기준 범위

건강 관련 분야에서 기준 범위 또는 기준 간격은 건강한 사람의 생리학적 측정에 대해 정상으로 간주되는 값의 범위 또는 간격(예: 혈액 속의 크레아티닌 양 또는 산소의 부분 압력)이다. 의사나 기타 보건 전문가가 특정 환자에 대한 일련의 검사 결과를 해석하는 것은 비교의 기초가 된다. 의학에서 중요한 기준 범위는 혈액 검사를 위한 기준 범위와 소변 검사를 위한 기준 범위다.

기준 범위(일반적으로 달리 명시되지 않은 경우 참조)의 표준 정의는 일반(즉, 총) 모집단에서 가져온 기준 그룹에서 가장 보편적인 정의에서 비롯된다. 이것이 일반적인 기준 범위다. 그러나 최적의 건강 범위(최적 건강 영향을 미치는 것으로 보이는 범위)와 특정 조건 또는 상태(예: 호르몬 수준에 대한 임신 기준 범위)에 대한 범위도 있다.

기준 범위(WRR) 내의 값은 정상 한계(WNL) 내의 값이다. 한계는 기준 상한(URL) 또는 정상(ULN)의 상한(Url)과 기준 하한(LRL) 또는 정상(LLN)의 하한(Loward Limit)이라고 한다. 건강관리 관련 출판물에서 스타일시트는 때때로 정상의 비기술적 감각이 통계적 감각과 혼동되는 것을 방지하기 위해 정상이라는 단어보다 참조라는 단어를 선호한다. 기준 범위를 벗어난 값은 반드시 병리학적인 것은 아니며, 통계학 이외의 어떤 의미에서도 반드시 비정상적인 것은 아니다. 그럼에도 불구하고, 그것들은 가능한 병증의 지표들이다. 때로는 근본적인 원인이 명백할 때도 있다. 다른 경우에는 무엇이 잘못되었고, 따라서 그것을 어떻게 치료할 것인가를 결정하기 위해 차등 진단에 도전하는 것이 필요하다.

컷오프 또는 임계값은 주로 정규 대 병리학(또는 아마도 병리학) 사이의 이항 분류를 위해 사용되는 한계다. 컷오프에 대한 설정 방법에는 기준 범위의 상한 또는 하한을 사용하는 것이 포함된다.

표준 정의

특정 측정에 대한 기준 범위의 표준 정의는 기준 모집단 값의 95%가 포함되는 구간으로 정의된다. 즉, 시간의 2.5%가 이 구간의 하한보다 작을 것이고, 2.5%는 이 구간의 상한보다 클 것이다.그는 이 가치들을 분배한다.^[1]

이 정의에 의해 주어진 기준 범위를 표준 범위라고 부르기도 한다.

대상 모집단에 대해, 달리 명시되지 않은 경우, 표준 기준 범위는 일반적으로 건강한 개인 또는 설정되는 범위에 직접 영향을 미치는 알려진 조건이 없는 사람을 나타낸다. 이것들은 마찬가지로 건강한 모집단의 기준 그룹을 사용하여 설정되며, 때로는 정상 범위 또는 정상 값(그리고 때로는 "상용적" 범위/값)이라고 불린다. 단, 간격 밖에 있는 모든 사람이 비정상적인 것은 아니므로 정상이라는 용어를 사용하는 것은 적절하지 않을 수 있으며, 특정한 조건을 가진 사람들은 여전히 이 간격 내에 속할 수 있다.

그러나 기준 범위는 질병과 조건이 있든 없든 전체 모집단에서 표본을 추출하여 설정할 수도 있다. 어떤 경우에는 병든 개인을 모집단으로 취하여 질병이나 질환을 가진 사람 사이에 기준 범위를 정하기도 한다. 가급적 각 성별, 연령 그룹, 인종 또는 기타 일반 결정요인에 대한 특정 범위와 같이 측정에 영향을 미치는 요인을 가지는 모집단의 각 부분군에 대한 특정 기준 범위가 있어야 한다.

