間接法建立上海地區甲胎蛋白和癌胚抗原參考區間*

徐世驥，沈雋霏，吳文浩，王蓓麗,2，潘柏申,2，郭 瑋,2△

(1.復旦大學附屬中山醫院檢驗科，上海 200032；2.復旦大學附屬中山醫院廈門醫院檢驗科，福建廈門 361015)

生物參考區間是實驗室檢測的基石之一，能夠協助臨床醫生對患者的健康狀況做出診斷，不適當的參考區間反而可能對臨床決策造成干擾[1]。美國臨床與實驗室標準化協會(CLSI)和國際臨床化學聯合會(IFCC)在2010年修訂的相關指南提出通過建立排除標準，選取合適參考個體以獲取參考區間的方法(直接法)仍然是金標準[2-3]。但是直接法所需的人員工作時間和檢測成本使得臨床實驗室難以常規使用該方法。大部分臨床實驗室直接采用廠商所提供的參考區間，但這樣往往無法解決由受試人群和檢測系統帶來的差異。因此，有學者提出通過應用實驗室已儲存的充足檢測數據，以數學模型為基礎建立參考區間，即間接法。本文通過間接法，利用門診患者的檢測數據建立了甲胎蛋白(AFP)和癌胚抗原(CEA)的生物參考區間，通過與直接法的行業標準比較，以期對間接法建立參考區間進行有效性和可靠性的驗證。

1 資料與方法

1.1一般資料 選取復旦大學附屬中山醫院實驗室信息系統中儲存的2017年全年門診患者的AFP和CEA檢測數據，根據患者的就診卡號、姓名和年齡等信息，篩除同一來源的數據僅保留最早時間的數據。

1.2儀器和試劑 使用羅氏公司的cobas 602全自動免疫分析儀和羅氏公司配套試劑及配套校準品。

1.3方法 采用復旦大學附屬中山醫院實驗室先前已建立的間接法模式[4-7]建立AFP和CEA的參考區間。

1.3.1入組數據信息 2017年AFP和CEA室內質控年度累計變異系數(CV)結果見表1，所有結果均符合實驗室質量目標。2017年門診患者AFP和CEA的檢測數據基礎信息見表2。

表1 2017年實驗室AFP和CEA累計CV(%)

表2 2017年門診患者AFP和CEA的檢測數據基礎信息

1.3.3離群值剔除 使用先前研究中被證明剔除效能更好的四分位間距(IQR)法，剔除P25-1.5倍IQR和P75+1.5倍 IQR之外的數值。其中AFP剔除2 269例，CEA剔除1 892例。見表4。

表3 AFP和CEA正態性檢驗和BOX-COX變換前后結果

表4 IQR剔除離群值前后數據(ng/mL)

1.4統計學處理 使用Office Excel 2010辦公軟件錄入各組數據，并進行排序，計算RCV和參考區間的差異百分比。使用Minitab 17統計軟件進行數據的BOX-COX正態性變換(待定參數λ使用極大似然法得到)及Skewness-Kurtosis正態性檢驗，并完成IQR剔除離群值。

2 結 果

采用Hoffmann法獲取生物參考區間，比較各項目參考區間上限值與直接法建立的參考區間的相對偏差，見表5。AFP的相對偏差小于RCV，則認為間接法建立的AFP參考區間上限值與直接法的行業標準參考區間上限值無顯著差異。CEA的相對偏差大于RCV，間接法建立的CEA參考區間上限值與直接法的行業標準參考區間上限值存在一定差異。

表5 IQR法剔除后Hoffmann法獲取參考區間及偏差分析

選取20例健康人群，男女比例為1∶1，年齡為28～72歲。AFP檢測結果最小值為0.60 ng/mL，最大值為4.50 ng/mL。CEA檢測結果最小值為0.90 ng/mL，最大值為2.30 ng/mL。AFP和CEA在表面健康人群中符合自建參考區間，驗證試驗通過。

