In Gesundheitszusammenhängenden Feldern, einer Bezugsreihe oder Bezugszwischenraum beschreibt gewöhnlich die Schwankungen eines Maßes oder Werts in gesunden Personen. Es ist eine Basis für einen Arzt oder anderen Mediziner, um eine Reihe von Ergebnissen für einen besonderen Patienten zu interpretieren.

Die Standarddefinition einer Bezugsreihe (gewöhnlich verwiesen auf wenn nicht sonst angegeben) entsteht grundsätzlich darin, was in einer von der Bevölkerung genommenen Bezugsgruppe am meisten überwiegend ist. Jedoch gibt es auch optimale Gesundheitsreihen, die diejenigen sind, die scheinen, den optimalen Gesundheitseinfluss auf Leute zu haben.

Standarddefinition

Die Standarddefinition einer Bezugsreihe für ein besonderes Maß wird als der Vorhersagezwischenraum definiert, zwischen dem 95 % von Werten einer Bezugsgruppe in, auf solche Art und Weise das 2.5 % der Zeit fallen, die ein Musterwert weniger sein wird als die niedrigere Grenze dieses Zwischenraums und 2.5 % der Zeit, wird es größer sein als die obere Grenze dieses Zwischenraums was für den Vertrieb dieser Werte.

Bezugsreihen, die durch diese Definition gegeben werden, werden manchmal verwiesen, weil sich Standard erstreckt.

Bezüglich der Zielbevölkerung, wenn nicht sonst angegeben zeigt eine Reihe des normativen Verweises allgemein diejenige in gesunden Personen, oder ohne jede bekannte Bedingung an, die direkt die Reihen betrifft, die gründen werden. Diese werden mit Bezugsgruppen von der gesunden Bevölkerung ebenfalls gegründet, und werden manchmal normale Reihen oder normale Werte (und manchmal "übliche" Reihen/Werte) genannt. Jedoch kann das Gebrauchen des normalen Begriffs nicht als nicht passend sein jeder außerhalb des Zwischenraums ist anomal, und Leute, die eine besondere Bedingung haben, können noch innerhalb dieses Zwischenraums fallen.

Jedoch können Bezugsreihen auch durch die Einnahme von Proben von der ganzen Bevölkerung, mit oder ohne Krankheiten und Bedingungen gegründet werden. In einigen Fällen werden kranke Personen als die Bevölkerung genommen, Bezugsreihen unter denjenigen einsetzend, die eine Krankheit oder Bedingung haben. Vorzugsweise sollte es spezifische Bezugsreihen für jede Untergruppe der Bevölkerung geben, die jeden Faktor hat, der das Maß, solcher als, zum Beispiel, spezifische Reihen für jedes Geschlecht, Altersgruppe, Rasse oder jede andere allgemeine Determinante betrifft.

Errichtungsmethoden

Methoden, um Bezugsreihen zu gründen, basieren hauptsächlich auf dem Annehmen einer Normalverteilung oder eines Lognormalvertriebs, oder direkt von Prozentsätzen von Interesse, wie ausführlich berichtet, beziehungsweise in folgenden Abteilungen.

Normalverteilung

Der 95-%-Vorhersagezwischenraum, wird häufig durch das Annehmen einer Normalverteilung des gemessenen Parameters geschätzt, in welchem Fall es als der Zwischenraum wechselweise definiert werden kann, der durch 1.96 beschränkt ist (häufig zusammengetrieben zu 2), Bevölkerungsstandardabweichungen von jeder Seite der Bevölkerung bösartig (hat auch den erwarteten Wert genannt).

Jedoch, in der echten Welt, sind weder die Bevölkerung bösartig noch die Bevölkerungsstandardabweichung bekannt. Sie beide müssen von einer Probe geschätzt werden, deren Größe n benannt werden kann. Die Bevölkerungsstandardabweichung wird durch die Beispielstandardabweichung geschätzt, und die bösartige Bevölkerung wird durch die Probe bösartig (auch genannt bösartig oder Arithmetik bösartig) geschätzt. Um für diese Bewertungen verantwortlich zu sein, wird der 95-%-Vorhersagezwischenraum (95-%-PI) als berechnet:

wo die 97.5 % quantile von einem T-Vertrieb eines Studenten mit n-1 Graden der Freiheit ist.

