Академический Документы
Профессиональный Документы
Культура Документы
Notas
Índice
1. REFERENCIAS HISTÓRICAS ........................................................................................2
2. INTRODUCCIÓN .............................................................................................................2
3. DEFINICIONES ...............................................................................................................3
4. CONCEPTO DE VALORES DE REFERENCIA...............................................................3
5. DETERMINACIÓN DE VALORES DE REFERENCIA .....................................................4
6. PREPARACIÓN DE LOS INDIVIDUOS DE REFERENCIA.............................................6
6.1. Preparación para la obtención de especímenes ........................................................................................ 6
6.2. Extracción ................................................................................................................................................... 7
6.3. Preparación del espécimen ........................................................................................................................ 7
6.4. Almacenamiento del espécimen................................................................................................................. 7
6.5. Recomendaciones especiales.................................................................................................................... 7
7. CONTROL DE CALIDAD EN LA PRODUCCIÓN DE VALORES DE REFERENCIA ......7
8. DESCRIPCIÓN DE LA MUESTRA DE REFERENCIA ....................................................8
8.1. Descripción gráfica de una muestra de referencia..................................................................................... 8
8.2. Pruebas de gaussianidad ........................................................................................................................... 8
8.3. Transformaciones ....................................................................................................................................... 8
8.4. Detección y tratamiento de valores aberrantes.......................................................................................... 9
9. DETERMINACIÓN DE INTERVALOS DE REFERENCIA .............................................11
9.1. Diferentes tipos de intervalos de referencia ............................................................................................. 11
9.2. Cálculo paramétrico del intervalo de referencia ....................................................................................... 11
9.3. Determinación no paramétrica del intervalo de referencia....................................................................... 12
9.4. Tamaño de muestra para la determinación de los valores de referencia ................................................ 13
9.5. Determinación del intervalo de referencia en muestras “censuradas”..................................................... 13
10. CRITERIOS PARA EL CÁLCULO DE INTERVALOS DE REFERENCIA SEPARADOS
(CRITERIOS DE PARTICIÓN) ..........................................................................................16
10.1. Criterio de Harris y Boyd (12) ................................................................................................................. 16
10.2. Criterio de Lathi (13-15).......................................................................................................................... 16
10.3. Criterio de Linton .................................................................................................................................... 16
10.4. Consideraciones no estadísticas............................................................................................................ 17
11. VALORES DE REFERENCIA INTRAINDIVIDUALES .................................................17
11.1. Variabilidad intraindividual...................................................................................................................... 17
11.2. Valores de referencia intraindividuales .................................................................................................. 19
11.3. Fundamentos teóricos ............................................................................................................................ 19
12. UTILIZACIÓN DE LOS VALORES DE REFERENCIA.................................................22
12.1. Comparación de poblaciones ................................................................................................................. 22
12.2. Comparación de un valor observado con los valores de referencia ...................................................... 23
13. VALORES DE REFERENCIA UNIVARIANTES FRENTE A MULTIVARIANTES ........25
13.1. Región de referencia multivariada.......................................................................................................... 25
13.2. Paradojas de la interpretación multivariada ........................................................................................... 27
14. TRANSFERIBILIDAD DE VALORES DE REFERENCIA.............................................28
14.1. Introducción ............................................................................................................................................ 28
14.2. Cálculo del intervalo de referencia ......................................................................................................... 28
14.3. Procedimiento general............................................................................................................................ 29
15. COMPARACIÓN DE INTERVALOS DE REFERENCIA CALCULADOS DE FORMA
PARAMÉTRICA.................................................................................................................29
15.1. Parámetros de centralización: comparación de medias ........................................................................ 29
1
15.2. Parámetros de dispersión: comparación de dos varianzas ................................................................... 31
15.3. Conclusiones .......................................................................................................................................... 31
16. COMPARACIÓN DE INTERVALOS NO PARÁMETRICOS ........................................32
16.1. Prueba de comparación de fractiles ....................................................................................................... 32
16.2. Conclusiones .......................................................................................................................................... 32
17. BIBLIOGRAFÍA CITADA..............................................................................................33
18. BIBLIOGRAFÍA ADICIONAL........................................................................................33
1. Referencias históricas
En 1969 con ocasión del XII Congreso de la Sociedad Escandinava de Química Clínica, R. Grasbeck y N.E.
