管理者和分析人员需要理解如何在常规操作过程中监测分析过程的质量。每个分析人员需要懂得如何判断分析批的可接受(或在控)，以及判断如何依赖于所使用的控制方法。此外，管理者应该理解如何选择或设计统计控制方法来优化分析过程的质量和生产率。

统计质量控制的目的是监测测定方法，以及当已出现医学上重要的误差时警告分析人员。检查实验室产品质量的直接方式是测定已知浓度样本(控制物，控制溶液)，然后将观测结果与已知值进行比较。

根据IFCC，控制溶液或控制标本是“专门为了质量控制的目的，而不是用于校准分析的标本或溶液”。我们使用控制物或控制品这样的词意思是通常以商品形式，液体或冻干，以及等份包装，并且能单独地使用，大量可获得的控制物溶液。对于临床化学分析物这种物质可广泛地获得。

控制溶液获得的分析结果(用于质量控制目的)称为控制测定值或控制观测值。许多控制方法，把特定的结果画在一种图形上，并且直接地进行解释。然而，有些方法，在数据用于检验控制状态之前，需要对控制测定值进行计算。这些衍生量或计算值称为控制统计量;例如，一组六个控制测定值的平均值能作为一个控制统计量。

统计方法能用来确定控制测定值是否不同于已知值。这种方法称为统计质量控制方法，或简称为质量控制方法。通常把控制测定值(或这些测定值计算的统计量)画在控制图上来执行控制方法，因此，控制图就是一种统计控制方法，其提供数据的直观描述来帮助解释。

根据ASQC，控制图是“评价过程是否处于‘统计控制状态’的一种图形方法。通过有序序列的样本或亚组的一些统计量的值与控制限的比较作出决定”。

30年代Shewhart描述了控制图在工业上的应用，50年代初Levey-Jennings把控制图引入到临床检验领域。Levey和Jennings描述的控制方法是建立在单个样本双份测定值的平均值和全距(极差)基础上。60年代开始，临床检验领域已普遍使用控制图，称为Levey-Jennings控制图。实际上，控制图体现了Henry和Segalove描述的修改:直接把单个控制值画在单个控制图上提供了更简单的控制方法。这种单值控制图在目前临床检验上是最普遍使用的控制方法。

由于计算机(特别是微型计算机)的出现以及商品化的质量控制软件，其他的控制方法如多规则控制图和累积和图已得到更广泛的使用。借助计算机能容易地和实用地执行许多不同类型的控制图。

通过使用控制图，分析人员能作出关于特定分析批结果可接受性的决定。在每一分析批中由测定方法检测同等样本或一个或多个稳定的控制物。结果画在控制图上，并与画在图上的控制限相比较。据此，分析人员确定分析批是在控还是失控，以及是否可报告在此批中患者样本的结果。

根据ASQC，控制界限是“在控制图上用作指出需要行动的信号的标准;或判断一组数据是否指示出‘控制状态’”。控制界限包括上界限和下界限，其规定可接受值的范围。一般来说，当控制测定值落在控制限之内，则判断分析批是在控;当超过控制界限时则判断为失控。

根据ASQC，分析批“通常指的是没有中断而执行的一组连续的分析，通常从相同校准物读数计算结果”。这种定义并不容易应用于目前的许多仪器系统，其仅每天、每周或甚至每月或更长的间隔对仪器进行校准。

CLSI已提供更实用的定义:“为了质量控制的目的，分析批是一个间隔，那就是，时间周期或测定值序列，在其内测定系统的正确度和精密度期望是稳定的;分析批之间的事件可发生造成测定方法对检出是重要的变异敏感。对于特定的分析系统和特定的实验室应用必须恰当地规定分析批的长度。厂家应该推荐分析系统的批长度(MRRL)，以及用户应该规定特定应用的批长度(UDRL)。”

