Proficiency testing: assessing z-scores in the longer term
اگرچه z-score شاخصی ارزشمند برای عملکرد آزمایشگاه بشمار می رود، اما مجموعه یا ترتیبی از z-score ها دید عمیق تری را فراهم میکند. ممکن است استفاده از هر دو روش گرافیکی و عددی برای ارزیابی ترتیبی از z-score ها مناسب باشد. با این وجود، در روشهای عددی احتیاط لازم برای جلوگیری از نتیجه گیری نادرست ضروری است. استفاده از z-score خلاصه که از z-score های مربوط به آنالیت های مختلف بدست آمده است، توصیه نمی شود، چرا که گستره کاربردهای معتبر آن محدود بوده و ممکن است منجر به پنهان شدن مشکلات موردی یا دائمی هر یک از آنالیت ها شود. علاوه بر این، احتمال استفاده اشتباه از آن توسط غیر متخصصین، زیاد است.
نمرات خلاصه
دو نوع از نمرات خلاصه زیر، دارای اساس آماری منطقی میباشند و ممکن است برای هر یک از شرکت کنندگان، در ارزیابی ترتیبی از z-score های (z1=,i=1,…,n) که از ترکیب واحدی از آنالیت، ماده آزمون و یا روش آزمون بدست آمده اند، مفید باشد.
مجموع بازمقیاس z-score ها،
می تواند همانند z-score تفسیر شود به این معنی که انتظار میرود RSZ نیز مانند z-score ها مرکزیت صفر و واریانس واحد داشته باشد. این آماره خاصیت آشکارسازی بایاس یا روندی دائمی را دارد، به اینصورت که ترتیب نتایج [۱.۵، ۱.۵، ۱.۵، ۱.۵]، ۳= RSZ را می دهد.
مجموع مربعات z-score ها، SSZ
میتواند به عنوان توزیع x^2 برای z-score های با مرکزیت صفر و واریانس واحد تفسیر شود. مزیت اصلی این آماره جلوگیری از خنثی شدن z-score های بزرگ با علامت مخالف است، اما نسبت به بایاسهای کوچک حساسیت کمی دارد. SSZ بطور ویژه نسبت به داده های پرت حساس است.
این دو آماره خلاصه، باید در برابر نمراتِ پرتِ گذشته محافظت شوند (برای مثال با استوارسازی یا فیلتر کردن) در غیراینصورت، [اثرات داده های پرت] ماندگاری بلند مدت خواهد داشت.
نمودارهای کنترلی
روشهای گرافیکی خلاصه سازی مجموعه ای از z-score ها، میتواند به اندازه نمرات خلاصه آموزنده بوده و حتی احتمال سوء تعبیر از آنها کمتر است. نمودارهای تک متغیره چندگانه، مانند آنچه در شکل ۱ نشان داده شده است، نمای کلی شفافی را ارائه می دهند. این نمودارها بویژه زمانی مفید هستند که نمرات گروهی از آنالیت ها که با روشی مشترک تعیین [مقدار] شده اند، مورد توجه قرار گیرند. همچنین بروزرسانی نمودارهای دستی به سرعت قابل انجام بوده و به خوبی نمودارهایی که توسط رایانه تهیه میشوند عمل میکنند.
در نمودار کنترلی (شکل ۱) نمادهای مثلثی رو به بالا برای نشان دادن z-score بزرگتر از صفر و نمادهای مثلثی رو به پایین برای موارد کمتر از صفر استفاده می-شوند. نمادهای کوچک، مثال هایی را نشان می دهند که
نموداری که در تصویر نمایش داده شده است در مدت زمان کوتاهی جنبه های بسیار ارزشمندی از نتایج حاصله را نشان می دهند. برای مثال همانطور که در (شکل ۱) نشان داده شده است، نتایج دوره ۱۱ اغلب خیلی پایین بوده و نشان می دهد که روش اجرایی [آزمون] در بعضی جنبه های عمومی دارای اِشکال است. از سوی دیگر آنالیت ۷ اغلب نتایج بالایی می دهد که حاکی از وجود مشکلی دائمی برای آن آنالیت خاص است. باقی نتایج تقریباً با «تناسب برای هدف» سازگارند ، به نحوی که به طور متوسط منتج به حدود ۵٪ z-score هایی میشود که با یک نماد کوچک نشان داده شده اند.
نمودارهای J
J-chart (یا به اصطلاح دیگر ” نمودار منطقه ای “) حاوی اطلاعات بسیار سودمندی است، چرا که قابلیت های نمودارهای شوارت و کیوسام را با یکدیگر تلفیق میکند. این [کار] با انباشت J-score های خاص منتسب به نتایج متوالی در دو طرف خط مرکزی (صفر) انجام می شود. این امر باعث می شود بایاس های جزئی دائمی بخوبیِ تغییرات بزرگ ناگهانی در سیستم آنالیز، شناسایی شوند. قواعد معمول برای تبدیل z-score ها به J و انباشت آنها به شرح زیر است.
نمرات J [بدست آمده] از دورهای متوالی، تا [رسیدن به]
چند نمونه از اثرات انباشت بایاس در شکل ۲ قابل مشاهده است (که همان نتایج شکل ۱ را برای مقایسه نشان می دهد). به عنوان مثال، آنالیت ۳ در دوره های ۱ تا ۴ به ترتیب z-score های 5/1، ۲/۱، ۵/۱، و 1/1 را دریافت میکند که به مقادیر J 2، ۲، ۲ و ۲ تبدیل میشود که در دوره ۴ به انباشتگر ۸ منجر شده و موجب آغاز تحقیقات [ریشه یابی] میشود.
مقاله فوق ترجمه یکی از مقالات سایت Royal Society of Chemistry می باشد که مجموعه ویرا اقدام به ترجمه فارسی آن کرده است و شما می توانید فایل های مربوطه را در قالب pdf از لینک های زیر دانلود فرمایید
2 فکر در مورد “ آزمون مهارت: ارزیابی z-score ها در بلند مدت ”
مقاله خیلی خوبی بود. آیا آموزش هم برای رسم نمودار J دارید؟
با سلام بله امکان رسم و آموزش آن وجود دارد که در آینده مقاله تحت همین عنوان ارائه خواهد شد.