Wenn die Beispielgröße (n30) groß

ist

Diese Methode ist häufig annehmbar genau, wenn die Standardabweichung, verglichen mit dem bösartigen, nicht sehr groß ist. Eine genauere Methode ist, die Berechnungen auf Logarithmized-Werten, wie beschrieben, in der getrennten Abteilung später durchzuführen.

Das folgende Beispiel davon (nicht logarithmized) Methode basiert auf Werten von fastendem von einer Bezugsgruppe von 12 Themen genommenem Plasmatraubenzucker:

Von wie, zum Beispiel, ein Tisch von ausgewählten Werten des T-Vertriebs des Studenten, des 97.5-%-Prozentanteils mit (12-1) gegeben werden kann, entsprechen Grade der Freiheit

Nachher werden die niedrigeren und oberen Grenzen der Reihe des normativen Verweises als berechnet:

::

So, wie man schätzt, ist die Reihe des normativen Verweises für dieses Beispiel 4.4 zu 6.3 mmol/L.

Vertrauensintervall der Grenze

Das Vertrauensintervall einer Reihe-Grenze des normativen Verweises, wie geschätzt, kann das Annehmen einer Normalverteilung von der Standardabweichung einer Reihe-Grenze des normativen Verweises (SDSRRL) berechnet werden, so abwechselnd kann durch ein Diagramm solcher geschätzt werden wie ein gezeigter am Recht.

Das Beispiel von der vorherigen Abteilung nehmend, ist die Zahl von Proben 12, entsprechend einem SDSRRL von etwa 0.5 Standardabweichungen des primären Werts, d. h. etwa 0.42 mmol/L * 0.5 = 0.21 mmol/L. So ist das 95-%-Vertrauensintervall einer Bezugsreihe-Grenze kann als berechnet werden:

wo:

• LlciLlrr ist die Niedrigere Grenze des Vertrauensintervalls der Niedrigeren Grenze der Reihe des normativen Verweises
• Llrr ist die Niedrigere Grenze der Reihe des normativen Verweises
• SDSRRL ist die Standardabweichung der Reihe-Grenze des normativen Verweises

Ebenfalls:

wo:

• UlciLlrr ist die Obere Grenze des Vertrauensintervalls der Niedrigeren Grenze der Reihe des normativen Verweises

Llrr ist die Niedrigere Grenze der Reihe des normativen VerweisesSDSRRL ist die Standardabweichung der Reihe-Grenze des normativen Verweises

So kann die niedrigere Grenze der Bezugsreihe als 4.4 (CI 3.9-4.9) mmol/L geschrieben werden.

Ebenfalls, mit ähnlichen Berechnungen, kann die obere Grenze der Bezugsreihe als 6.3 geschrieben werden (CI 5.8-6. 8) mmol/L.

Diese Vertrauensintervalle widerspiegeln zufälligen Fehler, aber ersetzen den systematischen Fehler nicht, der in diesem Fall aus, zum Beispiel, die Bezugsgruppe entstehen kann, die lange genug vor der Blutstichprobenerhebung nicht gefastet hat.

Als ein Vergleich, wie man schätzt, haben wirkliche Bezugsreihen verwendet klinisch für fastenden Plasmatraubenzucker eine niedrigere Grenze von etwa 3.8 zu 4.0 und eine obere Grenze von etwa 6.0 zu 6.1.

Lognormalvertrieb

In Wirklichkeit neigen biologische Rahmen dazu, Lognormalvertrieb, aber nicht die arithmetische Normalverteilung zu haben (der allgemein Normalverteilung ohne weitere Spezifizierung genannt wird).

