پیش‌سنجش: سرچشمه‌ی بیشتر خطاهای آزمایشگاهی؟!
دكتر حسن بيات
دكتراي علوم آزمايشگاهي
بیش از یک دهه است که متون آزمایشگاهی بر خطاهای پیشسنجشی و پسسنجشی تمرکز کرده‌اند و شاهد هستیم که بسیاری از خطاها به مراحل پیش و پس از سنجش نسبت داده می‌شود و تنها سهم اندکی برای مرحله‌ی سنجش باقی می‌ماند؛ اگر اصلاً سهمی برای خطای سنجش قائل باشند. به تازگی مقاله‌ای در ارتباط با این موضوع با عنوان “نگاهی دیگر به نرخ خطاهای آزمایشگاهی، 2014” از استن وستگارد (پسر پروفسور وستگارد معروف) بر روی سایت وستگارد قرار گرفته است که در آن نویسنده نگاهی خلاف این نگاه رایج را مطرح می‌کند. ترجمه‌ی آن مقاله با کسب مجوز از نویسنده تقدیم می‌گردد. چون بر روی سایت بخش‌هایی از مقاله که “پیوند” است با رنگ قرمز مشخص شده است، اینجانب نیز آن بخش‌ها را به رنگ قرمز نمایان کرده‌ام تا خوانندگان علاقمند از این که چه بخش‌هایی بر روی سایت پیوند هستند آگاه شوند و در صورت تمایل با مراجعه به سایت وستگارد از آن پیوندها استفاده نمایند. همچنین در پایان آن مقاله استن وستگارد به مقاله‌ی دیگری با عنوان “نرخ خطا در فرآیند سنجش کل”نوشته‌ی خودش اشاره و برای دسترسی به آن پیوند ایجاد کرده است. نظر به این که این مقاله‌ی دیگر علاوه بر این که به تنهایی نوشته‌ی بسیار سودمندی است، مکمل خوبی نیز برای مقاله‌ی اخیر است، اینجانب نابجا ندیدم که هر دو مقاله با هم ترجمه و تقدیم گردد. بنابراین از استن وستگاردتقاضا کردم که اجازه‌ی ترجمه‌ی آن مقاله را نیز داشته باشم که خوشبختانه ایشان پذیرفتند. امیدوارم مطالعه‌ی این دو مقاله برای جامعه‌ی بزرگوار آزمایشگاهی خالی از بهره نباشد.
اصل مقاله‌ها به ترتیب در نشانی‌های زیر در سایت وستگارد در دسترس است:
http://westgard.com/pre-analytical-errors-2014.htm
http://westgard.com/testing-error-rates.htm
جا دارد از لطف استن وستگارد بابت اجازه‌ی رایگان ترجمه‌ی این دو مقاله و نیز اجازه‌ی رایگان ترجمه‌ی مقاله‌ی “افت QC” که در شماره‌ی 124 اخبار آزمایشگاهی چاپ شد، و همچنین گذاشتن تصویری از نشریه‌ی اخبار آزمایشگاهی حاوی عنوان ترجمه‌ی افت QC با کلمات فارسی در سایت وستگارد و ایجاد پیوند به ماهنامه‌ی اخبار آزمایشگاهی در آن سایت تقدیر و تشکر فراوان داشته باشم.