Saris propusieron la denominación de valores de referencia en sustitución de lo hasta entonces valores
normales.
En 1970 la Internacional Federation of Clinical Chemistry (IFCC) designó un Comité de Expertos bajo la
presidencia del Dr. T. P. Whitehead para establecer recomendaciones en la teoría de valores de referencia,
el Scientific Committee, Clinical Section, Expert Panel on Theory of Referente Value (EPTRV), presidido
después por R. Gräsbeck (FI), y H. E. Solberg (NO), siendo miembros N. Montalbeti (IT), C. Petitclerc (CA),
G. Siest (FR), P. Wilding (US), G. Z. Willians (US), P. Stamm (DE) y R. Dybkaer (D). A su vez el
International Committee for Standardization in Haematology (ICSH), designó en 1977 a Standing Committee
on Reference Values (SCRV).
El Comité de Expertos de la IFCC ha publicado seis documentos:
• Part 1. The concept of reference values (1987) (1, 2).
• Part 2. Selection of individuals for the production of reference values (1987) (3).
• Part 3. Preparation of individuals and collection of specimens for the production of reference values
(1988) (4).
• Part 4. Control of analytical variation in the production, transfer and application of reference values
(1991) (5-7).
• Part 5. Statistical treatment of collected reference values. Determination of reference limits (1987) (8).
• Part 6. Presentation of observed values related to reference values (1987) (9).
Hay que destacar la importancia que ha tenido para la elaboración de la teoría de los valores de referencia y
las aplicaciones que de ella se derivaron los Congresos Internacionales de Química Clínica de Estocolmo y
México; las reuniones del International Data Communication Group en Minneapolis, Cancún y Graz; y los
Symposiums de Biologie Clinique de Pont-à-Mousson.
2. Introducción
El objetivo primordial del laboratorio clínico es la detección de las variaciones de los distintos constituyentes,
tanto de origen endógeno como exógeno, que estudia en los seres vivos originadas por la propia actividad
fisiológica o por circunstancias patológicas, aportando una serie de valores cuantitativos, con fines
preventivos, diagnósticos y de control de tratamiento. Estos valores deben ser interpretados en relación con
valores similares obtenidos en condiciones fisiológicas.
Los valores obtenidos en condiciones fisiológicas pueden estar sometidos a variaciones de origen genético,
constitucional o ambiental, así como a las introducidas por la administración de medicamentos u otros
agentes terapéuticos.
Al ser competencia del laboratorio clínico la producción e interpretación de valores analíticos, le
corresponde el establecimiento de valores de referencia en función de la población a la que presta sus
servicios y de la metodología que utiliza. Es imprescindible para la correcta obtención e interpretación de los
valores de referencia el conocimiento y la descripción meticulosa de todos los factores capaces de introducir
variaciones.
2
3. Definiciones
Individuo de referencia: es un individuo seleccionado con fines de comparación mediante unos criterios
definidos en cada caso. Es importante que el criterio elegido sea el estado de salud, pero la definición no se
limita a esto, sino que también puede incluir un cierto estadio de una enfermedad, o un determinado estadio
fisiológico (por ejemplo el primer trimestre del embarazo), u otra condición que sea relevante a los fines
terapéuticos o pronósticos, o también se pueden tener intervalos de referencia hospitalarios.
Población de referencia: es el conjunto de todos los posibles individuos de referencia.
Muestra de referencia: es un subconjunto de la población de referencia constituido por el número adecuado
de individuos para que sea representativo de dicha población de referencia.
Valor de referencia: es el valor obtenido por la medición de una magnitud en el laboratorio en un individuo
de referencia que forma parte de la muestra de referencia.
Distribución de referencia: es la distribución de probabilidad de los valores de referencia. Las hipótesis y los
parámetros estadísticos de la distribución de probabilidad de la muestra de referencia se comprobarán y
calcularán a partir de la distribución de referencia con los métodos estadísticos apropiados.
Límites de referencia: son aquellos valores de la distribución de referencia que excluyen, con una
probabilidad determinada, una fracción de dicha distribución. Se establecen de la distribución y son
descriptivos de los valores de referencia.
Intervalo de referencia: es el intervalo de la distribución de referencia que queda comprendido entre los
límites de referencia, incluyéndolos a ambos.
