T.C.SAĞLIK BAKA LIĞI ĐSTA BUL EĞĐTĐM VE ARAŞTIRMA HASTA ESĐ KLĐ ĐK BĐYOKĐMYA LABORATUVARI ŞEF: Dr. Güvenç GÜVE E

T.C.SAĞLIK BAKA LIĞI ĐSTA BUL EĞĐTĐM VE ARAŞTIRMA HASTA ESĐ KLĐ ĐK BĐYOKĐMYA LABORATUVARI ŞEF: Dr. Güvenç GÜVE E KOAGÜLASYO TESTLERĐ Đ REFERA S ARALIKLARI I Đ DĐREKT BELĐRLE MESĐ DE BHATTACHARYA VE HOFFMA METOTLARI I KALĐTE KO TROL PROSEDÜRLERĐ OLARAK KARŞILAŞTIRILMASI Tıb.Bio. MURAT USTA UZMA LIK TEZĐ Đstanbul 2009

Ö SÖZ S.B. Đstanbul Eğitim ve Araştırma Hastanesi Başhekimi Sayın Op.Dr.Özgür YĐĞĐT e saygılarımı sunarım. Asistanlık yaptığım süre boyunce eğitimime katkılarından dolayı değerli hocam S.B. Đstanbul Eğitim ve Araştırma Hastanesi Klinik Biyokimya Laboratuvarı Şefi Dr. Güvenç GÜVE E e teşekkür eder, saygılarımı sunarım. Đhtisasım süresince eğitimim konusunda teorik-pratik bilgi ve deneyimlerini aktaran Uzm.Dr.Ediz TEKĐ, Uzm.Dr.Hale ARAL, Uzm.Dr.Berrin BERÇĐK Đ AL, Uzm.Dr.Pınar TO BAKLAR BĐLGĐ, Uzm.Dr.Çiğdem TOPKAYA, Uzm.Dr.Güzin YILMAZ a saygı ve teşekkürlerimi sunarım. Uzmanlık eğitimim süresince birlikte çalıştığım tüm asistan arkadaşlarıma ve laboratuvar çalışanlarına teşekkürlerimi sunarım. Benden desteklerini esirgemeyen sevgili anne ve babama sonsuz saygı ve şükranlarımı sunarım. MURAT USTA ii

ĐÇĐ DEKĐLER 1. GĐRĐŞ ve AMAÇ. 1 2. GE EL BĐLGĐLER 2 2.1. KLĐNĐK LABORATUVARLARDA REFERANS ARALIKLARI.. 2 2.1.1. IFCC ve ICSH IN BELĐRLEDĐĞĐ TANIMLAMALAR. 3 2.1.2. REFERANS BĐREYLERĐN SEÇĐMĐ.. 4 2.1.2.1. Dışlama Kriterleri 5 2.1.2.2. Alt Topluluklara Ayırma. 5 2.1.3. PREANALĐTĐK FAKTÖRLER... 6 2.1.3.1. Biyolojik Değişkenlik. 6 2.1.3.2. Metabolik Faktörler ve Regülasyon 6 2.1.3.3. Numunelerin Elde Edilmesi 7 2.1.4. ANALĐTĐK FAKTÖRLER.. 7 2.1.5. REFERANS ARALIĞININ BELĐRLENMESĐ... 8 2.1.5.1. Referans Değerlerin Dağılımı. 8 2.1.5.2. Referans Değerlerin Alt Topluluklarda Değerlendirilmesi. 9 2.1.5.3. Referans Aralığının Belirlenmesinde Đstatistiksel Uygulamalar. 10 2.1.5.4. Referans Aralığının Đndirekt Bhattacharya Metoduyla Belirlenmesi.. 11 2.1.6. REFERANS ARALIKLARININ TRANSFERĐ ve VALĐDASYONU... 12 2.2. HASTA TEST SONUÇLARINA DAYALI KALĐTE KONTROL.. 14 2.2.1. ANYON AÇIĞI... 14 2.2.2. DELTA KONTROL. 16 2.2.3. HASTA TEST SONUCUNUN MULTĐPARAMETRĐK KONTROLÜ. 16 2.2.4. BULL S ALGORĐTMASI... 17 2.2.5. NORMALLERĐN ORTALAMASI (AVERAGE OF NORMALS-AON).. 18 2.2.5.1. Normallerin Ortalaması Prosedürünün Tasarımı ve Değerlendirilmesi.. 19 2.2.5.2. Normallerin Ortalaması Prosedüründe Güç Fonksiyon Grafiklerinin Kullanımı.. 20 2.3. HEMOSTAZ LABORATUVAR TESTLERĐ... 24 2.3.1. PROTROMBĐN ZAMANI.. 26 2.3.2. AKTĐVE PARSĐYEL TROMBOPLASTĐN ZAMANI... 27 2.3.3. PT ve APTT ÖLÇÜMÜNÜ ETKĐLEYEBĐLECEK PREANALĐTĐK FAKTÖRLER.. 27 2.3.3.1. Kan/Antikoagülan Oranı. 27 iii

2.3.3.2. Plazma Örneklerinin Hazırlanması ve Saklama.. 28 2.3.3.3. Hastanın Hematokrit Düzeyi... 28 2.3.4. UZAMIŞ PT veya APTT TEST SONUÇLARININ DEĞERLENDĐRĐLMESĐ. 29 3. GEREÇ ve YÖ TEMLER. 31 3.1. PREANALĐTĐK DEĞERLENDĐRME.. 31 3.2. ĐNTERNAL ve EKSTERNAL KALĐTE KONTROL... 32 3.3. KALĐTE KONTROL PROSEDÜRLERĐNĐN HAFTALIK DEĞERLENDĐRĐLMESĐ... 33 3.4. BHATTACHARYA METODUNUN KALĐTE KONTROL PROSEDÜRÜ OLARAK KULLANILMASI 34 3.5. HOFFMANN METODUNUN KALĐTE KONTROL PROSEDÜRÜ OLARAK KULLANILMASI... 34 3.6. KAOGÜLASYON TESTLERĐNĐN REFERANS ARALIKLARININ ĐNDĐREKT BELĐRLENMESĐ.. 35 3.7. ĐSTATĐSTĐKSEL ANALĐZ... 36 4. BULGULAR 37 5. TARTIŞMA ve SO UÇLAR. 49 6. ÖZET 55 7. SUMMARY. 56 8. KAY AKLAR. 57 iv

KISALTMALAR FESCC EC4 ISO CCLS IFCC EPTRV ICSH WHO HBYOS OPSpecs LoD LoQ CI P fr P ed AO EAMM S pop S meas p c SDR M PT PT APTT ISI I R HMWK PK vwf MCV RBC HLA Forum of European Societies of Clinical Chemistry European Communities Confederation of Clinical Chemistry International Organization for Standardization National Committee for Clinical Laboratory Standarts International Federation of Clinical Chemistry Expert Panel on theory of Reference Values International Council for Standardization in Hematology Worl Health Organization Hastane Bilgi Yönetim ve Otomasyon Operations Specifications Saptama Limiti Ölçüm Limiti Güven Aralığı Probability for False Rejection Probability for Error Detection Average of Normals Exponentially Adjusted Moving Mean Popülasyonun Standart Sapma Değerinin Analitik Standart Sapma Ortalaması Alınacak Minimum Hasta Sayısı Kontrol Ölçüm Sayısı Standard Deviation Ratio Mean Normal Prothrombin Time Protrombin Zamanı Aktive Parsiyel Tromboplastin Zamanı International Sensitivity Index International Normalized Ratio High-Molecular Weight Kininogen Prekallikrein von Willebrand Faktör Ortalama Eritrosit Hacmi Eritrosit Sayısı Human Leukocyte Antigens v

TABLOLAR Tablo 1: Lolekha PH ve arkadaşlarının yaptığı bir çalışmadaki anyon açığı yükselmiş 1410 hastanın bildirilen hastalıkları.. 15 Tablo 2: Bazı analitlerin normallerin ortalaması metoduna duyarlılıklarına göre sınıflandırılması 23 Tablo 3: Kan koagülasyon sisteminde yer alan faktörler ve kullanılmakta olan eş anlamlıları. 25 Tablo 4: Konjenital koagülasyon faktör eksiklikleri... 30 Tablo 5: Edinsel koagülasyon faktör eksiklikleri 30 Tablo 6: Đnternal kalite kontrol sonuçları; ortalama PT ve APTT (%CV)... 32 Tablo 7: PT ve APTT test sonuçalrının 50 haftalık dilimlerdeki frekansları.. 33 Tablo 8: PT için test sonuçlarına dayalı kalite kontrol verileriyle, internal kalite kontrol verileri arasında yapılan lineer regresyon analizi. 39 Tablo 9: APTT için test sonuçlarına dayalı kalite kontrol verileriyle, internal kalite kontrol verileri arasında yapılan lineer regresyon analizi... 40 Tablo 10: PT ve APTT nin cinsiyet için alt topluluklarının Harris-Boyd modeliyle değerlendirilmesi.. 41 Tablo 11: PT ve APTT nin yaşlara göre düzenlenmiş kartil değerleri 42 Tablo 12: PT ve APTT nin yaşlara göre düzenlenmiş kartillerinin Harris-Boyd modeliyle değerlendirilmesi... 43 Tablo 13: Bhattacharya metoduyla PT hasta test sonuçlarının değerlendirilmesi... 44 Tablo 14: Bhattacharya metoduyla APTT hasta test sonuçlarının değerlendirilmesi.. 45 Tablo 15: Bhattacharya metoduyla hesaplanan PT ve APTT nin indirekt referans aralıklarının kartillere göre değerlendirilmesi. 46 Tablo 16: Parametrik ve non-parametrik metotlarla hesaplanan PT ve APTT indirekt referans aralıkları... 47 Tablo 17: 18-45 yaş arası bireyler için hesaplanan PT ve APTT indirekt referans aralıkları... 48 vi