Eine Erklärung für diesen Lognormalvertrieb für biologische Rahmen ist: Das Ereignis, wo eine Probe Hälfte des Werts des bösartigen oder mittleren hat, neigt dazu, fast gleiche Wahrscheinlichkeit zu haben, um als das Ereignis vorzukommen, wo eine Probe zweimal den Wert des bösartigen oder mittleren hat. Außerdem kann nur ein Lognormalvertrieb die Unfähigkeit fast aller biologischen Rahmen ersetzen, negativer Zahlen (mindestens wenn gemessen, auf absoluten Skalen) mit der Folge zu sein, dass es keine bestimmte Grenze zur Größe von outliers (äußerste Werte) auf der hohen Seite, aber andererseits gibt, können sie weniger nie sein als Null, auf eine positive Schiefe hinauslaufend.

Wie gezeigt, im Diagramm am Recht hat dieses Phänomen relativ kleine Wirkung, wenn die Standardabweichung (verglichen mit dem bösartigen) relativ klein ist, weil es den Lognormalvertrieb ähnlich einer arithmetischen Normalverteilung scheinen lässt. So kann die arithmetische Normalverteilung passender sein, um mit kleinen Standardabweichungen für die Bequemlichkeit und dem Lognormalvertrieb mit großen Standardabweichungen zu verwenden.

In einem Lognormalvertrieb schätzen die geometrischen Standardabweichungen und das geometrische Mittel genauer den 95-%-Vorhersagezwischenraum als ihre arithmetischen Kollegen.

Notwendigkeit

Die Notwendigkeit, eine Bezugsreihe durch den Lognormalvertrieb aber nicht die arithmetische Normalverteilung zu gründen, kann als je nachdem betrachtet werden, wie viel Unterschied es machen würde, um so nicht zu tun, der als das Verhältnis beschrieben werden kann:

wo:

• Grenze ist (tiefer oder ober) Grenze, wie geschätzt, durch das Annehmen des Lognormalvertriebs
• Grenze ist (tiefer oder ober) Grenze, wie geschätzt, durch das Annehmen der arithmetisch Normalverteilung.

Dieser Unterschied kann allein in Bezug auf den Koeffizienten der Schwankung, als im Diagramm am Recht, wo gestellt werden:

wo:

• s.d. ist die arithmetische Standardabweichung
• M ist bösartiger der Arithmetik

In der Praxis kann es als notwendig betrachtet werden, um die Errichtungsmethoden eines Lognormalvertriebs zu verwenden, wenn das Unterschied-Verhältnis mehr als 0.1 wird, bedeutend, dass (tiefer oder ober) von einer angenommenen arithmetisch Normalverteilung geschätzte Grenze um mehr als 10 % verschieden sein würde als die entsprechende Grenze, wie geschätzt, von einem (genaueren) Lognormalvertrieb. Wie gesehen, im Diagramm wird ein Unterschied-Verhältnis 0.1 für die niedrigere Grenze an einem Koeffizienten der Schwankung 0.213 (oder 21.3 %), und für die obere Grenze an einem Koeffizienten der Schwankung an 0.413 (41.3 %) erreicht. Die niedrigere Grenze wird durch die Erhöhung des Koeffizienten der Schwankung mehr betroffen, und sein "kritischer" Koeffizient der Schwankung 0.213 entspricht einem Verhältnis (obere Grenze) / (niedrigere Grenze) von 2.43, so als eine Faustregel, wenn die obere Grenze mehr als 2.4mal die niedrigere Grenze, wenn geschätzt, durch das Annehmen der arithmetisch Normalverteilung ist, dann, wie man betrachten sollte, tut es die Berechnungen wieder durch den Lognormalvertrieb.

Das Beispiel von der vorherigen Abteilung, die arithmetische Standardabweichung (s.d) nehmend. wird auf 0.42 geschätzt, und die Arithmetik bösartig (m) wird auf 5.33 geschätzt. So ist der Koeffizient der Schwankung 0.079. Das ist weniger sowohl als 0.213 als auch als 0.413, und so sowohl die niedrigere als auch obere Grenze von fastendem Bluttraubenzucker kann am wahrscheinlichsten durch das Annehmen der arithmetisch Normalverteilung geschätzt werden. Mehr spezifisch entspricht der Koeffizient der Schwankung 0.079 einem Unterschied-Verhältnis 0.01 (1 %) für die niedrigere Grenze und 0.007 (0.7 %) für die obere Grenze.

