医学检验实验室检验结果的不确定度评估方法与应用实例

医学检验结果的可靠性是临床诊断与治疗决策的核心依据，而不确定度评估是量化结果可信性的关键工具。它通过系统分析检验过程中的误差来源（如样品处理、仪器校准、试剂波动等），计算结果的可信区间，帮助实验室明确“结果有多准”，也让临床医生理解结果的解读边界。本文结合医学检验的实际场景，详细阐述不确定度评估的方法逻辑，并通过血糖、血常规等常见项目的实例，展示评估的具体操作，为实验室开展相关工作提供可落地的参考。

医学检验中不确定度的核心概念辨析

在医学检验领域，“不确定度”常被误解为“误差”或“不准确性”，但三者有本质区别：误差是测量结果与真值的差值（客观存在但无法完全消除），而不确定度是对测量结果“可能处于的范围”的概率量化（基于现有信息的主观判断）；准确性是结果与真值的接近程度（定性描述），不确定度则是准确性的量化表达（定量数值）。例如，某血清葡萄糖结果为5.0mmol/L，不确定度U=0.2mmol/L（k=2），意味着“真实值有95%的概率落在4.8~5.2mmol/L之间”——这就是不确定度的核心价值：用数字说明结果的“可靠程度”。

根据ISO/IEC 17025和CLIA等标准，医学检验实验室需对常规项目开展不确定度评估，尤其涉及临床决策阈值的项目（如血糖、血脂、凝血功能）。不确定度的表达通常包括“合成标准不确定度”（uc，基于所有分量的组合）和“扩展不确定度”（U，uc乘以包含因子k，k=2对应95%置信水平，是实验室最常用的形式）。

需要强调的是，不确定度不是“结果的错误”，而是“结果的模糊性”——即使最精准的检验，也存在一定的不确定范围，评估的目的是让这个范围“可被理解”。

不确定度评估的通用步骤与逻辑

无论选择何种评估方法，不确定度评估的核心步骤可总结为5步：定义被测量、识别不确定度来源、量化各分量、合成标准不确定度、计算扩展不确定度。

第一步“定义被测量”是基础——需明确检验项目的具体参数：如“血清中葡萄糖的浓度（以 mmol/L 计）”“全血中白细胞计数（以×10^9/L 计）”，同时注明测量系统（仪器、试剂、方法）和条件（如温度25℃、样品在2小时内检测）。模糊的被测量会导致后续评估失去针对性，比如“血糖测定”未明确是血清还是血浆，会遗漏样品类型的影响。

第二步“识别来源”需覆盖检验全流程：从样品采集（静脉血vs末梢血、采集管类型）、处理（离心速度、时间）、分析（仪器校准、试剂批次、人员操作）到报告（结果计算、单位转换）。常用工具包括“鱼骨图”（因果图）或“FMEA（失效模式与影响分析）”，例如血清肌酐测定的来源可画为：“人”（操作熟练度）、“机”（仪器稳定性）、“料”（试剂、校准品）、“法”（检测方法）、“环”（实验室温度）。

第三步“量化各分量”是关键——需将每个来源的影响转化为标准不确定度（u，单位与被测量一致或相对值）。例如，仪器重复性的影响可通过室内质控的CV（变异系数）计算：若某项目的室内质控CV=1.5%，则重复性的标准不确定度u=CV（相对值）或u=均值×CV（绝对值）；校准品的不确定度可直接引用厂家证书中的数值（如“校准品浓度的标准不确定度为0.1mmol/L”）。

第四步“合成标准不确定度”需将所有独立分量的标准不确定度平方和开根号（即“方和根”法）：若有n个独立分量u1、u2…un，则合成标准不确定度uc=√(u1²+u2²+…+un²)。需注意，若分量之间存在相关性（如试剂批次与仪器校准的互动），需加入协方差项，但医学检验中多数分量可视为独立，故通常忽略协方差。

第五步“计算扩展不确定度”是最终输出——将uc乘以包含因子k（通常取2，对应95%置信水平），得到U=uc×k。例如，uc=0.125mmol/L，k=2，则U=0.25mmol/L，意味着结果的95%置信区间为“测量值±0.25mmol/L”。