ŞEKĐLLER Şekil 1: Referans bireylerin seçimi: posteriori ve priori seçim... 5 Şekil 2: Yanlış ret olasılığı (P fr ) ve hata tespit olasılığının belirlenmesi (P ed ).. 21 Şekil 3: N=1 den N=8 e kadar 1 3s kontrol kuralı için sistematik hatanın saptanmasında kullanılan güç fonksiyon grafiği. 22 Şekil 4: Koagülasyon mekanizmasının şematik gösterimi... 25 Şekil 5: PT (A) ve APTT (B) için kalite kontrol prosedürlerinin haftalık gösterimi... 37 Şekil 6: (A) PT için internal kalite kontrol ortalamalarıyla, Bhattacharya metodundan elde edilen µ değerlerinin Bland-Altman analiziyle karşılaştırılması; (B) PT için internal kalite kontrol ortalamalarıyla, Hoffmann metoduyla hesaplanan Xp değerlerinin Bland-Altman analiziyle karşılaştırılması. 38 Şekil 7: (A) APTT için internal kalite kontrol ortalamalarıyla, Bhattacharya metodundan elde edilen µ değerlerinin Bland-Altman analiziyle karşılaştırılması; (B) APTT için internal kalite kontrol ortalamalarıyla, Hoffmann metoduyla hesaplanan Xp değerlerinin Bland-Altman analiziyle karşılaştırılması. 39 Şekil 8: PT (A) ve APTT (B) sonuçlarının histogramları. 41 Şekil 9: PT (A) ve APTT (B) için orta değerlere (x) karşı ln y değerlerinin saçılım grafikleri (scatter plot) 46 vii

1. GĐRĐŞ ve AMAÇ Laboratuvarlar-arası ve yerel farklılıklar (toplum, diyet, laboratuvar tekniği ve referans grup seçimi) nedeniyle hasta sonuçlarının tanısal değerlendirilmesinde her laboratuvarın kendi referans aralığını belirlemesi önemlidir (1-5). Klinik laboratuvarların çoğunluğu kit prospektüsünde yazılı referans aralıklarını kullanmakta, pek azı kendi referans aralıklarını belirlemektedir. Bu durumun yetersizliği karşısında alternatif olarak laboratuvarda çalışılmış hasta test sonuçlarının matematiksel/istatistiksel işlemlerden geçirilmesiyle indirek referans sınırları hesaplanabilmektedir. Kendi referans aralığını oluşturmak isteyen laboratuvar, sağlıklı kontrol grubu bulmakta sorun yaşar; örneklerin alındığı kişilerin hepsi sağlıklı bireyler olmayabilir. Hastanemizde Anestezi ve Reanimasyon klinik şefliğinin de bulunduğu komisyon tarafından değişik yaş grupları ve cerrahi uygulamaları için hazırlanmış olan Ameliyat Öncesi Hazırlığı Test Panellleri nde PT ve APTT testlerinin rutin kullanımı öngörülmüş olup, bu kılavuza uygun test istemi yapılmaktadır. PT ve APTT ameliyatta kanama komplikasyonu riskine karşı önlem niteliğinde istenir; burada etkili ve güvenli antikoagülan tedavi nin izlenmesi amaçlanmaz. Dolayısıyla bu testler için seçtiğimiz topluluk önemsenebilecek büyüklükte hasta grubu kapsamamaktadır, sağlıklı grup olarak tanımlanması mümkündür. Çalışmamızda belli klinikleri dışlayarak elde edilen birikmiş verileri kullanarak koagülasyon testlerinin referans aralığının teyit edilmesine dair bir model oluşturmayı, ameliyat öncesi hazırlık amacıyla istenen PT ve APTT ölçümlerini değerlendirmeyi amaçladık. Diğer yönden bir yıllık bir süreçte geriye dönük kalite kontrol değerlendirmesi amacıyla Bhattacharya ve Hoffmann metotlarının duyarlılıklarını karşılaştırmak istedik. 1

2. GE EL BĐLGĐLER 2.1. KLĐ ĐK LABORATUVARLARDA REFERA S ARALIKLARI Geçmişte referans değerler terimi yerine kullanılan normal değerler kavramı ilk kez 1969 da Gräsbeck ve Saris tarafından tanımlanmıştır (1). Sonraki on beş yılda Avrupa ve Kuzey Amerika dan birkaç çalışma grubu Gräsbeck in ifade ettiği normal değerler kavramını büyük ölçüde geliştirerek bu kavrama açıklamalar getirmişlerdir. Sonraki yıllarda ise normal değerler kavramı laboratuvar tıbbında büyük çapta kabul görmüş; birçok ulusal ve uluslararası organizasyon bu kavramla ilgili resmi dökümanlar yayınlamışlardır (Forum of European Societies of Clinical Chemistry FESCC, European Communities Confederation of Clinical Chemistry-EC4, International Organization for Standardization-ISO 15189-2003, National Committee for Clinical Laboratory Standarts- NCCLS ve International Federation of Clinical Chemistry-IFCC in önerileri). Ancak normal değerler sözcüğünün istatistiksel açıdan başka anlamlara gelmesinden dolayı, anlam kargaşasına sebebiyet vermemek için IFCC in önerileri doğrultusunda artık referans değerler terimi kullanılmaktadır. Avrupa topluluğunun 98/79/CE talimatları, üretici firmaların reaktif kitleriyle beraber referans popülasyonunu yansıtan referans aralıkları oluşturmalarını zorunlu kılmıştır (2). Referans aralık ise; klinik laboratuvar test sonuçlarının medikal yorumlanması için, daha önceden sağlıklı toplumdan elde edilen değer aralığının belirli şartların sağlanmasıyla kullanışlı ve güvenli olarak belirlenmesi olarak tanımlanır (1-9). Klinik tanı laboratuvarlarında tüm testler için güvenilir referans aralıklarının belirlenmesi, referans bireylerinin seçilmesindeki sıkıntılardan dolayı oldukça zordur; buna ek olarak çoğu zaman kullanışlı ve gerekli klinik veriler elde edilememektedir (2,3). Üretici firmaların ürettikleri reaktif kitleri için referans aralıkları oluşturmaları zorunlu kılınmasına rağmen; bu yöntem oldukça pahalıdır ve bazı sıkıntıları içermektedir. Örneğin; üretici firmaların ürünlerini dünyanın birçok yerine dağıtmalarından kaynaklanan etnik, genetik ve çevresel farklılıklar (biyolojik değişkenlik), referans aralıklarının bir ülkeden diğerine 2

veya bir analitik sistemden diğerine transferini zorlaştırmaktadır. Ancak her laboratuvarın tüm testler için kendi referans aralıklarını belirlemesi zordur. Dış kalite kontrol programı uygulanan 160 laboratuvarın referans aralıklarının değerlendirildiği bir çalışmada, laboratuvarlar arası değişkenlik düşük olduğu halde referans aralıklarının farklı olmasının test sonuçlarının verildiği raporlarda farklı klinik yorumlamalara sebebiyet verebileceği belirtilmektedir (6). Bunun için en sağlıklı yaklaşımın belli coğrafi bölgelerde belli kriterlere göre belirlenen laboratuvarların o bölge halkını temsil edecek referans aralıklarını belirlemesi olduğu ifade edilmektedir (7,8). 2.1.1. IFCC ve ICSH Đ BELĐRLEDĐĞĐ TA IMLAMALAR IFCC nin EPTRV (Expert Panel on Theory of Reference Values) paneli ve ICSH (International Council for Standardization in Hematology) in önerdiği tanımlamalar; WHO (World Health Organization) ve diğer uluslararası organizasyonlar tarafından kabul görmüştür (5). Bu tanımlamalar: Referans birey: Đyi tanımlanmış belli kriterlere göre test için seçilmiş bireylerdir. Not: Bireyin sağlık durumunun çok iyi tanımlanmış olması gerekir. Referans popülasyonu: Tüm referans bireylerini içeren gruptur. Not: Referans popülasyonunu oluşturan üyelerin sayıları çoğu kez bilinmemektedir. Bu yüzden referans popülasyonu kavramı hipotetik bir kavramdır. Referans örnek grubu: Referans popülasyonundan seçilmiş yeterli sayıda bireyden oluşan gruptur. Referans değer: Referans bireylerden elde edilen değerlerdir. Not: Referans değerler referans örnek grubundan elde edilir. Referans dağılım: Referans değerlerin oluşturduğu dağılımdır. Not: Referans popülasyonun dağılımıyla ilgili hipotezler, referans örnek grubunun referans dağılımları kullanılarak uygun istatistiksel metotlarla test edilebilir. Referans sınır: Referans dağılımdan elde edilen bir değerdir ve referans değerlerin tanımlayıcı bir ölçütüdür. Referans aralık: Đki referans sınırı arasında kalan aralıktır. Genelde alt referans sınır 2,5.persentil ve üst referans sınır 97,5.persentil dir (bu iki referans sınırlarının arası referans grubundaki değerlerin %95 ini içermektedir). 3

