COMPARABILIDADE INTRALABORATORIAL

(1)

COMPARABILIDADE

INTRALABORATORIAL

EM

(2)

Tópicos Abordados

p

P

li id d

M d l

Peculiaridades

na

microscopia

Análise geral

do processo

Modelos

estatísticos de

comparação

microscopia

comparação

(3)

Microscopia

p

Variabilidade

Dificuldades

Interpretação

p

ç

do

microscopista

(4)

Variabilidade

Padronização do processo de realização de

cada exame que envolve microscopia

• Pré analítico

• Pré-analítico

• Analítico

(5)

Pré-Analítico

informações

do paciente

informações

do paciente

Requisição

dados clínicos dados clínicos

Requisição

de exames

hipóteses diagnósticas.hipóteses diagnósticas.

(6)

Pré-Analítico

Armazenamento

Transporte

Tempo até chegar à área técnica

Rastreabilidade

Material

Rastreabilidade

Identificação

Material

Biológico

Preservação.

(7)

Analítico

Qualidade dos

reagentes e

g

Coloração

corantes

P

dê i

ç

I t

õ

d

• Procedência

• Data de validade

• Instruções de

trabalho escritas

• Controle de

qualidade na

coloração

(8)

Gestão dos microscópios

p

manutenções diárias,

mensais e semestrais

manutenções diárias,

mensais e semestrais

reduzir o número de

defeitos e quebras

reduzir o número de

defeitos e quebras

Q lid d d

i

Q lid d d

i

Qualidade das imagens

(9)

Interpretação do Microscopista

p

ç

p

Uniformidade

Uniformidade Uniformidade Uniformidade Uniformidade Uniformidade no no Uniformidade na interpretação Uniformidade na interpretação Uniformidade de conceitos morfológicos Uniformidade de conceitos morfológicos no conhecimento teórico das patologias no conhecimento teórico das patologias

Treinamento

patologias patologias

(10)

Treinamento

Para manter adequado padrão de Para manter adequado padrão de Para manter adequado padrão de

competência

Para manter adequado padrão de competência

Programa de integração de novos Programa de integração de novos g g ç

funcionários g g ç funcionários Treinamentos teóricos Treinamentos teóricos Treinamentos teóricos Treinamentos teóricos Treinamentos práticos Treinamentos práticos

Contínuo aprimoramento diário Contínuo aprimoramento diário

Avaliação da competência Avaliação da competência

(11)

Exemplo

p

OMS possui um Programa de Competência para

detecção de Malária:

5 dias de treinamentos teóricos práticos

- 5 dias de treinamentos teóricos práticos.

- Ao final, numa avaliação são analisadas 20

lâminas com tempo de 10 minutos para cada.

(12)

Exemplo

p

Avaliação final de Competência adotada pela OMS num

A li ã E tidã Q tifi ã d

Avaliação final de Competência adotada pela OMS num

programa de competência para detecção de Malária

Avaliação Exatidão na identificação das espécies Quantificação dos parasitas Perito ≥ 90% ≥ 50% Referência ≥ 80% ≥ 40% Avançado ≥ 70% ≥ 30% Em treinamento < 70% < 30%

(13)

Modelos Estatísticos para Comparação

p

ç

Criar uma forma de avaliação de

comparação objetiva.

Critérios definidos matematicamente

Análise microscópica qualitativa e

quantitativa

(14)

MODELOS ESTATÍSTICOS PARA

Ã

COMPARAÇÃO

1- Tabela de Rümke* - utilidades

-

Comparação entre microscopista(s) e uma contagem

padrão;

- Monitoramento de variações nas contagens de leucócitos

de um mesmo paciente;

p

- Na validação de analisadores hematológicos.