从CLSI的定义可知分析批长度依赖于测定方法的稳定性能及它对误差的敏感度。厂家的推荐批长度是建立在稳定性能的基础上(当工作正常时仪器和试剂系统的一般特征)，而用户规定的批长度应该建立在敏感性考虑基础上(在特定实验室与操作条件有关的特殊的特征)。用户推荐的批长度不应该超过厂家建议的批长度，但可以相当短，其依赖于操作条件及特定实验室的需要。

我们的目的最重要的是认识到规定的分析批将包括一定数量的患者和控制物样本。分析批是作出关于测定值正确性决定的一组样本。每批控制测定值个数(N)是当判断测定方法控制状态时可获得控制测定值的实际个数。对于确定控制方法的性能特征，N是关键的。

控制样本可来源于实验室以外的机构，并把结果回报给组织机构。当专业组织机构或仪器系统或控制物厂家组织时，这种活动通常称为室间质量控制(external quality control)或室间质量评价(external quality assessment)。当由法律机构或用于法定的目的时，它们被称为能力验证计划(proficiency testing programs)。不管来源如何，这种活动提供了实验室之间结果的比较，也称之为实验室之间质量控制计划。

为了把这种活动与单个实验室室内质量控制活动联系起来，在一组实验室每天使用相同批号的控制物。控制物厂家及专业机构组织了这样的活动，并提供数据分析及结果报告。

实验室间计划通过将单个实验室的平均值与相同方法组平均值或真值的估计值相比较提供了评价系统误差的机制。从参加的结果中计算相同方法组的平均值(借助于各种准则选择或排除结果)。在有些情况下，由决定性或参考分析方法检测试验样本可获得真值的估计值(太昂贵以至于不能用于检验)。实验室的平均值与计划真值的估计值之间的差值提供了系统误差的估计。当可获得允许分析误差的规范时，能作出性能可接受性的额外判断。

临床检验控制目的是监测测定过程在出现医学上重要的误差时，用适当的控制方法警告分析人员。一般来说，检查实验室测定结果质量的方式是测定控制物，而历史上最初采用的控制方法，则是将控制结果画在控制图上，观察控制结果是否超过控制限来决定失控与否。Levey-Jennings控制图即属此种类型。

控制图由美国休哈特(W.A.Shewhart)于1924年首先提出。他采用3σ(在Shewhart原文献中，σ为总体标准差)控制图，并以数理统计的方法预测和预防产品质量变动来保证工业产品的质量。在提出控制图以前，人们曾试图采用各种方法来预测质量变动的预兆，但均未获成功，工业品的不合格率相当之高。采用3σ图之后，各行业的不合格率下降，控制成为现实。1931年Shewhart发表了《产品质量的经济管理》(Economic Control of Quality of Manufactured Product)一书，系统地论述了应用数理统计控制产品质量的思想及方法，为质量管理科学的独立奠定了基础。临床实验室在许多方面与制造产品的工厂有类似之处:接收原材料(标本和试剂)，用各种特定的仪器和工具对其进行加工处理并最终生产出产品(分析结果)。因此，把工业上发展的控制方法应用于临床检验是很自然的。Levey和 Jennings在20世纪50年代初把控制图引入临床检验中，即为此种情况。他们描述的控制方法，是建立在单个控制物双份测定值的平均数( )和极差(R)的基础上。这种控制图从60年代起已在临床检验中普遍使用并被称之为Levey-Jennings控制图。此图的优点是可以从两个角度观察误差，即:可观察批内误差(R)和批间误差(均值 的变化)。通过此控制图能直观地看出误差，在问题出现之前能发现预示迹象，便于及早采取措施，预防误差的发生。通过使用控制图，还能使分析人员作出关于特定分析批结果可接受性的决定。在每一分析批中，由测定方法检测患者样本和稳定的控制物;控制结果则画在控制图上，并与其上的控制限比较。据此，分析人员可确定分析批是在控还是失控，作出是否可报告在此批中患者测定结果的决定。

每一分析批将包括一定数量的患者标本和控制物样本，亦即分析批是作出关于测定值正确性决定的一组样本。控制测定值的个数N(即控制物的测定结果个数)则是临床检验控制方法中确定控制方法性能特征的关键指标之一。