Gözlemlenen değerler: Test edilen bireylerin (örneğin hastalar) laboratuvar test sonuçlarıdır ve bu değerler; referans değerler, referans dağılımlar, referans sınırlar veya referans aralıklarıyla karşılaştırılır. 2.1.2. REFERA S BĐREYLERĐ SEÇĐMĐ Referans değerlerin belirlenmesinde referans bireylerin seçimi önemli olduğu kadar zor bir aşamadır. Geleneksel olarak klinik laboratuvarlar sağlıklı bireylerden elde edildiği ifade edilen referans değerleri kullanmaktadırlar. Ancak sağlıklı olma çok iyi tanımlanmış bir durum değildir. Özellikle yaşla beraber hastalık ve sağlık arasındaki hipotetik sınır kayabilmektedir (2,10). Referans değerler popülasyonun veya bireylerin sağlık durumunu değerlendirme için kullanılabileceği gibi; bireylerdeki hastalık riskinin tespitinde veya klinik karara yardımcı olmak için de kullanılabilmektedirler (10). Bunun için referans bireyler daima sağlıklı bireylerden oluşmayabilmektedir. Çoğu zaman hastanedeki hasta popülasyonu kullanılarak, bazı istatistiksel kriterlere göre referans değerler oluşturulabilmektedir. Referans popülasyonundan referans bireylerinin seçiminde priori ve posteriori olarak adlandırılan iki yaygın metot kullanılmaktadır. Laboratuvarda çalışılan hasta test sonuçlarıyla indirekt referans aralık belirlemeden farklı olarak; temelde bu her iki metot direkt referans aralık belirlemede kullanılmaktadır. Priori (prospektif) yönteminde; literatürden elde edilen veya aynı popülasyonla daha önceden yapılan çalışmalarda tanımlanan dahil etme kriterlerine göre referans bireyler seçilir ve toplanan örneklerde analizler sonra yapılır. Literatürden biyolojik değişkenliklerin tespiti ile elde edilen bilgiler anketlere dahil edilir ve referans bireyler bu anketlere göre seçilirler. Bu yöntem kabul edilen laboratuvar prosedürleri içersinde en çok bilinen ve kullanılan yöntemdir. Posteriori (retrospektif) yöntem özellikle genel popülasyonun temel unsurlarını yansıtan büyük örneklem gruplar (kırsal veya kentsel çevre, sosyo-ekonomik sınıflar, etnik gruplar gibi) için idealdir (5,10). Ancak çok az laboratuvar bu şekilde tanımlanan büyük örneklem gruplarına ulaşabilme imkanına sahiptir. Büyük örneklem gruplarında bireylerin seçimi randomize veya non-randomize yapılabilir; bu seçimin ardından referans örneklem grubun özelliklerine göre dışlama ve alt gruplara ayırma kriterleri belirlenir (Şekil 1). Posteriori seçim sağlıklı bireylerden referans aralığı belirlemede daha uygun bir yöntem olmasına rağmen, priori yöntem de çoğu durumda kullanılabilmektedir (10). 4

Şekil 1: Referans bireylerin seçimi: posteriori ve priori seçim (10). 2.1.2.1. Dışlama Kriterleri IFCC nin bildirdiği bazı dışlama kriterleri olarak ilaç kullanımı, aşırı kilo, sigara kullanımı, kötü alkol alışkanlığı, bazı fizyolojik durumlar (gebelik, aşırı egzersiz, aşırı stes, depresyon, tokluk gibi) ve bazı patofizyolojik durumlar (renal yetmezlik, konjestif kalp yetmezliği, kronik akciğer hastalıkları, karaciğer hastalıkları, malabsorbsiyon gibi) sayılabilir. Bu tip dışlama kriterlerinin çok iyi tanımlanmaması durumunda ölçülen değerlerin grup dağılımlarında saçılmalar gözlenebildiği gibi bimodal veya polimodal profiller de gözlenebilir. Literatür taranmasıyla hangi faktörlerin dikkate alınacağı belirlenir. Örneğin C-reaktif proteinin referans aralığının belirlenmesinde, akut inflamasyona sahip bireyler kadar herhangi bir inflamasyon hikayesine sahip olan bireylerin de dışlanması gereklidir (2). 2.1.2.2. Alt Topluluklara Ayırma Bir referans popülasyonunda daha homojen alt topluluklara ayrılma ihtiyacı duyulabilir ve bu ayırma işlemini yapabilecek istatistiksel yöntemler mevcuttur. Grup dağılımlarındaki saçılmalarda anlamlı farklılıklar gösteren referans değerler alt topluluklara ayırma ile sınırlandırılabilmektedir. Örneğin serum potasyum düzeyi sağlıklı bireylerde oldukça sabit düzeylerde iken; alkalenfosfataz yaş, cinsiyet ve hormonal durumun (ergenlik, gebelik, menapoz, menstrüel döngü evreleri gibi) bir fonksiyonu olarak çok fazla değişkenlik gösterebilir. Yaş, cinsiyet ve vücut ağırlığı çok sık kullanılan alt topluluklara ayırma kriterleridir. Bu kriterlerin dışında genetik, sosyo-ekonomik ve 5

çevresel kriterler de bulunmaktadır (10). Genetik belirteçler olarak ABO kan grupları ve human leukocyte antigens (HLA) sayılabilir. Doku enzimleri ve plasma proteinleri fenotiplerinin varlığı veya yokluğu da homojen referans grupların elde edilmesinde kullanışlı olabilir (α1-antiproteinaz, apolipoprotein B, fenilalanin hidroksilaz gibi) (2,10). 2.1.3. PREA ALĐTĐK FAKTÖRLER Pre-analitik faktörler bir referans popülasyonundan referans bireylerin seçimi kadar önemlidir ve referans aralık belirlenirken örneklerin alınmasından analize kadar geçen süreç çok iyi tanımlanmalıdır (11). 2.1.3.1. Biyolojik Değişkenlik IFCC nin yayınlamış olduğu klavuzlar, sağlık durumunun çok iyi tanımlandığı homojen bir referans popülasyona olan ihtiyacı vurgulamaktadır (2,10). Ancak bu durumun sağlanması biyolojik değişkenlik yüzünden çoğu zaman zordur. Biyolojik değişkenlik referans aralıkları oluşturmak için referans birey seçiminde anahtar rol oynamaktadır (2,3). Biyolojik değişkenlik ilk olarak Kuzey Amerika ve Đskandinavyalı birkaç grup tarafından 70 li yılların başlarında sınıflandırılmıştır (15,16). Değişkenliğin farklı kaynakları iki ana başlıkta toplanabilir (2): Birey içi değişkenlik (CV I ): Fizyolojik regülatör mekanizmayı ve yaşlanmayı içerir. Bireyler arası değişkenlik (CV G ): Bir popülasyonda gözlemlenen tüm değişkenliklerdir 2.1.3.2. Metabolik Faktörler ve Regülasyon Referans aralıkların belirlenmesinde lipitler, aminoasitler ve karbonhidratların metabolizmasını değiştirebilen biyolojik faktörler büyük öneme sahiptir. Beslenme ve uzun süreli açlık birçok metabolitin konsantrasyonlarına direkt etki edebilmektedir. Yine farmakolojik aktif substanslar metabolitlerin konsantrasyonlarına hem direkt (etanol, anti-epileptik ilaçlar gibi) hem de indirekt (kafein, beta blokerler, tütünde sigara içerken açığa çıkan korbon monoksit ve nikotin) etki edebilmektedirler. Stres ve fiziksel egzersiz de lipitlerin ve karbonhidratların metabolizmasında farklı değişikliklere yol açabilir (11). Örneklerin yatar pozisyonda veya oturarak alınması biyolojik faktörler içinde yer alan hemodinamik faktörlerde bazı değişikliklere sebebiyet verebilir. Çünkü analitlerin önemli bir kısmı ya proteindir ya da protein bağlıdır (kalsiyum, bilirubin, yağ asitleri gibi). 6

Bu yüzden örneklerin alınmasında bireylerin postürü, yakın zamanda yapmış olduğu egzersiz veya turnikeye bağlı lokal hidrostatik basınç bu analitlerde artışlara yol açabilir (2,11). Dokularda meydana gelen hasarlar, hücresel komponentlerin kan dolaşımına geçmesine sebebiyet verebilir (fiziksel egzersiz, kas masajı, prostat palpasyonu gibi). Yine damardan kan almak ta hücre hasarına yol açabilmektedir (yaşlı bireylerde artmış eritrosit frajilitesi gibi). 2.1.3.3. umunelerin Elde Edilmesi Metodolojik faktörler örneklerin toplanmasını, transportunu, saklanmasını ve ayrılmasını içerir. Kan alma teknikleri (kanın arteryal,venöz veya kapiller oluşu), kullanılan tüpler, katkı maddeleri (antikoagülanlar) ve kan alma sırasındaki kontaminasyonlar (ağır metaller gibi) interferans kaynakları olabilirler (11). Örneklerin transport, saklanma ve ayrılma koşulları ( kullanılan kaplar, sıcaklık, tam kan, serum veya plazma gibi) birçok metabolite zarar verebilir. Bunun için referans aralıkların belirlenmesinde örneklerin toplanması, transportu, saklanması ve ayrılmasıyla ilgili prosedürler net olarak belirlenmeli ve ilgili tüm birimler bu prosedürler hakkında bilgilendirilmelidirler. 2.1.4. A ALĐTĐK FAKTÖRLER Referans aralıkların oluşturulmasında örnek analizi için seçilen metodun ölçüm prosedürünün çok iyi tanımlanmış olması gerekir ve metodun doğruluğu (accuracy), kesinliği (precision), linearitesi, saptama limiti (LoD), ölçüm limiti (LoQ), geri kazanımı (recovery), interferansları, analitik duyarlılığı ve özgüllüğü belirlenmelidir (2,5,12). Metodun analitik performansını belirlemede kullanılan bu uygulamalarla laboratuvardan elde edilen sonuçların güvenirliliği sağlanmış olur. Bazı çalışmalarda referans aralığın belirlendiği analitin ölçümü için kullanılan metodun analitik doğruluğu için; bu yöntemlerin dışında sonuçların izlenebilirliğinin (traceability) bir referans metotla deneysel olarak gösterilmesi gerekliliğine dikkat çekilmektedir (17). Analitik performansı değerlendirirken metot validasyonunun dışında kullanılan reaktifler, su, kalibrasyon standartları, hesaplama metodları, cihaz ve ekipman da dikkate alınmalıdır (5). Kalibrasyon materyalleri dikkatli bir şekilde tanımlanmalı ve okumaya etki edebilecek non-spesifik komponentlerin varlığı hesaba katılmalıdır. Uygun kontrol 7