설립방법

기준 범위를 설정하는 방법은 다음 절에서 각각 자세히 설명한 것처럼 정규 분포 또는 로그 정규 분포를 가정하거나 관심 있는 백분율에서 직접 도출하는 방법을 기반으로 할 수 있다. 양쪽 기관(예: 시력 또는 청력)으로부터 기준 범위를 설정할 때, 대상 내 상관관계를 고려해야 하지만 동일한 개인으로부터 얻은 두 결과를 모두 사용할 수 있다.^[2]

정규 분포

95% 구간은 종종 측정된 모수의 정규 분포를 가정하여 추정되는데, 이 경우 모집단 평균의 어느 한 쪽(기대값이라고도 함)에서 모집단 표준^[3] 편차가 1.96(흔히 2까지 반올림)로 제한되는 구간으로 정의할 수 있다. 그러나 현실 세계에서는 모집단 평균도 모집단 표준 편차도 알려져 있지 않다. 둘 다 표본에서 추정해야 하며, 크기는 n으로 지정할 수 있다. 모집단 표준 편차는 표본 표준 편차로 추정되고 모집단 평균은 표본 평균(평균 또는 산술 평균이라고도 함)으로 추정된다. 이러한 추정을 감안하여 95% 예측 구간(95% PI)을 다음과 같이 계산한다.

95% PI = 평균 ± t_0.975,n−1/sd(n+1)/n/sd,

여기서 t ${\displaystyle {0.975,}_{}}$ ${\displaystyle {\mathrm{n}}_{}}$- 1 ${\$은 자유도가 n-1인 학생 t-분포의 97.5% 퀀텀이다.

표본 크기가 큰 경우(n≥30) t ${\displaystyle {0.975}_{}}$, ${\displaystyle \mathrm{n}{}_{}}$- ${\displaystyle 1_{}}$ ${\displaystyle {}_{}}$ 2.${\displaystyle t_{0.975,n-1}\simeq$ 2$.}$

이 방법은 평균에 비해 표준 편차가 그리 크지 않을 경우 허용될 정도로 정확한 경우가 많다. 보다 정확한 방법은 로그화된 값에 대한 계산을 나중에 별도의 절에서 설명한 대로 수행하는 것이다.

이 방법의 다음 예(로가리화되지 않음)는 12개 피험자의 기준 그룹에서 추출한 단식 혈장 포도당 값에 기초한다.^[4]

예를 들어, 학생의 t-분포의 선택된 값 표에서 제공될 수 있듯이, (12-1) 자유도가 있는 97.5% 백분위수는 t ${\displaystyle {0.975,}_{}}$ ${\displaystyle {11}_{}}$= 2.${\displaystyle 20}$ ${\displaystyle t_{0.975,11}= 2.20}$에 해당한다.

이후 표준 기준 범위의 하한과 상한을 다음과 같이 계산한다.

${\displaystyle Lower~limit=m-t_{0.975,11}\time {\sqrt {\frac {n+1}{n}}\time s.d.=5.33-2.20\t}\\\sqrt {\13}{12}}}\time 0.42=4.4}$

${\displaystyle Upper~limit=m+t_{0.975,11}\time {\sqrt {\frac {n+1}{n}}\time s.d.=5.33+2.20\time {\sqrt{13}}}\time 0.42=6.3}$

따라서 이 예에 대한 표준 기준 범위는 4.4 ~ 6.3 mmol/L로 추정된다.

한계 신뢰 구간

정규 분포를 계산할 수 있다고 가정할 때 표준 기준 범위 한계치의 90% 신뢰 구간:^[5]

신뢰 구간의 하한 = 백분위수 한계 - 2.81 × ⁄√n

신뢰 구간의 상한 = 백분위수 한계 + 2.81 × ½n,

여기서 SD는 표준 편차이고 n은 표본 수입니다.

