний и отсутствия заболеваний.

Оптимальный диапазон здоровья [ править ]

Оптимальный (для здоровья) диапазон или терапевтическая цель (не путать с биологической целью ) - это референсный диапазон или предел, основанный на концентрациях или уровнях, которые связаны с оптимальным здоровьем или минимальным риском связанных осложнений и заболеваний, а не на стандартном диапазоне. на основе нормального распределения в популяции.

Это может быть более подходящим для использования в , например , фолиевой кислоты , так как примерно 90 процентов североамериканцев может на самом деле страдают более или менее от дефицита фолиевой кислоты , [11] , но только 2,5 процента , которые имеют самые низкие уровни будут падать ниже стандартного опорного диапазона. В этом случае фактические диапазоны содержания фолиевой кислоты для оптимального здоровья существенно выше стандартных норм. Витамин D имеет аналогичную тенденцию. Напротив, для мочевой кислоты уровень, не превышающий стандартного референсного диапазона, все же не исключает риска подагры или камней в почках. Кроме того, для большинства токсинов стандартный референсный диапазон обычно ниже уровня токсического действия.

Проблема с оптимальным диапазоном здоровья заключается в отсутствии стандартного метода оценки диапазонов. Пределы могут быть определены как те, при которых риски для здоровья превышают определенный порог, но с различными профилями риска для разных измерений (например, фолиевой кислоты и витамина D), и даже с разными аспектами риска для одного и того же измерения (например, как дефицит, так и токсичность витамина А ) трудно стандартизировать. Следовательно, оптимальные диапазоны здоровья, когда они приводятся из различных источников, имеют дополнительную изменчивость.вызвано различными определениями параметра. Кроме того, как и в случае со стандартными референсными диапазонами, должны быть определенные диапазоны для различных детерминант, которые влияют на значения, такие как пол, возраст и т. Д. В идеале, скорее, должна быть оценка того, какое значение является оптимальным для каждого человека, когда принимаются все значимые факторы этого человека во внимание - задача, которую может быть трудно решить с помощью исследований, но длительный клинический опыт врача может сделать этот метод более предпочтительным, чем использование референсных диапазонов.

Односторонние пороговые значения [ править ]

Во многих случаях обычно представляет интерес только одна сторона диапазона, например, с маркерами патологии, включая раковый антиген 19-9 , где обычно не имеет никакого клинического значения иметь значение ниже обычного для населения. Следовательно, такие цели часто задаются только с одним пределом заданного эталонного диапазона, и, строго говоря, такие значения являются скорее пороговыми значениями или пороговыми значениями .

Они могут представлять как стандартные диапазоны, так и диапазоны оптимального здоровья. Кроме того, они могут представлять собой подходящее значение, чтобы отличить здорового человека от конкретного заболевания, хотя это дает дополнительную вариативность по различению различных заболеваний. Например, для NT-proBNP более низкое пороговое значение используется для отличия здоровых детей от детей с бледной болезнью сердца , по сравнению с пороговым значением, используемым для различения здоровых детей от детей с врожденной несфероцитарной анемией . [12]

Общие недостатки [ править ]

Источники неточности и неточности для стандартных и оптимальных диапазонов работоспособности и пороговых значений включают:

  • Используемые инструменты и лабораторные методы, или как измерения интерпретируются наблюдателями. Они могут применяться как к приборам и т. Д., Используемым для установления эталонных диапазонов, так и к приборам и т. Д., Используемым для получения значения для человека, к которому эти диапазоны применяются. Чтобы компенсировать это, отдельные лаборатории должны иметь свои собственные лабораторные диапазоны для учета инструментов, используемых в лаборатории.
  • Детерминанты, такие как возраст, диета и т. Д., Не компенсируются. Оптимально, должны быть эталонные диапазоны из эталонной группы, которые максимально похожи на каждого человека, к которому они применяются, но практически невозможно компенсировать каждый отдельный детерминант, часто даже когда эталонные диапазоны устанавливаются на основе нескольких измерений к тому же человеку, к которому они применяются, из -за изменчивости результатов повторного тестирования .

Кроме того, эталонные диапазоны имеют тенденцию создавать впечатление определенных пороговых значений, которые четко разделяют «хорошие» и «плохие» значения, в то время как в действительности риски обычно постоянно увеличиваются с увеличением расстояния от обычных или оптимальных значений.

С учетом этого и некомпенсированных факторов, идеальный метод интерпретации результата теста скорее будет состоять из сравнения того, что можно было бы ожидать или оптимально у человека при учете всех факторов и условий этого человека, а не в строгой классификации значений. как «хорошо» или «плохо», используя диапазоны от других людей.

В недавней статье Rappoport et al. [13] описали новый способ переопределения эталонного диапазона из системы электронных медицинских карт . В такой системе может быть достигнуто более высокое разрешение населения (например, по возрасту, полу, расе и этнической принадлежности).

Примеры [ править ]

  • Референсные диапазоны для анализов крови
  • Референсные диапазоны для анализов мочи

См. Также [ править ]

  • Клиническая патология
  • Объединенный комитет по прослеживаемости в лабораторной медицине
  • Медицинский технолог
  • Референсные диапазоны для анализов крови

Ссылки [ править ]

Эта статья была адаптирована из следующего источника по лицензии CC BY 4.0 ( 2012 ) ( отчеты рецензентов ): «Референсные диапазоны для эстрадиола, прогестерона, лютеинизирующего гормона и фолликулостимулирующего гормона во время менструального цикла». WikiJournal of Medicine . 1 (1). 2014. DOI : 10,15347 / WJM / 2014,001 . ISSN  2002-4436 . Викиданные  Q44275619 .

