17/06/2025
MAKMAL PATOLOGI KIMIA: MEMBANTU PENJAGAAN KESIHATAN UNGGUL
(KONGSI PENGETAHUAN DAN PENGALAMAN)
SIRI 6: INTERNAL QUALITY CONTROL (ASAS STATISTIK)
Dalam siri ke 6 dan beberapa siri berikutnya kita akan membincangkan Internal Quality Control (IQC) di makmal patologi kimia atau mana-mana makmal yang menjalankan ujian biokimia. IQC adalah aspek penting dalam menentukan kualiti analisa makmal. Ketepatan dan reliability sesuatu keputusan analisa bergantung kepada implimentasi IQC. Tanpa IQC, keputusan analisa tidak bermakna dan tidak boleh dijadikan sandaran pendiagnosan dan pemantauan rawatan pesakit.
Sebelum bicara tentang IQC, kita perlu memahami asas statistik yang digunapakai dalam implimentasi IQC di makmal. Beberapa asas statistik akan dibincangkan pada siri ini agar kita berupaya memahami dan menggunakan asas statistik ini dalam merancang, melaksana dan menjalankan pembetulan jika terdapat ketidakpatuhan terhadap peraturan-peraturan IQC semasa proses implementasi di makmal.
Berikut adalah asas statistik yang perlu difahami dan fungsinya dalam implementasi IQC di Persatuan Juruteknologi Makmal Perubatan Malaysia (MSMLT)
1.0 Pengukuran pemusatan
Pengukuran pemusatan melibatkan 3 pengiraan iaitu purata, mod dan median. Pengukuran pemusatan ini digunapakai dalam menentukan sifat sesuatu taburan data samada bersifat taburan normal atau sebaliknya. Secara umum jika purata (mean), mod dan median memberi nilai yang sama, maka taburan data adalah bersifat taburan normal. Walaupun begitu, terdapat juga taburan data yang tidak mempunyai nilai mod. Jika keadaan ini berlaku, sesuatu taburan data bersifat taburan normal jika nilai purata dan nilai median adalah sama.
Dalam implementasi IQC, kita akan menggunakan nilai purata sebagai sasaran (target)dalam graf Levey Jennings untuk menilai keabsahah sesuatu IQC.
1.1 Definasi pengukuran pemusat
a) Purata
Purata ditakrifkan sebagai hasil tambah data dibahagi dengan bilangan data Purata = (Σxi)/n dimana xi adalah data dan n adalah bilangan data.
Contoh
Taburan data: 2,4,4,5,5,6,6
Purata = (Σxi)/n
Σxi = (2+4+4+5+5+6+6) = 32
n= 7
Purata = 32/7 = 4.57
b) Mod
Mod ditakrifkan sebagai nilai yang paling kerap muncul dalam sesuatu taburan data.
Contoh
Taburan data: 2,4,4,5,5,6,6,6
Mod dalam taburan data ialah 6. Dalam keadaan tertentu ada kemungkinan sesuatu taburan data tidak mempunyai mod
c) Median
Median ditakrifkan sebagai penengah dalam sesuatu taburan data yang disusun secara menaik iaitu data disusun dari nilai yang kecil ke nilai yang besar.
Contoh
Taburan data: 4,4,6,6,5,5,2
Median :
Susun semula taburan data mengikut menaik : 2, 4,4,5,5,6,6,
Median = 5
Jika taburan data adalah genap, maka median dikira seperti di bawah
Contoh
Taburan data: 4,4,6,5,5,2
Susun semula taburan data mengikut menaik : 2, 4,4,5,5,6,
Median = 4.5
2.0 Standard Deviation (SD) Dan Coefficient Variation (CV)
SD adalah satu nilai yang menunjukkan jarak mutlak antara purata dalam kump**an data. Dari segi statistik, SD adalah punca kuasa dua variant
(√ (x – purata)2 / (n-1) dimana x= data dan n = bilangan data.
Nlai SD biasa digunapakai dalam graf Levey Jennings IQC di makmal.
CV adalah satu nilai yang menunjukkan jarak relatif antara purata dalam kump**an data. Ia diterjemahkan dalam bentuk peratus. CV dikira dengan menggunakan formula (SD/Purata)x 100. CV sering digunakan dalam menentukan precision sesuaut analisis. Semakin kecil nilai CV, maka semakin jitu sesuatu ukuran.
BERSAMBUNG DI SIRI KE 7
DARI MEJA PEGAWAI SAINS KIMIA HAYAT
Sairi Satari, BCN
(NO PENDAFTARAN: MAHPC (MLS) 00829)