Von logarithmized Musterwerten

Eine Methode, die Bezugsreihe für einen Parameter mit dem Lognormalvertrieb zu schätzen, ist zu logarithmize alle Maße mit einer willkürlichen Basis (zum Beispiel e), leiten Sie die Mittel- und Standardabweichung dieser Logarithmen ab, bestimmen Sie die Logarithmen gelegen (für einen 95-%-Vorhersagezwischenraum) 1.96 Standardabweichungen unten und über diesem bösartigen, und nachher exponentiate, jene zwei Logarithmen als Hochzahlen verwendend und dieselbe Basis verwendend, wie in logarithmizing mit den zwei resultierenden Werten verwendet wurde, die die niedrigere und obere Grenze des 95-%-Vorhersagezwischenraums sind.

Das folgende Beispiel dieser Methode basiert auf denselben Werten von fastendem in der vorherigen Abteilung so verwendetem Plasmatraubenzucker, mit e wie eine Basis:

Nachher wird der stille logarithmized niedrigere Grenze der Bezugsreihe als berechnet:

&= 1.67 - 2.20\times\sqrt {richten} {\\frac {13} {12}} \times 0.079 = 1.49, \end </Mathematik> {aus}

und die obere Grenze der Verweisung erstreckt sich als:

&= 1.67 + 2.20\times\sqrt {\\frac {13} {12}} \times 0.079 = {richten} 1.85 \end </Mathematik> {aus}

Konvertierung zurück zu Non-Logarithmized-Werten wird nachher als durchgeführt:

So, wie man schätzt, ist die Reihe des normativen Verweises für dieses Beispiel 4.4 zu 6.4.

Von der Arithmetik bösartig und Abweichung

Eine alternative Methode, eine Bezugsreihe mit der Annahme des Lognormalvertriebs zu gründen, soll den arithmetischen bösartigen und arithmetischen Wert der Standardabweichung verwenden. Das ist etwas langweiliger, um zu leisten, aber kann zum Beispiel in Fällen nützlich sein, wo eine Studie, die eine Bezugsreihe gründet, nur die arithmetische Mittel- und Standardabweichung präsentiert, die Quelldaten auslassend. Wenn, wie man zeigt, die ursprüngliche Annahme der arithmetisch Normalverteilung weniger passend ist als die Lognormal-, dann, mit der arithmetischen Mittel- und Standardabweichung kann die einzigen verfügbaren Rahmen sein, um die Bezugsreihe zu korrigieren.

Durch das Annehmen, dass der erwartete Wert die Arithmetik bösartig in diesem Fall vertreten kann, können die Rahmen μ und σ von der Arithmetik bösartig (m) und Standardabweichung (s.d) geschätzt werden. als:

::

Im Anschluss an die exampled Bezugsgruppe von der vorherigen Abteilung:

:

:

Nachher werden die logarithmized, und später non-logarithmized, tiefer und obere Grenze ebenso durch logarithmized Musterwerte berechnet.

Direkt von Prozentsätzen von Interesse

Bezugsreihen können auch direkt von 2.5th und 97.5th Prozentanteil der Maße in der Bezugsgruppe gegründet werden. Zum Beispiel, wenn die Bezugsgruppe aus 200 Menschen besteht, und vom Maß mit dem niedrigsten Wert zum höchsten zählend, würde die niedrigere Grenze der Bezugsreihe dem 5. Maß entsprechen, und die obere Grenze würde dem 195. Maß entsprechen.

Diese Methode kann verwendet werden, selbst wenn Maß-Werte nicht scheinen, sich günstig jeder Form der Normalverteilung oder anderen Funktion anzupassen.