materyalleri ya ticari olarak ya da uygulamayı yapan kişiler tarafından hazırlanmalıdır. Bu kontrol materyallerinin bir matriksi olmalı ve bu matriksin, referans aralığı belirlemede kullanılan örneklerin matriksiyle benzer özelliklerde olması gerekmektedir (12). 2.1.5. REFERA S ARALIĞI I BELĐRLE MESĐ Referans aralığının belirleneceği referans popülasyonunun homojenitesinden emin olunduktan sonra, referans sınırlarının hesaplanmasında birçok istatistiksel metot bulunmaktadır. Bunlar arasında en çok bilinen ve kullanılanı persentiller arası aralıktır. Referans popülasyonunun %95 merkezi alanındaki sonuçlar, %95 referans aralığı nı oluşturur; bu aralığın alt ve üst sınırları sırasıyla 2,5. ve 97,5.persentil değerleridir (5,13). Bu alt ve üst sınırlar, popülasyonun büyüklüğüne göre değişebilen güven aralıklarıyla (%90 CI gibi) beraber verilirler ve bu güven aralıkları popülasyonun gerçek persentil değerlerinin ne kadar güvenle hangi sınırlarda bulunduğunu gösterir. Persentil değerlerin hesaplanması parametrik veya non-parametrik istatistiksel metodlarla yapılabilmektedir (5,13). Parametrik hesaplamada referans değerlerin dağılımları Gaussian veya log-gaussian olduğu varsayılır. Grup dağılımlarının çoğunun non-gaussian özellik göstermelerinden dolayı parametrik hesaplamalarda, belli kriterler doğrultusunda referans değerlerin transformasyonuyla (logarithmic, square root, reciprocal transformation gibi) elde edilen veriler kullanılmaktadır. Eğer transformasyon yapılmasına rağmen grup dağılımı yine non-gaussian profil sergiliyor ise non-parametrik metodlar kullanılabilir. Non-parametrik hesaplama özellikle çok sayıda bireyin yer aldığı popülasyonlarda referans aralığının belirlenmesinde daha kullanışlıdır. Non-parametrik uygulamalar için en az 120 referans verisinin yeterli olduğu yapılan bir çalışmada gösterilmiştir (18). IFCC hem parametrik hem de non-parametrik metotları önermesine rağmen; NCCLS non-parametrik metotları önermektedir (5,13). Ve referans aralıklarının belirlendiği çoğu çalışmada daha çok non-parametrik metotlar tercih edilmiştir (17). 2.1.5.1. Referans Değerlerin Dağılımı Toplanan referans değerlerin dağılımı histogramlar, gövde-yaprak (stem-and-leafplot) grafikleri veya normal olasılık grafikleriyle (normal probability plot) değerlendirilebilir. Grup dağılımlarının Gauss dağılımına uyup uymadığının değerlendirilmesinde en sık kullanılan istatistiksel metotlar Kolmogorov-Simirnov ve Anderson-Darling testleridir. Bu grafiksel ve istatistiksel değerlendirmelerle dağılımlarda 8

çarpıklık (skewness), basıklık (kurtosis) ve sapan değerler olabileceği gibi; yine bu dağılımlar bimodal veya polimodal profiller de sergileyebilirler. Aşırı çarpıklık ile bimodal veya polimodal profilin varlığı grup dağılımının homojen olmadığını gösterir. Bu durumda dahil etme ve dışlama kriterlerinin tekrar gözden geçirilip değerlendirilmesi gerekir. Eğer gerekli görülürse referans popülasyon yaş, cinsiyet veya uygun başka bir faktöre göre alt topluluklara ayrılabilir. Grup dağılımından ayrılmış sapan (outliers) ve aşırı uç değerlerin (extreme values) saptanması durumunda bu değerlerin hemen çalışma dışı bırakılmaması gerekir. Belli kriterler doğrultusunda toplanan referans verilerinin her biri değerlidir. Bunun için öncelikle preanalitik, analitik kayıtlar kontrol edilmeli; referans bireylerden toplanan örnekler tekrar analiz edilerek olası hatalar saptanmalıdır. Analitik ve pre-analitik hataların saptanmaması durumunda sapan ve aşırı uç değerler uygun istatistiksel metotlarla çalışma dışı bırakılır. Gaussian dağılımlarda aşırı uç değerler X±4SD dışında kalan değerlerdir. Non-Gaussian dağılımlarda ise Dixon (D/R 1:3) prosedürü ile Barnett ve Lewis tarafından tanımlanan blok prosedürü aşırı uç değerlerin saptanmasında kullanılabilir (5,13,18,19). Dixon prensibi dağılımın alt ve üst sınırlarında bulunabilecek aşırı uç değerler için; blok prosedürü ise çok sayıda aşırı uç değerlerin bulunabileceği durumlarda uygulanır. 2.1.5.2. Referans Değerlerin Alt Topluluklarda Değerlendirilmesi Referans topluluğu olası değişkenlikleri azaltmak için alt topluluklara (örneğin yaş ve cinsiyet e göre) ayrılabilir. Fizyolojik bir temele dayanmadan ve/veya klinik açıdan yararlı olmadıkça alt topluluklara ayırma çoğu zaman doğru olmayabilir. Fakat ayırma işlemi gerekliyse, alt topluluklardaki örnek sayısının en az 120 olması gerekliliği bildirilmiştir. Đki alt topluluğunun gözlemlenen ortalamaları arasındaki fark istatistiksel açıdan anlamlıysa (%5 veya %1 olasılık seviyesinde), her alt topluluğunun kendi referans aralıklarının oluşturulması genel kabul gören bir yaklaşımdır (5,18). Alt topluluklara ayırma gerekliliği var ise; alt topluluklar arasında tıbben önemli olan anlamlılık dereceleri Harris-Boyd modeliyle sınanabilir (5,20,21). Bu model; alt topluluklarının standart sapmaları arasındaki oranı (R) ve ortalamalar arasındaki farkın anlamlılığının normal sapma testi ile değerlendirilir. R değeri, alt topluluklarda standart sapma değeri büyük olanın küçük olan değere oranı ile hesaplanır (σ 2 /σ 1 ). R değerinin 1.5 in üzerinde olması durumunda ortalamalar arasındaki farka bakılmaksızın alt topluluklarının referans aralıkları ayrı ayrı hesaplanır. R değerinin 1.5 in altında olması 9

durumunda normal sapma testi kullanılır ve hesaplanan z değeri (z hesap = µ 2 -µ 1 / [ σ 2 1 / n 1 + σ 2 2 / n 2 ] 1/2 ) iki eşik değerle (zcrit3 = 3[ n ort /120 ] 1/2 ve zcrit5 = 5[ n ort /120 ] 1/2 ) karşılaştırılır. Buna göre: Eğer z hesap < zcrit3 ise alt topluluk oluşturma gereği duyulmaz Eğer zcrit3 z hesap < zcrit5 ise alt topluluk oluşturma gereği diğer istatistiksel metotlarla sınanır Eğer z hesap zcrit5 ise referans aralıklar alt topluluklarda ayrı ayrı hesaplanır 2.1.5.3. Referans Aralığının Belirlenmesinde Đstatistiksel Uygulamalar Referans popülasyonunun %95 merkezi alanındaki sonuçların 2,5. ve 97,5.persentil değerlerinin hesaplanmasında genel kabul gören parametrik ve non-parametrik istatistiksel metotlar kullanılmaktadır. Parametrik yöntemde grup dağılımının Gaussian veya log- Gaussian olduğu varsayılır. Bu metot ile referans grubun referans değerlerinin ortalaması (X) ve standart sapması (S x ) kullanılarak referans aralığının alt ve üst sınırları, X ± c (1-α ). S x formülüyle hesaplanır. Formülde yer alan c (1-α ), bir standart Gaussian sapmasıdır ve bu sabit değer referans aralık için referans popülasyonunda seçilecek yüzde merkezi alana göre daha önceden belirlenen istatistiksel tablolar kullanılarak belirlenir (18). Referans aralık belirlemede genel kabul gören %95 merkezi alan kullanıldığı için α=0,025, 1-α= 0,975 ve c (1-α ) = 1,96 dır. Yine bazı istatistiksel metotlar kullanılarak referans aralığının alt ve üst sınırlarının güven aralıkları hesaplanabilir. Referans popülasyonunun %95 referans sınırlarının her birinin %90 güven aralıklarının alt ve üst sınırları,sınır persentil değeri ± 2,81.S x / N 1/2 formülüyle hesaplanır. Referans popülasyonunun dağılımı referans değerlerin transformasyonundan (logarithmic, square root, reciprocal transformation gibi) sonra yine non-gaussian özellik gösteriyorsa, referans aralıklarının belirlenmesinde non-parametrik metot kullanılabilir. N sayıdaki referans değerlerinin küçükten büyüğe doğru sıralanmasından sonra %95 merkezi alanın 2,5. ve 97,5. persentil değerleri sırasıyla, 0,025.(N+1) ve 0,975.(N+1) formülleriyle hesaplanır. Non-parametrik metot ile referans popülasyonunun %95 referans sınırlarının her birinin %90 güven aralıklarının alt ve üst sınırları, daha önceden belirlenen istatistiksel tablolar kullanılarak belirlenir (18). 10

