Референтный диапазон

В медицины и здравоохранения областях референтный диапазон или референтный интервал — это диапазон или интервал значений, который считается нормальным для физиологических измерений у здоровых людей (например, количество креатинина в крови или парциальное давление кислород ). Это основа для сравнения, позволяющая врачу или другому медицинскому работнику интерпретировать набор результатов тестов для конкретного пациента. Некоторыми важными референтными диапазонами в медицине являются референтные диапазоны для анализов крови и референтные диапазоны для анализов мочи .

Стандартное определение референтного диапазона (обычно называемого, если не указано иное) основано на том, что наиболее распространено в референтной группе, взятой из общей (т.е. всей) популяции. Это общий эталонный диапазон. Однако существуют также оптимальные диапазоны для здоровья (диапазоны, которые оказывают оптимальное воздействие на здоровье) и диапазоны для конкретных состояний или состояний (например, референтные диапазоны уровней гормонов при беременности).

Значения в пределах референтного диапазона ( WRR ) — это значения в пределах нормы ( WNL ). Пределы называются верхним референтным пределом (URL) или верхним пределом нормы (ULN) и нижним референтным пределом (LRL) или нижним пределом нормы (LLN). В здравоохранению публикациях, посвященных , таблицы стилей иногда предпочитают слово «ссылка» слову «нормальный» нетехнического значения слова «нормальный» , чтобы предотвратить смешение со статистическим смыслом. Значения за пределами референтного диапазона не обязательно являются патологическими и не обязательно являются аномальными в каком-либо смысле, кроме статистического. Тем не менее, они являются индикаторами вероятного патологии. Иногда основная причина очевидна; в других случаях сложная дифференциальная диагностика требуется , чтобы определить, что не так и, следовательно, как это лечить.

Пороговое значение — бинарной это предел, используемый для классификации , в основном между нормой и патологией (или, возможно, патологией). Методы установления пороговых значений включают использование верхнего или нижнего предела контрольного диапазона.

Стандартное определение

Стандартное определение референтного 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 диапазона. интервал, и в 2,5% случаев он будет больше верхней границы этого интервала, каково бы ни было распределение этих значений. ^[1]

Эталонные диапазоны, заданные этим определением, иногда называют стандартными диапазонами .

Поскольку диапазон — это определенная статистическая величина ( Range (statistics) ), описывающая интервал между наименьшим и наибольшим значениями, многие, в том числе Международная федерация клинической химии, предпочитают использовать выражение «референтный интервал», а не референтный диапазон. ^[2]

Что касается целевой популяции, если не указано иное, стандартный референтный диапазон обычно обозначает диапазон у здоровых людей или лиц без какого-либо известного состояния, которое напрямую влияет на устанавливаемые диапазоны. Они также устанавливаются с использованием референтных групп 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 находится за пределами этого интервала, являются ненормальными, и люди с определенным состоянием все равно могут попадать в этот интервал.

Однако референсные диапазоны также могут быть установлены путем отбора проб у всего населения, независимо от наличия или отсутствия заболеваний и состояний. В некоторых случаях за популяцию принимают больных людей, устанавливая референтные диапазоны среди тех, у кого есть заболевание или состояние. Предпочтительно, чтобы для каждой подгруппы населения, которая имеет какой-либо фактор, влияющий на измерение, должны быть конкретные референтные диапазоны, такие как, например, конкретные диапазоны для каждого пола , возрастной группы , расы или любого другого общего определяющего фактора .

Методы создания

Методы установления референтных диапазонов могут быть основаны на предположении о нормальном распределении или логарифмически нормальном распределении или непосредственно на процентных процентах, как подробно описано соответственно в следующих разделах. При установлении референтных диапазонов по двусторонним органам (например, зрению или слуху) можно использовать оба результата одного и того же человека, хотя необходимо учитывать внутрисубъектную корреляцию. ^[3]

Нормальное распределение

Интервал 95% часто оценивается, предполагая нормальное распределение измеряемого параметра, и в этом случае его можно определить как интервал, ограниченный 1,96. ^[4] (часто округленное до 2) стандартные отклонения генеральной совокупности по обе стороны от среднего значения генеральной совокупности (также называемого ожидаемым значением ).Однако в реальном мире ни среднее значение популяции, ни стандартное отклонение популяции неизвестны. Их обоих необходимо оценить по выборке, размер которой можно обозначить n . Стандартное отклонение генеральной совокупности оценивается с помощью стандартного отклонения выборки, а среднее генеральное значение оценивается с помощью выборочного среднего значения (также называемого средним или средним арифметическим ). Чтобы учесть эти оценки, 95%-ный интервал прогнозирования (95% PI) рассчитывается как:

95% PI = среднее \pm t 0,975, n -1 \cdot \sqrt (n +1)/ n \cdotsd

,

где $t_{0.975,n-1}$ представляет собой 97,5%-ный квантиль t-распределения Стьюдента с n -1 степенями свободы .