3 討 論

臨床檢驗項目的參考區間是臨床診斷和治療判斷的重要依據。在臨床檢驗中，不同的檢測儀器、檢測方法、受試人群等因素都會影響到最終的檢測結果，從而導致一種參考區間可能并不適用于所有的實驗室，因此，每個實驗室最好可以建立一個真正適用于自己的參考區間。建立參考區間的最佳方法是直接法，是從一群充足且可靠的參考人群中抽取至少120例進行檢測，另外對于非參數法還要對每種細分人群單獨建立參考區間，如性別、年齡[3]。但是，對于大部分實驗室而言，參考人群的選擇和“健康”個體的定義是比較困難的，操作繁瑣且耗資不菲。據CLSI調查團隊的發現，現狀是不僅少有實驗室建立參考區間，甚至很少有廠商會進行建立參考區間的實驗，而是傾向于應用數十年前既有的參考區間，但當時的檢測方法和受試人群往往已經與現在不同[3]。

通過利用實驗室儲存的大量數據和數學統計為基礎的參考區間建立方法，即間接法指出了另一條幫助實驗室建立自己參考區間的道路。間接法建立參考區間方法簡便、耗時短、成本低，且能有效地利用實驗室所既有的大量檢測數據。間接法建立參考區間利用存儲在實驗室數據庫中的患者結果，提供了一種快速且廉價的替代方法。另外，因為可以使用大量患者數據，所以當需要多個分區時，該方法可以提供更詳細的參考間隔信息，如不同的年齡組間[5-7]。

本文采用了復旦大學附屬中山醫院實驗室在之前的研究中所總結出的較為簡便和準確的統計模式[8-11]。該模式的核心步驟包括：(1)數據獲取與篩選；(2)正態性驗證及正態性變換；(3)離群值的剔除；(4)利用Hoffman方法獲取參考區間；(5)參考區間的驗證。

GROSSI等[12]認為在統計數據前，通過設定適當的篩選標準可以極大提高數據的可靠性， 如篩除過去3年中對同一項目進行過重復檢測的患者數據、綜合觀察患者的相關性檢驗指標等。如從γ-谷氨酰轉移酶(GGT)來看，已知GGT與結合膽紅素、丙氨酸氨基轉移酶和天門冬氨酸氨基轉移酶存在一定相關性，則當這3個項目出現超出現有參考區間的異常值時，即不再選取相關的GGT數據，可以降低選中非健康個體的概率。然而，現有的研究并未提出篩選數據的具體標準，目前來說篩選數據的必要性仍不明確[2]。

AFP間接法得到的參考區間與行業標準相對偏差小于RCV，可以認為間接法與直接法得到的參考區間結果差異無統計學意義(P>0.05)，證明間接法建立參考區間的可行性。

但CEA得到的參考區間的相對偏差大于RCV，與行業標準間存在一定差異。這可能是由于間接法作為一種后驗方法，最大的缺點在于可能納入處于疾病狀態的患者的檢測數據。本文中，由于選取的數據來源為門診患者，包含大量非健康個體尤其是腫瘤患者，而對這類數據的篩選并不完善。尤其是CEA作為一種廣譜的腫瘤標志物，可用于結腸癌、直腸癌、肺癌、乳腺癌、食道癌、胰腺癌、胃癌、轉移性肝癌等常見腫瘤的輔助診斷[13-14]。由于CEA的非特異性，本文并未找到合理且完善的相關指標標準，用以篩查CEA數據，僅僅篩除了一年內進行多次檢測的數據，后通過IQR剔除了離群值后，得到的CEA參考范圍相對直接法的行業標準仍有一定差異。CEA參考范圍表現出了男女之間的差異，這一點與其他報道相同[15-17]。

4 結 論

本文證明了間接法建立參考區間具有一定的可行性，可以為那些罕見人群及罕見標本的參考區間研究提供一種可靠的方法，同時也有利于實驗室定期評審現有的參考區間，以提高臨床工作中檢驗質量。但間接法仍然存在許多局限性，可能只能對參考區間作出粗略的估計，且過程中如何剔除數據中大量存在的錯誤值是重點同時也是操作的難點。完善間接法建立參考區間的方法步驟仍需進一步的研究。