Valores observados: son los valores obtenidos por medición de una magnitud en un individuo determinado,
para sustentar una decisión médica, pudiendo ser comparado con los valores, distribuciones, límites o
intervalos de referencia.
3
Las distribuciones de probabilidad de los datos recogidos en la muestra de referencia constituyen la
distribución de referencia. Esta distribución no sigue necesariamente un modelo gaussiano, sino más bien la
obtención de tal modelo suele ser excepcional. El tipo de distribución condiciona el tratamiento estadístico
de los datos.
La probabilidad de que un resultado forme parte de la población de referencia a lo largo de toda la
distribución es, obviamente, máxima (igual a la unidad). En otras palabras el intervalo de resultados
analíticos que contienen la máxima probabilidad, la probabilidad igual a uno, es aquel que está delimitado
por los valores máximo y mínimo. Generalmente se suele definir el intervalo de referencia como el intervalo
de resultados que comprenden un 95 % de la probabilidad total. Los límites de este intervalo son pues los
límites de referencia y, por proceder de una muestra de la población, están sujetos al intervalo de tolerancia
al que aludimos antes.
Los valores de referencia pueden ser categorizados según diferentes criterios, por ejemplo valores de
referencia basados en población o valores de referencia basados en individuos los cuales pueden ser
univariados o multivariados, tiempo especificados o tiempo no especificados.
La mayoría de los valores de referencia publicados son valores de referencia basados en población,
univariados y tiempo no especificados, es decir los especímenes son tomados de varios individuos de
referencia sin tener en cuenta los ritmos biológicos y analizados para un tipo de magnitud.
4
También es sumamente importante y apropiado establecer, mediante criterios de partición, los subgrupos
de referencia elegidos. Entre los criterios de partición para los valores de referencia se pueden citar:
Edad
Factores genéticos Raza
Sexo
Grupo sanguíneo
Factores fisiológicos Variación circadiana
Momento del ciclo menstrual
Momento del embarazo
Hábitos personales Dieta
Ejercicio
Consumo de alcohol
Consumo de tabaco
Factores preanalíticos Hora del día en que se hace el muestreo
Tipo de extracción sanguínea
Factores ambientales Altitud
Época del año
En la preparación de los sujetos para la determinación de los valores de referencia hay que tener en cuenta
los siguientes factores:
Factores críticos Factores biológicos: metabólicos, hemodinámicas, inducción enzimática, daño celular
Factores metodológicos: obtención de muestra, transporte de muestra, manipulación
de muestra
Factores de variabilidad y estandarización
Factores Preparación del individuo: dieta anterior, ayuno, régimen de drogas, momento de la
preanalíticos toma de muestra en relación con los ritmos biológicos, actividad física, encamado o
no, estrés
Obtención de muestra: condiciones ambientales durante la toma de muestra,
momento, postura del cuerpo, sitio de la toma de muestra, preparación del sitio de la
toma de muestra, flujo sanguíneo, equipo, técnica
Manipulación de la muestra: transporte, coagulación, separación del suero o plasma,
preparación para el análisis
Por otra parte la selección de los individuos de referencia puede hacerse atendiendo diversos intereses y
recursos disponibles. Los criterios de exclusión a utilizar dependen del uso que se hará de los valores de
referencia y de la magnitud medida. Las particiones deberán limitarse a aquellos valores de referencia
cuyas diferencias sean significativas.
Para la toma de muestra se puede aplicar un muestreo directo cuando se toman individuos al azar de una
población sana. A veces se encuentra la dificultad de no lograr el número apropiado de individuos, por lo
que generalmente se los busca en los exámenes laborales o en muestreo de voluntarios. También puede
ser por muestreo indirecto como el que se hace sobre una población no seleccionada, aunque estos
métodos dan distribuciones sesgadas hacia los valores patológicos y con desviaciones típica mayores.
En la literatura se han definido otros métodos de muestreo:
• A priori: requiere tener bien definidos los criterios de exclusión y partición antes de la selección. Es el
mejor método para procedimientos de laboratorio bien estudiados y donde se conocen las causas de
variabilidad biológica. Luego de obtener de la literatura una lista de exclusión y partición, se realiza un
cuestionario para excluir del muestreo a quienes no cumplen con los criterios fijados.