Когда размер выборки велик ( n ≥30) $t_{0.975,n-1}\simeq 2.$

Этот метод часто является достаточно точным, если стандартное отклонение по сравнению со средним значением не очень велико. Более точный метод — выполнить вычисления с логарифмированными значениями, как описано в отдельном разделе позже.

Следующий пример этого ( не логарифмированного) метода основан на значениях уровня глюкозы в плазме натощак, взятых у контрольной группы из 12 субъектов: ^[5]

	Глюкоза плазмы натощак (ФПГ) в ммоль/л	Отклонение от имею в виду м	Квадрат отклонения от среднего м
Тема 1	5.5	0.17	0.029
Тема 2	5.2	-0.13	0.017
Тема 3	5.2	-0.13	0.017
Тема 4	5.8	0.47	0.221
Тема 5	5.6	0.27	0.073
Тема 6	4.6	-0.73	0.533
Тема 7	5.6	0.27	0.073
Тема 8	5.9	0.57	0.325
Тема 9	4.7	-0.63	0.397
Тема 10	5	-0.33	0.109
Тема 11	5.7	0.37	0.137
Тема 12	5.2	-0.13	0.017
	Среднее = 5,33 ( м ) п = 12	Среднее = 0,00	Сумма/( n -1) = 1,95/11 =0,18 ${\sqrt {0.18}}=0.42$ = стандартное отклонение (стандартное отклонение)

Как видно, например, из таблицы выбранных значений t-распределения Стьюдента , процентиль 97,5% со степенями свободы (12-1) соответствует $t_{0.975,11}=2.20$

Впоследствии нижний и верхний пределы стандартного эталонного диапазона рассчитываются как:

Lower~limit=m-t_{0.975,11}\times {\sqrt {\frac {n+1}{n}}}\times s.d.=5.33-2.20\times {\sqrt {\frac {13}{12}}}\times 0.42=4.4

Upper~limit=m+t_{0.975,11}\times {\sqrt {\frac {n+1}{n}}}\times s.d.=5.33+2.20\times {\sqrt {\frac {13}{12}}}\times 0.42=6.3.

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

Доверительный интервал предела

90% доверительный интервал стандартного предела референтного диапазона , оцененный при условии нормального распределения, может быть рассчитан по формуле: ^[6]

Нижняя граница доверительного интервала = предел процентиля - 2,81 × SD ⁄ √ n

Верхняя граница доверительного интервала = предел процентиля + 2,81 × SD ⁄ √ n ,

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

Если взять пример из предыдущего раздела, количество образцов равно 12, а стандартное отклонение составляет 0,42 ммоль/л, что дает:

Нижняя граница доверительного интервала нижней границы стандартного референтного диапазона = 4,4 – 2,81 × 0.42 ⁄ √ 12 ≈ 4.1

Верхняя граница доверительного интервала нижней границы стандартного референтного диапазона = 4,4 + 2,81 × 0.42 ⁄ √ 12 ≈ 4.7

Таким образом, нижнюю границу референтного диапазона можно записать как 4,4 (90% ДИ 4,1–4,7) ммоль/л.

Аналогично, при аналогичных расчетах верхнюю границу референтного диапазона можно записать как 6,3 (90% ДИ 6,0–6,6) ммоль/л.

Эти доверительные интервалы отражают случайную ошибку , но не компенсируют систематическую ошибку , которая в данном случае может возникнуть, например, из-за того, что контрольная группа не голодала достаточно долго перед взятием крови.

Для сравнения: фактические референтные диапазоны, используемые клинически для определения уровня глюкозы в плазме натощак, по оценкам, имеют нижний предел примерно 3,8. ^[7] до 4,0, ^[8] и верхний предел примерно 6,0 ^[8] до 6.1. ^[9]

Логнормальное распределение

В действительности биологические параметры имеют тенденцию иметь логарифмически нормальное распределение . ^[10] а не нормальное распределение или распределение Гаусса.

Объяснение этого логарифмически нормального распределения биологических параметров следующее: Событие, когда значение образца в два раза меньше среднего или медианы, имеет тенденцию иметь почти такую же вероятность произойти, что и событие, когда значение образца в два раза превышает среднее значение или медиану. . Кроме того, только логарифмически нормальное распределение может компенсировать неспособность почти всех биологических параметров иметь отрицательные числа (по крайней мере, при измерении в абсолютных масштабах ), в результате чего не существует определенного ограничения на размер выбросов (экстремальных значений). ) с высокой стороны, 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 значением) относительно невелико, поскольку оно делает логарифмически нормальное распределение похожим на нормальное распределение. Таким образом, для удобства может быть более целесообразно использовать нормальное распределение с небольшими стандартными отклонениями, а также логарифмически нормальное распределение с большими стандартными отклонениями.

В логнормальном распределении стандартные геометрические отклонения и среднее геометрическое более точно оценивают 95%-й интервал прогнозирования, чем их арифметические аналоги.

Необходимость

Референтные диапазоны для веществ, которые обычно находятся в относительно узких пределах (коэффициент вариации менее 0,213, как подробно описано ниже), таких как электролиты, можно оценить, предполагая нормальное распределение, тогда как референтные диапазоны для веществ, которые значительно различаются (коэффициент вариации обычно превышает 0,213) как и большинство гормонов ^[11] более точно устанавливаются с помощью логнормального распределения.

Необходимость установить референсный диапазон с помощью логарифмически нормального распределения, а не нормального распределения, можно рассматривать как зависящую от того, какую разницу будет иметь отказ от этого, что можно описать как соотношение:

Коэффициент разницы = .mw-parser-output .sfrac{white-space:nowrap}.mw-parser-output .sfrac.tion,.mw-parser-output .sfrac .tion{display:inline-block;vertical-align:-0.5em;font-size:85%;text-align:center}.mw-parser-output .sfrac .num{display:block;line-height:1em;margin:0.0em 0.1em;border-bottom:1px solid}.mw-parser-output .sfrac .den{display:block;line-height:1em;margin:0.1em 0.1em}.mw-parser-output .sr-only{border:0;clip:rect(0,0,0,0);clip-path:polygon(0px 0px,0px 0px,0px 0px);height:1px;margin:-1px;overflow:hidden;padding:0;position:absolute;width:1px}⁠ | Предел логнормального - Предел нормального | / Предел лог-нормального ⁠

где:

Предел _{логарифмически нормального} распределения — это (нижний или верхний) предел, оцененный на основе предположения о логнормальном распределении.
предел _{Нормальный} — это (нижний или верхний) предел, оцененный на основе предположения нормального распределения.

Эту разницу можно отнести исключительно к коэффициенту вариации , как на диаграмме справа, где:

Коэффициент вариации = ⁠ сд / м ⁠

где:

SD — стандартное отклонение
м — среднее арифметическое

На практике можно считать необходимым использовать методы установления логарифмически нормального распределения, если коэффициент разности становится больше 0,1, а это означает, что (нижний или верхний) предел, оцененный на основе предполагаемого нормального распределения, составит более 10%. отличается от соответствующего предела, оцененного на основе (более точного) логнормального распределения. Как видно из диаграммы, коэффициент разности 0,1 достигается для нижнего предела при коэффициенте вариации 0,213 (или 21,3%), а 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 правило, если верхний предел более чем в 2,4 раза превышает нижний предел при оценке в предположении нормального распределения, то следует рассмотреть возможность повторного проведения расчетов с использованием логарифмически нормального распределения.

Если взять пример из предыдущего раздела, то стандартное отклонение (sd) оценивается в 0,42, а среднее арифметическое (m) оценивается в 5,33. Таким образом, коэффициент вариации составляет 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, предположив нормальное распределение. Более конкретно, коэффициент вариации 0,079 соответствует коэффициенту разности 0,01 (1%) для нижнего предела и 0,007 (0,7%) для верхнего предела.

Из логарифмированных выборочных значений

Метод оценки эталонного диапазона для параметра с логарифмически нормальным распределением состоит в том, чтобы логарифмировать все измерения с произвольным основанием (например, e ), получить среднее и стандартное отклонение этих логарифмов, определить расположенные логарифмы (для 95% интервал прогнозирования) на 1,96 стандартных отклонения ниже и выше этого среднего значения, а затем возвести в степень, используя эти два логарифма в качестве показателей степени и используя ту же базу, которая использовалась при логарифмировании, при этом два результирующих значения представляют собой нижний и верхний предел 95% интервала прогнозирования.

Следующий пример этого метода основан на тех же значениях глюкозы в плазме натощак , что и в предыдущем разделе, с использованием e в качестве основания : ^[5]

	Глюкоза плазмы натощак (ФПГ) в ммоль/л	журнал _е (ФПГ)	log _e (FPG) отклонение от среднее значение μ _log	Квадрат отклонения от среднего
Тема 1	5.5	1.70	0.029	0.000841
Тема 2	5.2	1.65	0.021	0.000441
Тема 3	5.2	1.65	0.021	0.000441
Тема 4	5.8	1.76	0.089	0.007921
Тема 5	5.6	1.72	0.049	0.002401
Тема 6	4.6	1.53	0.141	0.019881
Тема 7	5.6	1.72	0.049	0.002401
Тема 8	5.9	1.77	0.099	0.009801
Тема 9	4.7	1.55	0.121	0.014641
Тема 10	5.0	1.61	0.061	0.003721
Тема 11	5.7	1.74	0.069	0.004761
Тема 12	5.2	1.65	0.021	0.000441
	Среднее: 5,33 ( м )	Среднее: 1,67 ( μ _журнал )		Сумма/(n-1): 0,068/11 = 0,0062 ${\sqrt {0.0062}}=0.079$ = стандартное отклонение log _e (FPG) ( σ _лог

Впоследствии все еще логарифмизированный нижний предел контрольного диапазона рассчитывается как:

