体外诊断试剂性能评估--线性范围

要求：体外诊断试剂盒校准品的浓度应覆盖整个厂家声明的线性范围的系列浓度。

绘制散点图及离群值的发现和处理：散点图的绘制对于线性范围评价非常重要，其作用包括：

①　初步获得数据的线性关系（直线、抛物线或S型曲线等），以初步核实企业标准中声明的线性回归方程的正确性。

②　观察数据的精密性，当与其他浓度相比某个浓度水平精密度较低时，特别是发生在声明的线性范围的两端，应注意线性范围是否过宽的情况；发现离群值，明显的离群值可以通过观察散点图被容易的发现。若只有一个离群值，则可剔除，不必重复实验，但当离群值多于一个时，应仔细分析，找出问题所在并重复实验，然后使用新数据进行分析。

线性回归分析：使用企业声明的方程，通过适当的软件，对数据进行回归分析，置信水平一般为双侧0.05，计算方程的相关系数r或确定系数R2，应符合企业注册标准中的规定。根据行业标准，相关系数r的绝对值一般应不小于0.98。当散点图明显提示拟合的曲线可能过原点时，或数据计算是已扣除零点样本读数时，应注意检验回归方程中的截距项。

要求：定量体外诊断试剂产品注册检验线性评价涉及的样本通常是临床样本、企业内部校准品、国家参考品或国际标准品等。他们应为不少于5个、能覆盖整个厂家声明的线性范围的系列浓度的样本，每个浓度水平样本测定不少于2次。各样本可以是绝对浓度或相对值来标识。理想的情况下，应使用高值和低值临床样本按比例混合得到系列浓度的样本，这主要考虑基质效应对检测结果的影响。

绘制散点图及离群值的发现和处理：同校准品的线性范围评价。

线性回归分析：通过适当的软件对数据分析拟合一次多项式（y=b₀+b₁x）、二次多项式（y=b₀+b₁x+b₂x²）和三次多项式（y=b₀+b₁x+b₂x²+b₃x³）回归方程，计算回归系数的统计学显著性（t检验）和回归标准物，置信水平一般为双侧0.05。一次多项式回归方程即为直线回归方程。当多个方程的回归系数均有显著性时，应将回归标准物最小的方程判定为最优方程。

①　若企业声称数据应符合线性（直线回归方程），且二次方程的回归系数b2，或三次方程的回归系数b2或b3无统计学显著性，则试剂盒线性符合相应评价标准的要求；若二次方程的回归系数b2，或三次方程的回归系数b₂或b₃有统计学显著性，则需要比较各样品下最优方程与直线回归方程待测物浓度预测值的差值。若各样品下浓度预测值的差值均小于事先设定的允许误差，则仍可以认为数据符合直线回归方程，判为线性；若存在个别浓度水平的差值大于事先设定的允许误差，且浓度水平分布于线性范围两端，则需剔除这些浓度点，缩小线性范围，再次拟合回归方程，重新进行评价。重新评价后，若数据仍不符合直线方程，则该试剂盒数据不符合评价标准压迫器（非线性）。

②　若企业声称数据应符合非直线回归方程，且数据拟合显示二次方程的回归系数b₂，或三次方程的回归系数b₂或b₃有统计学显著性，则可认为试剂盒线性范围符合相应评价标准的要求，否则可以认为不符合标准的相应要求。

③　由于在不同的线性范围区间，测量误差可为一个非恒定的值按比例变动，这时允许误差用百分比表示，上述某浓度水平下，最优方程与直线回归方程浓度预测值的差值需除以该水平的试剂测量值的均值。允许误差应符合企业注册标准的相应要求，一般为5%或不差过该项目临床允许总误差的1/4.

精密度分析：按下面公式计算精密度： 。其中，ri为样本内i水平的浓度平均值，rij为样本的浓度值，L为样本数，R为重复检测次数。精密度可用绝对偏差或相对相对偏差表示。当为相对偏差时，SDr为CVr，式中ri为1，rij为样本ij的浓度值比i水平浓度均值的百分比。和线性回归分析类似，精密度分析中，也需要预先设定一个可接受限值，当SDr为CVr超过设定限值时，不能继续进行线性评价，需要找到可能引起精密度差的原因，重新实验后再进行线性评价。和允许误差的事先设定值一样，精密度SDr或CVr应符合企业注册标准的相应要求，而且是不同检测项目和浓度区间依赖的。一般CVr设定为5%，但在高浓度检测区间，可为10%，甚至更高。