  1. ^ Страница 19 в: Стивен К. Бангерт MA MB BChir MSc MBA FRCPath; Уильям Дж. Маршалл, магистр наук, MBBS FRCP FRCPath FRCPEdin FIBiol; Маршалл, Уильям Леонард (2008). Клиническая биохимия: метаболические и клинические аспекты . Филадельфия: Черчилль Ливингстон / Эльзевьер. ISBN 978-0-443-10186-1.CS1 maint: multiple names: authors list (link)
  2. ^ Страница 48 в: Стерн, Джонатан; Кирквуд, Бетти Р. (2003). Основная медицинская статистика . Оксфорд: Blackwell Science. ISBN 978-0-86542-871-3.
  3. ^ a b Таблица 1. Характеристики субъектов в: Keevil, BG; Килпатрик, ES; Николс, ИП; Мэйлор, П. У. (1998). «Биологическая вариация цистатина C: значение для оценки скорости клубочковой фильтрации» . Клиническая химия . 44 (7): 1535–1539. DOI : 10.1093 / clinchem / 44.7.1535 . PMID 9665434 . 
  4. ^ Page 65 в: Карл А. Буртис, David E. Брунс (2014). Основы клинической химии и молекулярной диагностики Тиц (7-е изд.). Elsevier Health Sciences. ISBN 9780323292061.
  5. Последняя страница Дипака А. Рао; Ле, Дао; Бхушан, Викас (2007). Первая помощь для USMLE Step 1 2008 (Первая помощь для Usmle Step 1) . McGraw-Hill Medical. ISBN 978-0-07-149868-5.
  6. ^ a b Список контрольных диапазонов из больницы Уппсальского университета ("Laborationslista"). Artnr 40284 Sj74a. Выдан 22 апреля 2008 г.
  7. ^ Энциклопедия MedlinePlus : тест на толерантность к глюкозе
  8. ^ Хаксли, Джулиан С. (1932). Проблемы относительного роста . Лондон. ISBN 978-0-486-61114-3. OCLC  476909537 .
  9. ^ Страница 111 в: Киркуп, Лес (2002). Анализ данных с помощью Excel: введение для ученых-физиков . Кембридж, Великобритания: Издательство Кембриджского университета. ISBN 978-0-521-79737-5.
  10. ^ Таблица 20-4 в: Митчелл, Ричард Шеппард; Кумар, Винай; Аббас, Абул К .; Фаусто, Нельсон (2007). Базовая патология Роббинса . Филадельфия: Сондерс. ISBN 978-1-4160-2973-1. 8-е издание.
  11. ^ Фолиевая кислота: не обходитесь без нее! Ганс Р. Ларсен, MSc ChE, получено 7 июля 2009 г. В свою очередь, цитируется:
    • Боуши Кэрол Дж .; и другие. (1995). «Количественная оценка гомоцистеина плазмы как фактора риска сосудистых заболеваний». Журнал Американской медицинской ассоциации . 274 (13): 1049–57. DOI : 10,1001 / jama.274.13.1049 .
    • Моррисон Ховард I .; и другие. (1996). «Фолиевая кислота в сыворотке и риск смертельной ишемической болезни сердца». Журнал Американской медицинской ассоциации . 275 (24): 1893–96. DOI : 10,1001 / jama.1996.03530480035037 . PMID  8648869 .
  12. ^ Скрининг врожденного порока сердца с NT-proBNP: результаты Эммануэль Джайрадж Мозес, Шарифа А.И. Мохтар, Амир Хамза, Басир Сельвам Абдулла и Нараза Мохд Юсофф. Лабораторная медицина. 2011; 42 (2): 75-80. Американское общество клинической патологии
  13. ^ Раппопорт, Надав; Пайк, Хёджон; Оскоцкий, Борис; Тор, Рут; Зив, Элад; Зейтлен, Ной; Бьют, Атул Дж. (2017-11-04). «Создание эталонных интервалов для лабораторных тестов на основе данных EHR». bioRxiv 10.1101 / 213892 . 

Дальнейшее чтение [ править ]

  • Процедуры и словарь, относящиеся к референсным интервалам: CLSI (Комитет лабораторных стандартов института) и IFCC (Международная федерация клинической химии) CLSI - Определение, установление и проверка референтных интервалов в лаборатории; Утвержденное руководство - Третье издание. Документ C28-A3 ( ISBN 1-56238-682-4 ) Уэйн, Пенсильвания, США, 2008 г. 
  • Советчик по эталонным значениям  : бесплатный набор макросов Excel, позволяющий определять эталонные интервалы в соответствии с процедурами CLSI. По материалам: Geffré, A .; Concordet, D .; Браун, JP; Трюмель, К. (2011). «Советчик по эталонным значениям: новый бесплатный набор макроинструкций для расчета эталонных интервалов с помощью Microsoft Excel» (PDF) . Ветеринарная клиническая патология . 40 (1): 107–112. DOI : 10.1111 / j.1939-165X.2011.00287.x . PMID 21366659 .