Jedoch haben die Bezugsreihe-Grenzen, wie geschätzt, auf diese Weise höhere Abweichung, und deshalb weniger Zuverlässigkeit, als diejenigen, die durch einen arithmetischen oder Lognormalvertrieb geschätzt sind (wenn solcher anwendbar ist), weil die letzten statistische Macht von den Maßen der ganzen Bezugsgruppe aber nicht gerade den Maßen an 2.5th und 97.5th Prozentanteile erwerben. Und doch, diese Abweichung nehmen mit der zunehmenden Größe der Bezugsgruppe, und deshalb ab, diese Methode kann optimal sein, wo eine große Bezugsgruppe leicht gesammelt werden kann, und die Vertriebsweise der Maße unsicher ist.

Bimodale Verteilung

Im Falle einer bimodalen Verteilung (gesehen am Recht) ist es nützlich herauszufinden, warum das der Fall ist. Zwei Bezugsreihen können für die zwei verschiedenen Gruppen von Leuten gegründet werden, es möglich machend, eine Normalverteilung für jede Gruppe anzunehmen. Dieses bimodal Muster wird in Tests allgemein gesehen, die sich zwischen Männern und Frauen, wie Vorsteherdrüse spezifisches Antigen unterscheiden.

Interpretation von Standardreihen in medizinischen Tests

Im Falle medizinischer Tests, deren Ergebnisse von dauernden Wichtigkeiten sind, können Bezugsreihen in der Interpretation eines individuellen Testergebnisses verwendet werden. Das wird in erster Linie für diagnostische Tests und Abschirmungstests verwendet, während die Überwachung von Tests von vorherigen Tests derselben Person stattdessen optimal interpretiert werden kann.

Wahrscheinlichkeit der zufälligen Veränderlichkeit

Verweisung ordnet Hilfe in der Einschätzung dessen an, ob eine Testergebnis-Abweichung vom bösartigen ein Ergebnis der zufälligen Veränderlichkeit oder ein Ergebnis einer zu Grunde liegenden Krankheit oder Bedingung ist. Wenn, wie man annehmen kann, die Bezugsgruppe, die verwendet ist, um die Bezugsreihe zu gründen, die individuelle Person in einem gesunden Staat vertretend ist, dann kann ein Testergebnis von dieser Person, die sich erweist, niedriger oder höher zu sein, als die Bezugsreihe, als interpretiert werden, der es weniger als 2.5 % Wahrscheinlichkeit gibt, dass das bei der zufälligen Veränderlichkeit ohne Krankheit oder andere Bedingung vorgekommen wäre, die abwechselnd stark bezeichnend ist, für eine zu Grunde liegende Krankheit oder Bedingung als eine Ursache zu denken.

Solche weitere Rücksicht kann zum Beispiel durch ein Epidemiologie-basiertes diagnostisches Differenzialverfahren durchgeführt werden, wo potenzielle Kandidat-Bedingungen verzeichnet werden, der die Entdeckung erklären kann, die von Berechnungen dessen gefolgt ist, wie wahrscheinlich sie an erster Stelle vorgekommen sein, der Reihe nach durch einen Vergleich mit der Wahrscheinlichkeit gefolgt sein sollen, dass das Ergebnis bei der zufälligen Veränderlichkeit vorgekommen wäre.

Wenn die Errichtung der Bezugsreihe gemacht worden sein könnte, eine Normalverteilung annehmend, dann kann die Wahrscheinlichkeit, dass das Ergebnis eine Wirkung der zufälligen Veränderlichkeit sein würde, weiter wie folgt angegeben werden:

Die Standardabweichung, wenn nicht gegeben bereits, kann durch die Tatsache umgekehrt berechnet werden, dass der absolute Wert des Unterschieds zwischen dem bösartigen und entweder die obere oder niedrigere Grenze der Bezugsreihe etwa 2 Standardabweichungen (genauer 1.96), und so ist:

:

Die Standardkerbe für den Test der Person kann nachher als berechnet werden:

:

Die Wahrscheinlichkeit, dass ein Wert von einer bestimmten Entfernung vom bösartigen ist, kann nachher von der Beziehung zwischen Standardkerbe und Vorhersagezwischenräumen berechnet werden. Zum Beispiel entspricht eine Standardkerbe 2.58 einem Vorhersagezwischenraum von 99 % entsprechend einer Wahrscheinlichkeit von 0.5 %, dass ein Ergebnis mindestens solches weites vom bösartigen ohne Krankheit ist.