常用评估方法：Top-down与Bottom-up的选择策略

医学检验中最常用的两种评估方法是“Top-down（自上而下）”和“Bottom-up（自下而上）”，两者的核心区别在于“数据来源”和“分析深度”。

Top-down法是“利用现有数据快速评估”的方法——直接使用实验室的室内质控（IQC）、室间质评（EQA）或方法学验证数据，无需拆解每个流程细节。它的优势是高效（适合常规项目，如血糖、血脂）、成本低（依赖已有质控体系），但缺点是无法识别隐藏的来源（如样品前处理的微小误差）。例如，某实验室用Top-down法评估血糖项目：收集6个月的室内质控CV（1.2%）和室间质评偏倚（0.8%），直接将这两个分量合成，得到不确定度。

Bottom-up法是“从流程源头逐一分析”的方法——需对每个来源（如样品采集、试剂配置、仪器操作）单独开展实验，量化其影响。它的优势是全面（适合新方法、复杂项目，如分子诊断的PCR检测）、精准（能识别微小误差），但缺点是耗时（需设计多个实验）、专业要求高（需理解每个流程的原理）。例如，某实验室用Bottom-up法评估PCR检测新冠病毒核酸：需测试样品采集管的保存效果（不同保存时间的Ct值变化）、试剂的批间差异（3个批次的Ct值CV）、仪器的扩增效率（不同孔位的Ct值波动）等，再合成所有分量。

选择哪种方法需结合项目特点：常规且质控数据完善的项目（如生化、血常规）选Top-down；新方法、高风险项目（如肿瘤标志物、基因检测）选Bottom-up；若实验室想同时兼顾效率与全面性，可采用“混合法”——用Top-down快速评估常规分量，用Bottom-up补充关键来源（如样品处理）。

血糖测定的不确定度评估实例（Top-down法）

以某医院生化实验室的“血清葡萄糖测定”为例，展示Top-down法的具体操作：

1、定义被测量：血清中葡萄糖的浓度，单位mmol/L；测量系统：某品牌全自动生化分析仪（型号X），配套试剂（批号20230501），检测方法：己糖激酶法；测量条件：实验室温度22~25℃，样品在采集后2小时内检测。

2、收集数据：① 室内质控（IQC）：使用两个水平的质控品（水平1：均值5.0mmol/L，CV=1.2%；水平2：均值10.0mmol/L，CV=1.0%），数据覆盖最近6个月（共24个批次）；② 室间质评（EQA）：参加国家卫健委临检中心的血糖项目，最近3次的偏倚分别为0.7%、0.8%、0.9%，平均偏倚0.8%（偏倚=（实验室结果-参考实验室结果）/参考实验室结果×100%）。

3、识别不确定度来源：根据Top-down法的逻辑，主要来源为“随机误差”（室内质控的CV，反映仪器重复性、试剂波动等随机因素）和“系统误差”（室间质评的偏倚，反映方法学的系统偏差）。

4、量化各分量：① 随机误差的标准不确定度u1：直接取室内质控的CV（相对值），水平1的u1=1.2%，水平2的u1=1.0%；② 系统误差的标准不确定度u2：取平均偏倚的1/2（即k=2，对应95%置信水平），u2=0.8%/2=0.4%（相对值）。

5、合成标准不确定度：用相对值计算（避免单位换算），uc=√(u1²+u2²)。水平1的uc=√(1.2%²+0.4%²)=√(1.44+0.16)=√1.6≈1.26%；水平2的uc=√(1.0%²+0.4%²)=√(1.0+0.16)=√1.16≈1.08%。

6、计算扩展不确定度：取k=2（95%置信水平），则扩展不确定度U=uc×2。水平1的U=1.26%×2≈2.52%，绝对值为5.0mmol/L×2.52%≈0.13mmol/L；水平2的U=1.08%×2≈2.16%，绝对值为10.0mmol/L×2.16%≈0.22mmol/L。

7、结果报告：血清葡萄糖浓度的测量结果扩展不确定度为U=0.2mmol/L（k=2，对应水平2的均值10.0mmol/L），或相对扩展不确定度Urel=2.2%（k=2）。临床解读时，若某患者的结果为5.1mmol/L，则其真实值有95%的概率落在4.97~5.23mmol/L之间。

血常规白细胞计数的不确定度评估实例（Bottom-up法）

以某实验室的“全血白细胞计数（WBC）”为例，展示Bottom-up法的操作：

1、定义被测量：全血中白细胞的数量，单位×10^9/L；测量系统：某品牌五分类血细胞分析仪（型号Y），配套溶血剂、稀释液（批号20230601）；检测方法：电阻抗法；测量条件：样品为EDTA-K2抗凝静脉血，采集后4小时内检测，实验室温度20~24℃。

2、识别不确定度来源：通过FMEA分析，确定5个关键来源：① 样品采集（静脉血与末梢血的差异）；② 仪器重复性（同一标本的多次测量波动）；③ 校准品不确定度（厂家提供的校准品浓度误差）；④ 溶血剂效果（溶血不充分导致的细胞计数偏差）；⑤ 环境温度（温度波动对细胞体积的影响）。

3、量化各分量：① 样品采集：取10份健康人静脉血，分别用末梢血采集3次，测WBC计数，计算CV=3.0%，则样品采集的标准不确定度u1=3.0%（相对值）；② 仪器重复性：取1份高值质控品，连续测量10次，结果的CV=1.5%，则u2=1.5%；③ 校准品不确定度：厂家证书注明“校准品WBC浓度的标准不确定度为0.1×10^9/L”，对应相对值u3=0.1/5.0×100%=2.0%（校准品均值为5.0×10^9/L）；④ 溶血剂效果：取5份含大量红细胞的标本，用同一批次溶血剂处理，测WBC计数的CV=2.0%，则u4=2.0%；⑤ 环境温度：实验室温度波动范围为±2℃，通过实验验证，温度每变化1℃，WBC计数变化0.5%，则温度的标准不确定度u5=2×0.5%=1.0%（相对值）。

4、合成标准不确定度：uc=√(u1²+u2²+u3²+u4²+u5²)=√(3.0%²+1.5%²+2.0%²+2.0%²+1.0%²)=√(9+2.25+4+4+1)=√20.25=4.5%（相对值）。

5、计算扩展不确定度：取k=2，U=4.5%×2=9.0%（相对值）。若某患者的WBC结果为7.0×10^9/L，则扩展不确定度U=7.0×9.0%=0.63×10^9/L，真实值的95%置信区间为6.37~7.63×10^9/L。

不确定度评估中的常见误区与解决对策

在实验室实际操作中，不确定度评估常陷入以下误区，需针对性解决：

误区1：数据不足导致评估结果不可靠。例如，新实验室没有6个月的室内质控数据，无法用Top-down法。解决对策：① 用厂家提供的方法学验证数据（如“该方法的CV=1.8%”）；② 开展预实验：对目标项目连续测量20次，计算CV作为重复性的量化值；③ 引用同行实验室的公开数据（如文献中报道的“血糖项目的不确定度为2.5%”）。

误区2：遗漏关键分量。例如，分子诊断中的PCR项目，忽略了“核酸提取效率”的影响。解决对策：① 用FMEA全面梳理流程，对每个步骤打分（严重度、发生频率、可检测性），优先处理高风险步骤；② 开展“溯源性验证”：将结果与参考方法对比，若偏差较大，说明存在未识别的分量。

误区3：k值选择不当。例如，高风险项目（如肌钙蛋白I，用于心梗诊断）仍用k=2，导致置信水平不足。解决对策：① 常规项目用k=2（95%）；② 高风险项目用k=3（99.7%）；③ 若分量的概率分布不是正态分布（如样品处理的误差呈均匀分布），需调整k值（均匀分布的k=√3≈1.732）。

误区4：报告不规范。例如，仅报告扩展不确定度的数值，未注明k值或被测量定义。解决对策：严格遵循ISO 15189的要求，报告需包含：① 被测量的定义；② 扩展不确定度U；③ 包含因子k；④ 不确定度的来源说明（可选）。例如：“血清肌钙蛋白I浓度为0.1ng/mL，扩展不确定度U=0.02ng/mL（k=2），基于Top-down法评估（室内质控CV=2.0%，室间质评偏倚=1.0%）”。