앞 절의 예를 들어 표본 수는 12개, 표준 편차는 0.42mmol/L로 다음과 같다.

표준 기준 범위 하한값 신뢰구간 하한 = 4.4 - 2.81 × 0.42½1212 ≈ 4.1

표준 기준 범위 하한 신뢰구간 상한 = 4.4 + 2.81 × 0.42⁄12 ≈ 4.7

따라서 기준 범위의 하한은 4.4(90% CI 4.1-4.7) mmol/L로 작성할 수 있다.

마찬가지로, 유사한 계산으로 기준 범위의 상한은 6.3(90% CI 6.0-6.6) mmol/L로 작성할 수 있다.

이러한 신뢰 구간은 무작위 오차를 반영하지만 체계적인 오차는 보상하지 않는다. 이 경우, 예를 들어 기준 그룹이 혈액 샘플링 전에 충분히 오래 단식을 하지 않은 것에서 발생할 수 있다.

이에 비해 단식에 임상적으로 사용되는 실제 기준 범위는 하한은 약 3.8^[6]~4.0이며 ^[7]상한은 약^[7] 6.0~6.1인 것으로 추정된다.^[8]

로그 정규 분포

실제로 생물학적 모수는 산술적 정규분포(^[9]더 이상의 명세 없이 일반적으로 정규분포라고 한다)보다는 로그 정규분포를 갖는 경향이 있다.

생물학적 모수에 대한 이 로그 정규 분포에 대한 설명은 다음과 같다. 표본이 평균 또는 중위수의 절반 값을 갖는 사건은 표본이 평균 또는 중위수의 두 배 값을 갖는 사건으로서 발생할 확률이 거의 동일한 경향이 있다. 또한 로그 정규 분포만이 거의 모든 생물학적 매개변수가 음수(적어도 절대 척도로 측정했을 때)가 될 수 없는 것을 보상할 수 있으며, 그 결과 높은 쪽의 특이치(극한 값)의 크기에 대한 명확한 제한이 없지만, 다른 한편으로 0보다 작을 수는 없다.양적인 왜도 속에 푹푹찌는

이 현상은 오른쪽 다이어그램에서 보듯이, 로그 정규 분포를 산술적 정규 분포와 비슷하게 보이게 하기 때문에 표준 편차(평균 대비)가 상대적으로 작을 경우 상대적으로 효과가 작다. 따라서 산술적 정규 분포는 편의를 위해 작은 표준 편차와 표준 편차가 큰 로그 정규 분포와 함께 사용하는 것이 더 적절할 수 있다.

로그 정규 분포에서 기하학적 표준 편차와 기하학적 평균은 산술적 표준 분포보다 95% 예측 구간을 더 정확하게 추정한다.

필요성

산술적 정규 분포가 아닌 로그 정규 분포에 의해 기준 범위를 설정할 필요는 그렇지 않으면 얼마나 차이가 나는지에 따라 다음과 같은 비율로 설명할 수 있다.

차이비 = 한계_log-normal - 한계_normal / 한계_log-normal

여기서:

• 한계_log-normal(Limit)는 로그 정규 분포를 가정하여 추정된 (하한 또는 상한) 한계임
• 한계는_normal 산술적으로 정규 분포를 가정하여 추정한 (하한 또는 상한) 한계다.

이 차이는 오른쪽 다이어그램에서와 같이 변동 계수와만 관련될 수 있으며, 다음과 같은 경우:

변동 계수 = s.d./m

여기서:

• s.d.는 산술 표준 편차다.
• m은 산술 평균이다.