Beispiel

wollen wir zum Beispiel sagen, dass sich eine Person einer Prüfung unterzieht, die das ionisierte Kalzium im Blut misst, auf einen Wert von 1.30 mmol/L hinauslaufend, und hat eine Bezugsgruppe, die passend die Person vertritt, eine Bezugsreihe 1.05 zu 1.25 mmol/L eingesetzt. Der Wert der Person ist höher als die obere Grenze der Bezugsreihe, und hat deshalb weniger als 2.5 % Wahrscheinlichkeit, ein Ergebnis der zufälligen Veränderlichkeit zu sein, eine starke Anzeige einsetzend, eine Differenzialdiagnose von möglichen begründenden Bedingungen zu machen.

In diesem Fall wird ein Epidemiologie-basiertes diagnostisches Differenzialverfahren verwendet, und sein erster Schritt ist, Kandidat-Bedingungen zu finden, die die Entdeckung erklären können.

Hypercalcemia (gewöhnlich definiert als ein Kalzium-Niveau über der Bezugsreihe) wird größtenteils entweder durch primären hyperparathyroidism oder durch Bösartigkeit, und deshalb verursacht, es ist angemessen, diese in die Differenzialdiagnose einzuschließen.

Mit zum Beispiel Epidemiologie und die Risikofaktoren der Person, wollen wir sagen, dass, wie man schätzt, die Wahrscheinlichkeit, dass der hypercalcemia durch primären hyperparathyroidism an erster Stelle verursacht worden sein würde, 0.00125 ist (oder 0.125 %), ist die gleichwertige Wahrscheinlichkeit für Krebs 0.0002, und 0.0005 für andere Bedingungen. Mit einer als weniger als 0.025 keiner Krankheit gegebenen Wahrscheinlichkeit entspricht das einer Wahrscheinlichkeit, dass der hypercalcemia an erster Stelle bis zu 0.02695 vorgekommen wäre. Jedoch ist der hypercalcemia mit einer Wahrscheinlichkeit von 100 %, resultierenden angepassten Wahrscheinlichkeiten von mindestens 4.6 % vorgekommen, dass primärer hyperparathyroidism den hypercalcemia, mindestens 0.7 % für Krebs, mindestens 1.9 % für andere Bedingungen und bis zu 92.8 % verursacht hat, für die es keine Krankheit gibt, und der hypercalcemia wird durch die zufällige Veränderlichkeit verursacht.

In diesem Fall verlangt weiter Verarbeitung am wahrscheinlichsten Spezifizierung der Wahrscheinlichkeit der zufälligen Veränderlichkeit:

Wie man

annimmt, passt sich der Wert annehmbar einer Normalverteilung an, so, wie man annehmen kann, ist das bösartige 1.15 in der Bezugsgruppe. Die Standardabweichung, wenn nicht gegeben bereits, kann durch das Wissen umgekehrt berechnet werden, dass der absolute Wert des Unterschieds zwischen dem bösartigen und, zum Beispiel, die obere Grenze der Bezugsreihe, etwa 2 Standardabweichungen (genauer 1.96), und so ist:

&= \frac {| 1.15 - 1.25 |} {2} = \frac {0.1} {2} = {richten} 0.05 \end </Mathematik> {aus}

Die Standardkerbe für den Test der Person wird nachher als berechnet:

&= \frac {| 1.15 - 1.30 |} {0.05} = \frac {0.15} {0.05} = {richten} 3 \end </Mathematik> {aus}

Die Wahrscheinlichkeit, dass ein Wert von so viel größerer Wichtigkeit ist als das bösartige als, eine Standardkerbe 3 zu haben, entspricht einer Wahrscheinlichkeit von etwa 0.14 % (gegeben durch (100 %-99.7 %)/2, mit 99.7 %, die hier aus der 68-95-99.7 Regel geben werden).

Mit denselben Wahrscheinlichkeiten, dass der hypercalcemia an erster Stelle bei den anderen canditate Bedingungen vorgekommen wäre, ist die Wahrscheinlichkeit, dass hypercalcemia an erster Stelle vorgekommen wäre, 0.00335, und mit Rücksicht auf die Tatsache, dass hypercalcemia vorgekommen ist, gibt angepasste Wahrscheinlichkeiten von 37.3 %, 6.0 %, 14.9 % und 41.8 %, beziehungsweise, für primären hyperparathyroidism, Krebs, andere Bedingungen und keine Krankheit.

Optimale Gesundheitsreihe

Optimal (Gesundheit) sind Reihe oder therapeutisches Ziel (um mit dem biologischen Ziel nicht verwirrt zu sein), eine Bezugsreihe, oder beschränken Sie, der auf Konzentrationen oder Niveaus basiert, die mit der optimalen Gesundheit oder minimalen Gefahr von zusammenhängenden Komplikationen und Krankheiten, aber nicht der Standardreihe vereinigt werden, die auf der Normalverteilung in der Bevölkerung gestützt ist.

Es kann passender sein, für z.B folate zu verwenden, da etwa 90 Prozent von Nordamerikanern wirklich mehr oder weniger unter dem folate Mangel leiden können, aber nur die 2.5 Prozent, die die Tiefststände haben, werden unter der Reihe des normativen Verweises fallen. In diesem Fall sind die wirklichen Folate-Reihen für die optimale Gesundheit wesentlich höher als die Reihen des normativen Verweises. Vitamin D hat eine ähnliche Tendenz. Im Gegensatz, für z.B Harnsäure, ein Niveau habend, das nicht die Reihe des normativen Verweises noch überschreitet, schließt die Gefahr nicht aus, Gicht oder Nierensteine zu bekommen. Außerdem, für die meisten Toxine, ist die Reihe des normativen Verweises allgemein niedriger als das Niveau der toxischen Wirkung.

Ein Problem mit der optimalen Gesundheitsreihe ist ein Mangel an einer Standardmethode, die Reihen zu schätzen. Die Grenzen können als diejenigen definiert werden, wo die Gesundheitsgefahren eine bestimmte Schwelle überschreiten, aber mit verschiedenen Risikoprofilen zwischen verschiedenen Maßen (wie folate und Vitamin D), und sogar verschiedene Risikoaspekte für einen und dasselbe Maß (solcher sowohl wie der Mangel als auch wie die Giftigkeit des Vitamins A) ist es schwierig zu standardisieren. Nachher ließen optimale Gesundheitsreihen, wenn gegeben, durch verschiedene Quellen, eine zusätzliche Veränderlichkeit durch verschiedene Definitionen des Parameters verursachen. Außerdem als mit Reihen des normativen Verweises sollte es spezifische Reihen für verschiedene Determinanten geben, der die Werte, wie Geschlecht, Alter usw. betrifft. Ideal sollte es eine Bewertung dessen eher geben, was der optimale Wert für jede Person ist, wenn er alle bedeutenden Faktoren dieser Person - eine Aufgabe in Betracht zieht, die hart sein kann, durch Studien zu erreichen, aber die lange klinische Erfahrung durch einen Arzt kann diese Methode vorzuziehendere als verwendende Bezugsreihen machen.

Einseitige Abkürzungswerte

In vielen Fällen ist nur eine Seite der Reihe gewöhnlich, solcher als mit Anschreibern der Pathologie einschließlich des Krebs-Antigens 19-9 von Interesse, wo es allgemein ohne jede klinische Bedeutung ist, einen Wert darunter zu haben, was in der Bevölkerung üblich ist. Deshalb werden solche Ziele häufig mit nur einer Grenze der Bezugsreihe gegeben, und ausschließlich gegeben, solche Werte sind eher Abkürzungswerte oder Schwellenwerte.

Sie können sowohl Standardreihen als auch optimale Gesundheitsreihen vertreten. Außerdem können sie einen passenden Wert vertreten, um gesunde Person von einer spezifischen Krankheit zu unterscheiden, obwohl das zusätzliche Veränderlichkeit durch verschiedene Krankheiten gibt, die bemerkenswerte. Zum Beispiel, für NT-proBNP, wird ein niedrigerer Abkürzungswert im Unterscheiden gesunder Babys von denjenigen mit acyanotic Herzkrankheit im Vergleich zum Abkürzungswert verwendet, der im Unterscheiden gesunder Babys von denjenigen mit angeborener nonspherocytic Anämie verwendet ist.

Allgemeine Nachteile

Für normale sowie optimale Gesundheitsreihen und Abkürzungen schließen Quellen der Ungenauigkeit und Ungenauigkeit ein:

• Instrumente und Laboratorium-Techniken verwendet, oder wie die Maße von Beobachtern interpretiert werden. Diese können sowohl für die Instrumente gelten usw. hat gepflegt, die Bezugsreihen als auch die Instrumente, usw. verwendet zu gründen, um den Wert für die Person zu erwerben, auf die diese Reihen angewandt wird. Um zu ersetzen, sollten individuelle Laboratorien ihre eigenen Laboratorium-Reihen haben, um für die im Laboratorium verwendeten Instrumente verantwortlich zu sein.
• Determinanten wie Alter, Diät, usw. die dafür nicht ersetzt werden. Optimal sollte es Bezugsreihen von einer Bezugsgruppe geben, die so ähnlich ist wie möglich jeder Person, auf die sie angewandt werden, aber es ist praktisch unmöglich, jede einzelne Determinante, häufig nicht zu ersetzen, selbst wenn die Bezugsreihen von vielfachen Maßen derselben Person gegründet werden, auf die sie angewandt werden, wegen des Tests - testen Veränderlichkeit wieder.

Außerdem neigen Bezugsreihen dazu, den Eindruck von bestimmten Schwellen zu geben, die klar "gute" oder "schlechte" Werte trennen, während in Wirklichkeit dort allgemein unaufhörlich Gefahren mit der vergrößerten Entfernung von üblichen oder optimalen Werten vergrößern.

Damit und unbezahlten Faktoren im Sinn möchte die ideale Interpretationsmethode eines Testergebnisses aus einem Vergleich dessen lieber bestehen, was erwartet oder in der Person optimal würde, wenn er alle Faktoren und Bedingungen dieser Person in die Rechnung nimmt, anstatt die Werte als "gut" oder "schlecht" durch das Verwenden von Bezugsreihen von anderen Leuten ausschließlich zu klassifizieren.

Beispiele

• Verweisung erstreckt sich für Blutproben
• Bezugsreihen für den Urin prüfen

Siehe auch

• Klinische Pathologie
• Gemeinsames Komitee für die Rückverfolgbarkeit in der Labormedizin
• Medizinischer Technologe
• Verweisung erstreckt sich für Blutproben

Weiterführende Literatur

• Die Verfahren und das Vokabular, das sich auf Bezugszwischenräume bezieht: CLSI (Komitee für das Laborstandardinstitut) und IFCC (Internationale Föderation der Klinischen Chemie) CLSI - das Definieren, Herstellen und Überprüfen von Bezugszwischenräumen im Laboratorium; genehmigte Richtlinie - die Dritte Ausgabe. Dokument C28-A3 (internationale Standardbuchnummer 1-56238-682-4) Wayne, Pennsylvanien, die USA, 2008
• Bezugswertberater: Ein freier Satz dessen Übertrifft Makros, die den Entschluss von Bezugszwischenräumen in Übereinstimmung mit den CLSI Verfahren erlauben. Gestützt auf: