COMPARABILIDADE INTRALABORATORIAL EM MICROSCOPIA
Tópicos Abordados Peculiaridades id d Modelos Análise geral na estatísticos de do processo microscopia comparação
Microscopia p Variabilidade Dificuldades Interpretação p ç do microscopista
Variabilidade Padronização do processo de realização de cada exame que envolve microscopia Pré-analítico Analítico
Pré-Analítico informações do paciente Requisição de exames dados clínicos hipóteses diagnósticas.
Pré-Analítico Material Biológico Armazenamento Transporte Tempo até chegar à área técnica Rastreabilidade Identificação Preservação.
Analítico Qualidade dos reagentes e corantes Procedência Data de validade Coloração Instruções de trabalho escritas Controle de qualidade na coloração
Gestão dos microscópios manutenções diárias, mensais e semestrais reduzir o número de defeitos e quebras Qualidade d das imagens
Interpretação do Microscopista Uniformidade na interpretação Uniformidade de conceitos morfológicos Uniformidade no conhecimento teórico das patologias Treinamento
Treinamento Para manter adequado padrão de competência Programa de integração de novos funcionários Treinamentos teóricos Treinamentos práticos Contínuo aprimoramento diário Avaliação da competência
Exemplo OMS possui um Programa de Competência para detecção de Malária: - 5 dias de treinamentos teóricos práticos. - Ao final, numa avaliação são analisadas 20 lâminas com tempo de 10 minutos para cada.
Exemplo Avaliação final de Competência adotada pela OMS num programa de competência para detecção de Malária Avaliação Exatidão na Quantificação dos identificação das parasitas espécies Perito 90% 50% Referência 80% 40% Avançado 70% 30% Em treinamento < 70% < 30%
Modelos Estatísticos para Comparação Criar uma forma de avaliação de comparação objetiva. Critérios definidos matematicamente Análise microscópica qualitativa e Análise microscópica qualitativa e quantitativa
MODELOS ESTATÍSTICOS PARA 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; - 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
1 - TABELA DE RÜMKE
Contagem diferencial de leucócitos: Estagiário x Coordenador Contagem Diferencial de Leucócitos: Estagiário e Coordenador ( n = 100 ) Leucócito Média (%) do Estagiário (%) Média (%) do Coordenador Lâmina 1 Coordenador (a) Lâmina 1 (a) Lâmina 2 Estagiário (%) Lâmina 2 Bastonetes 2 1 8 10 Segmentados 15 13 75 71 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
Avaliação dos resultados Lâmina 1 Lâmina 1 IC 95% Coordenador d Et Estagiário iái Variação aceitável para n = 100 2 1 00 0,0-70 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 1 0 0,0-5,4 60 62 49,7-69,7
Avaliação dos resultados Lâmina 2 Lâmina 2 IC 95% Coordenador d Et Estagiário iái Variação aceitável para n = 100 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 3 2 0,6-8,5 0 0 0,0-3,6
2 - ESTATÍSTICA DE CHAUVENET - A estatística tí ti de Chauvenet avalia a presença de leituras deslocadas d (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 leituras. Através do cálculo do Fator da distribuição e, principalmente, do range de Chauvenet percebemos quais são as leituras discrepantes (outliers). *Jones, R.G., Payne R.B Clinical Investigation and Statistics in Laboratory Medicine, ACB Venture Publications, i 1997, London, pag. 22-25. 2 *Lynch s Medical Laboratory Technology. Raphael, S.S. Igaku-Shoin/ Saunders International Lynch s Medical Laboratory Technology. Raphael, S.S. Igaku Shoin/ Saunders International Edition. W.B. Saunders Company. 1983, p.47-48.
Tabela de Chauvenet Fatores de Chauvenet em relação ao número (n) de participantes. n Fator n Fator n Fator 2 1,15 9 1,91 35 2,45 3 138 1,38 10 196 1,96 40 250 2,50 4 1,54 12 2,04 50 2,58 5 1,65 15 2,13 75 2,71 6 173 1,73 20 224 2,24 100 281 2,81 7 1,80 25 2,33 200 3,02 8 1,86 30 2,40 500 3,29
Estatística de Chauvenet 1. Fator da distribuição = Valor Média 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 )
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 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 = 5 165 1,65 165 1,65 165 1,65 Fator da Distribuição ( média valor ) / DP Intervalo de Chauvenet ( média ± 1,65. DP ) 1,73 1,70 1,76 6.808 11.231 3.383 8.216 6.657 24.942
3 - ESTATÍSTICA KAPPA - Coeficiente Kappa de Cohen* é usado, em geral, para dados nominais 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). - Coeficiente Kappa de Fleiss é usado quando os observadores 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. Farm Med 2005; 37(5): 360-363.
Tabela de Kappa Classificação de Concordância frente ao valor de Kappa Valor de Kappa Concordância 000 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
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 Negativa Negativa 3 Negativa Positiva 8 Positiva Positiva 4 Positiva Positiva 9 Positiva Positiva 5 Positiva Positiva 10 Positiva Positiva
Matriz de Comparação para cálculo do coeficiente Kappa de Cohen Observador 2 Matriz de comparação Característica 1 Característica 2 Total Característica 1 A B A+B=M1 Observador 1 Característica 2 C D C+D=M0 Total A+C=N1 B+D=N0 N
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) ] Kappa (K) = (CO CE) / (1-CE)
Matriz de Comparação para cálculo do coeficiente Kappa de Cohen Observador 2 Matriz de comparação Característica 1 Característica 2 Total Característica 1 7 0 7 Observador 1 Característica 2 2 1 3 Total 9 1 10
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)] = 0,66 Kappa =(08 (0,8 0,66) / (1 0,66) = 4,117 Kappa = 0, 4117 Concordância moderada
4 - REPETITIVIDADE E REPRODUTIBILIDADE ( Kappa de Fleiss ) REPETITIVIDADE: avalia a concordância de leituras repetidas em condições idênticas, pelo mesmo microscopista, i 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 ( 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. Estatística descritiva: média, mediana, moda, SD, CV etc
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 abaixo dela. Definir o tamanho da amostra ( n );
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 - Amostras de materiais biológicos: usar corante tradicional (padrão) e novo corante - Estudo estatístico: software Minitab 15* ( Attribute Agreement Analysis ): zero ( 0 ): leitura negativa um ( 1 ): leitura positiva Atributos = dados não quantitativos *Campos, M.S - Desvendando o Minitab. M.S. Qualitymark, Rio de Janeiro, p.129-142, 200
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
Kappa de Fleiss: Atributos Resultados das leituras microscópicas Negativas (0) e Positivas (1) Lâmina M1 M1 M2 M2 Padrão Leitura 1 Leitura 2 Leitura 1 Leitura 2
Resultados: Kappa de Fleiss - Atributos R&R: Análise por atributos. Achados estatísticos das leituras microscópicas
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.
R.R Crossed com dados Quantitativos Tabela: Achados estatísticos do estudo R&R crossed
R.R Crossed com dados Quantitativos 100 Components of Variation % Contribution % Study Var 200 Resultado by A mostra Percent 50 100 0 Gage R&R Repeat Reprod Part-to-Part R Chart by Microscopista M1 M2 M3 0 1 2 3 4 Amostra Resultado by Microscopista 5 Sample Range 50 25 0 Xbar Chart by Microscopista UCL=55,36 _ R=24,27 LCL=0 200 100 0 M1 M2 Microscopista M3 Sam mple Mean 240 160 80 M1 M2 M3 _ UCL=151,1 X=133,5 LCL=115,8 Av verage Microscopista * A mostra Interaction 240 160 80 Microscopista M1 M2 M3 1 2 3 Amostra 4 5
5 MICROSCOPIA x AUTOMAÇÃO Tabela: Controle do número de leucócitos, aumento 400X, sem óleo Quality control in hematology. Dorsey, D.B. Am.J.Clin.Pathol. l 40:457-464, 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.
6 EXAME MICROSCÓPICO SEM ENSAIO DE PROFICIÊNCIA Recomendações para o Controle Interno de exames microscópicos sem Ensaio de Proficiência: 1. Uso de controle duplo cego; 2. Comparação entre dois ou mais observadores independentes; 3. Uso de lâminas controle positivas e negativas na rotina; 4. Controle Interlaboratorial; 5. Correlação Clínica e Laboratorial; 6. Apoio e Intercâmbio morfológico.
7- LIMITES PARA DUPLA OBSERVAÇÃO Tabela: Critérios de Aceitabilidade e Limites de Variação para Dupla Observação independente
Obrigado! Marcos Antonio Gonçalves Munhoz Nelson Medeiros Junior magmunhoz@hcnet.usp.br nelmed@terra.com.br