실제로 차이비가 0.1 이상이면 로그 정규 분포의 설정 방법을 사용할 필요가 있다고 볼 수 있는데, 이는 가정된 산술적으로 정규 분포에서 추정된 (하한 또는 상한) 한계가 (더 정확한) 분포에서 추정된 해당 한계와 10% 이상 차이가 나는 것을 의미한다. 로그 정규 분포 도표에서 볼 수 있듯이, 변동계수 0.213(또는 21.3%)에서 하한값과 변동계수 0.413(41.3%)에서 상한값에서 0.1의 차이비에 도달한다. 하한은 변동계수 증가의 영향을 더 많이 받고, 그 "중대한" 변동계수 0.213은 (상한)/(하한) 2.43의 비율에 해당하므로, 엄지의 법칙으로서 산술적으로 정규분포를 가정하여 추정했을 때 상한이 하한치의 2.4배 이상이면 b가 되어야 한다.e 로그 정규 분포를 사용하여 다시 계산하는 것으로 간주한다.

이전 절의 예를 들어 산술표준편차(s.d.)는 0.42로, 산술평균(m)은 5.33으로 추정한다. 따라서 변동 계수는 0.079이다. 이는 0.213과 0.413 둘 다보다 작으므로 단식 혈당 하한과 상한 모두 산술적으로 정규 분포를 가정하여 추정할 수 있다. 구체적으로는 0.079의 변동계수가 하한 0.01(1%)과 상한 0.007(0.7%)의 차이율에 해당한다.

로그 분석된 샘플 값에서

로그 정규 분포를 따르는 모수에 대한 기준 범위를 추정하는 방법은 임의의 기준(예: e)으로 모든 측정을 로그화하고, 이 로그의 평균과 표준 편차를 도출하고, 이 평균보다 아래 및 위에 위치한 로그(예측 구간 95%) 1.96 표준 편차를 결정하는 것이다.두 개의 로그 값을 95% 예측 구간의 하한과 상한으로 하여 이 두 로그를 지수로 사용하여 로그화에 사용된 것과 동일한 베이스를 사용하여 순차적으로 지수화한다.

이 방법의 다음 예는 e를 기준으로 하여 이전 절에서 사용한 것과 동일한 단식 혈장 포도당 값을 기초로 한다.^[4]

이후 기준 범위의 여전히 로그화된 하한은 다음과 같이 계산된다.

${\displaystyle {\begin{aligned}\ln({\text{lower limit}})&=\mu _{\log }-t_{0.975,n-1}\times {\sqrt {\frac {n+1}{n}}}\times \sigma _{\log }\\&=1.67-2.20\times {\sqrt {\frac {13}{12}}}\times 0.079=1.49,\end{aligned}}}$

기준 범위의 상한은 다음과 같다.

${\displaystyle {\begin{aligned}\ln({\text{upper limit}})&=\mu _{\log }+t_{0.975,n-1}\times {\sqrt {\frac {n+1}{n}}}\times \sigma _{\log }\\&=1.67+2.20\times {\sqrt {\frac {13}{12}}}\times 0.079=1.85\end{aligned}}}$

이후 비로그화된 값으로 다시 변환하는 작업은 다음과 같이 수행된다.

${\displaystyle {\text{Lower limit}=e^{\ln({\text{lower limit})}}=e^{1.49}=4.4}$

${\displaystyle {\text{upper limit}=e^{\ln({\text{upper limit})}}=e^{1.85}=6.4}$

따라서 이 예에 대한 표준 기준 범위는 4.4 - 6.4로 추정된다.

산술 평균 및 분산에서

로그 정규 분포를 가정하여 기준 범위를 설정하는 다른 방법은 표준 편차의 산술 평균과 산술 값을 사용하는 것이다. 이것은 수행하기에 다소 지루하지만, 예를 들어 기준 범위를 설정하는 연구가 소스 데이터를 제외하고 산술 평균과 표준 편차만 제시하는 경우에 유용할 수 있다. 산술적으로 정규 분포의 원래 가정이 로그 정규 분포보다 덜 적절한 것으로 나타난 경우 산술 평균과 표준 편차를 사용하는 것만이 기준 범위를 수정하는 데 사용할 수 있는 모수가 될 수 있다.