• A posteriori: puede ser apropiado para procedimientos nuevos o poco estudiados y cuando se tiene
poca información. También en estudios para determinar criterios de exclusión y partición. En primer
5
lugar se realiza el muestreo y luego la exclusión y partición. Resulta particularmente indicado cuando los
factores que definen los subgrupos no son bien conocidos.
Los criterios de exclusión antes expuestos, al igual que los criterios de partición, contribuyen a definir la
población. Para la exclusión o partición se deben plantear cuestiones con preguntas simples que se
responderán por sí o no. En cuanto a los criterios de partición dependen del constituyente, por ejemplo la
hemoglobina se afecta por la edad y el sexo. Otras veces un criterio de partición puede ser también un
criterio de exclusión como es el caso del embarazo. Otros factores preanalíticos a tener en cuenta son los
siguientes:
En la fase analítica, se debe asegurar que el procedimiento y el instrumento analítico sean similares a los
utilizados en los estudios clínicos y que todos los procedimientos estén bajo control, monitorizando por un
sistema de control de calidad apropiado. En caso contrario los intervalos de referencia obtenidos no tendrán
validez.
En la fase postanalítica, el análisis de los datos se puede hacer de dos formas, dependiendo del tipo de
distribución. Si se trata de una población con distribución gaussiana, se puede calcular la media y la
desviación típica de los valores para crear el intervalo de confianza del 95 %. Si no se conoce la distribución
de los valores o no es gaussiana ni transformable en gaussiana, el método no paramétrico es el mas
sencillo, el más directo y el adecuado. Se calculan así los percentiles 2,5 y 97,5 como límites de referencia.
6
comida principal. Se indicará la prohibición de fumar. Desde las 21:00 h se restringirá cualquier comida,
únicamente se autorizará la ingestión de agua. Se aconseja reposar desde las 22:00 h.
6.2. Extracción
La extracción se realizará en intervalos fijos. En individuos hospitalizados con el brazo horizontal; en
individuos ambulatorios con el brazo a 45º del plano horizontal. La piel se desinfectará utilizando siempre el
mismo desinfectante. Se recomienda el uso de etanol o 2-propanol 70 %, o clorhexidina 0,5 %, dejando
secar antes de proceder a la flebotomía. Se utilizará siempre el mismo tipo de material, que previamente se
habrá comprobado que no produce interferencias con las determinaciones. No se recomienda el uso del
torniquete, ni la compresión digital de las venas. Cuando sea imprescindible se indicará por escrito, así
como todas las dificultades halladas. Si se requiere una segunda flebotomía se practicará en el otro brazo,
tras un descanso de 15 minutos, en el que no se autorizará al enfermo ni levantarse ni realizar ningún
esfuerzo muscular.
7
La varianza del intervalo de referencia observado ( s ) puede considerarse como la suma de la varianza
2
0
8.3. Transformaciones
Las transformaciones matemáticas de los valores de referencia tienen por objeto: (a) conseguir que la
varianza sea uniforme en todo el intervalo de valores; (b) conseguir la aditividad en análisis de varianza; (c)
normalizar la distribución de frecuencia; y (d) linealizar una distribución. Desde el punto de vista de la
producción de valores de referencia la normalización de una distribución de referencia permitirá el cálculo
de intervalos de referencia por métodos paramétricos, la homogeneidad de las varianzas permitirá utilizar
pruebas paramétricas en la comprobación de la hipótesis de la igualdad de varios intervalos de referencia,
por ejemplo entre sexos, y la linealidad permitirá realizar estudios de regresión lineal paramétricos.
El cálculo de intervalos de referencia paramétricos parece ser más preciso que los no paramétricos, aunque
sólo sea por que en los paramétricos participan todos los valores numéricos de la serie estadística,
8
condensándose la información en dos parámetros suficientemente conocidos: la media y la desviación
típica.
Deberá evaluarse la eficacia de la transformación chequeando los datos transformados con un test de
normalidad. Según que la falta de normalidad se deba a sesgo o a curtosis, se utilizarán las
transformaciones que se verá más adelante.
