Диапазон значений

Измеренные значения, которые являются относительно нормальными для конкретного медицинского теста

В медицине и областях, связанных со здоровьем , референтный диапазон или референтный интервал — это диапазон или интервал значений, которые считаются нормальными для физиологического измерения у здоровых людей (например, количество креатинина в крови или парциальное давление кислорода ). Это основа для сравнения для врача или другого специалиста в области здравоохранения , чтобы интерпретировать набор результатов тестов для конкретного пациента. Некоторые важные референтные диапазоны в медицине — это референтные диапазоны для анализов крови и референтные диапазоны для анализов мочи .

Стандартное определение референтного диапазона (обычно упоминается, если не указано иное) берет начало в том, что наиболее распространено в референтной группе, взятой из общей (т. е. общей) популяции. Это общий референтный диапазон. Однако существуют также оптимальные диапазоны здоровья (диапазоны, которые, по-видимому, оказывают оптимальное воздействие на здоровье) и диапазоны для определенных состояний или статусов (например, референтные диапазоны беременности для уровней гормонов).

Значения в пределах референтного диапазона ( WRR ) находятся в пределах нормы ( WNL ). Эти пределы называются верхним пределом референтного диапазона ( URL ) или верхним пределом нормы ( ULN ) и нижним пределом референтного диапазона ( LRL ) или нижним пределом нормы ( LLN ). В публикациях, связанных со здравоохранением , таблицы стилей иногда предпочитают слово «ссылка» вместо слова « норма» , чтобы не допустить смешения нетехнических смыслов нормы со статистическим смыслом. Значения за пределами референтного диапазона не обязательно являются патологическими, и они не обязательно являются ненормальными в каком-либо смысле, кроме статистического. Тем не менее, они являются индикаторами вероятного патогенеза. Иногда основная причина очевидна; в других случаях требуется сложная дифференциальная диагностика , чтобы определить, что не так, и, таким образом, как это лечить.

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

Стандартное определение

Стандартное определение референтного диапазона для конкретного измерения определяется как интервал, в который попадают 95% значений референтной популяции, таким образом, что в 2,5% случаев значение будет меньше нижнего предела этого интервала и в 2,5% случаев оно будет больше верхнего предела этого интервала, независимо от распределения этих значений. ^[1]

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

Поскольку диапазон представляет собой определенную статистическую величину ( диапазон (статистика) ), которая описывает интервал между наименьшим и наибольшим значениями, многие, включая Международную федерацию 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 без какого-либо известного состояния, которое напрямую влияет на устанавливаемые диапазоны. Они также устанавливаются с использованием референтных групп из здоровой популяции и иногда называются нормальными диапазонами или нормальными значениями (а иногда «обычными» диапазонами/значениями). Однако использование термина «нормальный» может быть неуместным, поскольку не все, кто находится за пределами интервала, являются ненормальными, и люди, у которых есть определенное состояние, все равно могут попадать в этот интервал.

Однако референтные диапазоны могут быть также установлены путем взятия образцов из всей популяции, с заболеваниями и состояниями или без них. В некоторых случаях в качестве популяции берутся больные люди, устанавливая референтные диапазоны среди тех, у кого есть заболевание или состояние. Предпочтительно, чтобы были конкретные референтные диапазоны для каждой подгруппы популяции, которая имеет какой-либо фактор, влияющий на измерение, например, конкретные диапазоны для каждого пола , возрастной группы , расы или любого другого общего детерминанта .

Методы создания

Методы установления референтных диапазонов могут быть основаны на предположении нормального распределения или логнормального распределения , или непосредственно на процентах интереса, как подробно описано в следующих разделах. При установлении референтных диапазонов из двусторонних органов (например, зрения или слуха) можно использовать оба результата от одного и того же человека, хотя необходимо учитывать внутрисубъектную корреляцию. ^[3]

Нормальное распределение

При допущении нормального распределения референтный диапазон получается путем измерения значений в референтной группе и взятия двух стандартных отклонений по обе стороны от среднего значения. Это охватывает ~95% от общей численности населения.

95% интервал часто оценивается, предполагая нормальное распределение измеряемого параметра, в этом случае его можно определить как интервал, ограниченный 1,96 ^[4] (часто округленным до 2) стандартными отклонениями популяции с обеих сторон от среднего значения популяции (также называемого ожидаемым значением ). Однако в реальном мире ни среднее значение популяции, ни стандартное отклонение популяции неизвестны. Оба они должны быть оценены по выборке, размер которой можно обозначить n . Стандартное отклонение популяции оценивается с помощью стандартного отклонения выборки, а среднее значение популяции оценивается с помощью среднего значения выборки (также называемого средним или средним арифметическим ). Для учета этих оценок 95% интервал прогнозирования (95% PI) рассчитывается как:

95% ПИ = среднее ± t _{0,975, n −1} · √ ( n +1)/ n ·sd ,

где — 97,5%-ный квантиль t-распределения Стьюдента с n −1 степенями свободы . ${\displaystyle t_{0.975,n-1}}$

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

Этот метод часто бывает приемлемо точным, если стандартное отклонение по сравнению со средним не очень велико. Более точный метод заключается в выполнении расчетов на логарифмированных значениях, как описано в отдельном разделе ниже.

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

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

Затем нижний и верхний пределы стандартного референтного диапазона рассчитываются следующим образом:

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

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

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

Доверительный интервал предела

90% доверительный интервал стандартного референтного диапазона , оцененный с учетом нормального распределения, можно рассчитать по формуле: ^[6]

Нижний предел доверительного интервала = процентильный предел - 2,81 × SD ⁄ √ n

Верхний предел доверительного интервала = процентильный предел + 2,81 × SD ⁄ √ n ,

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

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

Нижняя граница доверительного интервала нижней границы стандартного референтного диапазона = 4,4 - 2,81 × 0,42 ⁄ √ 12 ≈ 4,1

Верхний предел доверительного интервала нижнего предела 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, верхний предел 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 забором крови.

Для сравнения, фактические референтные диапазоны, используемые в клинической практике для уровня глюкозы в плазме натощак, по оценкам, имеют нижний предел приблизительно от 3,8 ^[7] до 4,0 ^[8] и верхний предел приблизительно от 6,0 ^[8] до 6,1 ^[9].

Логнормальное распределение

Некоторые функции логнормального распределения (здесь показаны с нелогарифмированными измерениями), с одинаковыми средними значениями - μ (вычисленными после логарифмирования), но разными стандартными отклонениями - σ (после логарифмирования)

В действительности биологические параметры, как правило, имеют логнормальное распределение ^[10] , а не нормальное распределение или распределение Гаусса.

Объяснение этого логнормального распределения для биологических параметров следующее: событие, когда образец имеет половину значения среднего или медианы, имеет тенденцию иметь почти такую ​​же вероятность произойти, как и событие, когда образец имеет в два раза большее значение среднего или медианы. Кроме того, только логнормальное распределение может компенсировать неспособность почти всех биологических параметров быть отрицательными числами (по крайней мере, при измерении по абсолютным шкалам ), в результате чего не существует определенного предела для размера выбросов (экстремальных значений) 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 мало, так как это делает логнормальное распределение похожим на нормальное распределение. Таким образом, нормальное распределение может быть более подходящим для использования с небольшими стандартными отклонениями для удобства, а логнормальное распределение — с большими стандартными отклонениями.

При логнормальном распределении геометрические стандартные отклонения и геометрическое среднее точнее оценивают 95%-ный 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, предположив нормальное распределение, тогда как референтные диапазоны для веществ, которые значительно варьируются (коэффициент вариации обычно более 0,213), таких как большинство гормонов ^[11], более точно устанавливаются с помощью логарифмически нормального распределения.

Необходимость установления референтного диапазона с помощью логарифмически нормального распределения, а не нормального распределения, можно рассматривать как зависящую от того, насколько велика будет разница, если этого не делать, что можно описать как соотношение:

Коэффициент разницы = ⁠| Предельно _{логарифмически нормальное} - Предельно _{нормальное} |/_{Предельно-логарифмически} нормальное ⁠

где:

• Предел _{логнормального распределения} — это (нижний или верхний) предел, оцененный с учетом логнормального распределения.
• Предел _нормы — это (нижний или верхний) предел, оцененный исходя из предположения о нормальном распределении.

Коэффициент вариации в зависимости от отклонения в референтных диапазонах, установленных путем предположения о нормальном распределении, когда на самом деле имеет место логарифмически нормальное распределение.

Эту разницу можно связать исключительно с коэффициентом вариации , как на диаграмме справа, где:

Коэффициент вариации = ⁠сд/м⁠

где:

• sd — стандартное отклонение
• m — среднее арифметическое

На практике можно считать необходимым использовать методы установления логнормального распределения, если отношение разности становится больше 0,1, что означает, что (нижний или верхний) предел, оцененный из предполагаемого нормального распределения, будет более чем на 10% отличаться от соответствующего предела, оцененного из (более точного) логнормального распределения. Как видно на диаграмме, отношение 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%). Нижний предел больше подвержен влиянию увеличения коэффициента вариации, а его «критический» коэффициент вариации 0,213 соответствует отношению (верхний предел)/(нижний предел) 2,43, поэтому, как правило, если верхний предел более чем в 2,4 раза превышает нижний предел при оценке с предположением нормального распределения, то следует рассмотреть возможность повторного проведения расчетов с использованием логнормального 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 референтного диапазона для параметра с логарифмически нормальным распределением заключается в логарифмировании всех измерений с произвольным основанием (например, e ), выведении среднего значения и стандартного отклонения этих логарифмов, определении логарифмов, расположенных (для 95%-ного интервала прогнозирования) на 1,96 стандартных отклонения ниже и выше среднего значения, и последующем возведении в степень, используя эти два логарифма в качестве показателей степени и используя то же основание, которое использовалось при логарифмировании, при этом два полученных 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 основания : ^[5]

Затем рассчитывается логарифмированная нижняя граница референтного диапазона:

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

и верхний предел референтного диапазона как:

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

Обратное преобразование в нелогарифмированные значения впоследствии выполняется следующим образом:

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

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

Таким образом, стандартный референтный диапазон для данного примера оценивается в диапазоне от 4,4 до 6,4.

Из среднего арифметического и дисперсии

Альтернативный метод установления референтного диапазона с предположением о логнормальном распределении заключается в использовании среднего арифметического и стандартного отклонения. Это несколько более утомительно для выполнения, но может быть полезно в случаях, когда исследование представляет только среднее арифметическое и стандартное отклонение, опуская исходные данные. Если исходное предположение о нормальном распределении менее уместно, чем логнормальное, то использование среднего арифметического и стандартного отклонения может быть единственными доступными параметрами для определения референтного диапазона.

Предположив, что в этом случае ожидаемое значение может представлять собой среднее арифметическое, параметры μ _log и σ _log можно оценить из среднего арифметического ( m ) и стандартного отклонения ( sd ) следующим образом:

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

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

Следуя примеру референтной группы из предыдущего раздела:

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

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

Затем логарифмированный, а затем нелогарифмированный нижний и верхний предел вычисляются так же, как и по логарифмированным значениям выборки.

Непосредственно из процентных ставок

Референтные диапазоны также могут быть установлены непосредственно из 2,5-го и 97,5-го процентилей измерений в референтной группе. Например, если референтная группа состоит из 200 человек, и если считать от измерения с наименьшим значением до наибольшего, то нижний предел референтного диапазона будет соответствовать 5-му измерению, а верхний предел будет соответствовать 195-му измерению.

Этот метод можно использовать даже в тех случаях, когда значения измерений не соответствуют ни одной форме нормального распределения или другой функции.

Однако пределы референтного диапазона, оцененные таким образом, имеют более высокую дисперсию и, следовательно, меньшую надежность, чем те, которые оцениваются с помощью арифметического или логнормального распределения (когда таковое применимо), поскольку последние приобретают статистическую мощность из измерений всей референтной группы, а не только измерений на 2,5-м и 97,5-м процентилях. Тем не менее, эта дисперсия уменьшается с увеличением размера референтной группы, и, следовательно, этот метод может быть оптимальным, когда можно легко собрать большую референтную группу, а режим распределения измерений неопределен.

Бимодальное распределение

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, на специфический антиген простаты .

Интерпретация стандартных диапазонов в медицинских тестах

В случае медицинских тестов, результаты которых представляют собой непрерывные значения, референтные диапазоны могут использоваться при интерпретации результатов отдельных тестов. Это в первую очередь используется для диагностических тестов и скрининговых тестов, в то время как контрольные 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 референтная группа, используемая для установления референтного диапазона, может считаться репрезентативной для отдельного человека в здоровом состоянии, то результат теста этого человека, который оказывается ниже или выше референтного диапазона, можно интерпретировать как то, что существует менее 2,5% вероятности того, что это произошло бы из-за случайной изменчивости при отсутствии заболевания или другого состояния, что, в свою очередь, является убедительным указанием на то, что основное заболевание или состояние является причиной.

Такое дальнейшее рассмотрение может быть выполнено, например, с помощью дифференциальной диагностической процедуры на основе эпидемиологии , где перечисляются потенциальные состояния-кандидаты, которые могут объяснить результат, после чего производятся расчеты того, насколько вероятно, что они произошли изначально, а затем проводится сравнение с вероятностью того, что результат мог бы произойти в результате случайной изменчивости.

Если бы установление референтного диапазона могло быть сделано с предположением о нормальном распределении, то вероятность того, что результат будет следствием случайной изменчивости, можно дополнительно определить следующим образом:

Стандартное отклонение , если оно еще не задано, можно рассчитать обратно, исходя из того, что абсолютное значение разницы между средним значением и верхним или нижним пределом референтного диапазона составляет приблизительно 2 стандартных отклонения (точнее 1,96), и, таким образом:

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

Стандартный балл за индивидуальный тест может быть впоследствии рассчитан следующим образом:

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

Вероятность того, что значение находится на определенном расстоянии от среднего, может быть впоследствии рассчитана из соотношения между стандартной оценкой и интервалами прогнозирования . Например, стандартная оценка 2,58 соответствует интервалу прогнозирования 99%, ^[12], что соответствует вероятности 0,5%, что результат находится по крайней мере на такое же расстояние от среднего при отсутствии заболевания.

Пример

Предположим, например, что человек проходит тест, измеряющий ионизированный кальций в крови, и получает значение 1,30 ммоль/л, а референтная группа, которая надлежащим образом представляет этого человека, установила референтный диапазон от 1,05 до 1,25 ммоль/л. Значение этого человека выше верхнего предела референтного диапазона и, следовательно, имеет менее 2,5% вероятности быть результатом случайной изменчивости, что является весомым указанием на необходимость проведения дифференциальной диагностики возможных причинных состояний.

В этом случае используется дифференциально-диагностическая процедура, основанная на эпидемиологии , и ее первым шагом является поиск возможных состояний, которые могут объяснить обнаруженное нарушение.

Гиперкальциемия (обычно определяемая как уровень кальция выше референтного диапазона) чаще всего вызвана либо первичным гиперпаратиреозом , либо злокачественными новообразованиями ^[13] , и поэтому целесообразно включить их в дифференциальную диагностику.

Используя, например, эпидемиологию и факторы риска индивидуума, предположим, что вероятность того, что гиперкальциемия была бы вызвана первичным гиперпаратиреозом в первую очередь, оценивается в 0,00125 (или 0,125%), эквивалентная вероятность для рака составляет 0,0002, и 0,0005 для других состояний. При вероятности, заданной как менее 0,025 отсутствия заболевания, это соответствует вероятности того, что гиперкальциемия возникла бы в первую очередь, до 0,02695. Однако гиперкальциемия произошла с вероятностью 100%, в результате чего скорректированные вероятности того, что первичный гиперпаратиреоз вызвал гиперкальциемию, составляют не менее 4,6%, для рака — не менее 0,7%, для других состояний — не менее 1,9% и до 92,8% того, что нет заболевания, а гиперкальциемия вызвана случайной изменчивостью.

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

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

Стандартное отклонение (sd) ≈ ⁠| (Среднее) - (Верхний предел) |/2⁠ = ⁠| 1.15 - 1.25 |/2⁠ = ⁠0.1/2⁠ = 0,05 .

Стандартный балл за индивидуальный тест впоследствии рассчитывается следующим образом:

Стандартная оценка ( z ) = ⁠| (Среднее) - (индивидуальное измерение) |/сд⁠ = ⁠| 1.15 - 1.30 |/0,05⁠ = ⁠0,15/0,05⁠ = 3 .

Вероятность того, что значение настолько больше среднего, что имеет стандартную оценку 3, соответствует вероятности приблизительно 0,14% (определяется по формуле (100% − 99,7%)/2 , где 99,7% здесь получено из правила 68–95–99,7 ).

Используя те же вероятности того, что гиперкальциемия возникла бы изначально при других возможных состояниях, вероятность того, что гиперкальциемия возникла бы изначально, составляет 0,00335, а с учетом того, что гиперкальциемия имела место, скорректированные вероятности составляют 37,3%, 6,0%, 14,9% и 41,8% соответственно для первичного гиперпаратиреоза, рака, других состояний и отсутствия заболевания.

Оптимальный диапазон здоровья

Оптимальный (здоровый) диапазон 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 этим осложнений и заболеваний, а не стандартный диапазон, основанный на нормальном распределении в популяции.

Может быть более целесообразно использовать, например, фолат , поскольку приблизительно 90 процентов североамериканцев могут фактически страдать в большей или меньшей степени от дефицита фолата , ^[14] но только 2,5 процента, которые имеют самые низкие уровни, будут ниже стандартного референтного диапазона. В этом случае фактические диапазоны фолата для оптимального здоровья существенно выше стандартных референтных диапазонов. Витамин D имеет похожую тенденцию. Напротив, например, для мочевой кислоты наличие уровня, не превышающего стандартный референтный диапазон, все еще не исключает риска развития подагры или камней в почках. Кроме того, для большинства токсинов стандартный референтный диапазон, как правило, ниже уровня токсического эффекта.

Проблема с оптимальным диапазоном здоровья заключается в отсутствии стандартного метода оценки диапазонов. Границы могут быть определены как те, где риски для здоровья превышают определенный порог, но с различными профилями риска между различными измерениями (такими как фолат и витамин D), и даже с различными аспектами риска для одного и того же измерения (такими как дефицит и токсичность витамина А ) их трудно стандартизировать. Следовательно, оптимальные диапазоны здоровья, когда они приводятся различными источниками, имеют дополнительную изменчивость, вызванную различными определениями параметра. Кроме того, как и в случае со стандартными референтными диапазонами, должны быть конкретные диапазоны для различных детерминант, которые влияют на значения, такие как пол, возраст и т. д. В идеале, скорее должна быть оценка того, что является оптимальным значением для каждого человека, принимая во внимание все значимые факторы этого человека - задача, которая может быть трудновыполнима с помощью исследований, но длительный клинический опыт врача может сделать этот метод предпочтительным по сравнению с использованием референтных диапазонов.

Односторонние пороговые значения

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

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

Общие недостатки

Для стандартных и оптимальных диапазонов здоровья, а также предельных значений, источниками неточностей и неточностей являются:

• Инструменты и лабораторные методы, используемые 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 получения значения для человека, к которому применяются эти диапазоны. Для компенсации отдельные лаборатории должны иметь свои собственные лабораторные диапазоны для учета инструментов, используемых в лаборатории.
• Такие детерминанты , как возраст, диета и т. д., которые не компенсируются. Оптимально, чтобы были референтные диапазоны из референтной группы, которая максимально близка к каждому человеку, к которому они применяются, но практически невозможно компенсировать каждый отдельный детерминант, часто даже когда референтные диапазоны устанавливаются на основе нескольких измерений одного и того же человека, к которому они применяются, из-за вариабельности между тестами .

Кроме того, референтные диапазоны, как правило, создают впечатление определенных пороговых значений, которые четко разделяют «хорошие» и «плохие» значения, в то время как в действительности риски, как правило, непрерывно возрастают по мере удаления от обычных или оптимальных значений.

Учитывая этот и некомпенсированные факторы, идеальный метод интерпретации результата теста скорее будет состоять из сравнения того, что можно было бы ожидать или оптимально для конкретного человека, принимая во внимание все факторы и состояния этого человека, а не строго классифицировать значения как «хорошие» или «плохие» с использованием референтных диапазонов других людей.

В недавней статье Раппопорт и др. ^[16] описали новый способ переопределения референтного диапазона из электронной системы медицинских записей . В такой системе можно достичь более высокого разрешения населения (например, по возрасту, полу, расе и этнической принадлежности).

Примеры

• Референтные диапазоны для анализов крови
• Референтные диапазоны для анализов мочи

Смотрите также

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

Ссылки

Эта статья была адаптирована из следующего источника по лицензии CC0 (2012) (отчеты рецензента): Микаэль Хэггстрём (2014). "Референтные диапазоны для эстрадиола, прогестерона, лютеинизирующего гормона и фолликулостимулирующего гормона во время менструального цикла" (PDF) . WikiJournal of Medicine . 1 (1). doi : 10.15347/WJM/2014.001 . ISSN  2002-4436. Wikidata  Q44275619.

1. Страница 19 в: Stephen K. Bangert MA MB BChir MSc MBA FRCPath; William J. Marshall MA MSc MBBS FRCPath FRCPEdin FIBiol; Marshall, William Leonard (2008). Клиническая биохимия: метаболические и клинические аспекты . Филадельфия: Churchill Livingstone/Elsevier. ISBN 978-0-443-10186-1.{{cite book}}: CS1 maint: multiple names: authors list (link)
2. Dybkaer, R (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. PMID  7153721.
3. Дэвис, CQ; Гамильтон, Р. (2021). «Референтные диапазоны для клинической электрофизиологии зрения». Doc Ophthalmol . 143 (2): 155–170. doi : 10.1007/s10633-021-09831-1 . PMC 8494724. PMID  33880667 . 
4. Страница 48 в: Sterne, Jonathan; Kirkwood, Betty R. (2003). Основные медицинские статистические данные . Oxford: Blackwell Science. ISBN 978-0-86542-871-3.
5. Таблица 1. Характеристики субъектов в: Keevil, BG; Kilpatrick, ES; Nichols, SP; Maylor, PW (1998). "Биологическая вариация цистатина C: значение для оценки скорости клубочковой фильтрации". Clinical Chemistry . 44 (7): 1535–1539. doi : 10.1093/clinchem/44.7.1535 . PMID  9665434.
6. Страница 65 в: Карл А. Бертис, Дэвид Э. Брунс (2014). Tietz Fundamentals of Clinical Chemistry and Molecular Diagnostics (7-е изд.). Elsevier Health Sciences. ISBN 9780323292061.
7. Последняя страница Дипака А. Рао; Ле, Тао; Бхушан, Викас (2007). Первая помощь для USMLE Шаг 1 2008 (First Aid for the Usmle Step 1) . McGraw-Hill Medical. ISBN 978-0-07-149868-5.
8. Список диапазонов ссылок из Университетской больницы Уппсалы ("Laborationslista"). Арт. № 40284 Sj74a. Выпущено 22 апреля 2008 г.
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.
11. Levitt H, Smith KG, Rosner MH (2009). «Изменчивость кальция, фосфора и паратиреоидного гормона у пациентов на гемодиализе». Hemodial Int . 13 (4): 518–25. doi :10.1111/j.1542-4758.2009.00393.x. PMID  19758299. S2CID  24963421.{{cite journal}}: CS1 maint: multiple names: authors list (link)
12. Страница 111 в: Kirkup, Les (2002). Анализ данных с Excel: введение для физиков . Кембридж, Великобритания: Cambridge University Press. ISBN 978-0-521-79737-5.
13. Таблица 20-4 в: Митчелл, Ричард Шеппард; Кумар, Винай; Аббас, Абул К.; Фаусто, Нельсон (2007). Robbins Basic Pathology . Филадельфия: Saunders. ISBN 978-1-4160-2973-1.8-е издание.
14. Фолиевая кислота: не оставайтесь без нее! Ганса Р. Ларсена, магистра хемилюминесценции, получено 7 июля 2009 г. В свою очередь цитируется:
    • Boushey Carol J.; et al. (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 И.; и др. (1996). «Сывороточный фолат и риск фатальной ишемической болезни сердца». Журнал Американской медицинской ассоциации . 275 (24): 1893–96. doi :10.1001/jama.1996.03530480035037. PMID  8648869.
15. Скрининг врожденных пороков сердца с NT-proBNP: результаты Эммануэля Джайраджа Мозеса, Шарифы А.И. Мохтара, Амира Хамзы, Басира Селвама Абдуллы и Наразы Мохда Юсоффа. Лабораторная медицина. 2011;42(2):75–80. Американское общество клинической патологии
16. Раппопорт, Надав; Пайк, Хёджунг; Оскотский, Борис; Тор, Рут; Зив, Элад; Зайтлен, Ноа; Бьютт, Атул Дж. (2017-11-04). «Создание этнически-специфических референтных интервалов для лабораторных тестов на основе данных EHR». bioRxiv 10.1101/213892 . 

Дальнейшее чтение

• Процедуры и словарь, относящиеся к референтным интервалам: CLSI (Комитет по лабораторным стандартам) 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 
• Reference Value Advisor: бесплатный набор макросов Excel, позволяющий определять референтные интервалы в соответствии с процедурами CLSI. На основе: Geffré, A.; Concordet, D.; Braun, JP; Trumel, C. (2011). "Reference Value Advisor: новый бесплатный набор макроинструкций для расчета референтных интервалов с помощью Microsoft Excel" (PDF) . Veterinary Clinical Pathology . 40 (1): 107–112. doi :10.1111/j.1939-165X.2011.00287.x. PMID  21366659.