Der har de seneste 10-15 år været en betragtelig udvikling på det præanalytiske område. Inden da var der således ikke mange, der havde godt styr på den påvirkning, som forskelle i prøvetagning, prøveforsendelse og prøvemodtagelse kunne have på analyseresultatet. Det vil sige: Vi vidste, at der var en betydende påvirkning, men overblikket og kontrollen af dette var mangelfuld, ligesom konsekvensbeskrivelsen i laboratoriet lod noget tilbage at ønske.
Dette har ændret sig i takt med it-udviklingen og med det faktum, at flere og flere laboratorier har fået mere automatiserede arbejdsgange, som har givet et mere strømlinet, overskueligt forløb, der muliggør et langt bedre digitalt overblik over produktionen. Hvad der således tidligere var baseret på erfaring, kvalificerede gæt eller en-dags-optællinger, kan i dag afgøres meget præcist ved at trække produktionstal fra LIMS eller et givet middleware. Hvor mange prøverør har vi modtaget i dag? 8.961. Hvor mange kom fra almen praksis? 4.230. Hvor mange skulle analyseres på ”automatløsningen”? 82,1%. Hvor mange var fejlbehæftet (dvs. med en error code at arrival registration)? 7,3%. Og så videre.
Spørgsmålet er, om vi kan benytte denne dataraffinering til noget – udover at lide den berygtede data-død, hvor man drukner i for mange tal, uden at det gavner nogen. For en laboratorieledelse kan det helt sikkert bruges til administration, overblik, økonomisk styring, etc. Men hvad med kvalitetssikring? Er disse data relevante, umiddelbart brugbare, konsekvensberettigede og i det hele taget umagen værd?
Det här är ett utplock av en intressant artikel från KBN – Nr. 3 – vol. 33 – 2021.