* Henry, J.B. - Diagnósticos Clínicos e Tratamento por Métodos Laboratoriais. y g p 20a Edição, Manole, 2008, pags 592 - 593

(15)

(16)

Contagem diferencial de leucócitos:

Estagiário x Coordenador

Contagem Diferencial de Leucócitos: Estagiário e Coordenador ( n = 100 ) Leucócito Média (%) do Coordenador Estagiário (%) Lâmina 1 Média (%) do Coordenador Estagiário (%) Lâmina 2 (a) Lâmina 1 (a) Lâmina 2

Bastonetes 2 1 8 10 Segmentados 15 13 75 71 Eosinófilos 2 1 0 0 Eosinófilos 2 1 0 0 Basófilos 0 0 0 0 Linfócitos 20 23 14 17 Monócitos 1 0 3 2 Blastos 60 62 0 0

(17)

Avaliação dos resultados

Lâmina 1 C d d Lâmina 1 E t iá i IC 95% V i ã itá l

Coordenador Estagiário Variação aceitável para n = 100 2 1 0 0 7 0 2 1 0,0 - 7,0 15 13 8,6 - 23,5 2 1 0,0 - 7,0 0 0 0,0 - 3,6 20 23 12,7 - 29,2 20 23 12,7 29,2 1 0 0,0 - 5,4 60 62 49,7 - 69,7

(18)

Avaliação dos resultados

Lâmina 2 C d d Lâmina 2 E t iá i IC 95% V i ã itá l

Coordenador Estagiário Variação aceitável para n = 100 8 10 3 1 2 8 10 3,5 - 15,2 75 71 65,3 - 83,1 0 0 0,0 - 3,6 0 0 0,0 - 3,6 14 17 8,0 - 23,0 14 17 8,0 23,0 3 2 0,6 - 8,5 0 0 0,0 - 3,6

(19)

2 - ESTATÍSTICA DE CHAUVENET

A t tí ti d Ch t li d l it d l d

-

A estatística de Chauvenet avalia a presença de leituras deslocadas

(outliers: valores discrepantes) em um grupo de dados provenientes de dois ou mais microscopistas.

- Os valores discrepantes fazem com que o desvio-padrão e o coeficiente de variação da distribuição fiquem elevados, mostrando imprecisão nas ç ç q , p leituras. Através do cálculo do Fator da distribuição e, principalmente, do range de Chauvenet percebemos quais são as leituras discrepantes

(outliers) (outliers).

*Jones, R.G., Payne R.B – Clinical Investigation and Statistics in Laboratory Medicine, ACB

V P bli i 199 L d 22 2

Venture Publications, 1997, London, pag. 22-25.

*Lynch’s Medical Laboratory Technology. Raphael, S.S. Igaku-Shoin/ Saunders InternationalLynch s Medical Laboratory Technology. Raphael, S.S. Igaku Shoin/ Saunders International Edition. W.B. Saunders Company. 1983, p.47-48.

(20)

Tabela de Chauvenet

Fatores de Chauvenet em relação ao número (n) de participantes.

de participantes.

n Fator n Fator n Fator

2 1,15 9 1,91 35 2,45 3 1 38 10 1 96 40 2 50 3 1,38 10 1,96 40 2,50 4 1,54 12 2,04 50 2,58 5 1,65 15 2,13 75 2,71 6 1 73 20 2 24 100 2 81 6 1,73 20 2,24 100 2,81 7 1,80 25 2,33 200 3,02 8 1,86 30 2,40 500 3,29

(21)

Estatística de Chauvenet

1. Fator da distribuição = | Valor – Média | Desvio Padrão Desvio Padrão

2 Intervalo da Distribuição = Média ± 2 x Desvio Padrão 2. Intervalo da Distribuição = Média ± 2 x Desvio Padrão

3. Intervalo de Chauvenet = Média ± Fator de Chauvenet x DP ( Range ideal → 95% IC )

(22)

Exemplo

: :

Estatística de Chauvenet

Urina I: contagem de eritrócitos (mL) em câmara de Neubauer

Dado Urina 1 Urina 2 Urina 3

Microscopista 1 (Experiente) 9 800 7 000 19 000 Microscopista 1 (Experiente) 9.800 7.000 19.000 Microscopista 2 (Experiente) 9.500 6.700 17.000 Microscopista 3 (Experiente) 10.000 6.000 19.000 Microscopista 4 (Experiente) 9.100 6.000 18.000 Microscopista 5 (Iniciante) 6.700 3.300 6.000 Média 9.020 5.800 15.800 Desvio Padrão 1.340 1.464 5.540

Fator de Chauvenet para n = 5 1 65 1 65 1 65

Fator de Chauvenet para n = 5 1,65 1,65 1,65

Fator da Distribuição ( média – valor ) / DP 1,73 1,70 1,76 Intervalo de Chauvenet ( média ± 1,65. DP ) 6.808 – 11.231 3.383 – 8.216 6.657 – 24.942

(23)

3 - ESTATÍSTICA KAPPA

- Coeficiente Kappa de Cohen* é usado, em geral, para dados nominais

f idéi d d dâ i t d i b d

e fornece uma idéia do grau de concordância entre dois observadores independentes que realizam uma única leitura de cada amostra.

- Para este teste, sugere-se usar um número de amostras ≥ 5.

- Dados nominais: qualitativos (fem, masc, raça, nomes sem ordem etc).q ( , , ç , ) - Coeficiente Kappa de Fleiss é usado quando os observadores

independentes realizam mais de uma leitura de uma mesma amostra independentes realizam mais de uma leitura de uma mesma amostra necessitando cálculos mais complexos para sua determinação.

* Vieira, A.J., Garrett, J.M. Understanding interobserver agreement: The Kappa Statistic.

(24)

Tabela de

de Kappa

Classificação de Concordância frente ao valor de Kappa

Valor de Kappa Concordância

0 00 Sem concordância 0,00 Sem concordância 0,01 a 0,19, , Mínima 0,20 a 0,39 Discreta 0,40 a 0,59 Moderada 0,60 a 0,79 Boa 0,80 a 1,00 Ótima

(25)

Exemplo: Kappa de Cohen

Resultados das análises de 10 protoparasitológicos examinados por dois microscopistas na pesquisa de helmintos nas fezes.

Amostra Observador 1

Observador 2

Amostra Observador 1 Observador 2

1 Positiva Positiva 6 Negativa Positiva

2 Positiva Positiva 7 Negativag Negativag

3 Negativa Positiva 8 Positiva Positiva

4 Positiva Positiva 9 Positiva Positiva

(26)

Matriz de Comparação para cálculo do

coeficiente Kappa de Cohen

Ob d 2 Matriz de comparação Observador 2 Total Característica 1 Característica 2 Característica 1 A B A+B=M1 Observador 1 Característica 2 C D C+D=M0 Total A+C=N1 B+D=N0 N

(27)

Cálculo do coeficiente Kappa de Cohen

Concordância observada (CO) = (A + D) / N

Concordância Esperada (CE) = [ (N1/N) x M1/N)] + [ (N0/N) x (M0/N) ]

K ( K) (CO CE) / (1 CE)

(28)

Matriz de Comparação para cálculo do

coeficiente Kappa de Cohen

Ob d 2 Matriz de comparação Observador 2 Total Característica 1 Característica 2 Característica 1 7 0 7 Observador 1 Característica 2 2 1 3 Total 9 1 10

(29)

Cálculo do coeficiente Kappa de Cohen

Concordância Observada (CO) = (7 + 1) / 10 = 0,8

Concordância Esperada (CE) = [(9/10) x (7/10)] + [(1/10) x (3/10)] = 0,66p ( ) [( ) ( )] [( ) ( )] ,

Kappa = (0 8 – 0 66) / (1 – 0 66) = 4 117

Kappa = (0,8 – 0,66) / (1 – 0,66) = 4,117

(30)

4 - REPETITIVIDADE E REPRODUTIBILIDADE

( Kappa de Fleiss )

REPETITIVIDADE: avalia a concordância de leituras repetidas em

di õ idê ti l i i t t

( Kappa de Fleiss )

condições idênticas , pelo mesmo microscopista, em curto espaço

de tempo.

REPRODUTIVIDADE: avalia a concordância de leituras obtidas em condições diferentes, por diferentes microscopistas, em tempos

diferentes.

A Análise de Variância (ANOVA) é uma opção eficiente para este tipo de análise Ela considera os principais componentes de variação

análise. Ela considera os principais componentes de variação

( microscopista e amostras ) e também a interação este eles, o que enriquece a análise.

A Estatística Analítica ou indutiva usa a teoria das probabilidades que permite calcular o risco para determinadas conclusões.

(31)

ANOVA → Estatística F

Para trabalhar com ANOVA precisamos:

• Criar Hipóteses: Nula (Ho) e Alternativa (Ha)

• Definir o Nível de significância ( α ) do teste: Em geral, escolhido de forma arbitrária como α = 0,05 ( 5%).

• Alfa (α ) = probabilidade escolhida no início da investigação que nos levará a rejeitar a hipótese de nulidade (Ho) se nosso valor de p se encontrar

a rejeitar a hipótese de nulidade (Ho) se nosso valor de p se encontrar abaixo dela.

(32)

Exemplo do uso da estatística Kappa de Fleiss

- Validação de uma nova coloração bacteriológica e Análise da concordância entre as leituras dos Microscopistas

Dois microscopistas: 30 leituras de forma independente e em duplicata - Dois microscopistas: 30 leituras, de forma independente e em duplicata

- Amostras de materiais biológicos: usar corante tradicional (padrão) e novo corante - Estudo estatístico: software Minitab 15* ( Attribute Agreement Analysis ):

zero ( 0 ): leitura negativa

( 1 ) l it iti

um ( 1 ): leitura positiva

Atributos = dados não quantitativos

(33)

Kappa de Fleiss: Atributos

Resultados das leituras microscópicas: Negativas (0) e Positivas (1)

Lâmina M1 Leitura 1 M1 Leitura 2 M2 Leitura 1 M2 Leitura 2 Padrão

(34)

Kappa de Fleiss: Atributos

Resultados das leituras microscópicas Negativas (0) e Positivas (1)

Lâmina M1 M1 M2 M2 Padrão

(35)

Resultados: Kappa de Fleiss - Atributos

(36)

R.R dados Quantitativos – Minitab 15

Tabela: Contagem de linfócitos (mm³) de 5 líquidos pleurais, realizada em duplicata, por 3 microscopistas (M1, M2 e M3), no mesmo dia e no dia seguinte.

(37)

R.R Crossed com dados Quantitativos

(38)

R.R Crossed com dados Quantitativos

100

t

% Contribution

% Study Var ₂₀₀

Components of Variation Resultado by A mostra

50 0 Pe rc e n t 5 4 3 2 1 100 0 Part-to-Part Reprod Repeat Gage R&R UCL=55 36 M1 M2 M3 5 4 3 2 1 Amostra R Chart by Microscopista Resultado by Microscopista 50 25 S am p le Ran g e _ R=24,27 UCL=55,36 200 100 0 S LCL=0 240 M1 M2 M3 M3 M2 M1 0 Microscopista

Xbar Chart by Microscopista

Microscopista * A mostra Interaction

240 160 m pl e M e a n __ X=133,5 UCL=151,1 LCL=115,8 240 160 v er ag e M1 M2 M3 Microscopista p 80 Sa m , 5 4 3 2 1 80 Amostra A v

(39)

5 – MICROSCOPIA x AUTOMAÇÃO

Tabela: Controle do número de leucócitos, aumento 400X, sem óleo

Q li l i h l D D B A J Cli P h l 40 457 464 1963

•Quality control in hematology. Dorsey, D.B. Am.J.Clin.Pathol. 40:457-464, 1963. •Quality control in hematology. Dorsey, D.B. Am.J.Clin.Pathol. 40:457-464, 1963.

Tabela: Número de Plaquetas e Leucócitos do aparelho avaliados pelo esfregaço corado. Aumento de 1000X, com óleo

•Hematology: a combined theoretical & technical approach. Simmons, A. Philadelphia, W.B. Saunders, 1989, p. 191. •Hematology: a combined theoretical & technical approach. Simmons, A. Philadelphia, W.B. Saunders, 1989, p. 191.

(40)

6 – EXAME MICROSCÓPICO SEM

ENSAIO DE PROFICIÊNCIA

Recomendações para o Controle Interno de exames

ENSAIO DE PROFICIÊNCIA

microscópicos sem Ensaio de Proficiência:

1. Uso de controle duplo cego;p g ;

2. Comparação entre dois ou mais observadores independentes; 3 Uso de lâminas controle positivas e negativas na rotina;

3. Uso de lâminas controle positivas e negativas na rotina; 4. Controle Interlaboratorial;