이 경우 기대값이 산술평균을 나타낼 수 있다고 가정하면 다음과 같이 산술평균(m)과 표준편차(s.d)에서 모수 μ와_log μ를_log 추정할 수 있다.

${\displaystyle \mu _{\log }=\ln(m)-{\frac {1}{1}{1}{1}\ln \!\좌측(1+\!\preflac\frac {\text.d).}}}{m}\오른쪽)^{2}\오른쪽)}$

${\displaystyle \data _{\log }={\sqrt {\ln \!\left(1+\!)\frac\\text{d.d.}}{m}\오른쪽)^{2}\오른쪽)}}}$

이전 섹션의 검사된 참조 그룹 후속:

${\displaystyle \mu _{\log }=\ln(5.33)-{\frac {1}{1}{1}{1}:{1}{2}}\ln \!\left(1+\!\\좌측){0.42}{5.33}\우측)^{2}=1.67}$

${\displaystyle \log }={\nqrt {\ln\!\좌측(1+\!\\좌측){0.42}{5.33}\우측)^{2}}}}=0.079}$

이후 로그화, 이후 로그화, 하한 및 상한은 로그화 샘플 값과 마찬가지로 계산된다.

이자율에서 직접.

기준 범위는 기준 그룹에서 측정값의 2.5번째와 97.5번째 백분위수에서 직접 설정될 수도 있다. 예를 들어 기준군이 200명으로 구성되고, 가장 낮은 값을 가진 측정에서 가장 높은 값까지 계산하면 기준 범위의 하한은 5번째 측정에 해당하고 상한은 195번째 측정에 해당된다.

측정값이 어떤 형태의 정규 분포나 다른 기능에 편리하게 부합하지 않는 경우에도 이 방법을 사용할 수 있다.

그러나 이러한 방식으로 추정된 기준 범위 한계치는 산술적 또는 로그 정규 분포로 추정된 값보다 분산이 높고 신뢰성이 낮다(해당되는 경우). 왜냐하면 후자는 2에서 측정한 값보다 전체 기준 그룹의 측정값에서 통계적 힘을 얻기 때문이다.0.5 퍼센트와 97.5 퍼센티지. 그러나 이러한 분산은 기준 그룹의 크기가 증가함에 따라 감소하므로, 이 방법은 큰 기준 그룹을 쉽게 수집할 수 있고 측정의 분포 모드가 불확실한 경우에 최적일 수 있다.

2모달 분포

2중분포(오른쪽에서 보이는)의 경우, 왜 이런지를 알아내는 것이 유용하다. 서로 다른 두 그룹의 사람들에 대해 두 개의 기준 범위를 설정하여 각 그룹의 정규 분포를 가정할 수 있다. 이러한 양면 패턴은 전립선 특이 항원처럼 남녀가 다른 시험에서 흔히 볼 수 있다.

의료 시험의 표준 범위 해석

연속 값인 의료 시험의 경우, 기준 범위를 개별 시험 결과의 해석에 사용할 수 있다. 이것은 주로 진단 테스트와 선별 테스트에 사용되며, 모니터링 테스트는 대신에 동일한 개인의 이전 테스트에서 최적으로 해석될 수 있다.

랜덤 변동 확률

기준 범위는 시험 결과의 평균으로부터의 편차가 무작위 변동성의 결과인지 아니면 근본적인 질병이나 상태에 의한 결과인지를 평가하는 데 도움이 된다. 기준 범위를 설정하기 위해 사용된 기준 그룹이 건강한 상태의 개인으로 대표된다고 가정할 수 있는 경우, 기준 범위보다 낮거나 더 높은 것으로 밝혀진 해당 개인의 시험 결과는 무작위 va에 의해 이것이 발생했을 확률이 2.5% 미만인 것으로 해석할 수 있다.질병이나 다른 질환이 없는 경우 지속가능성은 근본적인 질병이나 상태를 원인으로 간주할 때 강하게 나타난다.

