关键词:
质量控制
患者数据
实时质控
随机误差
人工智能
摘要:
目的利用人工智能投票(voting)算法,建立一种快速识别血清钠离子随机误差的实时质量控制新方法,并评价在此基础上构建模型的相关效能。方法采用回顾性调查研究方法,通过南京鼓楼医院医学检验科实验室信息系统导出2021年1月至5月在BeckmanAU5400生化分析仪上检测的住院患者的血清钠离子结果,共计144754条,作为本研究的无偏数据。人为引入随机误差,生成相应有偏数据。随后,根据投票算法的原理建立质量控制方法(ViQC)模型。针对每种偏差,用ViQC模型与5种传统PBRTQC算法进行测试,利用分类模型评估指标评价ViQC模型的分析性能。绘制偏差检测曲线,采用误差检出所需对称修剪平均样本数(tANPed)来评价模型的临床检测效能,并与5种传统PBRTQC算法进行比较。结果ViQC模型对所有偏差检测的假阳性率均小于0.002,准确度大于0.951。当误差因子为1.5、2.5和3.0时,ViQC模型假阳性率均为0;当误差因子为2.5时,该模型的准确度高达0.979。与5种传统PBRTQC算法相比,ViQC模型对所有偏差检测的平均tANPed最多下降34%,误差检测敏感度更高。此外,ViQC模型在测试环节TEa定值偏差下的ROC曲线下面积高达0.989,tANPed仅为5。结论成功建立了基于人工智能算法的患者数据实时质量控制模型,其临床检测效能优于传统PBRTQC算法。