临床实验室误标样本的解决方案

By LabMedica International staff writers
Posted on 11 Jun 2014

临床实验室里认错患者的情况多得出奇，包括样本的误标和误认。

有关美国实验室差错的最佳数据来自美国病理医师学会(CAP; Northfield, IL, USA)的三项独立Q-Probe研究，2006年120家单位报告的样本误标率为0.39/1,000，2008年147所临床实验室报告的样本误标率为0.92/1,000，2010年122所临床实验室报告的血库样本误标率为1.12%。

图片：为拍摄样本管外壁开发的自动照相机系统，经过视觉处理和光字符识别分析，检测可能误标的样本（图片蒙ARUP实验室惠赐）。

美国犹他州盐湖城ARUP实验室的化验学家检查了误识的问题，并建议了一些可能的解决方案。一种方法是“单件流”(single piece flow)，这一概念极其有望以较低成本防止打标任务出差错。他们建议，为了防止采集和处理过程中的差错，应避免同时在活跃工作区采样多名患者。同样要避免与多名必须对应于样本的患者的标签一起使用标签打印机的标签纸，如果使用自动等分设备，确保标签完全复制原始试管的条码标签，以方便检测差错。

更多实验室正在使用的另一件工具是便携式条码扫描仪。这类扫描仪在采集点读取腕带上的条形码，与便携式条码标签打印机或护理点分析仪器配套使用时效果良好。然而，条码设备比普遍认为的出更多差错。条码显示和排列的不一致性还可能导致差错增多。专家建议实施临床与实验室标准研究所(Wayne, PA, USA)的AUTO12-A样本标签标准：内容和位置、字体与标签方向。

科学家发明了一套高科技解决方案，他们相信这套方案将使样本误标率下降到近乎零，如果进一步优化，还可能适用于商用自动化系统。这种机器人照相机系统能从自动轨道上的传送带上举起一支样本试管，用四架等间距的高分辨率照相机同时拍摄四张照片，并把四张照片精确地拼成一幅试管外全貌的整图。它然后用光字符识别(OCR)比较原始标签上的病人姓名与实验室信息系统(LIS)里的病人姓名。

该机器人系统自2012年10月成型以来已收集和分析了约240万幅图像，检测到300多份误标的样本，而正常的质保程序只发现了其中的53%。样本经过这一先进的自动化流程，发布的校正报告减少了很多。

Related Links:
美国病理医师学会
ARUP实验室
临床与实验室标准研究所