حسن بیات؛ دانش‌آموخته‌ی علوم آزمایشگاهی، خرداد 1393
در یک مطالعه‌ی جدید، فراوانی خطاهای آزمایشگاهی در سراسر “فرآیند سنجش کل”مورد بررسی قرار گرفته است.این مطالعه نرخ خطاهای پیشسنجشی از سال 2011 در بیمارستان حومه‌ای اورژانس بالینی در تیموسوآرای رومانی[1] را در بر می‌گیرد. ما چند سال پیش نگاهی انداختیم به نرخ‌های پیشسنجشی. آیا از آن زمان آزمایشگاه‌ها پیشرفت قابل‌ملاحظه‌ای داشته‌اند؟
نگاهی دیگر به نرخ خطاهای آزمایشگاهی، 2014[2]
استن وستگارد، MS
آوریل 2014
شاخص‌های کیفیت در مرحله‌ی پیش‌سنجش در آزمایش در یک آزمایشگاه اورژانس[3]، دانیل استفانیا گرسو، دالیبورکا کریستینا ولاد، ویکتور دومیتراسکو، Lab Medicine، زمــــــــــستان 2014، 81-74:1؛145
در این مطالعه‌ی اخیر هفت شاخص کیفیت مورد تأیید کارگروه IFCC برای “خطاهای آزمایشگاهی و ایمنی بیمار” (WG-LEPS)[4]بررسی شده و تمرکز آن بر شاخص‌های کیفیت در مرحله‌ی پیشسنجشی بوده است. انجام دهندگان نه تنها میزان خطاها را تعیین کرده‌اند، بلکه آن‌ها را به عیار سیگما نیز تبدیل کرده‌اند (رفتن از تعداد کاستی‌ها در میلیون به عیار سیگما فقط به یک جستجوی سریع در جدول شش سیگما نیاز دارد). به خاطر داشته باشید که وقتی تعداد کاستی‌ها را برای تعیین عیار سیگما می‌شماریم، عددی که به طور معمول گزارش می‌شود سیگمای کوتاه‌مدت است[5].
در زیر خلاصه‌ی عیارهای سیگمای دیده شده در بیمارستان اورژانس حومه‌ای تیموسوآرا در رومانی در سال 2011 ارائه شده است:
| عیار سیگما (کوتاه مدت) | میزان کاستی | فرآیند آزمایشگاهی، 2011 |
| مرحله‌ی پیشسنجشی | ||
| 5.3 | 0.01% | Q1-5: %درخواست‌های دارای خطا در مشخصات بیمار |
| 5.6 | 0.002% | Q1-7: %درخواست‌های دارای خطای از قلم افتادن آزمایش‌ها |
| 4.8 | 0.05% | Q1-8: %نمونه‌های گم‌شده |
| 5.6 | 0.002% | Q1-9: %نمونه‌های جمع‌آوری شده در لوله‌ی دارای ضد انعقاد نامناسب |
| 4.2 | 0.40% | Q1-10: % نمونه‌های همولیز شده (بیوشیمی) |
| 4.0 | 0.77% | Q1-11: % نمونه‌های لخته شده (هماتولوژی) |
| 4.8 | 0.05% | Q1-13: % نمونه‌های دارای نسبت نامناسب ضد انعقاد |
عیارهای سیگمایی که در اینجا دیده می‌شود بسیار خوب هستند، که قطعاً نسبت به عیارهای سیگمای دیده شده در مطالعه‌یNevelainen و همکارانش در سال 2000 پیشرفت قابل ملاحظه‌ای به شمار می‌آید. تمرکز مقالات ژورنال‌ها بر بهبود خطای پیشسنجشی ثمره‌ی ملموسی داشته است. آموزش بهتر، اتوماسیون بیشتر، انفورماتیک بیشتر- همه‌ی این‌ها به کاهش چشمگیر خطاهای پیشسنجشی کمک کرده‌اند.
طبق معمول، ما این فرصت را نیز داریم که درباره‌ی خطاهای سنجش هم پرس و جو کنیم. این آزمایشگاه همچنین از عیاربندی سیگما برای ارزیابی عملکرد سنجش بر اساس مقیاس سیگمای بلند مدت استفاده کرده است.
| عیار سیگما (بلند مدت) | عیار سیگما (کوتاه مدت) | آزمایش |
| 3 | 4.5 | LDH |
| 4 | 5.5 | Glucose |
| 4 | 5.5 | Creatinine |
| 4 | 5.5 | ALT |
| 4 | 5.5 | CK |
| 4 | 5.5 | Amylase |
| 4 | 5.5 | Potassium |
| 5 | 6.5 | AST |
| 6 | 7.5 | Urea |
| 2 | 3.5 | Sodium |
خبرهای خوش بسیاری در این فهرست عملکرد وجود دارد؛ بیشتر این سنجش‌ها، در مقایسه با فرآیندهای پیشسنجشی، تقریباً در همان سطح از عملکرد قرار دارند، به استثنای سدیم که با سیگمای 3/5 (کوتاه مدت) بناست در آینده خطاهای بسیاری ایجاد کند (22,750 خطا در میلیون).