2.1.5.4. Referans Aralığının Đndirekt Bhattacharya Metoduyla Belirlenmesi Bhattacharya metodu ilk kez 1967 de Bhattacharya tarafından tanımlanmış; daha sonraki yıllarda modifikasyonlarla laboratuvarda çalışılan hasta test sonuçları kullanarak indirekt referans aralık belirlemede temel bir metot olarak kabul görmüştür (22-30). Bu metot biyolojik popülasyonun iki veya daha fazla alt gruptan oluştuğunu varsaymaktadır. Çünkü biyolojik popülasyonların morfometrik karakterdeki dağılımları farklı komponentlerin bir karışımıdır ve bu komponentlerin dağılımları iç içe girip birbirlerinin üzerini örtebilir. Bu yüzden biyolojik dağılımlarda çarpıklıklar (skewness) ve basıklıklar (kurtosis) gözlenebileceği gibi; bu dağılımlar bimodal veya polimodal profiller de sergileyebilirler. Bir biyolojik popülasyon olarak hasta popülasyonunun alt gruplarından biri non-patolojik laboratuvar test sonuçlarına sahip hastalardan oluşan ana grup iken; diğer küçük grup veya gruplar ise patolojik test sonuçlarına sahip hastalardan oluşmaktadır. Temel olarak Bhattacharya metodu non-patolojik laboratuvar test sonuçlarını, patolojik test sonuçlarından ayırarak bu verilerden referans aralığının alt ve üst sınırlarını hesaplar. Bu metodun ilk aşamasında tüm test sonuçları eşit aralıklar oluşturularak sınıflandırılır ve bu sınıfların Gaussian dağılım denklemi şöyledir: y x 1 x µ =.exp σ 2π 2 σ Denklemdeki y x, x orta değeri olan intervalin frekansı; N, total frekans ; µ, dağılımın ortalaması; σ, dağılımın standart sapmasıdır. Her orta değere karşılık gelen frekansların logaritmaları veya ln değerleri (log y veya ln y ) bir sonraki orta değere karşılık gelen frekansların logaritmaları veya ln değerlerinden çıkartılarak log y veya ln y değerleri elde edilir. Orta değerlere karşı log y veya ln y girilerek elde edilen saçılım grafiğinde (scatter-plot) noktaların doğrusal özellik gösteren aralıkta olanları sağlıkla ilişkili veriler olarak kabul edilir. Elde dilen bu doğrunun 0 y-ekseninde kestiği nokta λ değerini verir. Bu metodun son final denklemleri: µ = λ + h/2 ve σ 2 = h x/ ( ln y ) h 2 /12 dir. Bhattacharya metoduyla belirlenen indirekt referans aralıkların alt ve üst sınırları µ±2σ formülüyle hesaplanır. 2 11

2.1.6. REFERA S ARALIKLARI I TRA SFERĐ ve VALĐDASYO U Bir laboratuvarın güvenilir referans aralıklarını belirlemesi zor ve pahalı bir süreçtir; ve birçok laboratuvar üretici firma tarafından sağlanan referans aralıklarını kullanmaktadır. Bu yüzden laboratuvardaki cihaz ve reaktiflerin üretici firmaları tarafından sağlanan referans aralıklarının bazı validasyon yöntemleriyle transferi daha ucuz ve uygulanabilir bir yöntemdir. Bir analit için referans aralığının aynı laboratuvar içinde veya bir laboratuvardan diğerine transferi için gereksinimler, o analitin ölçüldüğü analitik sistemin (cihaz ve metot) aynı veya farklı olmasına göre değişebilmektedir (5). Bir referans aralığının transferi iki temel problemi içerir: (1) analitik sistemin karşılaştırılması (2) test örnek popülasyonunun (referans popülasyonu) karşılaştırılması. Çalışma metotları arası farklılıklar ölçüm farklılıklarına sebebiyet vereceğinden, referans aralığının hesaplanmasında dikkate alınmalıdır. Metotlar arası farklılıklara kanser antijen ölçümleri örnek verilebilir. Đmmünokimyasal metotların (karsinoembriyonik antijen gibi) protein ölçümleri kullanılan antikorlardan dolayı çoğu zaman farklılık göstermekte; bu durum laboratuvar metotlarında biasa ve analitik değerlerde sapmalara yol açmaktadır. Genel olarak laboratuvarda uygulanmak istenen yeni analitik sistemle laboratuvarda kullanılmakta olan analitik sistem benzer tekrarlanabilirlik ve interferanslara sahip; benzer standartlar, kalibratörler ve birimler kullanıyor ise referans aralığı yeni veya alternatif sisteme transfer edilebilir. Eski ve yeni metodun NCCLS EP-9 klavuzuna göre karşılaştırılmasıyla bir referans aralığının yeni metoda göre transferi lineer regresyon analiziyle (y = a.x+ b) yapılabilir (31). Aynı örneklerin her iki metotla elde edilen değerleri arasındaki ilişki lineer regresyon analiziyle doğrusal bir ilişki ise (R 2 >0,90; b değeri 0 a yakın; a değeri 1 e yakın ise); eski metoda göre belirlenmiş referans aralığının alt ve üst değerleri bu regresyon modeliyle (yeni metodun sonucu = a.[eski metodun sonucu] + b ) yeni metoda göre transfer edilebilir. Tartışmalı olmakla beraber bu model, Ghoshal ve Soldin tarafından özellikle yeni bir referans aralığı çalışmasının zor olduğu pediatrik yaş gruplarında Dade Behring Dimension RxL ve Ortho Diagnostics Vitros 500 cihazları arasında uygulanmıştır (32,33). Farklı bir laboratuvar veya üretici firma tarafından bildirilen bir referens aralığının aynı veya benzer bir analitik sisteme transferinde referans popülasyonunun karşılaştırılması gerekir. Orijinal referans aralığı çalışmasındaki ilgili faktörlerin incelenmesiyle transferin geçerliliği subjektif olarak değerlendirilebilir. Bunun için ilgili makalede referans popülasyonunun tüm demografik ve coğrafik bilgileriyle beraber 12

preanalitik-analitik prosedürlerin, analitik performansın ve referans aralığı hesaplamada kullanılan istatistiksel metotların yeterince açıklanmış olması gerekir. Eğer bu faktörler transferin yapılacağı laboratuvarın işleyişiyle tutarlıysa referans aralığı herhangi bir validasyon işlemi yapılmadan transfer edilebilir. Alternatif olarak üretici firma tarafından bildirilen bir referans aralığı valide edilebilir. Transferin geçerliliği laboratuvarın kendi örnek popülasyonundan az sayıda referans bireyin (n=20 veya n=60) seçilmesiyle değerlendirilip; elde edilen bu referans değerler yeterli sayıda referans bireyin yer aldığı orijinal çalışmadaki verilerle karşılaştırılabilir. Ancak transferin yapıldığı laboratuvarın preanalitik ve analitik faktörleri orijinal referans aralığı çalışmasıyla tutarlı olmalıdır. Transferin validasyon çalışması için, belirlenen dışlama ve dahil etme kriterlerine göre laboratuvarın sağlıklı popülasyonundan seçilen 20 bireyin test sonuçları istatistiksel olarak değerlendirilir (test sonuçlarının Gauss dağılımına uygunluğu veya aşırı uç değerlerin varlığı gibi). Eğer elde edilen 20 test sonucunun en az 18 i (%90 ı) üretici firma tarafından bildirilen %95 referans sınırlarının içindeyse, bu referans aralığının laboratuvara transferi dikkate alınabilir. 20 test sonucundan 3 veya daha fazlası üretici firma tarafından bildirilen %95 referans sınırlarının dışındaysa yeniden 20 referans bireyi seçilip aynı kurallar uygulanır. Ancak yine 3 veya daha fazla test sonucu bildirilen %95 referans sınırlarının dışındaysa kullanılan analitik prosedürler ve iki referans popülasyonunun biyolojik özelliklerindeki olası farklılıklar gözden geçirilmelidir. Bu kriterin kullanılması durumda referans aralığının yanlış ret olasılığı %7,5 iken; 20 test sonucundan 4 veya daha fazla test sonucunun bildirilen %95 referans sınırlarının dışında kalması kriteri için yanlış ret olasılığı %1,6 dır. Bu validasyon prosedürleriyle bildirilen referans aralığının transferi uygun bulunmuyor ise tam bir referans aralığı çalışması yapılmalıdır (5). 13

2.2. HASTA TEST SO UÇLARI A DAYALI KALĐTE KO TROL Birçok laboratuvarların kalite kontrol uygulamaları, hasta örneği yerini tutan materyallerin analizi üzerine temellendirilmiştir. Önceden değerleri bilinen analitleri içeren kontrol serumlarının kullanılmasıyla yapılan geleneksel kalite kontrol uygulamalarının bazı dezavantajları vardır. Bunlardan bazıları; kontrol materyalinin maliyeti, materyalin uygun koşullarda saklanmasında oluşabilecek problemler, materyalin çözündüğünde unstabil olabilmesi, materyal uygun koşullarda saklansa bile zamanla bozulabilmesi, üretimdeki farklılıklardan kaynaklanan şişeler arası değişkenlikler, materyalde yer alan enzimlerin ve diğer proteinlerin hayvan kaynaklı olabilmesi, kontrol materyalindeki birçok analitin konsantrasyonlarının klinik önemdeki konsantrasyonları yansıtmamasıdır. Kalite kontrol prosedürlerine alternatif uygulamalar, rutin laboratuvar çalışmalarından elde edilen hasta test sonuçlarının kullanılması üzerine biçimlendirilmiştir (29,34-41). Hasta test sonuçlarını baz alan kalite kontrol uygulamalarından bazıları delta kontrol, anyon açığı, hastanın test sonucunun multiparametrik kontrolü, Bulls algoritması ve normallerin ortalamasıdır. Hasta test sonucu hem tek başına hem de bir grup içerisinde değerlendirilebilir. Daha önceden belirlenmiş kritik önemdeki değeri aşan abnormal hasta test sonuçları rapor edilmeden önce tekrar analiz edilebileceği gibi, bu kritik değerler hızlı bir biçimde ilgili klinisyene iletilebilir. 2.2.1. A YO AÇIĞI Laboratuvar hataları bazen, aynı örnekten elde edilen farklı test sonuçlarının karşılaştırılmasıyla saptanabilir. Abnormal test sonuçları için olası birçok sebep düşünülüyor ise, belirli test sonuçlarının kombine değerlendirilmesi hataların saptanmasında daha etkili olabilir. Analitik performansın izlenmesi için bir dizi test sonucunun kullanıldığı en bilinen yöntemlerden biri anyon açığının hesaplanmasıdır. Anyon açığı analitik süreçteki rastgele hataların saptanmasında bir kalite kontrol parametresi olarak kullanıldığı gibi; asit-baz dengesi bozukluğunun tanısında ve sınıflandırılmasında da kullanılmaktadır. Anyon açığı, serumda ölçülmemiş katyonlar ve anyonlar arasındaki yaklaşık farkı ifade eder ve [(Na + + K + ) (Cl - + HCO - 3 )] olarak hesaplanır. Anyon açığı hesabında bazı laboratuvarlar denkleme potasyumu dahil etmemektedir. Anyon açığının değerlendirilmesinde laboratuvarda kullanılan cihazlarda farklılıklarının dikkate alınması gerekir. Çünkü yapılan bir çalışmada, anyon açığı sağlıklı bireylerde bazı analizörler için 3-11 mmol/l aralığında iken, diğer bazı analizörler için 8-14

16 mmol/l aralığında saptanmıştır (42). Bunun için, her bir analizörde ölçülen elektrolitlerin belirlenen referans aralıkları kadar anyon açığı referans aralıklarının uygunluğunun da laboratuvarlar tarafından doğrulanması gerekir. Artmış anyon açığına sebebiyet verebilen başlıca patofizyolojik durumlar hipertansif hastalıklar, kronik böbrek yetmezliği, diyabet ve kalp yetmezliğidir. Anyon açığının azaldığı patofizyolojik durumlar ise karaciğer sirozu, nefrotik sendrom, poliklonal hipergammaglobulinemi ve bazı monoklonal gammopatilerdir. Lolekha PH ve arkadaşlarının yaptığı bir çalışmadaki anyon açığı yükselmiş 1410 hastanın bildirilen hastalıkları Tablo 1 de gösterilmiştir (43). Anyon açığının 2 mmol/l nin altında veya 24 mmol/l nin üzerinde olması oldukça nadirdir ve bu durumlarda elektrolitlerin kalite kontrolleri hemen gözden geçirilmelidir. Bazı araştırıcılar, sekiz veya daha fazla hastadan elde edilen hesaplanmış anyon açığı değerlerinin ortalamaları ile her bir hasta anyon açığı değerinin karşılaştırılmasının analitik hataların saptanmasında oldukça duyarlı bir kalite kontrol prosedürü olabileceğini göstermişlerdir (44). Tablo 1: Lolekha PH ve arkadaşlarının yaptığı bir çalışmadaki anyon açığı yükselmiş 1410 hastanın bildirilen hastalıkları (43). Hastalık % % Hastalık % % Genitoürüner sistem 28,4 Kalp 11,9 Kronik böbrek yetmezliği Üriner enfeksiyon Diğer 15,4 2,3 10,7 Đskemik kalp hastalığı Serebrovasküler hastalık Konjestif kalp yetmezliği Diğer 2,6 0,7 2,0 6,6 Hipertansiyon 19,2 Solunum sistemi 6,8 Pnömoni Amfizem ve astım Akut üst solunum yolu enfeksiyonu Diğer 2,0 1,4 0,9 2,5 Endokrin sistem 18,0 Bakteriyel ve parazitik enfeksiyon 5,1 Diyabet Diğer 12,9 5,1 Malignant neoplazma 15,1 Karışık hastalık grubu 37,1 Sindirim sistemi 12,1 Bazı hastalar birden fazla hastalığa sahiptir 15

2.2.2. DELTA KO TROL Bazı laboratuvar hataları, örneklerin karışmasından veya intravenöz verilen sıvının örneği değiştirmesinden kaynaklanabilir. Hastanın en son laboratuvar test sonuçlarının, aynı hastanın daha önceki örneklerinden elde edilen test sonuçlarıyla karşılaştırılması ile bu laboratuvar hataları saptanabilir. Delta kontrol olarak adlandırılan bu teknik bir çok laboratuvar bilgi sistemine dahil edilmiştir; ve bu teknik hastanın daha önceki test sonuçları ve en son laboratuvar test sonuçları arasındaki farkları belirlenmiş eşik değerler ile karşılaştırır. Peş peşe iki örnek arasındaki fark belirlenmiş eşik değerleri aştığında meydana gelen dikkate değer değişiklikler delta kontrol ile saptanabilmektedir. Delta kontrolün değerlendirmesi (45-48): Delta fark = yeni sonuç serinin bir önceki sonucu Delta yüzde değişimi = delta fark / yeni sonuç Delta interval = Yeni sonuç serinin ilk sonucu Fark oranı = (delta fark / delta interval) x 100 Yüzde değişimi oranı = Delta yüzde değişimi / delta interval Klinik laboratuvarlarda yapılan bazı çalışmalar, delta kontrol hatalarının büyük bir bölümünü elektrolit ölçümlerinde belirlemişlerdir (46). Delta kontrol hataları ayrıca böbrek yetmezliği (özellikle diyalize giren hastalar), kalp yetmezliği ve diyabetik ketoasidozu olan hastalarda görülebilmektedir. Yapılan çalışmalarda örneklerin karışmasından kaynaklanan hata sıklıklarının gerçekte oldukça düşük olduğu gösterilmiştir. Örneklerin karışma hatalarını saptamak için çok değişkenli bir delta kontrol metodunun kullanıldığı büyük bir çalışmada hata oranı sadece %0,07 olarak belirlenmiştir (49,50). Yine aynı çalışmada, cihazın sample probunun yetersiz örnek çekmesinden kaynaklanan hataların saptanmasında delta kontrolün daha kullanışlı olduğu bildirilmiştir. Böylece sample probun fibrin veya diğer bazı materyallerle tıkanması gibi analizörlerin arızalarından kaynaklanan önemli laboratuvar hataları delta kontrol ile saptanabilmektedir. 2.2.3. HASTA TEST SO UCU U MULTĐPARAMETRĐK KO TROLÜ Aynı hastadan elde edilen farklı laboratuvar test sonuçları arasındaki korelasyonunun değerlendirilmesi bazı analitik hataların belirlenmesine yardımcı olabilir. Direkt bilirubinin total bilirubinden yüksek olması, albüminin total proteinden yüksek olması, abnormal alanin aminotranferaz (ALT) a karşı normal aspartat aminotranferaz (AST), artmış kreatinine karşı normal kan üre azotu, hematokrit-hemoglobin arasındaki 16

korelasyonun kaybı, eritrosit morfolojisi ile ölçümü arasındaki tutarsızlıklar hasta test sonucunun multiparametrik kontrolüne örnek verilebilir. Multiparametrik kontrolle alakalı bir çalışmada laboratuvar testlerinin ilişkili alt panellere bölünmesinin (kan: eritrosit, lökosit ve trombosit sayıları ; karaciğer: alkalin fosfataz, AST,ALT ; böbrek: kreatinin, kan üre azotu, ürik asit ; elektrolitler: sodyum, potasyum, kalsiyum gibi) beklenen limitlerin dışındaki değerlerin saptanmasını kolaylaştırdığı belirtilmektedir (51,52). Test sonuçları arasındaki ilişkinin değerlendirilmesinde Gambino R ve arkadaşlarının önerdiği fuzzy logic model kullanılabilir (52). Bu modelde doğru test sonuçları 1 olarak ve yanlış test sonuçları 0 olarak kodlanır. Sistemde 0 ile1 arasına düşen test sayısına göre sonuçların uygunluğu değerlendirilebilir. Çalışmada 10.000 hastaya ait kalsiyum ve albümin test sonuçlarının sırasıyla x ve y eksenlerine girilmesiyle elde edilen noktasal alanın yoğunluğunu yansıtan iç içe geçmiş izohips eğriler test sonuçlarının olasılık limitlerini (< %10, %20-%50, %50-%90, > %90) oluşturmuştur. Böylece bu modelle test sonuçlarının kabul edilip edilmeyeceği kararı verilebilir. 2.2.4. BULL S ALGORĐTMASI Bu teknik 1974 de Bull tarafından kan sayımı analizörlerinde ölçülen eritrosit belirteçlerinin (hemoglobin, eritrosit sayısı RBC, ortalama eritrosit hacmi- MCV) kalite kontrollerinin hasta verileri kullanılarak değerlendirilmesi için tasarlanmıştır (53). Temelde Bull s algoritması normallerin ortalaması (average of normals AON) prosedürünün farklı bir uygulamasıdır ve çoğunlukla ticari hematoloji otoanalizörleri için kullanılmaktadır. Bu algoritma, daha önceden N sayıda (genellikle N=20) örneğin analizinden elde edilen ortalama değeri kullanılarak yeni hasta ortalamasının tekrar hesaplanması üzerine temellendirilmiştir. Hesaplanan bir fonksiyon (d) yeni ortalamayı hesaplamak için eski ortalamaya eklenir. Böylece Bulls algoritması (54) : X B, i = X B, i-1 + d ( X B, i yeni hesaplanan ortalama; X B, i-1 bir önceki ortalama ) p p sgn( x j xb, i 1 ) x j xb, i 1 1/ p j B, i 1 j B, i 1 j= 1 j= 1 d = sgn( sgn( x x ) x x ).( ) Hesaplanan d değeri bir işaret fonksiyonu (sign function: y<0 ise -1; y=0 ise 0 ve y>0 ise 1) ile elde edilir. Çoğunlukla ekponansiyel faktör (P) =1/2 ve N=20 dir. Eğer yeni hesaplanan ortalama değer kabul edilebilir stabil hasta ortalamasının %3 lük limitleri 17

(ortalamanın 0,97 kat altı ve 1,03 kat üstü) içersinde değilse bu durumun araştırılması gerekir ve bazı düzeltmeler uygulanmalıdır. Bu tekniğin dezavantajlarından biri bazı hasta toplulukların (yeni doğan ve onkoloji hastaları gibi) verilerinin bu teknik için kullanılamamasıdır. Çünkü sapan değerlerin ortalamasının oranına bağlı olarak bu toplulukların test sonuçları analitik sapmaların yakalanmasını zorlaştırabilir (55). Bu yüzden bu tekniğin, belli özellikteki homojen hastalardan oluşan popülasyonun örneklerinin analizi sırasındaki hataların saptanmasında daha kullanışlı olduğu belirtilmektedir (56). Yeni Bull s ortalaması hesaplamak için örnek sayısındaki artışın bu tekniğin sensitivitesinde artışa ve yanlış ret etmelerde azalışa yol açtığı saptanmıştır (54). Smith FA ve arkadaşları Bull s algoritmasını, normallerin ortalaması (AON) prosedürünü modifiye ederek eksponansiyel olarak düzenlenmiş hareketli ortalama (exponentially adjusted moving mean EAMM) olarak tanımlamışlardır (54). Bulls algoritmasında kullanılan eksponansiyel faktör (P) 1 (1/2 yerine) olduğunda EAMM, normallerin ortalaması prosedüründeki kesme limitlerine ayırmadan hesaplanan ortalama ile aynı değerdedir. Ve optimal eksponansiyel faktör (P) 0,63 ile 0,70 arasında değişmektedir. Yapılan çalışmada normallerin ortalamasında olduğu gibi EAMM metodunun düşük standart sapma oranlarına (SDR = S pop /S meas ) sahip analitlere daha duyarlı olduğu gösterilmiştir. Bull s algoritması için kritik bir nokta ise sapma gösteren değerlerin yeni hesaplanan ortalamaya etkisidir. Önceki ortalama için kullanılan hasta verilerinin square roots transformasyonu ile yeni ortalamanın hesaplanması bu durumun aşılabilmesi için kullanılabilecek bir yöntemdir (37). 2.2.5. ORMALLERĐ ORTALAMASI (Average of ormals AO ) Analitik metotların stabilitelerinin uzun yıllar sürdürülmesi zor olmasına rağmen tüm klinik laboratuarların temel amaçlarından birisidir. Laboratuvarlarda kullanılan günlük kalite kontrol materyallerinin stabilitesi genellikle bir yıldan daha azdır (tek bir lot için). Bu süre içersinde herhangi bir analitik hatadan kaynaklanan veya farklı bir lot numaralı kontrole geçilirken meydana gelebilecek analitik sapmalar gözden kaçabilir. Hasta verilerinin kısa veya uzun dönem kalite kontrol değerlendirilmesi için kullanılması bu analitik sapmaların belirlenmesinde yardımcı olabilir. Hasta test sonuçlarının kalite kontrol için kullanıldığı ve istatistiksel temele dayanan normallerin ortalaması (average of normals AON) prensibi, belli kurallara göre belirlenen hasta test sonuçları ortalamasının bir kontrol limiti ile karşılaştırılması temeline dayanmaktadır. Bu teknik ilk olarak 1965 de 18

Hoffmann RG ve Waid ME tarafından tanımlanmıştır (57). Sonraki yıllarda yapılan çalışmalarda orijinal teknikte bazı modifikasyonlar yapılmasına rağmen; ilk tanımlandığında amaçlanan temel prensipler değişmemiştir (34-37). Cembrowski GS ve arkadaşlarının normallerin ortalaması tekniği ile ilgili yaptığı detaylı bir çalışmada; metodun optimizasyonunun zor olduğu, laboratuvarlarda kullanılan rutin kalite kontrol prosedürleri yerine kullanılamayacağı ancak bu prosedürlere ek bir uygulama olarak kullanılabileceği bildirilmiştir (34). Yapılan başka bir çalışmada bu teknikle günlük hasta test sonuçları uygulamaları yerine çok sayıda günün hasta test sonuçları uygulamalarının sistematik hataların ve var olan eğilimlerin saptanmasında daha duyarlı olduğu belirtilmiştir (58). Bu tekniğin avantajları olarak maliyetinin olmaması, sistematik hataların belirlenebilmesi, istenilen herhangi bir zamanda uygulanabilir olması, iki seviyeli kalite kontrol için normal seviyeye ek bir uygulama olarak kullanılabilir olması sayılabilir. Dezavantajları olarak spesifik laboratuvar yazılımlarına ihtiyacın olması ve rasgele hataları saptayamaması sayılabilir. 2.2.5.1. ormallerin Ortalaması Prosedürünün Tasarımı ve Değerlendirme Normallerin ortalaması prosedürünün performansı birkaç faktörden etkilenmektedir. Bunlar; popülasyonun standart sapma değerinin (S pop ) analitik standart sapma (S meas ) değerine oranı (S pop /S meas ), ortalaması alınacak minimum hasta sayısı (N p ), kontrol ölçüm sayısı ( N c ), kontrol limitlerinin seçimi, kesme limitlerinin seçimi ve kesme limitlerine uyan popülasyonun oranı. Standart sapma oranı (standard deviation ratio SDR) olan S pop /S meas, normallerin ortalaması prosedürünün hata saptama kapasitesini yansıtan primer belirleyici etkendir. Analitik standart sapma değeri within-run ve betweenrun varyasyon komponentlerinden oluşurken; popülasyonun standart sapma değeri bireyler arası biyolojik standart sapma ile analitik standart sapmadan oluşmaktadır (S 2 pop = S 2 biol + S 2 meas ;59,60). Normallerin ortalaması prosedürü SDR değeri 3 ten küçük olan sodyum, potasyum, klorür ve kalsiyum gibi analitler için analitik hata saptanmasında daha duyarlı iken; SDR değeri 7 den büyük olan glukoz, kolesterol ve kan üre nitrojeni gibi analitler için analitik biasın saptanmasında daha az duyarlıdır (34-37). Cembrowski GS ve arkadaşlarının yaptıkları çalışmada analitik hatanın saptanması için normallerin ortalaması prosedürü değerlendirilmesinde gerekli olan minimum hasta test sonucu sayısı sodyum için 20 iken glukoz için 100 olarak belirlenmiştir (34). Douville P ve arkadaşları normallerin 19

ortalaması için gerekli olan minimum hasta test sonucunu sayısının N p = 2 x N c x ( S 2 pop / S 2 meas ) formülü ile belirlenebileceğini belirtmektedir (58). Normallerin ortalaması prosedüründe diğer bir önemli nokta, birçok analitin hasta test sonuçları dağılımlarının non-gaussian profil sergilemeleridir. Bu yüzden popülasyondaki abnormal test sonuçlarının atılmasıyla elde edilen kesme limitlerinin belirlenmesi normallerin ortalaması prosedürünün önemli bir aşamasıdır. Cembrowski GS ve arkadaşlarının yaptıkları çalışmada kesme limitleri seçiminin hasta test sonuçlarının dağılımlarıyla ilişkili oldukları; dağılım Gauss dağılımına uyuyor ise kesme limitlerinin belirlenmesine gerek olmadığı ancak Gauss dağılımına uymuyor ise kesme limitlerinin belirlenmesinin gerekli olduğu bildirilmiştir (34). Poliklinik hastaları gibi sağlık taraması yapılan bireylerden oluşan popülasyonlar için kesme limitlerinin sınırları X p ± 3 S p formülüyle; hastane yatan bireylerden oluşan popülasyonlar için X p ± 2,5 S p formülüyle hesaplanmaktadır. Kesme limitlerinin belirlenmesinden sonra normallerin ortalaması prosedüründeki diğer önemli aşama; bu limitler içersinde kalan hasta test sonuçları ortalamasının 1/2 belirlenen bir kontrol limiti ile değerlendirilmesidir. Kontrol limitleri X p ± c.s p / N p formülü ile hesaplanmakta ve formülde yer alan c değeri 2,5 ile 3,0 arasında değişebilmektedir. Yanlış retler dar kontrol limitlerinin kullanılmasında artarken geniş kontrol limitlerinin kullanılmasında azalmaktadır. Bu yüzden kontrol limitlerinin belirlenmesinde yanlış ret etme olasılığı %1 veya daha düşük olmalıdır. Ancak analitik hataların belirlenme olasılığı dar kontrol limitlerinde ve yüksek N p değerlerinde artmaktadır. Son aşama, kesme limitleri içersinde kalan hasta test sonuçları ortalamasının kontrol limitleri içersinde olup olmadığının değerlendirilmesidir. Fakat normallerin ortalaması metoduyla yapılan bu değerlendirme laboratuvarda kullanılan rutin kalite kontrol uygulamalarıyla beraber yapılmalıdır. 2.2.5.2. ormallerin Ortalaması Prosedüründe Güç Fonksiyon Grafiklerinin Kullanımı Temel istatistikte kurulan hipotez testlerinde iki tür hata yapılabilir. Tip I hata (veya α hata) H 0 hipotezinin (istatistiksel açıdan fark olmadığını öne süren hipotez) gerçekte doğru olduğu halde ret edilmesi; tip II hata (veya β hata) H 1 hipotezinin (istatistiksel açıdan fark olduğunu öne süren hipotez) gerçekte doğru olduğu halde ret edilmesidir. Genelde tip I hatanın azaltılması tip II hatanın artışına yol açar ve tip II hatanın artışı 20

kurulan hipotez testinin güvenirliliğini azaltır. Gerçekte H 1 hipotezi doğru olduğu durumda, kurulan hipotez test sonucunun da bu sonuca varması olasılığına testin gücü (power) adı verilir ve güç 1- β ya eşittir. Hipotez testinin gücünü çalışmaya alınacak denek sayısı (örneklem büyüklüğü) belirler. Temel istatistiksel kuramlardan yola çıkarak klinik laboratuvarın kalite planlaması için kullanılabilecek güç fonksiyon grafikleri geliştirilmiştir (61-63). Kontrol prosedürü olarak bu grafik, x-eksenindeki hata büyüklüklerine karşılık y-ekseninde reddetme olasılıklarını gösterir (şekil 2). Analitik metoda özgü imprezisyon hariç herhangi bir analitik hata olmadığı halde verilen ret sinyalinin olasılığı yanlış ret olasılığı (probability for false rejection - P fr ) olarak adlandırılır. Teorik olarak yanlış ret olasılığının 0,00 olması gerekir ancak uygulamalarda 0,005 den 0,05 e kadar olan değerler kabul edilmektedir. Analitik hatanın varlığı durumunda verilen ret sinyalinin olasılığı hata tespit olasılığı (probability for error detection P ed ) olarak adlandırılır. Teorik olarak hata tespit olasılığının 1,00 olması gerekir ancak uygulamalarda 0,90 ideal performans olarak kabul edilmektedir. Hata saptama kontrol ölçüm sayısına ve kontrol kurallarına bağlıdır. Dar kontrol limitleri hem yanlış ret hem hata tespit olasılığında artışa sebebiyet verir. Çok sayıda kontrol kurallarının birlikte kullanımı ve artmış kontrol ölçüm sayısı hata tespit olasılığını artırır. Ancak bu durum artmış iş yükü ve maliyeti de beraberinde getirir. Şekil 2: Yanlış ret olasılığı (P fr ) ve hata tespit olasılığının belirlenmesi (P ed ). P ed değeri kritik sistematik hataya uyan güç grafiğindeki nokta ile; P fr değeri güç grafiğinin y-eksenindeki kestiği nokta ile belirlenir (64). N=1 ve 1 2s kontrol kuralı için güç grafiğinde P fr değeri 0,05 iken; 1 3s ve 1 4s kontrol kurallarında P fr değerleri yaklaşık 0,00 dır. P ed değerleri meydana gelen hatanın büyüklüğüne bağlıdır. Örneğin metodun standart sapmasında 3 katlık sistematik sapmanın P ed değeri güç grafiğine karşılık gelen nokta ile belirlenir (şekil 2). Bu 3 SD lik sistematik 21

sapmaların P ed değerleri 1 4s kuralında 0,16, 1 3s kuralında 0,50 ve 1 2s kuralında 0,83 tür. Ancak N sayısının artışı ve çok kurallı kontrol kurallarının kullanışı hata tespitlerinin değerlendirmesini zorlaştırmaktadır (şekil 3). Şekil 3: =1 den =8 e kadar 1 3s kontrol kuralı için sistematik hatanın saptanmasında kullanılan güç fonksiyon grafiği. kontrol ölçüm sayısını ve R tekrar sayısını simgelemektedir (64). Normallerin ortalaması metoduyla sistematik sapmaların belirlenmesinde gerekli olan minimum hasta test sonucu sayılarını belirlemek için Cembrowski GS ve arkadaşları güç fonksiyon grafikleriyle beraber operasyon spesifikasyon (OPSpecs) grafiklerini kullanmışlardır. Güç fonksiyon grafikleri, S pop /S meas oranına (popülasyonun standart sapma değerinin analitik standart sapma değerine oranı) göre oluşturulmuş; bu oranın farklı analitlerdeki 2 den 15 e kadar olan değerleri için minimum hasta test sonucu sayıları 20 den 600 e kadar değişmekteydi (34). Bu çalışmadan yola çıkarak Westgard JO ve arkadaşları bir bölgesel referans laboratuvarında normallerin ortalaması metodu için analitleri yüksek, orta ve düşük duyarlılıkta olanlar şeklinde sınıflandırmışlardır (Tablo 2, 36). 22

Tablo 2: Bazı analitlerin normallerin ortalaması metoduna duyarlılıklarına göre sınıflandırılması (36). Analit, birim S pop S meas S pop /S meas TE a (%) ormallerin ortalaması metodu için yüksek duyarlılıkta olan analitler Sodyum, mmol/l 865 2,05 1,30 1,58 3 Poatsyum, mmol/l 975 0,36 0,13 2,78 5 Klorür, mmol/l 760 2,50 0,97 2,58 5 Bikarbonat, mmol/l 70 2,09 0,61 3,48 10 Hemoglobin, g/l 2440 8,67 0,95 9,09 10 ft4, pmol/l 260 3,52 1,40 2,51 24 TSH, mu/l 2040 1,07 0,12 8,88 30 subgrup 60 100 30 40 120 100 300 P ed 0,93 0,98 1,00 0,96 >0,96 0,99 0,99 ormallerin ortalaması metodu için orta duyarlılıkta olan analitler Ferritin, µg/l Trombosit, x10 9 /L Fosfat, mmol/l RBC, x10 12 /L 260 325 90 100 61,80 57,94 0,15 0,34 7,83 5,00 0,02 0,04 7,89 11,59 7,65 9,71 24 20 10 10 ormallerin ortalaması metodu için düşük duyarlılıkta olan analitler T. Kolesterol, mmol/l 1190 0,72 0,07 10,34 5 HDL-C, mmol/l 715 0,21 0,03 7,00 5 Trigliserit, mmol/l 1015 0,65 0,02 32,50 5 Vitamin B12, pmol/l 220 165,2 12,00 13,77 24, bir gün içersinde çalışılan test sayısı P ed, hata tespit olasılığı TE a,, total kabul edilebilir hata 120 180 90 120 450 300 600 120 0,94 >0,91 0,93 >0,90 0,12 0,16 0,19 0,03 23

2.3. HEMOSTAZ LABORATUVAR TESTLERĐ Hemostaz, kan kaybının önlenmesi anlamına gelir. Trombositler, pıhtılaşma faktörleri, fibrinolitik sistem ve antikoagülan sistem hemostatik sistemin bileşenleridir. Trombositler ve pıhtılaşma faktörlerinin kan dolaşımında inaktif formda olması, kanın vasküler sistem içersinde serbestçe akmasını sağlar. Ancak vasküler zedelenme, primer ve sekonder hemostaz olarak sınıflandırılan bir kompleks hemostatik cevabın başlamasına sebebiyet verir. Primer hemostaz cevapları: (1) vazospazm (2) endotel hasarı sonucunda açığa çıkan subendotelyal kollajene trombositlerin von Willebrand faktör aracılığıyla bağlanması (3) trombosit aktivasyonu ve agregasyonu sonucunda kan pıhtı oluşumu (4) fibröz dokunun pıhtı içine doğru büyümesiyle endoteldeki hasarın onarılmasıdır. Endotel hasarı küçük ise trombosit tıkacı kanamayı durdurabilir; ancak hasar büyük ise subendotelyal doku faktörlerinin de aktive olarak sekonder hemostazı başlatması gerekir. Kanama hastalıkları primer ve sekonder hemostatik bozukluklar olarak sınıflandırılmaktadır. Primer hemostatik bozukluklar von Willebrand faktör ve trombosit hastalıklarını içerirken; sekonder hemostatik bozukluklar edinsel veya konjenitel koagülasyon faktör eksikliklerini içerir. Kanama semptomları olan bir hasta için seçilecek hemostaz laboratuvar testlerinin; hasta ve aile hikayesi, fiziksel muayene bulguları ve kullandığı ilaçlar gibi hasta bilgileriyle beraber değerlendirilmesi gerekir. Spontan kanamalar (epistaksis, eklem kanamaları gibi) ve cerrahi girişim sonrası beklenmeyen kanamalar (diş çekimi sonrası kanamalar gibi) bir kanama hastalığının belirtileri olabilir. Kanama semptomları olan bir hastadan öncelikle hemostatik hastalık hikayesi alınmalı; ardından pıhtılaşma sistemini değerlendirecek uygun hemostaz laboratuvar testi seçilmelidir. Hastalık hikayesi alınmadan hemostaz laboratuvar testlerinin yapılması uygun bir yaklaşım değildir. Kanama zamanı, protrombin zamanı (prothrombin time-pt) ve aktive parsiyel tromboplastin zamanı (activated partial thromboplastin time-aptt) sıklıkla kullanılan hemostaz laboratuvar testleridir. 24

Şekil 4: Koagülasyon mekanizmasının şematik gösterimi. Faktör II, VII, IX ve X vitamin K ya bağımlı faktörlerdir. HMWK: high-molecular weight kininogen; PK: prekallikrein. Tablo 3: Kan koagülasyon sisteminde yer alan faktörler ve kullanılmakta olan eş anlamlıları (65). FAKTÖR EŞ A LAMLILARI Faktör I Fibrinojen Faktör II Protrombin Faktör III Tromboplastin veya doku faktörü Faktör IV Kalsiyum Faktör V Labil faktör Faktör VII Stabil faktör Faktör VIII Antihemofilik faktör-ahf, antihemofilik globulin-ahg, antihemofilik faktör-a, Faktör VIII:C Faktör IX Plazma tromboplastin bileşeni-ptc, Christmas faktör, antihemofilik faktör-b Faktör X Stuart faktör, Prower faktör, Stuart- Prower faktör Faktör XI Plazma tromboplastin öncülü-pta, antihemofilik faktör-c Faktör XII Hageman faktör, yüzey faktörü, kontakt faktör Faktör XIII Fibrin stabilizan faktör-fsf, Fibrin stabilizan enzim, fibrinaz Diğer Faktörler Prekallikrein Fletcher faktör Yüksek molekül ağırlıklı kininojen (HMWK) - Fitzgerald faktör 25