定量检测体外诊断试剂临床评价数据一致性分析方法探讨

云南省药品和医疗器械审评中心 （云南 昆明 650101）

内容提要：体外诊断试剂作为一种常用的临床诊疗医疗器械，具有准确、高效、适用范围广泛等诸多优点，不仅能从分子水平对疾病作定性判断，更能对人体样本中的核酸、蛋白质、多肽、无机盐等物质作定量分析，为临床医生分析疾病病程或生理过程提供了重要参考。文章从误差的角度对目前常用的几种统计分析方法进行探讨，为拟注册的定量检测体外诊断试剂临床一致性评价提供参考。

为确保体外诊断试剂的检测结果能满足临床需求，按照《体外诊断试剂注册管理办法》的要求，体外诊断试剂的注册人或申请人应当对体外诊断试剂进行临床评价。对于免于进行临床试验的体外诊断试剂，原食品药品监督管理总局于2017年发布的《免于进行临床试验的体外诊断试剂临床评价资料基本要求（试行）》中明确，企业应采取与已上市的、市场普遍认为质量可靠的产品进行对比，并根据产品的特点选择适合的统计分析方法评价二者的一致性，进而对产品的安全性，特别是有效性进行评价。因此，在临床样本选择合理、操作正确的基础上，选择科学的数据统计分析方法尤为重要。但现有法规及各体外诊断试剂技术审查指导原则中，并未对临床评价试验数据统计分析方法作指导。因而部分企业在临床数据一致性评价过程中，盲目选择统计分析方法，导致一致性分析有偏差甚至得到错误结论。本文从分析误差的角度，对目前常用的几种统计分析方法进行探讨，为考核试剂和参比试剂的临床一致性评价提供参考。

1.常用统计分析方法

无论统计分析方法如何，样本的检测结果值为样本真实值、系统误差和随机误差的总和。同一样本下，考核试剂的检测结果记为M，参比试剂的检测结果记为N。

1.1 线性相关分析

线性相关分析需要将成对出现的数据在直角坐标系中绘制成散点图（见图1）。

在体外诊断试剂检测实践中，M和N的变化方向总是一致的，即0＜r≤1。r越接近1，二者检查结果线性关系越密切。但M和N变化方向一致且线性关系切密切并不代表两试剂检测结果一致。由线性拟合的原理可知，散点间线性关系的好坏，主要是受样本中离群值的影响。因而，线性相关分析实际上是分析样本间的变异，研究的是M和N之间的“依赖”关系。若在两检测试剂之间总是存在线性关系的偏倚，则通过线性相关分析依然会得到r＞0.95的错误结果[1]。线性相关分析在分析过程中仅关注随机误差的影响而忽略了系统误差的影响。错误判断二者检测结果一致。

图1.线性相关分析散点图示

图2.B-A分析散点图示意图

1.2 配对t检验

配对t检验需要先计算M和N的差值d的均数。假设考核试剂和参比试剂的检测无差异，则理论上d的总体均数μd应为0。所以，实际上t检验是样本均数和均数为0的总体进行比较。通过公式（其中Sd为差值d的标准差）

计算t值，确定P值后，判断两试剂的检测结果是否具有统计学意义。

配对t检验是检验两试剂的检测结果的差值是否为0，仅关注两试剂系统误差的影响而忽略了随机误差[2]。当考核试剂总是与参比试剂存在上下浮动的随机差值时，若其平均差值接近0，配对t检验会错误地认为两试剂检测结果一致。

1.3 Bland-Altman分析

Bland-Altman分析（以下简称B-A分析）由Bland JM和AltmanDG于1986年提出[3]。近年来在美国成为了临床定量检测方法一致性评价的主流统计分析方法[4]。该方法也是基于散点图进行数据分析，但与线性相关分析不同，B-A分析散点图的横坐标为两试剂检测结果的均值，纵坐标为两试剂检测结果的差值（如图2所示）。计算差值均数及其95%的一致性界限LOA（-1.96Sd，+1.96Sd）。考虑到抽样误差，需要计算LOA上下限的95%置信区间，近似的等于LOA±1.71SE（Sd），其中标准误。

表1.临床数据一致性评价常用统计分析方法对比

通过B-A分析图，可以直观地判断两检测试剂的一致性。可以近似地认为，与0的距离即为两试剂的系统误差；LOA上下限的95%置信区间即为两试剂的随机误差。越小，两试剂的系统误差越小；LOA上下限的95%置信区间越窄，两试剂的随机误差越小；散点越集中，LOA范围越窄，两试剂的一致性越好。同时，图中也能直观地观测到样本中的离群值，一般认为当极端样本例数不超过总样本数的5%时，两试剂的一致性较好。

直接运用B-A分析作定量分析时，要求两试剂检测数据方差具有齐性，否则不宜直接进行B-A分析[5]。采用B-A分析图的方式可以直观地判断检测数据方差齐性问题：当数据方差具有齐性时，散点在线上下均衡波动；当数据方差不具有齐性时，各点值随横坐标的增而增大或减小。当数据方差不具有齐性时，可对数据进行对数转换后，再运用B-A分析进行一致性评价。

2.技术审评中常见的一致性分析问题

结合实际情况发现，企业在临床数据一致性评价时常出现以下问题：①一致性分析不全面。单独使用配对t检验或线性相关分析，对随机误差或系统误差有遗漏。②线性相关分析仅依据r＞0.975或r2＞0.95判断数据一致性，实际上是混淆了“变化一致”和“数据一致”的概念。③统计分析结果不与临床意义相结合。

以上问题最终导致误以为临床试验方案不合理、抽样不合理，甚至得出考核试剂与参比试剂检测结果不一致的错误结论。

3.讨论

对比3种临床数据一致性评价的方法，分别具有以下特点，总结见表1。

从表1可以看出，单独使用配对t检验或线性相关分析，都无法全面地评价考核试剂与对比试剂之间的系统误差和随机误差，对数据一致性的分析并不全面。但可以将二者结合，以弥补单一统计分析方法的缺陷[6]。

相比配对t检验或线性相关分析，B-A分析具有独特的优势。①B-A分析同时考虑到系统误差和随机误差；②B-A分析以图形的方式更为直观地展示分析结果；③虽然线性相关分析也以图形方式展示分析结果，但B-A分析图具有临床意义，可以与临床实际相结合，定性地判断两检测试剂的差异在此一致性界限范围内是否可以接受。因此，在临床数据一致性评价时，B-A分析效率更高，评价更全面，结果更直观，在实际运用中更具优势。