برای مفهوم شدن موضوع، اجازه دهید تعداد واقعی نمونه‌ها در این مطالعه را در نظر بگیریم: 168,728 نمونه طی سال 2011. اگر همه‌ی خطاهای پیشسنجشی را که ایشان پیدا کرده‌اند جمع ببندیم، حاصل آن می‌شود 1،457 خطا، یا تقریباً 0/86% یا 3/8 در مقیاس سیگمای کوتاه مدت. در آن سوی، سدیم به تنهایی نرخ خطایی برابر 2/3% یا 3,880 خطا دارد. این روش سنجش سدیم به تنهایی می‌تواند خطایی بیش از دو برابر همه‌ی خطاهای پیشسنجشی تولید کند.
راه دیگر برای نگاه کردن به این محاسبات در نظر گرفتن این است که در عمل QC چگونه انجام می‌شود: شاید فقط یک بار در روز، اما هر نقطه‌ی کنترل بر نتایج بیماران متعددی تأثیرگذار است. اجازه دهید فرض کنیم که این آزمایشگاه روزی یک بار QC انجام می‌دهد، این به این معناست که 8 تا 9 روز در سال این روش از کنترل خارج است. اگر تعداد متوسط نمونه‌ها در روز را در نظر بگیریم (حدود 462)، ما داریم از 3,698 تا 4،160 نمونه‌ی بیمار صحبت می‌کنیم که ممکن است تحت تأثیر نتایج سدیم که به طور قابل ملاحظه‌ای در خطا هستند قرار بگیرند.
درک می‌کنم که این محاسبات بر مفروضات بسیاری بنا شده است، اما اصل موضوع این است که فرآیندهای سنجشی بدتر از فرآیندهای پیشسنجشی عمل می‌کنند. سال‌هاست که عکس آن به ما گفته می‌شود، این که همه‌ی روش‌های سنجشی عالی هستند و ما فقط لازم است بر خطاهای پیشسنجشی تمرکز کنیم. این مطالعه گواهی است خلاف این ادعا.
سودی در این نیست که وارد یک بازی برد/ باخت شویم که در آن، مراحل گوناگون در فرآیند سنجش کل برای کسب جایگاه “ممتاز” با یکدیگر به رقابت بپردازند. فرآیند سنجش کل یک صندلی سه‌پایه است؛ چنانچه هرکدام از این پایه‌ها بشکند، قطعاً تأثیر ناگواری بر بیمار خواهد داشت. مطالعات اخیر نشان می‌دهد که تمرکز نوشته‌ها در دهه‌ی گذشته نتیجه داده است و سبب ارتقاء فرآیندهای پیشسنجشی به سطحی عالی شده است. این نتایج را با مطالعات پیشین نرخ‌های خطای آزمایشگاهی مقایسه کنید[6].
خبر بد آن است که مرحله‌ی سنجشی همچنان یک مشکل است و در واقع ممکن است در حال حاضر بزرگ‌ترین مشکلی باشد که آزمایشگاه‌ها با آن روبرو هستند. لازم است مطمئن شویم که تلاش‌های ما انحصاراً بر مرحله‌ی پیشسنجشی متمرکز نیست. عدم دقت روش‌های ما غالباً از نظر دور می‌ماند، و این می‌تواند نقصی نادیدنی باشد، که سبب شود هزاران نتیجه از شکل سودمندی بالینی واقعی خارج شوند.
تکرار می‌کنم، این مطالعه‌ای است ارزشمند مملو از حقایق اساسی فراوان درباره‌ی فرآیند سنجش آزمایشگاهی، و سپاس ما تقدیم نویسندگان آن بابت به اشتراک گذاشتن داده‌های اضافی‌شان درباره‌ی عملکرد سنجشی.
نرخ خطا در فرآیند سنجش کل[7]
برای بیش از یک دهه، باور غالب این بوده است که خطاهای سنجشی به ندرت رخ می‌دهند و خطاهای پیشسنجشی و پسسنجشی مهم‌تر هستند. مطالعه‌ای که در سال 2011 بر روی داده‌های 5 ساله آزمایشگاهی انجام شده است چنین تأکیدی را به پرسش می‌گیرد. شاید برخی خطاها برابرتراز بقیه نیستند[8].
استن وستگارد، MS
آوریل 2011
هر خطایی در هر مرحله‌ای از فرآیند سنجش کل ناخوشایند است– هیچ کس مخالفتی با این ندارد. اما تأکید بر آن بوده است که کوشش شود ابتدا خطاهای پیشسنجشی و خطاهای پسسنجشی اصلاح شوند، و نیز از اهمیت خطاهای سنجشی کاسته شود. چنین تمرکزی به دلایل چندی قابل فهم است. خطاهای پیشسنجشی و خطاهای پسسنجشی ملموس‌تر هستند– به عنوان مثال، وقتی روی نمونه‌ای برچسب نادرست می‌زنید، یا نمونه‌ای را گم می‌کنید، این مشکلی محسوس و فیزیکی است که می‌توانید آن را ببینید و بی‌درنگ درک کنید. همچنین شمارش خطاهای پیشسنجشی و خطاهای پسسنجشی از شمارش خطاهای سنجشی آسانتر است– ردیابی نمونه‌هایی که برچسب نادرست خورده‌اند، گم شده‌اند، یا به طور نادرست پردازش شده‌اند کار سختی نیست.
در سوی دیگر، ردیابی خطاهای سنجشی کار سختی است. حتی وقتی که نتیجه‌ی یک آزمایش دارای خطای سنجشی است، این خطا را باید به طور ذهنی دریابید، اما نمی‌توانید آن را به طور فیزیکی ببینید (مگر این که روی جمع‌بندی نمودار یک کنترل چیزی را تعیین کنید). یک نتیجه‌ی آزمایش دارای خطای سنجشی، به استثنای نتایج خیلی پرت، همچنان یک عدد است در گزارش یا روی صفحه‌ی نمایش. عدد اشتباه کاملاً شبیه یک عدد معمولی به نظر می‌آید. سختی دیگر بر سر راه شمارش خطاهای سنجشی این است که باید ابتدا خطای سنجشی مجاز را مشخص کنید. بنا بر این، شمارش خطاهای سنجشی نیازمند کارهای مقدماتی بیشتری است – و برای آزمایشگاه‌هایی که الزامات سنجشی را تعریف نمی‌کنند، تعیین این که آیا نتایج سنجشی ایشان دارای خطاست کار سختی است. در بسیاری از مطالعاتی که خطاهای آزمایشگاهی یا نرخ‌های خطا را بررسی کرده‌اند، نه الزامات کیفیت تعیین شده است، و نه عدم‌دقت و/ یا عدم صحت روش تعیین شده است، بنابراین، برآورد نرخ خطای سنجشی ممکن نبوده است. با این حساب، عجیب نیست که بسیاری از مطالعات قبلی به این نتیجه رسیده‌اند که خطاهای پیشسنجشی و خطاهای پسسنجشی مهم‌ترین هستند– در واقع آن‌ها در جستجوی نرخ‌های خطای سنجشی نبوده‌اند، یا به طور مناسبی آن‌ها را شمارش نکرده‌اند.