예를 들어, 그러한 추가 검토는 역학 기반 차등 진단 절차에 의해 수행될 수 있다. 여기서 발견을 설명할 수 있는 잠재적 후보 조건이 나열되고, 그 다음, 처음부터 발생 가능성이 얼마나 되는지 계산하고, 그 다음, resu 확률과 비교한다.그것은 임의의 변동성에 의해 발생했을 것이다.

기준 범위의 설정이 정규 분포를 가정하여 이루어질 수 있었다면, 결과가 무작위 변동성의 영향이 될 확률은 다음과 같이 추가로 지정할 수 있다.

표준 편차는 아직 제시되지 않은 경우 평균과 기준 범위의 상한 또는 하한 사이의 차이의 절대값이 약 2 표준 편차(더 정확히 1.96)라는 사실에 의해 반비례하여 계산할 수 있으며, 따라서 다음과 같다.

표준 편차(s.d.) ≈ (평균) - (상한) /2.

개인의 시험 표준 점수는 이후 다음과 같이 계산할 수 있다.

표준 점수(z) = (평균) - (개별 측정) /s.d.

값이 평균으로부터 일정한 거리에 있을 확률은 이후 표준점수와 예측 구간 사이의 관계에서 계산할 수 있다. 예를 들어, 2.58의 표준 점수는 99%^[10]의 예측 구간에 해당하며, 이는 결과가 적어도 질병이 없을 때 평균으로부터 멀어질 확률 0.5%에 해당한다.

예

예를 들어, 개인이 혈액 속의 이온화 칼슘을 측정하여 1.30mmol/L의 값을 얻으며, 개인을 적절하게 나타내는 기준군이 1.05~1.25mmol/L의 기준 범위를 설정했다고 하자. 개인의 값은 기준 범위의 상한보다 높기 때문에 무작위 변동성의 결과일 확률은 2.5% 미만이며, 이는 가능한 원인 조건을 차등 진단하기 위한 강한 지표가 된다.

이 경우 역학 기반 차등 진단 절차가 사용되며, 그 첫 번째 단계는 소견을 설명할 수 있는 후보 조건을 찾는 것이다.

고칼슘혈증(보통 기준 범위 이상의 칼슘 수준으로 정의됨)은 일차 과파병증이나 악성성 중 하나에 의해 주로 발생하므로 이를 차등 진단에 포함하는 것이 타당하다.^[11]

예를 들어 역학이나 개인의 위험요인을 예로 들면, 애초에 일차적 과대병증 항진증에 의해 고혈당이 발생했을 확률은 0.00125 (또는 0.125%)로 추정되고, 암에 대한 등가 확률은 0.0002이고, 그 밖의 조건에 대해서는 0.0005로 추정된다고 하자. 0.025 미만의 무질환 확률로, 이는 초기의 0.02695까지 고혈당이 발생했을 확률에 해당한다. 단, 100% 확률로 고혈당이 발생하여 1차 과갑상선기능항진증이 고혈당을 일으켰을 확률은 최소 4.6%, 암은 0.7%, 다른 질환은 최소 1.9%, 무작위 변동성으로 인한 고혈당이 발생하였을 확률은 최대 92.8%이다.

이 경우 랜덤 변동 확률의 지정으로 인한 추가 처리 편익은 다음과 같다.

이 값은 허용 가능한 정규 분포에 부합한다고 가정하므로, 평균은 기준 그룹에서 1.15로 가정할 수 있다. 표준 편차는 아직 제시되지 않은 경우 평균 간 차이의 절대값과 예를 들어 기준 범위의 상한값이 약 2 표준 편차(더 정확하게 1.96)임을 알면 반비례하여 계산할 수 있으며, 따라서 다음과 같다.

표준편차(s.d.) ≈ (평균) - (상한) /2 = 1.15 - 1.25 /2 = 0.1/2 = 0.05

개인의 시험 표준 점수는 이후 다음과 같이 계산된다.

표준 점수(z) = (평균) - (개별 측정) /s.d. = 1.15 - 1.30 /0.05 = 0.15/0.05 = 3

값이 평균보다 훨씬 더 큰 값이 표준점수 3을 갖는 확률은 약 0.14% ((100% - 99.7%)/2의 확률에 해당하며, 여기에서는 99.7%가 68-95-99.7 규칙에서 주어진다.

다른 후보 조건에 의해 애초에 고칼슘이 발생했을 확률을 동일하게 적용하면, 애초에 고칼슘이 발생했을 확률은 0.00335이고, 고칼슘이 발생했다는 점을 감안하면 경선에서는 각각 37.3%, 6.0%, 14.9%, 41.8%의 조정 확률을 부여한다. 갑상선 기능 항진증, 암, 기타 질환, 질병 없음.

최적의 건강 범위

최적(건강) 범위 또는 치료 대상(생물학적 목표와 혼동되지 않음)은 모집단의 정상 분포에 기초한 표준 범위가 아니라 최적의 건강 상태 또는 관련 합병증 및 질병의 최소 위험과 관련된 농도 또는 수준에 근거한 기준 범위 또는 한계다.

북미인의 약 90%가 실제로 엽산 결핍으로 인해 다소 고통을 받을 ^[12]수 있지만 가장 낮은 수준을 가진 2.5%만이 표준 기준 범위 아래로 떨어질 것이기 때문에 엽산 등에 사용하는 것이 더 적절할 수 있다. 이 경우 최적의 건강을 위한 실제 엽산 범위는 표준 기준 범위보다 상당히 높다. 비타민 D도 비슷한 경향이 있다. 이와는 대조적으로 요산과 같은 경우, 기준 범위를 초과하지 않는 수준을 갖는 것은 여전히 통풍이나 신장 결석을 얻을 위험을 배제하지 않는다. 더욱이 대부분의 독소의 경우 표준 기준 범위는 일반적으로 독성 영향 수준보다 낮다.

최적의 건강 범위에 대한 문제는 범위를 추정하는 표준 방법이 부족하다는 것이다. 이 한계는 건강 위험이 일정한 임계값을 초과하는 것으로 정의할 수 있지만, 서로 다른 측정치(예: 엽산 및 비타민 D) 사이의 다양한 위험 프로파일과 심지어 한 측정치 및 동일한 측정치(예: 비타민 A의 결핍과 독성 모두)에 대한 다른 위험 측면도 있어 표준화가 어렵다. 이후 최적의 건강 범위는 다양한 소스에 의해 주어질 때 매개변수의 다양한 정의에 의해 야기되는 추가적인 가변성을 가진다. 또한 표준 기준 범위와 마찬가지로 성별, 나이 등과 같이 값에 영향을 미치는 다른 결정요인에 대한 특정 범위가 있어야 한다. 이상적으로는 연구로 달성하기 어려울 수 있지만 의사의 오랜 임상 경험이 기준 범위를 사용하는 것보다 이 방법을 더 선호할 수 있는 과제인 개인의 모든 중요한 요소를 고려할 때 모든 개인에게 최적의 값이 무엇인지 추정하는 것이 좋다.

단측 컷오프 값

암 항원 19-9를 포함한 병리학 표지와 같이 대개 한 쪽에만 관심이 있는 경우가 많으며, 일반적으로 모집단에서 통상적인 것보다 낮은 값을 갖는 것은 임상적으로 아무런 의미가 없다. 따라서 그러한 표적은 주어진 기준 범위의 한 한계만으로 주어지는 경우가 많으며, 엄격하게 그러한 값은 오히려 컷오프 값이나 임계값이다.

표준 범위와 최적의 건강 범위를 모두 나타낼 수 있다. 또한, 그들은 건강한 사람과 특정 질병을 구별하는 적절한 가치를 나타낼 수 있지만, 이것은 구별되는 다른 질병에 의해 추가적인 가변성을 제공한다. 예를 들어 NT-proBNP의 경우 건강한 아기와 선천성 비영웅성 빈혈아 사이의 구별에 사용되는 컷오프 값에 비해 건강한 아기와 아세안성 심장질환을 가진 아기를 구분하는 데 더 낮은 컷오프 값이 사용된다.^[13]

일반적인 단점

표준뿐만 아니라 최적의 건강 범위 및 컷오프의 경우 부정확성과 부정확성의 원천은 다음을 포함한다.

• 사용된 계측기와 실험실 기법 또는 관측자가 측정을 해석하는 방법. 이러한 사항은 기기 등에 모두 적용될 수 있다. 기준 범위 및 이 범위가 적용되는 개인에 대한 값을 획득하는 데 사용되는 계측기 등을 설정하기 위해 사용된다. 보상하기 위해, 개별 실험실은 실험실에서 사용하는 도구를 설명하기 위해 자체 실험실 범위를 가져야 한다.
• 나이, 다이어트 등 보상받지 못하는 결정요인. 최적으로, 그들이 적용되는 각 개인과 가능한 한 유사한 기준 그룹의 기준 범위가 있어야 하지만, 종종 기준 범위가 그들이 적용되는 동일한 개인의 다중 측정으로부터 설정되는 경우에도, 모든 단일 결정 인자를 보상하는 것은 사실상 불가능하다. 시험 결과의 변동성의.

또한 기준 범위는 "좋음" 또는 "나쁨" 값을 명확하게 구분하는 확실한 임계값의 인상을 주는 경향이 있는 반면, 실제로는 일반적으로 평상시 또는 최적 값과의 거리가 증가하면서 위험이 지속적으로 증가하는 경향이 있다.

이것과 보완되지 않은 요인을 염두에 둔 이상적인 시험 결과 해석 방법은 기준 범위를 사용하여 값을 "좋은" 또는 "나쁜"으로 엄격하게 분류하기 보다는, 해당 개인의 모든 요소와 조건을 고려할 때 개인이 기대하거나 최적화할 것을 비교하는 것으로 구성될 것이다.나는 다른 사람들이다.

최근 논문에서, ^[14]Rapoport 외 연구진은 전자 건강 기록 시스템에서 참조 범위를 재정의하는 새로운 방법을 설명했다. 그러한 시스템에서는 더 높은 인구해결을 달성할 수 있다(예: 나이, 성별, 인종, 민족별).

예

• 혈액 검사를 위한 기준 범위
• 소변 검사를 위한 기준 범위

참고 항목

• 임상 병리학
• 실험실 의료의 추적가능성을 위한 위원회
• 의학 기술자
• 혈액 검사를 위한 기준 범위

참조

본 기사는 CC BY 4.0 라이센스(2012)에 따라 다음과 같은 출처에서 개작되었다. Mikael Häggström (2014). "Reference ranges for estradiol, progesterone, luteinizing hormone and follicle-stimulating hormone during the menstrual cycle". WikiJournal of Medicine. 1 (1). doi:10.15347/WJM/2014.001. ISSN 2002-4436. Wikidata Q44275619.

추가 읽기

• 기준 간격을 참조하는 절차와 어휘: CLSI(실험실 표준 연구소 위원회)와 IFCC(국제임상화학연맹) CLSI - 실험실에서 기준 간격을 정의, 설정 및 검증, 승인된 지침 - 제3판 문서 C28-A3(ISBN 1-56238-682-4)웨인, PA, 2008년 미국
• Reference Value Advisor : CLSI 절차에 따라 기준 간격을 결정할 수 있는 Excel 매크로의 무료 세트. 기준: