Pubblicato | Ultimo aggiornamento:

Risposta rapida: La riproducibilità dei test diagnostici indica quanto laboratori, strumenti o operatori diversi siano concordi nell'interpretazione degli stessi campioni. Per verificarla, inviare campioni identici a ciascun laboratorio e riportare i limiti di concordanza ICC o Bland-Altman per i risultati numerici e il coefficiente kappa con intervallo di confidenza per i risultati positivi o negativi, seguendo le linee guida di reporting GRRAS.1,2,3,4 In uno studio ad accesso aperto (CC BY 4.0) su 15 campioni aggregati analizzati in 8 laboratori, 11 campioni hanno dato lo stesso risultato ovunque, le letture discordanti in tre degli altri quattro si trovavano da 0.3 a 1.2 al di sotto del valore limite di 5.8, e Editverse ha ricalcolato un kappa di Fleiss di 0.77.5 Si tratta di un singolo biomarcatore, 15 campioni e un disegno sperimentale del 2022, quindi mostra come viene misurata la concordanza, non come si comporta qualsiasi altro test.

Che cos'è la riproducibilità dei test diagnostici?

Un risultato diagnostico è utile solo se non dipende dal luogo in cui è stato misurato il campione. La riproducibilità si interroga sulla possibilità che due laboratori, strumenti o operatori restituiscano lo stesso risultato per lo stesso campione. Si differenzia dalla ripetibilità, che si pone la stessa domanda a un laboratorio che misura nuovamente il campione.⁶ Studi di questo tipo sono chiamati studi di affidabilità e concordanza: hanno lo scopo di mostrare l'entità dell'errore intrinseco in qualsiasi diagnosi, punteggio o misurazione, e gli autori delle linee guida GRRAS notano che la loro rendicontazione è spesso incompleta.¹

Questo articolo non tratta di quanto bene un test distingua le persone malate da quelle sane. Tale accuratezza diagnostica, riportata con il metodo STARD. 7 Qui la domanda è più specifica: un altro laboratorio otterrebbe lo stesso risultato?

Perché i laboratori ottengono risultati diversi sullo stesso campione?

Le variazioni nei risultati di laboratorio possono verificarsi in qualsiasi fase del test e una revisione pubblicata sul Journal of the Nepal Medical Association suddivide ciò che rimane dopo l'eliminazione degli errori di laboratorio in tre tipologie.⁶

Scorri lateralmente per visualizzare tutte le colonne.

Fonte di variazioneCiò che dice la fonteFonte
Pre-analiticoLa preparazione del paziente è il fattore più comune: dieta, attività fisica e tempistica del prelievo possono influenzare i risultati, e alcuni di questi aspetti sono al di fuori del controllo del laboratorio.6
BiologicoFluttuazione fisiologica di un analita attorno al punto di riferimento individuale, con componenti cicliche e casuali.6
AnaliticoDifferenze nei metodi e nelle apparecchiature, oltre all'imprecisione casuale intrinseca di ogni tecnica analitica, anche per un singolo campione su un singolo strumento.6

Tale revisione fornisce anche un modo per valutare se due risultati differiscono più del previsto: il valore di riferimento della variazione, RCV = 2 1/2 × Z × (CVA 2 + CVI 2 ) 1/2 , dove CVA è la variazione analitica e CVI la variazione biologica intra-individuale. 6 Il suo esempio sul glucosio utilizza CVA 2.7% e CVI 5.6% con Z = 1.96. Editverse ha ricalcolato quell'esempio in R e ha ottenuto 17.2%, quindi una variazione inferiore a circa il 17% rientra nella variazione prevista.

Due ulteriori cause emergono dai casi di studio riportati di seguito. In assenza di uno standard di riferimento internazionale riconosciuto, piattaforme diverse possono riportare valori differenti per lo stesso campione, come sottolineano gli autori relativi alla catena leggera libera.⁵ Inoltre , in assenza di un protocollo standardizzato, ogni laboratorio può stabilire il proprio valore di cut-off, come è accaduto nello studio ELISA anti-FGFR3.⁸

Come misurare la concordanza: ICC, Kappa e Bland-Altman

Scegli la statistica in base al tipo di risultato. La Tabella 1 raccoglie le interpretazioni delle fonti per ciascuna statistica. Nota che lo stesso valore di kappa può ricevere etichette diverse: 0.77 è considerato sostanziale nelle bande di Cohen e moderato nella tabella di McHugh. 3

Scorri lateralmente per visualizzare tutte le colonne.

MisuraCome le fonti interpretano il valoreFonte
ICCInferiore a 0.5 scarso, da 0.5 a 0.75 moderato, da 0.75 a 0.9 buono, superiore a 0.90 eccellente, valutato in base all'intervallo di confidenza del 95% della stima.2
Kappa, bande di CohenDa 0.41 a 0.60 moderato, da 0.61 a 0.80 sostanziale, da 0.81 a 1.00 quasi perfetto, come citato da McHugh.3
Tabella Kappa, McHughDa 0.60 a 0.79 moderato, da 0.80 a 0.90 forte, sopra 0.90 quasi perfetto; qualsiasi valore kappa inferiore a 0.60 indica un accordo inadeguato.3
Percentuale di accordoMcHugh osserva che molti testi raccomandano un accordo dell'80% come livello minimo accettabile di concordanza tra valutatori.3
Bland-AltmanIl grafico mostra la differenza tra misurazioni accoppiate in funzione della loro media; i limiti di concordanza sono pari alla differenza media più o meno 1.96 deviazioni standard delle differenze. Il grafico non indica se la concordanza è sufficientemente buona: ciò dipende dagli obiettivi analitici, biologici o clinici.4

Tabella 1. Soglie di interpretazione come indicate nei documenti citati. Si tratta di convenzioni, non di leggi, e ogni fonte avverte dei propri limiti.

In questi articoli emergono due avvertenze. Koo e Li notano che l'ICC si presenta in diverse forme, quindi è necessario riportare la forma utilizzata. 2 McHugh osserva che un intervallo kappa derivante da un piccolo campione può essere sufficientemente ampio da non includere alcun accordo. 3

Esempio pratico 1: Otto laboratori, quindici campioni

Natali e colleghi hanno chiesto a otto laboratori di misurare l'indice della catena leggera libera kappa (KFLC) in 15 campioni di liquido cerebrospinale e siero raggruppati. L'indice K divide il rapporto KFLC nel liquido cerebrospinale/siero per il rapporto albumina nel liquido cerebrospinale/siero, e un valore pari o superiore a 5.8 è stato considerato positivo. Quattro laboratori hanno utilizzato strumenti e test Binding Site, tre hanno utilizzato strumenti e test Siemens e uno ha utilizzato uno strumento Siemens con un test Binding Site. I campioni provenivano da 37 pazienti e sono stati scelti in modo da includere valori elevati, valori molto bassi e valori vicini al valore di cut-off. 5 L'articolo è ad accesso aperto con licenza CC BY 4.0 e riporta l'indice K di ogni laboratorio per ogni campione, quindi lo abbiamo ridisegnato e ricalcolato in R.

Grafico a strisce dell'indice K per 15 campioni raggruppati in 8 laboratori su scala logaritmica con la linea di taglio 5.8; 11 campioni danno lo stesso risultato ovunque e i campioni 2, 4, 10 e 14 si trovano a cavallo o vicino alla linea di taglio
Figura 1. Indice K per campione e laboratorio, con soglia 5.8. Rielaborato da Editverse in R dalla tabella ad accesso aperto (CC BY 4.0) di Natali et al.

Undici campioni hanno ricevuto la stessa indicazione in tutti e otto i laboratori. Negli altri quattro, 7 delle 120 indicazioni relative a ciascun campione, fornite da ciascun laboratorio, si sono discostate dalla maggior parte delle indicazioni, che Editverse ha calcolato essere pari al 5.8%. Tre campioni hanno ottenuto valori compresi tra 4.6 e 5.5, ovvero tra 0.3 e 1.2 al di sotto del valore di soglia, e un campione (il numero 10) è stato letto a 9.8 dal laboratorio con piattaforma mista, mentre gli altri sette hanno dato valori compresi tra 0.4 e 3.2.

Il laboratorio misto non è un caso isolato in questa tabella: ha mostrato valori pari o superiori a quelli di tutti gli altri laboratori in 14 dei 15 campioni. La Figura 2 lo confronta con la media geometrica degli altri sette su una scala di rapporto; Giavarina descrive la rappresentazione grafica delle differenze come percentuali o rapporti e la trasformazione logaritmica dei dati quando le differenze non sono distribuite normalmente. 4

Grafico di Bland-Altman su scala logaritmica per 15 campioni: il laboratorio con piattaforma mista registra in media valori 2.27 volte superiori alla media geometrica degli altri sette laboratori, con limiti di concordanza al 95% compresi tra 1.05 e 4.94.
Figura 2. Laboratorio a piattaforma mista rispetto alla media geometrica degli altri sette laboratori, scala di rapporto. Calcolato in R da Editverse dalla tabella ad accesso aperto di Natali et al.

In media, il laboratorio misto ha registrato valori 2.27 volte superiori alla media geometrica degli altri sette (IC 95% da 1.83 a 2.83), con limiti di concordanza al 95% da 1.05 a 4.94. Con soli 15 campioni, ogni limite è di per sé incerto: il limite inferiore ha un intervallo al 95% da 0.72 a 1.53 e quello superiore da 3.38 a 7.23, seguendo il metodo intervallare descritto da Giavarina.⁴ Gli autori dell'articolo notano che questo laboratorio sembrava sottostimare la KFLC sierica, che aumenta l'indice K, e affermano che non si possono ancora trarre conclusioni.⁵

Carta contro il ricalcolo

La Tabella 2 mette a confronto le nostre statistiche pubblicate. Due di esse si riproducono: il conteggio di 11 su 15 e il kappa di 0.77 calcolato su tutti i laboratori quando viene calcolato come kappa di Fleiss tra gli otto laboratori. L'ICC del sito di legame si riproduce esattamente quando viene calcolato come ICC a due vie, con concordanza assoluta e misurazione media.

Scorri lateralmente per visualizzare tutte le colonne.

QuantitàArticoliRisultato Editverse (R)
Campioni con lo stesso risultato positivo o negativo in tutti gli 8 laboratori11 di 1511 di 15
Kappa per un indice K positivo (5.8 o superiore), tutti i laboratori0.770.77 (kappa di Fleiss); 0.78 (media di 28 coppie di kappa di Cohen)
K-index ICC, 4 laboratori di siti di legame0.97 (da 0.94 a 0.99)0.97 (da 0.94 a 0.99) come ICC a misure medie; 0.89 (da 0.79 a 0.96) a misura singola
Indice K ICC, 3 laboratori Siemens0.95 (da 0.89 a 0.98)0.99 (da 0.98 a 1.00) misura singola
Indice K ICC, 7 laboratori senza quello misto0.91 (da 0.82 a 0.96)0.94 (da 0.89 a 0.98) misura singola
Indice K ICC, tutti gli 8 laboratori0.65 (da 0.43 a 0.84)0.77 (da 0.61 a 0.90) misura singola
Kappa all'interno del sito di collegamento e all'interno dei gruppi Siemens0.89 e 0.710.75 e 0.79 (Fleiss)

Tabella 2. Valori pubblicati da Natali et al.; valori Editverse calcolati in R con il pacchetto irr dalla tabella 15x8. Varianti provate: modelli a una via e a due vie, misure singole e medie, concordanza e coerenza, scala logaritmica, una regola rigorosa maggiore di 5.8 e kappa di Cohen Fleiss contro media a coppie. Le intestazioni della tabella stampano B1 due volte; leggiamo le colonne da sinistra a destra come B1 a B4, miste, S1 a S3.

Le altre righe non si sono riprodotte con nessuna delle convenzioni che abbiamo provato e non possiamo dire se la causa sia un'etichetta di colonna, una convenzione ICC o il modo in cui sono stati formati i gruppi. Questo è importante ai fini della lettura, non per la conclusione: kappa e ICC dipendono dal modello scelto, quindi una sezione sui metodi deve indicare quello utilizzato. 2 L'eliminazione del laboratorio misto aumenta il kappa di Fleiss da 0.77 a 0.80.

Questo caso dimostra: come viene analizzato un disegno multilaboratorio, che le discrepanze si concentrano vicino al valore di soglia e che una singola discrepanza tra piattaforme può alterare un indice derivato. Non dimostra invece: come si comporta l'indice K nei pazienti, quale piattaforma sia corretta o come si comportino altri test. Il campione è costituito da 15 campioni aggregati di 37 pazienti, selezionati intorno al valore di soglia, provenienti da uno studio del 2022, quindi il dato di 11 su 15 dipende da tale selezione. 5

Esempio pratico 2: Un test ELISA in due laboratori

Appeltshauser e colleghi hanno condotto un test ELISA per gli anticorpi anti-FGFR3 su 42 sieri in un laboratorio francese e in uno tedesco con protocolli identici: 18 pazienti con neuropatia sensoriale, 18 con neuropatia delle piccole fibre e 6 controlli sani. I sieri sono stati selezionati in modo da includere tutti i campioni sieropositivi dello screening tedesco e i corrispondenti campioni sieronegativi, in modo che il set sia arricchito di casi borderline. 8 L'articolo è ad accesso aperto con licenza CC BY 4.0.

Grafico a barre sovrapposte di 42 sieri che mostrano 13 entrambi positivi, 21 entrambi negativi e 8 discordanti tra due laboratori, più barre che mostrano il cut-off dell'ELISA anti-FGFR3 0.371 contro 0.122 e la densità ottica mediana 0.293 contro 0.076
Figura 3. Concordanza delle chiamate positive o negative su 42 sieri, e valore di cut-off e densità ottica mediana in ciascun laboratorio. Rielaborato da Editverse in R a partire dai conteggi e dai valori presenti nell'articolo ad accesso aperto (CC BY 4.0) di Appeltshauser et al.

I due laboratori hanno concordato su 34 dei 42 sieri (13 positivi in ​​entrambi, 21 negativi in ​​entrambi), ovvero l'81.0% con un intervallo di Wilson al 95% compreso tra il 66.7% e il 90.0% calcolato da Editverse. L'articolo riporta un kappa di Cohen pari a 0.61 e lo definisce sostanziale. Il testo non specifica come gli 8 sieri discordanti si siano suddivisi tra le due direzioni, quindi abbiamo calcolato il kappa per ogni possibile suddivisione: esso varia solo da 0.605 a 0.613 quando ogni direzione di disaccordo ha almeno un siero, come implicano le mediane separate dell'articolo per i sieri positivi solo nel laboratorio 1 e solo nel laboratorio 2, quindi il valore di 0.61 riportato rientra in tale intervallo. Nella tabella più rigorosa di McHugh, lo stesso valore è considerato moderato. 8 , 3

I valori di cut-off differiscono più delle chiamate. Ogni laboratorio ha stabilito il proprio cut-off dai sieri di controllo sani, 65 per il laboratorio 1 e 50 per il laboratorio 2: 0.371 nel laboratorio 1 e 0.122 nel laboratorio 2, un rapporto di 3.04 calcolato da Editverse, con una densità ottica mediana di 0.293 contro 0.076. Gli autori concludono che i valori di cut-off devono essere determinati separatamente per ogni laboratorio. Sette degli 8 sieri discordanti erano solo debolmente positivi. 8

Un secondo risultato riguarda i dettagli del protocollo. Il laboratorio 2 ha inizialmente sviluppato il test basandosi esclusivamente su informazioni pubblicate, per poi ripeterlo utilizzando il protocollo dettagliato del laboratorio 1. 8

Scorri lateralmente per visualizzare tutte le colonne.

Protocollo del Laboratorio 2Valore di taglio (OD440)Positivo: neuropatia sensorialePositivo: neuropatia delle piccole fibrePositivo: controlli sani
Solo informazioni pubblicate0.1021 di 171 di 601 di 50
Protocollo dettagliato del laboratorio 10.1221 di 175 di 602 di 50

Tabella 3. Conteggi e valori di soglia riportati da Appeltshauser et al. per il laboratorio 2. Gli autori concludono che piccole modifiche al protocollo possono cambiare i valori di soglia e i risultati.

Questo caso dimostra che un test ELISA di ricerca può raggiungere un valore kappa sostanziale su un pannello ricco di valori limite, mentre il suo cut-off varia di circa tre volte tra i diversi centri e un dettaglio del protocollo può influenzare l'esito della positività. Ciò che non dimostra è quale laboratorio abbia ragione. Gli autori affermano che non esiste un gold standard indipendente, quindi non è chiaro se i sieri discordanti siano falsi positivi o falsi negativi e che un risultato positivo debba essere interpretato nel contesto clinico.⁸

Come progettare e redigere un rapporto su uno studio multilaboratorio.

I due esempi e le linee guida citate rimandano alla stessa lista di controllo.

  1. 1Invia campioni identici e spiega come sono stati selezionati. Lo studio sulla catena leggera libera ha raggruppato campioni conservati per includere valori alti, molto bassi e prossimi al valore limite; lo studio FGFR3 ha selezionato sieri ricchi di valori limite. Dillo, perché influenza qualsiasi dato di concordanza.5,8
  2. 2Descrivi il protocollo in modo che un altro laboratorio possa replicarlo. Lo standard STARD 2015 richiede che il test indice sia descritto con sufficiente dettaglio da consentirne la replicazione (punto 10a), e per questo motivo gli autori di FGFR3 hanno pubblicato un protocollo ELISA dettagliato.7,8
  3. 3Indicare il valore limite di ciascun laboratorio e specificare se era stato predefinito. Il punto 12a dello standard STARD 2015 richiede la definizione e la giustificazione dei valori soglia di positività del test, distinguendo tra valori predefiniti ed esplorativi. Riportateli per ciascun laboratorio, come indicato nel documento FGFR3.7,8
  4. 4Abbina la statistica ai dati e indicane la forma. ICC per risultati numerici con la forma indicata, kappa per chiamate categoriche, limiti di concordanza di Bland-Altman per due metodi.2,3,4
  5. 5Fornire intervalli, non solo stime puntuali. Koo e Li valutano l'affidabilità in base all'intervallo di confidenza dell'ICC, McHugh spiega che kappa è una stima per la quale è interessante un intervallo di confidenza, e Giavarina fornisce intervalli per i limiti di concordanza.2,3,4
  6. 6Esaminate separatamente i campioni vicini al valore di soglia. Entrambi gli esempi svolti hanno evidenziato una concentrazione di discordanza in quella zona, pertanto mostrano quei campioni, come fa la Figura 1.5,8
  7. 7Segnalare a GRRAS. La linea guida GRRAS propone 15 questioni da affrontare quando si riportano affidabilità e concordanza, corrispondenti alle intestazioni usuali di un articolo scientifico. Abbiamo letto l'abstract e la scheda nella rete EQUATOR; la pagina dell'editore non era accessibile, quindi abbiamo tratto la formulazione delle questioni direttamente dall'articolo.1

Verifica e prove di competenza

Gli studi di concordanza affiancano le norme di qualità di routine. Negli Stati Uniti, le normative CLIA stabiliscono cosa un laboratorio deve fare prima di comunicare i risultati dei pazienti con un nuovo sistema di analisi e richiedono l'adesione a programmi di valutazione esterna della qualità. La Tabella 4 riassume il testo del Codice elettronico dei regolamenti federali del 30 ottobre 2026; altri paesi hanno normative proprie.

Scorri lateralmente per visualizzare tutte le colonne.

Situazione (Stati Uniti)Obbligatorio prima di comunicare i risultati del pazienteFonte
Sistema di test non modificato, autorizzato o approvato dalla FDA.Dimostrare prestazioni comparabili a quelle del produttore in termini di accuratezza, precisione e intervallo di valori riportabili, e verificare che gli intervalli di riferimento del produttore siano adatti alla popolazione di pazienti.9
Test modificato approvato dalla FDA, metodo interno o nessuna specifica del produttoreStabilire accuratezza, precisione, sensibilità analitica, specificità analitica (incluse le sostanze interferenti), intervallo di refertazione e intervalli di riferimento, oltre a qualsiasi altra caratteristica richiesta.9
Prove di competenzaIscriviti a un programma di test di competenza approvato dall'HHS per ogni specialità e sottospecialità e analizza i campioni nello stesso modo in cui analizzi i campioni dei pazienti.10

Tabella 4. Normative valide solo negli Stati Uniti, tratte da 42 CFR 493.1253 e 493.801, come pubblicate sull'eCFR in data 30 ottobre 2026. Le normative sono soggette a modifiche, pertanto si consiglia di consultare il testo aggiornato.

Una revisione della verifica dei metodi elenca le caratteristiche che un laboratorio valuta quando introduce un nuovo metodo: precisione, accuratezza, sensibilità analitica, limiti di rilevamento, specificità analitica, interferenze, intervallo di misura, linearità e incertezza di misura. 11 La stessa revisione afferma che l'accuratezza può essere valutata rispetto a materiali di riferimento certificati o materiali per prove di competenza, con la media di consenso e la deviazione standard del materiale di competenza utilizzate solo se ottenute da almeno dieci partecipanti pari, e che la comparabilità tra due metodi o strumenti può essere valutata con 40-100 campioni analizzati su entrambi, citando l'analisi di Bland-Altman tra i possibili metodi. 11

Hai bisogno che l'analisi venga eseguita o verificata? Consulta Editverse

Gli esperti di Editverse lavorano in conformità con le linee guida COPE, ICMJE e GPP 2022, nel rispetto dei principi etici istituzionali e specifici di ciascun paese.

Logo Editverse

Modificaverso

Analisi con SPSS, R e Stata

Dati concordanti provenienti da diversi laboratori, ma l'analisi non è stata eseguita o verificata?

Tu devi inviare: i tuoi dati, le domande di ricerca e il software che preferisci (SPSS, R o STATA; SAS su richiesta).

Riceverai: codice o sintassi annotati, file di output completi, una guida all'interpretazione dell'output e tabelle pronte per la pubblicazione.

Quando: Si dispone dei dati di laboratorio e si necessita che l'analisi venga eseguita o verificata.

Analisi statistica con SPSS/R/STATA · $400

Richiedi la mia analisi →

Logo Editverse

Modificaverso

Scrittura manoscritta

Analisi dello studio sull'accordo, ma il documento è ancora da scrivere?

Tu invii: i tuoi dati, i risultati e la rivista di destinazione.

Riceverai: un manoscritto scritto da esperti in materia con dottorato di ricerca, con supporto per la revisione editoriale, l'analisi statistica, la selezione della rivista e l'invio dell'articolo.

Quando: L'analisi è completata, ma l'articolo non è ancora pronto.

Servizi di redazione di manoscritti · 1,500 $

Scrivi il mio saggio →

Logo Editverse

Modificaverso

Selezione del giornale

Non sai dove inserire uno studio su un metodo di laboratorio?

Dovete inviare: il vostro manoscritto o abstract e i vostri obiettivi di pubblicazione.

Riceverai: un elenco classificato di 5-10 riviste consigliate con le relative motivazioni, basate su pertinenza all'ambito di ricerca, fattore di impatto e tassi di accettazione.

Quando: Hai dei risultati e devi sapere dove inviarli.

Servizi di selezione di riviste scientifiche · 115 $

Trova il mio diario →

Strumenti di ricerca gratuiti da Editverse

Domande frequenti

Qual è la differenza tra ripetibilità e riproducibilità nei test diagnostici?

La ripetibilità descrive la variazione che si verifica quando lo stesso laboratorio misura nuovamente lo stesso campione. La riproducibilità descrive la variazione che si verifica tra laboratori, strumenti o operatori che misurano lo stesso campione. Pradhan e colleghi utilizzano questi significati, riferendosi alla riproducibilità per i risultati rilasciati da due laboratori e alla ripetibilità per i risultati rilasciati da un singolo laboratorio.

Quale statistica dovrei utilizzare per confrontare i laboratori?

Abbina la statistica ai dati. Per i risultati numerici tra valutatori o laboratori, Koo e Li descrivono il coefficiente di correlazione intraclasse e chiedono agli autori di indicare la forma dell'ICC utilizzata. Per due metodi sulla stessa scala numerica, Giavarina descrive i limiti di concordanza di Bland-Altman. Per le diagnosi positive o negative, McHugh descrive la statistica kappa e discute il suo intervallo di confidenza.

Quale valore ICC è considerato indice di una buona affidabilità?

Koo e Li classificano i valori inferiori a 0.5 come scarsi, da 0.5 a 0.75 come moderati, da 0.75 a 0.9 come buoni e superiori a 0.90 come eccellenti, valutati in base all'intervallo di confidenza del 95% e non alla stima puntuale. Nell'esempio degli otto laboratori, l'ICC sierico di 0.81 presentava un intervallo da 0.53 a 0.93, che va da moderato a eccellente.

Un valore kappa di 0.61 indica un buon accordo?

Dipende dalla scala. Le bande di Cohen, citate da McHugh, definiscono un valore compreso tra 0.61 e 0.80 come sostanziale. McHugh propone una tabella più rigorosa che definisce un valore compreso tra 0.60 e 0.79 come moderato e afferma che qualsiasi kappa inferiore a 0.60 indica un accordo inadeguato. Nell'esempio del test FGFR3 condotto in due laboratori, l'articolo riporta 0.61, e Editverse ha scoperto che il valore calcolato è compreso tra 0.605 e 0.613, indipendentemente dalla suddivisione degli 8 sieri discordanti, poiché l'articolo riporta sieri positivi in ​​un solo laboratorio per ciascuna direzione.

Perché i laboratori presentano maggiori discrepanze in prossimità del valore limite?

Un risultato vicino alla soglia può ricadere su entrambi i lati con piccole differenze tra i laboratori. Nell'esempio della catena leggera libera kappa, le letture relative a tre campioni discordanti erano da 0.3 a 1.2 al di sotto del valore limite di 5.8, e nell'esempio di FGFR3 7 degli 8 sieri discordanti erano solo debolmente positivi. Gli autori di FGFR3 elencano la manipolazione della sonda, la temperatura di laboratorio, la preparazione dei reagenti, l'hardware e la pipettatura come possibili cause.

I laboratori devono verificare un test approvato dalla FDA prima di utilizzarlo?

Secondo la normativa CLIA statunitense 42 CFR 493.1253, un laboratorio che introduce un sistema di test approvato o autorizzato dalla FDA senza modifiche deve, prima di comunicare i risultati dei pazienti, dimostrare un'accuratezza, una precisione e un intervallo di refertazione comparabili e verificare che gli intervalli di riferimento del produttore siano adatti ai propri pazienti. Un test modificato o eseguito internamente richiede al laboratorio di stabilire un elenco più lungo di specifiche di prestazione. Questa descrizione si riferisce al testo eCFR del 30 ottobre 2026 e si applica solo agli Stati Uniti.

È possibile che due laboratori utilizzino valori limite diversi per lo stesso test?

Nello studio ELISA sull'FGFR3, il valore di cut-off era di 0.371 in un laboratorio e di 0.122 nell'altro, e gli autori hanno concluso che i valori di cut-off devono essere determinati separatamente per ogni laboratorio perché le densità ottiche medie variano a seconda del contesto. Questa è la conclusione di un singolo test di ricerca, non una regola valida per ogni test.

Di quanti campioni ha bisogno uno studio di concordanza?

Nessuno dei due esempi pratici stabilisce una regola. Gli autori della catena leggera libera kappa citano il basso numero di campioni come limite, e McHugh osserva che con campioni molto piccoli l'intervallo kappa può essere sufficientemente ampio da non includere alcun accordo. Con 15 campioni, i limiti di accordo di Bland-Altman dell'Editverse erano a loro volta incerti, con un intervallo del 95% per il limite inferiore compreso tra 0.72 e 1.53.

Referenze

  1. Sono state proposte delle linee guida per la rendicontazione degli studi di affidabilità e concordanza (GRRAS). J Clin Epidemiol. 2011;64(1):96-106. doi:10.1016/j.jclinepi.2010.03.002. Abstract e record della rete EQUATOR letti; il testo completo dell'editore non era accessibile a noi. pubmed.ncbi.nlm.nih.gov/21130355/
  2. Koo TK, Li MY. Linee guida per la selezione e la presentazione dei coefficienti di correlazione intraclasse nella ricerca sull'affidabilità. J Chiropr Med. 2016;15(2):155-163. doi:10.1016/j.jcm.2016.02.012. pmc.ncbi.nlm.nih.gov/articles/PMC4913118/
  3. McHugh ML. Affidabilità inter-rater: la statistica kappa. Medicina biochimica (Zagabria). 2012;22(3):276-282. pmc.ncbi.nlm.nih.gov/articles/PMC3900052/
  4. Giavarina D. Comprendere l'analisi di Bland-Altman. Medicina biochimica (Zagabria). 2015;25(2):141-151. doi:10.11613/BM.2015.015. pmc.ncbi.nlm.nih.gov/articles/PMC4470095/
  5. Natali P, Bedin R, Bernardi G, et al. Concordanza interlaboratorio delle misurazioni della catena leggera libera kappa nel liquido cerebrospinale e nel siero. Biomolecole. 2022;12(5):677. doi:10.3390/biom12050677. Accesso aperto, CC BY 4.0; valori dell'indice K tratti dalla Tabella 2 degli autori, tutte le statistiche ricalcolate e le figure disegnate da Editverse in R. pmc.ncbi.nlm.nih.gov/articles/PMC9138559/
  6. Pradhan S, Gautam K, Pant V. Variazioni nei referti di laboratorio: cause diverse dall'errore di laboratorio. JNMA J Nepal Med Assoc. 2022;60(246):222-224. doi:10.31729/jnma.6022. pmc.ncbi.nlm.nih.gov/articles/PMC9200014/
  7. Bossuyt PM, Reitsma JB, Bruns DE, et al. STARD 2015: un elenco aggiornato di elementi essenziali per la rendicontazione degli studi di accuratezza diagnostica. BMJ. 2015;351:h5527. doi:10.1136/bmj.h5527. pmc.ncbi.nlm.nih.gov/articles/PMC4623764/
  8. Appeltshauser L, Moritz CP, Reinhardt L, et al. Confronto interlaboratorio di un test sierologico per gli anticorpi contro il recettore 3 del fattore di crescita dei fibroblasti (FGFR3) nelle neuropatie sensoriali. Immunol anteriore. 2025;16:1604456. doi:10.3389/fimmu.2025.1604456. Accesso aperto, CC BY 4.0; conteggi e soglie ricavati dal testo, valori derivati ​​calcolati da Editverse in R. pmc.ncbi.nlm.nih.gov/articles/PMC12549695/
  9. 42 CFR 493.1253, Norma: definizione e verifica delle specifiche di prestazione. Codice elettronico dei regolamenti federali, testo del 30 ottobre 2026 (Stati Uniti). www.ecfr.gov/current/title-42/section-493.1253
  10. 42 CFR 493.801, Condizione: iscrizione e test dei campioni (test di competenza). Codice elettronico dei regolamenti federali, testo del 30 ottobre 2026 (Stati Uniti). www.ecfr.gov/current/title-42/section-493.801
  11. Abdel Ghafar MT, El-Masry MI. Verifica dei metodi analitici quantitativi nei laboratori medici. J Med Biochem. 2021;40(3):225-236. doi:10.5937/jomb0-24764. pmc.ncbi.nlm.nih.gov/articles/PMC8199534/

Team di ricerca di Editverse | Aggiornato a novembre 2026