مطالعه‌ی جدیدی که در Clinical Chemistry and Laboratory Medicine منتشر شده است یافته‌های جالبی درباره‌ی نرخ‌های خطای آزمایشگاهی دارد:
شاخص‌ها و ویژگی‌های کیفیت برای فرآیندهای سنجشی-و فراسنجشی در آزمایشگاه. تجربه‌ی پنج‌ساله با استفاده از مفهوم شش سیگما[9].آنتونیا لوپیس، گلوریا تروجیلو، ایزابل لووت، استر تارس، مرس ایبارز، کارم بیوسکا، رز روئیز، ژئوس آلسانیا کریچنر، ویرتودس کارمن پریچ، کارمن ریکاس، میریا سانسالوادور ،و مارگاریتا سیمون پالمادا، Clin Chem Lab Med 2011;49(3):463-470.
از 2004 تا 2008، گروهی از آزمایشگاه‌های وابسته به مؤسسه‌ی سلامتی کاتالان[10] (ابتدا 15 آزمایشگاه، اما در نهایت تنها 13 آزمایشگاه) داده‌هایی را در رابطه با مجموعه‌ای از شاخص‌های کیفیت جمع‌آوری کردند. بر اساس داده‌های جمع‌آوری شده، میانگین‌های نرخ‌های خطای میانه‌ی آزمایشگاه‌ها حساب شده است. سپس، ایشان آن نرخ‌های خطا را به نرخ‌های نقص که با محاسبات شش سیگما مطابقت دارد تبدیل کرده‌اند. بنابراین ما مجموعه‌ای از عیارهای شش سیگما برای فرآیندهای رایج آزمایشگاهی در دست داریم.
دیدن جدول کامل در مقاله‌ی اصلی ارزشمند است، ما در اینجا تنها 5 تا از بدترین فرآیندهای آزمایشگاهی را برجسته کرده‌ایم:
| عیار سیگما | میانگین%میزان خطای میانه | فرآیند آزمایشگاهی/ شاخص کیفیت |
| 2/8 | 10/9% | زمان تحویل جواب آزمایش‌های ارسالی بیش از حد مجاز می‌شود (پسسنجشی) |
| 2/9 | 9/1% | درخواست‌های دارای نام نادرست که معلوم نشده‌اند (پیشسنجشی درون آزمایشگاه) |
| 3/4 | 3.4% | کنترل خارجی از مرزهای پذیرش بیرون است (سنجشی) |
| 3/4 | 3/4% | کل رخدادها در درخواست آزمایش (پیشسنجشی) |
| 3/4 | 3/4% | گم شدن اطلاعات بیمار (پیشسنجشی) |
با داشتن این میزان‌های خطا فقط به شکل معمول درصد خطا، مشکل است بتوان پی برد که آیا (به عنوان مثال) یک میزان 2/0% برای نمونه‌ی ناکافی (ESR) خوب است یا بد. در مقیاس سیگما، چنین میزانی به 4/4 سیگما تبدیل می‌شود، که خوب به شمار می‌آید[11]. نکته‌ی موجب تعجب این است که در این آزمایشگاه‌ها میزان خطای سرم‌های همولیزشده، که غالباً به عنوان علت اصلی خطاهای پیشسنجشی در نظر گرفته می‌شود، خیلی خوب است. تنها 0/6% نمونه‌ها (میانگین میانه‌های نرخ‌های آزمایشگاهی) همولیز بوده‌اند، که حاصل آن عیار سیگمای 4/1 شده است.
در این مطالعه فقط دو فرآیند آزمایشگاهی زیر 3 سیگما هستند؛ 3 سیگما در صنایع دیگر آستانه‌ی عملکرد قابل‌قبول در نظر گرفته می‌شود. بیشتر فرآیندهای دیگر بین 3 و 5 سیگما هستند.
نکته‌ی جالب توجه این است که فرآیند سنجش در میان بدترین 5 عملکرد آزمایشگاهی قرار دارد (کسب رتبه‌ی سوم به طور مشترک).
اکنون، وقتی که به تعریف شاخص کیفیت سنجشی در این مطالعه نگاه می‌کنیم– عبور کنترل خارجی از مرزهای پذیرش – حتی به اطلاعات جالب‌تری پی می‌بریم: “این شاخص بازتاب‌دهنده‌ی تعداد نتایج کنترل خارجی است که بیش از 2 انحراف معیار از میانگین گروه شرکت کنندگانی که از یک روش استفاده می‌کنند دور است. این به ما اجازه می‌دهد بتوانیم عملکرد هر آزمایشگاه را در مقایسه با دیگر آزمایشگاه‌هایی که تحت همان شرایط کار می‌کنند مقایسه کنیم.” این شاخص سنجشی در واقع این را بررسی می‌کند که آیا یک آزمایشگاه معین در مقایسه با یک گروه EQA موفق به شمار می‌آید یا نه. نه این عدد بازتاب واقعی داده‌های پرت سنجشی در درون آزمایشگاه‌ها است، و نه مرزهای عملکرد بر اساس کیفیت مورد نیاز آزمایش تعیین شده‌اند. این بیشتر یک ارزیابی توافقی است– بررسی این که چه تعداد از آزمایشگاه‌ها نتایج همسان با آزمایشگاه‌های همگروه‌شان به دست نیاورده‌اند، بنابراین، این عدد ممکن است به طور خوشبینانه‌ای کوچک باشد. چنانچه طراحی درست QC برای این آزمایشگاه‌ها به کار بسته شده بود، ممکن بود آزمایشگاه‌های بیشتری را پیدا می‌کردید که از مرزهای QC مناسب گذشته‌اند. [البته، بخشی از دلیل این که چرا ممکن است این مطالعه عملکرد سنجشی داخلی را ردگیری نکرده باشد، این است که در آن صورت روبرو می‌شد با چالش تعیین مرزهای درست کنترل برای هر آزمایشگاه و فراهم کردن گزارش درست تعداد نتایج پرت.]
با وجود این، این مطالعه کار قابل ملاحظه‌ای است، نه تنها به این دلیل که دست‌کم یک معیار کیفیت سنجشی را در نظر می‌گیرد (اگرچه این شاخص از وضعیت آرمانی فاصله دارد، اما از این نظر که سطحی از عملکرد سنجشی بررسی شده است، یک دستاورد است)، بلکه از این نظر نیز که این مطالعه میزان‌های خطا را به عیارهای شش سیگما تبدیل می‌کند. سودمندی تبدیل میزان‌های خطا به عیارهای شش سیگما این است که این کار روشن می‌کند که کدام عملکردها نیازمند بهبود و کدام عملکردها قابل‌قبول هستند.
درس‌های این مطالعه– و این دلیل که چرا این مقاله در درس‌های “مبانی فعالیت‌های QC” ما گنجانده شده است– این است که نمی‌توان عملکرد سنجشی را تضمین شده دانست. نمی‌توانیم فرض کنیم که خطاهای سنجشی رخ نمی‌دهند، یا این که خطاهایی که رخ می‌دهند کوچک هستند و می‌توان آن‌ها را نادیده انگاشت. ما باید به همان اندازه‌ی خطاهای پیشسنجشی و پسسنجشی به خطاهای سنجشی توجه داشته باشیم.
[1]County Emergency Clinical Hospital in Timisoara, Romania
[2] Another look at Laboratory Error Rates, 2014
[3]Quality Indicators in the Preanalytical Phase of Testing in a Stat Laboratory, Daniela StefaniaGrecu, Daliborca Cristina Vlad, Victor Dumitrascu, Lab Medicine, Winter 2014l45;1:74-81
[4]Laboratory Errors and Patient Safety (WG-LEPS)
[5]مترجم: منظور از عیار سیگمای کوتاه مدت، عیاری است که از بررسی کوتاه مدت یک عملکرد به دست می‌آید. به دلیل اشکالاتی در کوتاه مدت دیده نشده‌اند و در دراز مدت نمایان خواهند شد، چنین عیاری نمی‌تواند نمایانگر عملکرد بلند مدت یک سامانه باشد. به باور صاحبنظران مبحث شش سیگما، در بلند مدت خطاهایی رخ می‌دهند که یا قابل شناسایی نیستند، یا در صورت شناسایی قابل رفع نیستند، و یا برطرف کردن آن‌ها به هزینه و زحمتش نمی‌ارزد. این گونه خطاها می‌توانند سبب شوند میانگین عملکرد یک سامانه تا 5/1 انحراف معیار از نقطه‌ی تنظیم جابجا شود.جهت و اندازه‌ی این جابجایی‌ها غیر قابل پیش‌بینی است و به صورت خودبخود نیز به طرف نقطه‌ی تنظیم بازمی‌گردند. برای تبدیل عیار کوتاه مدت به عیار بلند مدت، باید 5/1 واحد از آن کاست.
[6]ترجمه‌ی این مطالعه با عنوان “نرخ خطا در فرآیند سنجش کل” در ادامه تقدیم می‌گردد.
[7]Error Rates In The Total Testing Process
[8]مترجم: بر خوانندگانی که داستان “قلعه‌ی حیوانات” نوشته‌ی جورج اورول (سال 1945) را خوانده‌اند روشن است که استن وستگارد در این جمله اشاره دارد به عبارت “همه‌ی حیوانات برابرند، اما برخی برابرترند”. این داستان با نام اصلی “مزرعه‌ی حیوانات” انتقادی است به رژیم سوسیالیستی شوروی سابق و حکایت تمثیلی مزرعه‌ای است که در آن انقلابی رخ داده است. در دوران آغازین پیروزی انقلاب، شیوه‌ی زمامداری مزرعه‌ی حیوانات بر 7 اصل مترقی بنا می‌شود که هفتمین اصل آن چنین است: “همه‌ی حیوانات برابرند”. اما پس از چند سال و با تبدیل حکمرانان انقلابی به خودکامگان جدید، سردمداران مزرعه با افزودن توضیحاتی به هریک از اصول هفتگانه، آن‌ها را به نفع خود تغییر می‌دهد؛ از جمله اصل هفتم چنین می‌شود: “همه‌ی حیوانات برابرند، اما برخی برابرترند”! این عبارت به عنوان محبوب‌ترین جمله‌ی این کتاب به ضرب‌المثلی کنایه‌آمیز در زبان انگلیسی تبدیل شده است.
[9]Quality Indicators and specifications for key analytical-extraanalytical processes in the laboratory.Five years’ experience using the Six Sigma concept. Antonia Llopis, Gloria Trujillo, Isabel Llovet, Ester Tarres, MerceIbarz, CarmeBiosca, Rose Ruiz, Jesus Alsina Kirchner, Virtudes Alvarez, Gloria Busquets, VicentaDomenech, CarmeFigueres, Joana Minchinela, Rosa Pastor, Carmen Perich, Carmen Ricos, MireiaSansalvador, and Margarita Simon Palmada, Clin Chem Lab Med 2011;49(3):463-470
[10]Catalan Health Institute
[11]مترجم: عیاربندی سیگما از این قرار است: 3: ضعیف، 4: خوب، 5: عالی، 6 و بالاتر: کلاس جهانی.
منابع بالقوه خطاهای آزمایشگاهی
https://medlabnews.ir/%da%86%d8%a7%d9%84%d8%b4%e2%80%8c%d9%87%d8%a7%db%8c-%d8%a7%d8%b3%d8%aa%d9%82%d8%b1%d8%a7%d8%b1-%d9%88-%d8%a7%d8%ac%d8%b1%d8%a7%db%8c-%d9%85%d9%88%d9%81%d9%82-%da%86%d8%b1%d8%ae%d9%87-%d9%85%d8%af-2/
برای دانلود پی دی اف بر روی لینک زیر کلیک کنید
ورود / ثبت نام
عالی بود سپاس از دکتر بیات عزیز