在Levey-Jennings控制方法中，绘制控制图的数据，来源于20对控制样本的检测值。利用这些数据，可计算每对数据的极差(R)和平均数( )以及所有样本的总均数( )和平均极差( )。然后，建立以总均( )为中心线，控制限为±1.88 的 -控制图。类似的，也建立以平均极差 为中心线，控制限为0到3.27 的R控制图。控制限实际上大体相当于3倍的标准差。这意味着稳定系统由于随机误差的原因使得1000个结果中只有3个超出了控制限，当观测到的平均数或极差超过各自的控制限时则判断为失控。在Levey和Jennings的研究中，每周两次对控制物样本进行双份测定，并严格要求把控制物样本当作常规患者样本一样对待，不能给予特殊的处理。测定后将双份测定值的平均数和极差画在制好的控制图上，来判断控制结果是在控还是失控。

自Levey和Jennings建立了临床检验控制图后，这种方法在临床检验中得到了普遍的应用。Henry和Segalove对Levey-Jennings控制图( －R)进行了修改，以20份控制物的试验结果，计算平均数和标准差，定出控制限(一般 ±2s为警告限 ±3s为失控限)，每天或每批随患者样本测定控制物一次，将所得的控制结果标在控制图上。这种控制图一般称为单值控制图，也就是目前大家所熟悉的Levey-Jennings控制图。

每一分析批的控制物必须与患者样本一起进行分析，根据Levey-Jennings控制图判断分析批在控时，方能报告患者样本的测定结果。当判断分析批为失控时，则说明测定过程存在问题并应予解决，然后重复检测该分析批。分析批失控时，不能报告患者标本测定的结果。

可用控制物的重复测定值描述测定方法固有的不精密度或随机误差。对于重复试验，收集的数据通常是20天以上的时间，每天一分析批，每分析批至少一个控制测定值。每天每批具有两个控制测定值还可提供批间标准差的信息，这对优化控制方法具有重要价值。

在一分析批上与患者样本一起分析控制物样本获得控制测定值。为了数据的解释，在执行了所要求的计算和画图后，分析人员决定分析批是否是可接受的。当判断分析批是在控时，则报告患者样本的结果。当判断分析批为失控时，研究测定方法确定是否存在问题;如果存在，则解决问题，并且重复检测该分析批。当认为分析批是失控时，一般不能报告患者的结果。

保存所有控制数据的记录，关于分析批是在控还是失控所作出的决定，是否可报告患者的结果，遇到什么样的分析问题，以及纠正这些问题采取的行动措施。周期性地(通常每月)检查及汇总控制数据，以及更新控制界限(在累积的平均值和标准差基础上)。

大多数控制方法是建立在检测稳定的样本基础之上，尽管为了控制目的，它有可能检测新鲜的患者样本。有时由冰冻人血清达到稳定性，但更经常的情况是冻干，加入稳定性物质，或两者。一般可获得适合的商品控制物，并且用在大多数的实验室，尽管每一种材料对于一定的分析物和仪器系统可能是有一些缺陷。必须仔细地选择控制物，特别要注意检测的不同分析物;单一控制物用于所有分析物可能是不切实际的。

一般来说，最重要的一点是处理控制物的程序要像患者样本一样，并且在使用的整个时间内稳定，可获得足够的量用于一年或更久，适当的分装方便使用，以及较小的瓶间差。控制物的来源——人或动物——对于某些分析物(如，酶)可能是重要的。

选定的分析物浓度代表参考范围，适当的医学决定性浓度，或临界仪器性能限(如线性的上限或下限)。通常，对于每一分析物应该分析两个或三个不同浓度的控制物，还可使用多组相关控制物(从一个厂家)，其可提供关于测定方法的线性的额外信息，或控制物可来源不同的厂家，减少它们都将遭受类似问题或局限性的机会。

首先检验受控制的测定方法来描述它的分析性能特征。控制物的重复测定值描述测定方法的固有不精密度或随机误差。对于重复试验收集数据，通常是20天以上的时间，每天一个分析批，且每分析批至少一个控制测定值。每天每批具有两个控制测定值提供了关于批内和批间标准差的信息，其在优化控制方法上是有其优越性的。

一般地假定这些结果，更重要的是它们之间的差，或误差的分布是高斯分布，且可由平均值( )和标准差(s)描述。作出这种假定的优点是能描述值的范围期望包括测定值的一定百分数。图10-2显示的是高斯分布，以及指出预测落在 ±1s， ±2s和 ±3s内测定值的百分数。

从下面的公式能计算出平均值和标准差:

其中x _i指的是单个控制测定值，n是在研究时间中收集控制测定值的总数。

通常由变异系数(CV)，相对标准差(标准差表达为平均数的百分数)描述精密度:

当n仅是20或更少时，平均值和标准差的估计值可能不可靠，以及当累积更多的控制测定值时应该修改它们。由记录n，∑x _i和　(　∑x _i) ²能加入额外数据到数据分析中。通过不同数据集的值相加获得这些项的累积总和，然后使用公式(10-9)和公式(10-10)，估计累积数据的平均值和标准差。

表10-3给出了5个月模拟控制数据的例子，每个月20个控制测定值。对于显示的模拟数据，真平均值是5.50，标准差是0.22。在表10-4中总结了计算的每月和累积的平均值和标准差。每个月的第一行给出当月控制测定值的平均值和标准差，而第二行(显示在括号内)给出累积到当月总控制测定值的平均值和标准差。每月之间标准差的变化比累积数据之间标准差要大。注意随着累积控制测定值个数增加，提高了准确度的估计。当然，在一定的条件下，测定方法超过研究时间仍然保持稳定(同样的 和s)，使用累积数据应该提高平均值和标准差估计的可靠性。

当平均值和标准差已知时，当测定方法仍然稳定时，就能预测将观测到的值的范围。稳定的操作意指在测定方法的准确度和精密度上没有改变;因此，平均值和标准差保持恒定。在平均值上的偏移或在标准差上的增加是由于额外的分析误差，并不代表原来的稳定操作。控制方法应该检出这些情况。

控制物预期值范围的计算是建立在置信区间概念基础之上。假定平均值代表控制物的真值，以及假定的标准差来描述特定值真的高斯分布。然后计算可接受值的范围为平均值±标准差的一些倍数。通常的，95%或99%的范围用来规定可接受的性能，意思是只要控制测定值落在±2s或±3s之内(图10-2，实际上分别是95.45%或99.73%)，则判断该分析批在控。

对于在表10-3和表10-4中的数据，在表10-5中显示了控制界限( ±2s和 ±3s)。如果测定方法确实是在稳定操作下，从累积数据计算的控制界限要比从单独每月数据计算的控制限可靠得多。

在Y轴画出控制测定值，X轴为时间或批号。对于Levey-Jennings控制图，Y轴刻度提供大约 ±3s或±4s的浓度范围。X轴刻度为感兴趣的时间，通常是1个月。水平线相应为平均值和控制界限。

图10-7显示的是Levey-Jennings控制图，其控制界限定为x±3s(由 为5.50和s为0.22计算)。

图10-8显示了当发生分析问题时如何看Levey-Jennings控制图。前10个控制数据点仅显示测定方法的固有不精密度或随机误差。中间的10个数据点显示准确度问题，或平均浓度系统偏移的效果。最后10个数据点显示精密度问题，或测定方法标准差的增加。

控制数据的模式揭示了不同类型的分析问题，有经验的分析人员一般通过观测控制图就能识别简单的分析问题。没有经验的分析人员可能在解释控制数据上需要更多的指导，特别是如果在实验室里所有的分析人员希望对相同的数据作出一样的解释。因此，规定判断分析批控制状态的特殊准则是必不可少的。

统计控制的目的是发现在测定过程中出现的误差。而统计控制在本质上又是全面质量管理一个有机部分。PDCA循环的所有基础都可在Levey和Jennings控制理论中有所体现: P(计划)——控制物样本的准备，确定不同分析物的常规变异，以及建立控制图;D(实施)——向实验室的常规分析项目引入了控制图;C(检查)——评价监测过程的稳定性，以及用图形方式揭示出“特定的变异”; A(措施)——采取措施消除变异的原因来改进系统。此外，应该强调指出，一旦过程处于“失控状态”，所有这些活动表明它已不再是统计学上的问题，而是确定产生特定变异的原因的技术性问题。在此情况下，则应在技术上采取有力措施，纠正错误，以使分析过程重新恢复至在控状态。

临床检验控制可使用不同类型的控制图，但Levey-Jennings控制图是最普及的;因为在均值和标准差已知后，它允许直接在图上画出单个控制测定值，而不需另加其他计算步骤。然而此种控制图有其局限性，如使用具有x±2s控制限的Levey-Jennings控制图，当每批使用2个控制物时，它的假失控概率往往是不可接受的;如使用具有 ±3s控制限的Levey-Jennings控制图，此控制方法虽然具有较低的假失控率，但其误差检出能力则较低，难以确保检验结果的质量。正是由于Levey-Jennings方法有其局限性，临床检验控制方法在不断地发展。现已出现了许多更精确、更完善的控制方法，如Westgard多规则控制方法、累积和控制方法、平均数和极差控制图等，这些方法能兼顾假失控率和误差检出能力，常需与计算机技术及商品化的控制软件一同工作，目前在我国的普及程度尚有待提高。

控制规则是解释控制数据和作出控制状态判断的决策准则。为了描述控制规则，我们使用符号A _L形式，其中A是特定统计量的缩写或控制测定值个数，L是控制界限。当控制测定值满足陈述的要求条件时，则判断该分析批为失控，即一定的统计量或控制测定值个数超过规定的控制限。例如，1 _2S是具有 ±2s控制限的Levey-Jennings控制图，而1 _3S描述了具有 ±3s控制限的Levey-Jennings控制图。在第十四章我们将描述其他控制规则，其能使用“单值控制图”——直接把单个控制测定值画在控制图上。

当控制测定值经过先验计算，以及把控制统计量的结果画在图上和解释时，可以使用其他的控制图，例如“累积和图”、“平均值图”、“标准差图”和“极差图。”在大多数工业应用上是把这些计算值作图，而不是像在临床检验上把单个控制测定值标在图上。

以与Levey-Jennings控制方法相同的方式执行控制物的测定。对于每一控制测定值，计算它与靶值，通常是控制物平均值之间的差值，并把前面控制测定值的差值相加得出“累积和”。在Y轴上画出这种“累积和”而在X轴上为时间或控制测定值号(图10-9)。当控制测定值随机地围绕控制物平均值分散时，画出的累积和将来回往返通过累积和的零线。当控制测定值偏向到平均数的一侧时，画出的累积和将稳定地增加或减小，越来越远离控制图的零线。

由直观估计定性地，或借助于V-型模板——塑料重叠具有V形切断物来建立控制限的精确角度定量的，从累积和线的陡峭或角度能判断控制状态。另外用已知的“决定限”累积和方法对累积和本身能设置数字限。在Tietz的书本中给出了两种方法的例子。

Shewhart在他的控制图的原著中，建议获得的几个控制测定值作为一批代表性的亚组，计算亚组的平均值和标准差，以及分别把它们画在“ -控制图”和“s控制图”上，监测过程的准确度和精密度。当N小于10时，由极差(在亚组N个控制测定值中高值和低值之间的差)代替标准差，将其画在“R控制图”上来监测精密度。在图10-10显示了平均值和极差控制图的例子。

第十五章表15-1给出的系数可根据控制物的平均值和标准差计算控制限。例如在图10-10上，其N= 6 = 100，s= 4.0，选定的控制限允许0.01的假失控概率，即使除了测定方法固有的不精密度外没有分析误差时，有1%的机会出现假失控的信号。计算平均值控制限的系数是1.05，计算极差的上控制限的系数是4.76。第十四章对平均数和极差控制图进行了详细的讨论。