{\begin{aligned}\ln({\text{lower limit}})&=\mu _{\log }-t_{0.975,n-1}\times {\sqrt {\frac {n+1}{n}}}\times \sigma _{\log }\\&=1.67-2.20\times {\sqrt {\frac {13}{12}}}\times 0.079=1.49,\end{aligned}}

и верхний предел эталонного диапазона как:

{\begin{aligned}\ln({\text{upper limit}})&=\mu _{\log }+t_{0.975,n-1}\times {\sqrt {\frac {n+1}{n}}}\times \sigma _{\log }\\&=1.67+2.20\times {\sqrt {\frac {13}{12}}}\times 0.079=1.85\end{aligned}}

Преобразование обратно в нелогарифмированные значения впоследствии выполняется как:

{\text{Lower limit}}=e^{\ln({\text{lower limit}})}=e^{1.49}=4.4

{\text{Upper limit}}=e^{\ln({\text{upper limit}})}=e^{1.85}=6.4

Таким образом, стандартный референтный диапазон для этого примера оценивается в пределах от 4,4 до 6,4.

Из среднего арифметического и дисперсии

Альтернативный метод установления референсного диапазона в предположении логарифмически нормального распределения заключается в использовании среднего арифметического и стандартного отклонения. Это несколько более утомительно, но может быть полезно в тех случаях, когда в исследовании представлены только среднее арифметическое и стандартное отклонение, без учета исходных данных. Если исходное предположение о нормальном распределении менее подходит, чем логарифмически нормальное, то использование среднего арифметического и стандартного отклонения может быть единственными доступными параметрами для определения эталонного диапазона.

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

\mu _{\log }=\ln(m)-{\frac {1}{2}}\ln \!\left(1+\!\left({\frac {\text{s.d.}}{m}}\right)^{2}\right)

\sigma _{\log }={\sqrt {\ln \!\left(1+\!\left({\frac {\text{s.d.}}{m}}\right)^{2}\right)}}

Следуя примеру референтной группы из предыдущего раздела:

\mu _{\log }=\ln(5.33)-{\frac {1}{2}}\ln \!\left(1+\!\left({\frac {0.42}{5.33}}\right)^{2}\right)=1.67

\sigma _{\log }={\sqrt {\ln \!\left(1+\!\left({\frac {0.42}{5.33}}\right)^{2}\right)}}=0.079

Впоследствии логарифмированные, а затем и нелогарифмированные нижний и верхний пределы рассчитываются так же, как и для логарифмированных значений выборки.

Непосредственно от процентов

Референтные диапазоны также могут быть установлены непосредственно на основе 2,5-го и 97,5-го процентиля измерений в референтной группе. Например, если референтная группа состоит из 200 человек и ведется от измерения с наименьшим значением к наибольшему, нижняя граница референтного диапазона будет соответствовать 5-му измерению, а верхняя граница будет соответствовать 195-му измерению.

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

Однако пределы референтного диапазона, оцененные таким способом, имеют более высокую дисперсию и, следовательно, меньшую надежность, чем те, которые оцениваются с помощью арифметического или логарифмически нормального распределения (если таковое применимо), поскольку последние приобретают статистическую мощность на основе измерений всю референтную группу, а не только измерения на 2,5 и 97,5 процентилях. Тем не менее, эта дисперсия уменьшается с увеличением размера референтной группы, и поэтому этот метод может быть оптимальным там, где можно легко собрать большую референтную группу, а режим распределения измерений неопределенен.

Бимодальное распределение

В случае бимодального распределения (см. справа) полезно выяснить, почему это так. Для двух разных групп людей можно установить два референтных диапазона, что позволяет предположить нормальное распределение для каждой группы. Этот бимодальный паттерн обычно наблюдается в тестах, которые различаются у мужчин и женщин, например, при тестировании специфического антигена простаты .

Интерпретация стандартных диапазонов медицинских тестов

В случае медицинских тестов , результаты которых имеют непрерывные значения, для интерпретации результатов отдельного теста можно использовать референтные диапазоны. В основном это используется для диагностических тестов и скрининговых тестов, тогда как мониторинговые тесты могут оптимально интерпретироваться на основе предыдущих тестов того же человека.

Вероятность случайной изменчивости

Референтные диапазоны помогают оценить, является ли отклонение результата теста от среднего результатом случайной изменчивости или результатом основного заболевания или состояния. Если можно предположить, что референтная группа, используемая для установления референтного диапазона, репрезентативна для отдельного человека, находящегося в здоровом состоянии, то результат теста этого человека, который оказывается ниже или выше референтного диапазона, можно интерпретировать как вероятность того, что это произошло бы вследствие случайной изменчивости при отсутствии заболевания или другого состояния, составляет 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 , в которой перечислены потенциальные состояния-кандидаты, которые могут объяснить обнаружение, с последующими расчетами того, насколько вероятно, что они произошли в первую очередь, в свою очередь, после чего путем сравнения с вероятностью того, что результат возник бы в результате случайной изменчивости.

Если бы установление референтного диапазона можно было сделать, предполагая нормальное распределение, то вероятность того, что результат будет результатом случайной изменчивости, может быть дополнительно уточнена следующим образом:

Стандартное отклонение , если оно еще не указано, может быть рассчитано обратно по тому факту, что абсолютное значение разницы между средним значением и верхним или нижним пределом эталонного диапазона составляет примерно 2 стандартных отклонения (точнее, 1,96), и, таким образом, :

Стандартное отклонение (с.о.) \approx ⁠ | (Среднее) - (Верхний предел) | / 2 ⁠

.

Стандартный балл индивидуального теста впоследствии может быть рассчитан как:

Стандартная оценка (z) = ⁠ | (Среднее) - (индивидуальное измерение) | / сд ⁠

.

Вероятность того, что значение находится на определенном расстоянии от среднего значения, впоследствии может быть рассчитана на основе соотношения между стандартной оценкой и интервалами прогнозирования . Например, стандартный балл 2,58 соответствует интервалу прогнозирования 99 %. ^[12] соответствует вероятности 0,5% того, что результат будет хотя бы настолько далек от среднего при отсутствии заболевания.

Пример

Допустим, например, что человек проходит тест, измеряющий содержание ионизированного кальция в крови, в результате которого получается значение 1,30 ммоль/л, а референтная группа, которая соответствующим образом представляет человека, установила референтный диапазон от 1,05 до 1,25 ммоль. /Л. Индивидуальное значение выше верхнего предела референтного диапазона и, следовательно, с вероятностью менее 2,5% является результатом случайной изменчивости, что является убедительным показанием для проведения дифференциальной диагностики возможных причинных состояний.

В этом случае используется процедура дифференциальной диагностики, основанная на эпидемиологии , и ее первым шагом является поиск состояний-кандидатов, которые могут объяснить обнаружение.

Гиперкальциемия (обычно определяемая как уровень кальция выше референсного диапазона) чаще всего вызвана первичным гиперпаратиреозом или злокачественными новообразованиями. ^[13] и поэтому разумно включать их в дифференциальный диагноз.

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

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

Предполагается, что это значение приемлемо соответствует нормальному распределению, поэтому можно предположить, что среднее значение в референтной группе равно 1,15. Стандартное отклонение , если оно еще не указано, можно рассчитать обратно, зная, что абсолютное значение разницы между средним значением и, например, верхним пределом контрольного диапазона составляет примерно 2 стандартных отклонения (точнее, 1,96), и таким образом:

Стандартное отклонение (с.о.) \approx ⁠ | (Среднее) - (Верхний предел) | / 2 ⁠ = ⁠ | 1.15 - 1.25 | / 2 ⁠ = ⁠ 0.1 / 2 ⁠ = 0.05

.

Стандартный балл индивидуального теста впоследствии рассчитывается как:

Стандартная оценка (z) = ⁠ | (Среднее) - (индивидуальное измерение) | / сд ⁠ = ⁠ | 1.15 - 1.30 | / 0.05 ⁠ = ⁠ 0.15 / 0.05 ⁠ = 3

.

Вероятность того, что значение имеет настолько большую величину, чем среднее значение, что стандартная оценка равна 3, соответствует вероятности примерно 0,14% (определяется формулой $(100% - 99,7%)/2$ , при этом 99,7% здесь дается из правило 68–95–99,7 ).

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

Оптимальный диапазон здоровья

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

Возможно, более целесообразным будет использовать, например, фолат , поскольку примерно 90 процентов жителей Северной Америки могут в той или иной степени страдать от дефицита фолата . ^[14] но только 2,5 процента, у которых самые низкие уровни, окажутся ниже стандартного контрольного диапазона. В этом случае фактические уровни фолиевой кислоты для оптимального здоровья существенно выше стандартных референтных диапазонов. Витамин D имеет аналогичную тенденцию. Напротив, например, для мочевой кислоты , уровень которой не превышает стандартный референтный диапазон, все же не исключает риск развития подагры или камней в почках. Более того, для большинства токсинов стандартный референтный диапазон обычно ниже уровня токсического действия.

Проблема с оптимальным диапазоном здоровья заключается в отсутствии стандартного метода оценки диапазонов. Пределы могут быть определены как те, в которых риски для здоровья превышают определенный порог, но с различными профилями риска для разных измерений (например, фолат и витамин D) и даже с разными аспектами риска для одного и того же измерения (например, дефицит и витамин D). токсичность витамина А ) трудно стандартизировать. Следовательно, оптимальные диапазоны здоровья, данные из различных источников, имеют дополнительную вариативность, вызванную различными определениями параметра. Кроме того, как и в случае со стандартными референтными диапазонами, должны быть определенные диапазоны для различных детерминант, влияющих на значения, таких как пол, возраст и т. д. В идеале, скорее, должна быть оценка оптимального значения для каждого человека, принимая во внимание все значимые значения. факторы этого человека во внимание - задача, которую может быть трудно решить с помощью исследований, но длительный клинический опыт врача может сделать этот метод предпочтительнее использования референтных диапазонов.

Односторонние пороговые значения

Во многих случаях обычно представляет интерес только одна сторона диапазона, например, в случае маркеров патологии, включая раковый антиген 19-9 , для которых обычно не имеет никакого клинического значения значение ниже обычного для популяции. Поэтому такие целевые показатели часто задаются только с одним пределом контрольного диапазона, и, строго говоря, такие значения являются скорее пороговыми значениями или пороговыми значениями .

Они могут представлять как стандартные диапазоны, так и оптимальные диапазоны для здоровья. Кроме того, они могут представлять собой подходящую величину, позволяющую отличить здорового человека от конкретного заболевания, хотя это дает дополнительную вариативность при различении различных заболеваний. Например, для NT-proBNP более низкое пороговое значение используется для различения здоровых детей от детей с цианотичной болезнью сердца по сравнению с пороговым значением, используемым для различения здоровых детей от детей с врожденной несфероцитарной анемией . ^[15]

Общие недостатки

Для стандартных, а также оптимальных диапазонов здоровья и пороговых значений источники неточностей и неточностей включают в себя:

Используемые инструменты и лабораторные методы или то, как измерения интерпретируются наблюдателями. Они могут применяться как к инструментам и т. д., используемым для установления референтных диапазонов, так и к инструментам и т. д., используемым для определения стоимости для человека, к которому применяются эти диапазоны. Чтобы компенсировать это, отдельные лаборатории должны иметь свои собственные лабораторные диапазоны для учета приборов, используемых в лаборатории.
Детерминанты, такие как возраст, диета и т. д., которые не компенсируются. В идеале должны быть референтные диапазоны из референтной группы, максимально похожие на каждого человека, к которому они применяются, но практически невозможно компенсировать каждый отдельный детерминант, часто даже тогда, когда референтные диапазоны устанавливаются на основе множественных измерений. они применяются к одному и тому же человеку из-за вариабельности результатов повторного тестирования .

Кроме того, эталонные диапазоны имеют тенденцию создавать впечатление определенных пороговых значений, которые четко разделяют «хорошие» и «плохие» значения, тогда как на самом деле обычно существуют постоянно возрастающие риски по мере увеличения расстояния от обычных или оптимальных значений.

Учитывая это и некомпенсированные факторы, идеальный метод интерпретации результата теста скорее будет состоять из сравнения того, что ожидается или оптимально от человека, принимая во внимание все факторы и условия этого человека, а не строго классифицируя значения. как «хороший» или «плохой», используя референтные диапазоны других людей.

В недавней статье Раппопорт и др. ^[16] описал новый способ переопределить референтный диапазон из электронной системы медицинских карт . В такой системе может быть достигнуто более высокое разрешение населения (например, по возрасту, полу, расе и этнической принадлежности).

Примеры

См. также

Ссылки

Эта статья была адаптирована из следующего источника под лицензией CC0 ( 2012 г. ) ( отчеты рецензента ): Микаэль Хэггстрем (2014). «Референтные диапазоны эстрадиола, прогестерона, лютеинизирующего гормона и фолликулостимулирующего гормона во время менструального цикла» (PDF) . Викижурнал медицины . 1 (1). дои : 10.15347/WJM/2014.001 . ISSN 2002-4436 . Викиданные Q44275619 .

^ Страница 19 в: Стивен К. Бангерт MA MB BChir MSc MBA FRCPath; Уильям Дж. Маршалл MA MSc MBBS FRCP FRCPath FRCPEdin FIBiol; Маршалл, Уильям Леонард (2008). Клиническая биохимия: метаболические и клинические аспекты . Филадельфия: Черчилль Ливингстон/Эльзевир. ISBN 978-0-443-10186-1 . {{cite book}}: CS1 maint: несколько имен: список авторов ( ссылка )
^ Дыбкаер, Р. (ноябрь 1982 г.). «Международная федерация клинической химии (IFCC)1),2) Теория референтных значений. Часть 6. Представление наблюдаемых значений, связанных с референтными значениями». Журнал клинической химии и клинической биохимии . 20 (11): 841–5. ПМИД 7153721 .
^ Дэвис, CQ; Гамильтон, Р. (2021). «Референтные диапазоны для клинической электрофизиологии зрения» . Доктор Офтальмол . 143 (2): 155–170. дои : 10.1007/s10633-021-09831-1 . ПМЦ 8494724 . ПМИД 33880667 .
^ Страница 48 в: Стерн, Джонатан; Кирквуд, Бетти Р. (2003). Основная медицинская статистика . Оксфорд: Блэквелл Сайенс. ISBN 978-0-86542-871-3 .
^ Jump up to: ^а ^б Таблица 1. Характеристики предметов в: Кивил, Б.Г.; Килпатрик, ES; Николс, СП; Мэйлор, PW (1998). «Биологическая вариация цистатина С: значение для оценки скорости клубочковой фильтрации» . Клиническая химия . 44 (7): 1535–1539. дои : 10.1093/клинчем/44.7.1535 . ПМИД 9665434 .
^ Страница 65 в: Карл А. Бертис, Дэвид Э. Брунс (2014). Титц «Основы клинической химии и молекулярной диагностики» (7-е изд.). Elsevier Науки о здоровье. ISBN 9780323292061 .
^ Последняя страница Дипак А. Рао; Ле, Тао; Бхушан, Викас (2007). Первая помощь для USMLE Step 1 2008 (Первая помощь для USMLE Step 1) . МакГроу-Хилл Медикал. ISBN 978-0-07-149868-5 .
^ Jump up to: ^а ^б Список эталонного диапазона из Университетской больницы Упсалы («Laborationslista»). Артикул 40284 Sj74a. Выдано 22 апреля 2008 г.
^ Энциклопедия MedlinePlus : Тест на толерантность к глюкозе.
^ Хаксли, Джулиан С. (1932). Проблемы относительного роста . Лондон. ISBN 978-0-486-61114-3 . OCLC 476909537 .
^ Левитт Х., Смит К.Г., Рознер М.Х. (2009). «Вариабельность кальция, фосфора и паратгормона у пациентов, находящихся на гемодиализе» . Гемодиальный Интерт . 13 (4): 518–25. дои : 10.1111/j.1542-4758.2009.00393.x . ПМИД 19758299 . S2CID 24963421 . {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )
^ 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 .
^ Таблица 20-4 в: Митчелл, Ричард Шеппард; Кумар, Винай; Аббас, Абул К.; Фаусто, Нельсон (2007). Основная патология Роббинса . Филадельфия: Сондерс. ISBN 978-1-4160-2973-1 . 8-е издание.
^
Фолиевая кислота: не обойтись без нее! Ханс Р. Ларсен, магистр технических наук, получено 7 июля 2009 г. В свою очередь, цитируется:
- Буши Кэрол Дж.; и др. (1995). «Количественная оценка гомоцистеина плазмы как фактора риска сосудистых заболеваний». Журнал Американской медицинской ассоциации . 274 (13): 1049–57. дои : 10.1001/jama.274.13.1049 .
- Моррисон Ховард И.; и др. (1996). «Сывороточный фолат и риск фатальной ишемической болезни сердца». Журнал Американской медицинской ассоциации . 275 (24): 1893–96. дои : 10.1001/jama.1996.03530480035037 . ПМИД 8648869 .
^ Скрининг врожденных пороков сердца с помощью NT-proBNP: результаты Эммануэля Джайраджа Мозеса, Шарифы А.И. Мохтара, Амира Хамзы, Басира Сельвама Абдуллы и Наразы Мохда Юсоффа. Лабораторная медицина. 2011;42(2):75–80. Американское общество клинической патологии
^ Раппопорт, Надав; Пайк, Хёджон; Оскоцкий, Борис; Тор, Рут; Зив, Элад; Зайтлен, Ной; Бьютт, Атул Дж. (4 ноября 2017 г.). «Создание референтных интервалов для лабораторных тестов с учетом этнической принадлежности на основе данных ЭМК». bioRxiv 10.1101/213892 .

Дальнейшее чтение

Процедуры и словарь, относящиеся к референтным интервалам: CLSI (Комитет Института лабораторных стандартов) 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.
Советник по эталонному значению : бесплатный набор макросов Excel, позволяющий определять эталонные интервалы в соответствии с процедурами CLSI. На основе: Джеффре, А.; Конкорде, Д.; Браун, JP; Трумель, К. (2011). «Консультант по эталонному значению: новый бесплатный набор макроинструкций для расчета эталонных интервалов с помощью Microsoft Excel» (PDF) . Ветеринарная клиническая патология . 40 (1): 107–112. дои : 10.1111/j.1939-165X.2011.00287.x . ПМИД 21366659 .

[1] Страница 19 в: Стивен К. Бангерт MA MB BChir MSc MBA FRCPath; Уильям Дж. Маршалл MA MSc MBBS FRCP FRCPath FRCPEdin FIBiol; Маршалл, Уильям Леонард (2008). Клиническая биохимия: метаболические и клинические аспекты . Филадельфия: Черчилль Ливингстон/Эльзевир. ISBN 978-0-443-10186-1 . {{cite book}}: CS1 maint: несколько имен: список авторов ( ссылка )

[2] Дыбкаер, Р. (ноябрь 1982 г.). «Международная федерация клинической химии (IFCC)1),2) Теория референтных значений. Часть 6. Представление наблюдаемых значений, связанных с референтными значениями». Журнал клинической химии и клинической биохимии . 20 (11): 841–5. ПМИД 7153721 .

[3] Дэвис, CQ; Гамильтон, Р. (2021). «Референтные диапазоны для клинической электрофизиологии зрения» . Доктор Офтальмол . 143 (2): 155–170. дои : 10.1007/s10633-021-09831-1 . ПМЦ 8494724 . ПМИД 33880667 .

[MedicalStatistics-4] Страница 48 в: Стерн, Джонатан; Кирквуд, Бетти Р. (2003). Основная медицинская статистика . Оксфорд: Блэквелл Сайенс. ISBN 978-0-86542-871-3 .

[Keevil1998-5] Jump up to: ^а ^б Таблица 1. Характеристики предметов в: Кивил, Б.Г.; Килпатрик, ES; Николс, СП; Мэйлор, PW (1998). «Биологическая вариация цистатина С: значение для оценки скорости клубочковой фильтрации» . Клиническая химия . 44 (7): 1535–1539. дои : 10.1093/клинчем/44.7.1535 . ПМИД 9665434 .

[6] Страница 65 в: Карл А. Бертис, Дэвид Э. Брунс (2014). Титц «Основы клинической химии и молекулярной диагностики» (7-е изд.). Elsevier Науки о здоровье. ISBN 9780323292061 .

[firstaid-7] Последняя страница Дипак А. Рао; Ле, Тао; Бхушан, Викас (2007). Первая помощь для USMLE Step 1 2008 (Первая помощь для USMLE Step 1) . МакГроу-Хилл Медикал. ISBN 978-0-07-149868-5 .

[uppsala-8] Jump up to: ^а ^б Список эталонного диапазона из Университетской больницы Упсалы («Laborationslista»). Артикул 40284 Sj74a. Выдано 22 апреля 2008 г.

[Medline-GTT-9] Энциклопедия MedlinePlus : Тест на толерантность к глюкозе.

[10] Хаксли, Джулиан С. (1932). Проблемы относительного роста . Лондон. ISBN 978-0-486-61114-3 . OCLC 476909537 .

[pmid19758299-11] Левитт Х., Смит К.Г., Рознер М.Х. (2009). «Вариабельность кальция, фосфора и паратгормона у пациентов, находящихся на гемодиализе» . Гемодиальный Интерт . 13 (4): 518–25. дои : 10.1111/j.1542-4758.2009.00393.x . ПМИД 19758299 . S2CID 24963421 . {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )

[Kirkup2002-12] 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 .

[Kumar-13] Таблица 20-4 в: Митчелл, Ричард Шеппард; Кумар, Винай; Аббас, Абул К.; Фаусто, Нельсон (2007). Основная патология Роббинса . Филадельфия: Сондерс. ISBN 978-1-4160-2973-1 . 8-е издание.

[14] Фолиевая кислота: не обойтись без нее! Ханс Р. Ларсен, магистр технических наук, получено 7 июля 2009 г. В свою очередь, цитируется:
Буши Кэрол Дж.; и др. (1995). «Количественная оценка гомоцистеина плазмы как фактора риска сосудистых заболеваний». Журнал Американской медицинской ассоциации . 274 (13): 1049–57. дои : 10.1001/jama.274.13.1049 .
Моррисон Ховард И.; и др. (1996). «Сывороточный фолат и риск фатальной ишемической болезни сердца». Журнал Американской медицинской ассоциации . 275 (24): 1893–96. дои : 10.1001/jama.1996.03530480035037 . ПМИД 8648869 .

[15] Буши Кэрол Дж.; и др. (1995). «Количественная оценка гомоцистеина плазмы как фактора риска сосудистых заболеваний». Журнал Американской медицинской ассоциации . 274 (13): 1049–57. дои : 10.1001/jama.274.13.1049 .

[16] Моррисон Ховард И.; и др. (1996). «Сывороточный фолат и риск фатальной ишемической болезни сердца». Журнал Американской медицинской ассоциации . 275 (24): 1893–96. дои : 10.1001/jama.1996.03530480035037 . ПМИД 8648869 .

[Moses2011-15] Скрининг врожденных пороков сердца с помощью NT-proBNP: результаты Эммануэля Джайраджа Мозеса, Шарифы А.И. Мохтара, Амира Хамзы, Басира Сельвама Абдуллы и Наразы Мохда Юсоффа. Лабораторная медицина. 2011;42(2):75–80. Американское общество клинической патологии

[16] Раппопорт, Надав; Пайк, Хёджон; Оскоцкий, Борис; Тор, Рут; Зив, Элад; Зайтлен, Ной; Бьютт, Атул Дж. (4 ноября 2017 г.). «Создание референтных интервалов для лабораторных тестов с учетом этнической принадлежности на основе данных ЭМК». bioRxiv 10.1101/213892 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

v т и Медицинские анализы спинномозговой жидкости ( CPT 82000-84999)
Альбумин	альбумин спинномозговой жидкости Соотношение спинномозговой жидкости/сывороточного альбумина
Глюкоза	Глюкоза спинномозговой жидкости Соотношение глюкозы в спинномозговой жидкости/сыворотке
Другой	Баричность