مقدمه :

بایاس (Bias) یا انحراف سیستماتیک، یکی از چالش‌های کلیدی در آزمایشگاه‌های بالینی است که به معنای تفاوت پایدار بین نتایج اندازه‌گیری و مقدار واقعی یک کمیت است. این پدیده می‌تواند منجر به خطاهای تشخیصی، افزایش هزینه‌های درمانی و کاهش اعتماد به نتایج آزمایشگاهی شود. کنترل و کاهش بایاس، هسته اصلی سیستم‌های مدیریت کیفیت در آزمایشگاه‌ها محسوب می‌شود.

بایاس چیست؟

بایاس به عنوان انحراف میانگین نتایج اندازه‌گیری از مقدار واقعی تعریف می‌شود و ناشی از خطاهای سیستماتیک در فرآیندهای پیش‌تحلیلی، تحلیلی یا پس‌تحلیلی است.  برخلاف خطاهای تصادفی، بایاس قابل پیش‌بینی است و با روش‌های مناسب می‌توان آن را شناسایی و اصلاح کرد.

انواع Bias :

انحراف نسبی ( Proportional Bias ):

اختلاف سیستماتیک نسبت اندازه‌گیری شده توسط یک دستگاه یا روش خاص نسبت به مقدار واقعی یا پذیرفته‌شده اشاره دارد که به طور هم‌زمان با تغییرات در سطح اندازه‌گیری تغییر می‌کند.

این نوع انحراف می‌تواند ناشی از محدودیت‌های ذاتی در تجهیزات اندازه‌گیری، تکنیک‌های ازمایشگاهی و یا عدم تطابق در کالیبراسیون باشد. برای شناسایی و اصلاح انحراف نسبی، معمولاً آزمایش‌هایی انجام می‌شود تا این انحراف شناسایی شود و تنظیمات لازم برای تجهیزات در نظر گرفته شود. همچنین، استفاده از استانداردهای مناسب و روش‌های کالیبراسیون دقیق می‌تواند به کاهش این انحراف کمک کند.

انحراف ثابت ( Constant Bias ):

اختلاف یا خطای ثابت و سیستماتیکی اشاره دارد که در نتایج اندازه‌گیری‌ها یا آزمایش‌ها مستقل از مقدار واقعی یا تغییراتی در سطح اندازه‌گیری رخ می‌دهد. این نوع انحراف به طور مداوم و با مقدار ثابت در تمامی اندازه‌گیری‌ها ظاهر می‌شود.

به طور ساده‌تر، انحراف ثابت بدین معنی است که اندازه‌گیری‌ها به صورت سیستماتیک یک مقدار مشخص را اضافه یا کم می‌کنند، بدون توجه به اینکه مقدار واقعی اندازه‌گیری شده چقدر است. این می‌تواند به دلیل نصب نادرست دستگاه‌ها، کالیبراسیون نامناسب یا خطای انسانی در فرآیند آزمایش باشد.

به طور کلی، “انحراف نسبی” با مقیاس متغیرها تغییر می‌کند، در حالی که “انحراف ثابت” یک شیفت ثابت است که در کلیه مقیاس‌ها به همان صورت باقی می‌ماند. شناسایی و تصحیح هریک از این انحراف‌ها اهمیت زیادی در به دست آوردن نتایج دقیق و قابل اعتماد در آزمایشگاه‌های بالینی دارد.

انحراف تصادفی (Random Bias):

پدیدار شدن تغییرات تصادفی در اندازه‌گیری‌ها که باعث بروز نوسانات در نتایج می‌شود و معمولاً قابل پیش‌بینی نیست.

انحراف سیستماتیک (Systematic Bias):

خطای سیستماتیکی که به طور مستمر و پایدار در یک جهت خاص (مثلاً همیشه بالاتر یا پایین‌تر) تاثیر می‌گذارد.

ممکن است از رویه‌ها، کالیبراسیون نادرست یا دستگاه‌ها ناشی شود.

روش های ارزیابی Bias

• استفاده از مواد مرجع با مقدار مشخص
• استفاده از نتایج ارزیابی خارجی کیفیت
• استفاده از روش هم گروه (Peer Group )
• استفاده از آزمون های مقایسه ای
• استفاده از آزمون بازیافت ( Recovery test ) برای ارزیابی نامیزانی نسبی ( Proportional Bias )
• استفاده از آزمون تداخل (Interference test) برای ارزیابی نامیزانی ثابت (Constant Bias )

استفاده از مواد مرجع یا سرم کنترل صحت

بهترین روش تعیین بایاس استفاده از نمونه کنترل صحت (Accuracy test) است. کنترل صحت همانند کالیبراتور بوده؛ ولی دارای ماتریکس همانند نمونه مورد اندازه گیری است و به عنوان یک ماده مرجع شناخته می شود. این ماده دارای مقادیر مختلف برای آنالیت های مختلف است و بر خلاف نمونه کنترل دقت بدون محدوده است و همانند کالیبراتور دارای مقدار معین برای هر آنالیت است. برای ارزیابی Bias  نمونه کنترل صحت اندازه گیری می شود و اختلاف بین مقدار اندازه گیری شده و مقدار اعلام شده در بروشور نشان دهنده ی مقدار Bias روش است. برای کاهش عدم دقت اندازه گیری بهتر است در این ارزیابی نمونه کنترل صحت چندین بار اندازه گیری شود و مقدار میانگین آن به عنوان مقدار اندازه گیری شده با مقدار هدف مقایسه شود.

استفاده از نتایج ارزیابی خارجی کیفیت

استفاده از روش مهارت آزمایی بالینی و مقایسه نتایج بین آزمایشگاهی در برنامه ارزیابی خارجی کیفیت روش دیگر محاسبه مقدار تورش است. در این روش از نتایج دوره های مختلف ارزیابی خارجی کیفیت که آنالیت اندازه گیری شده و با میانگین گروه و جامعه آماری آزمایشگاه های شرکت کننده آنالیز شده است استفاده می شود. بدین صورت که با استفاده از نتایج گزارش شده و میانگین گروه آنالیز شده در دوره های مختلف جمع آوری می شود و مقادیر نتایج آزمایشگاه با مقدار میانگین گروه آنالیز شده در دوره های مختلف جمع آوری می شود و مقادیر نتایج آزمایشگاه با مقدار میانگین گروه که بعنوان مقدار واقعی ( Weighted Mean/ Robust Mean ) یا مقدار میانگین پالایش شده بعد از حذف نتایج پرت به دست می آید، مقایسه می شود و مقدار اختلاف بین نتیجه گزارش شده و میانگین گروه به عنوان مقدار تورش روش در نظر گرفته می شود. در این روش محاسبه نامیزانی اگر آنالیت ارائه شده از طرف شرکت های ارزیابی کننده در سطوح مختلف باشند و مقادیر مطلق Bias در دوره های مختلف اختلاف زیادی با هم نداشته باشند می توان از میانگین Bias های دوره های مختلف به عنوان Bias  معدل استفاده کرد (روش1) ولی اگر نمونه های ارائه شده در سطوح مختلف باشند و مقدار مطلق Bias ها اختلاف زیادی با یکدیگر داشته باشند میتوان از طریق محاسبه میانگین نتایج آزمایشگاه در دوره های مختلف و میانگین های گروه در دوره های مختلف استفاده کرد و مقدار Bias روش را محاسبه کرد.  (روش 2)

در این محاسبات فرض بر این است که عدم دقت سنجش ها کوچک بوده و قابل اغماض است.

استفاده از روش هم گروه ( Peer Group )

یک هم گروه را میتوان به عنوان گروهی از روش های آزمایشگاهی تعریف کرد که از یک اصل و سیستم تحلیلی اساسی مشترک استفاده می کنند، به طوری که تاثیر اثرات ماتریس را می توان یکسان فرض کرد.

آزمایشگاه ها نتایج کنترل کیفیت داخلی خود را بر اساس نوع نمونه کنترل (برند کنترل) و سری ساخت آن را به سامانه ارائه دهنده آزمون هم گروه ارسال می کنند و نتایج سنجش ها با استفاده از انواع مدل های آماری، تعیین می کند که مقدار اجماع نمونه ناشناخته برای هر آزمایش چقدر باید باشد. سپس نتایج آزمایش گزارش شده توسط هر آزمایشگاه با مقادیر جامع مقایسه می شود و آزمایشگاه از نظر اختلاف با مقدار مشترک بین شرکت کنندگان درجه بندی می شود. نوع ارزیابی در این روش نیز همانند ارزیابی خارجی کیفیت است.

استفاده از آزمون های مقایسه ای

برای تخمین تورش (Bias) بین دو روش می توان از اندازه گیری های تکی و یا دو تایی استفاده نمود هم چنین در انتها می توان قابلیت تکرار روش ها را نیز تخمین زد. روش های مقایسه انواع زیادی دارد برخی برای نمونه های پارامتری و برخی نیز برای ارزیابی Bias در نمونه های ناپارامتری استفاده می شوند آنچه مهم است اینکه برای محاسبه Bias  به روش مقایسه ای باید یک سری از داده ها به روش مرجع و قابل اعتماد ارزیابی شده باشد. در بین این محاسبات استفاده از Paired t test، رگرسیون ساده و یا رگرسیون دمینگ کاربرد زیادی دارند.

استفاده از آزمون بازیافت

در این روش مقدار مشخصی از یک آنالیت با غلظت مشخص مانند کالیبراتور به نمونه های مختلف که در سطوح مختلف آماده شده است، اضافه می شود و با سنجش نمونه spiked تهیه شده و مقایسه آن با نمونه اصلی مقدار بازیافت نمونه ها محاسبه می شود و بر اساس مقدار اضافه شده و مقدار بازیافت شده می تواند تخمینی از Bias را ارائه کند.

تهیه نمونه spiked باید طوری باشد که ماتریکس نمونه را تغییر ندهد؛ لذا حداکثر می توان تا 10 درصد حجم نمونه با آن مقدار آنالیت که از نظر ماتریکس با نمونه متفاوت باشد اضافه کرد و فرض بر این است که حداکثر 10 درصد تغییر در ماتریکس نمونه قابل چشم پوشی است. اگر نمونه های تهیه شده برای آزمون بازیافت مواد مداخله گر مانند ایکتریک، لیپمیک و همولیز نداشته باشند با محاسبه مقدار Bias ( Proportional Bias) می توان تخمینی از مقدار Bias کل را به دست آورد در غیر این صورت می توان از تداخل Interference برای ارزیابی مقدار تداخل نمونه ها و Bias ثابت ( Constant Bias ) استفاده کرده.

اهمیت کنترل Bias

• کاهش خطاهای تشخیصی: بایاس ≥۱۰٪ در اندازه‌گیری تروپونین می‌تواند منجر به تشخیص نادرست سکته قلبی شود.
• بهبود هماهنگی بین آزمایشگاهی: همسوکردن نتایج دستگاه‌های مختلف در یک شبکه بهداشتی.
• کاهش هزینه‌ها: جلوگیری از تکرار آزمایش‌ها به دلیل نتایج غیرقابل اعتماد.
• انطباق با استانداردها: رعایت الزامات ISO 15189 و ISO 17025

راهکارهای بهبود Bias

۱. کالیبراسیون مبتنی بر استانداردهای مرجع

• استفاده از کالیبراتورهای با ردیابی مترولوژیک به جای کالیبراتورهای کارخانه‌ای.
• مثال: کالیبراسیون دستگاه‌ها با مواد مرجع تهیه‌شده توسط NIST یا IRMM

۲. هماهنگ‌سازی دستگاه‌ها (Harmonization)

• تنظیم دستگاه‌های مختلف یک آزمایشگاه برای تولید نتایج همسان با استفاده از نمونه‌های بالینی.

۳. پایش مستمر با EQA

• مشارکت در برنامه‌های ارزیابی خارجی و مقایسه نتایج با آزمایشگاه‌های همتراز.

۴. آموزش پرسنل

• آموزش مفاهیم مترولوژی بالینی و روش‌های شناسایی بایاس به کارکنان.

۵. همکاری با تولیدکنندگان

• الزام تولیدکنندگان به ردیابی نتایج دستگاه‌ها به استانداردهای بین‌المللی و ارائه گزارش‌های اعتبارسنجی.

نتیجه‌گیری

کنترل بایاس نه تنها یک الزام فنی، بلکه یک ضرورت بالینی است. با ترکیب روش‌هایی مانند کالیبراسیون پیشرفته، ارزیابی خارجی و هماهنگ‌سازی دستگاه‌ها، آزمایشگاه‌ها می‌توانند دقت نتایج را بهبود بخشند و نقش کلیدی در ارتقای سلامت جامعه ایفا کنند. اجرای این راهکارها نیازمند سرمایه‌گذاری در زیرساخت‌های مترولوژیک و توسعه دانش فنی پرسنل است.

منابع:

سری کتاب های تضمین کیفیت در آزمایشگاه های پزشکی ” کنترل کیفیت آماری، رسم و تفسیر نمودارهای کنترل کیفیت” جلد 2 تالیف ( دکتر مظفر جباری)

https://westgard.com/lessons/quality-management/what-about-bias.html

https://www.qcnet.com/resources/qc-articles/six-qc-recommendations-to-consider-today