Algunas veces, cuando existe asociación entre la variación intra e interindividual, deberá hacerse el proceso
en dos fases: una primera transformación en la que por ejemplo se elimine el sesgo y en menor grado la
curtosis, y una segunda transformación, en la que se elimine la curtosis restante.
8.3.4. Conclusión
Si las distribuciones de referencia no son normales, y las transformaciones referidas resultan ineficaces
para su normalización, deberá utilizarse un método no paramétrico, que satisface un buen número de
requisitos sin tener en cuenta la forma de la distribución.
9
atribuible a los procedimientos analíticos utilizados (error analítico); (c) lo que Ascombe llama error de
“ejecución”, por ejemplo, equivocaciones en la selección de la muestra de referencia en la que se hubiera
incluido un individuo enfermo, que introduce variaciones “disparatadas”. Cuando un valor de referencia se
encuentra especialmente alejado del conjunto constituido por el resto de la muestra de referencia, se le
califica de valor aberrante; ya sea porque refleje un error analítico no tolerable, o un error “de ejecución” que
lo sitúa en una región de “improbabilidad”.
[]
Todo valor mayor que 1 o inferior a [ 2] es un valor aberrante. Esta fórmula es muy útil porque es
independiente del tipo de distribución.
Otra prueba utilizada para detectar datos aberrantes o marginales es el test de Reed. Este consiste en el
cálculo del cociente
D
R
donde D es la diferencia absoluta entre la observación extrema (máxima o mínima) y el siguiente
valor;
R es el rango (amplitud) de todos los datos, incluyendo los extremos.
Este cociente debe ser menor que 1 . Si es mayor que este valor se trata de un dato aberrante (marginal).
3
8.4.2. Estimaciones con datos aberrantes
Se han propuesto dos soluciones para evitar perturbaciones ocasionadas por la existencia de datos
aberrantes:
(a) el desarrollo de estimaciones de parámetros de la población de referencia robustos (resistentes a la
existencia de datos aberrantes) y eficaces (con poca pérdida de información); estimando la media a
partir de la mediana y la desviación típica a partir de múltiplos del intervalo interfractílico.
(b) recortar la muestra de referencia y estimar a continuación los parámetros
La estimación de la media a partir de la mediana según el modelo (a) tiene una eficacia del 64 %, y por el
procedimiento (b) de 100 −
g (siendo g el porcentaje de valores recortados). La estimación de la
30
desviación típica por el método (a) tan sólo tiene una eficacia del 37 %, mientras que por el método de
Dawson puede llegar al 98 %.
10
ejecución al seleccionar la muestra de referencia, por ejemplo un individuo que sufriera una enfermedad en
el momento de ser calificada como individuo de referencia.
Una vez conocido el origen del dato aberrante, podrá actuarse en consecuencia: eliminándose de la
muestra de referencia, o bien revisando los criterios de inclusión y por lo tanto el resto de individuos de
referencia, o bien admitiendo que la distribución de referencia posee un sesgo mayor del previsto.
11
El límite superior así calculado correspondería al fractil 1 − (0, 05 2 ) = 0,975 (percentil 97,5) y el
inferior al fractil
0, 05 = 0, 025 (percentil 2,5).
2
(c) Calcular el intervalo de confianza paramétrico de cada fractil. La siguiente expresión permite calcular el
intervalo de confianza al 90 % de cada fractil
s
fractil ± 2,81
n
donde: s es la desviación típica de la muestra en cuestión; y
n es el número de datos.
12
n inferior superior n inferior superior n inferior superior
120 1 7 418 6 17 725 12 26
133 1 8 436 6 18 733 12 27
161 1 9 469 6 19 766 12 28
188 2 9 471 7 19 774 13 28
190 2 10 501 7 20 800 13 29
219 2 11 523 8 20 823 14 29
249 2 12 534 8 21 834 14 30
250 3 12 566 8 22 868 14 31
280 3 13 575 9 22 872 15 31
308 4 13 599 9 23 902 15 32
310 4 14 625 10 23 920 16 32
341 4 15 632 10 24 936 16 33
364 5 15 666 10 25 968 17 33
373 5 16 675 11 25 971 17 34
404 5 17 699 11 26
Tabla 1. Número de orden de los valores que constituyen el intervalo de confianza con probabilidad
de 0,90 del fractil 0,025. Los correspondientes valores del fractil 0,975 se obtiene restando de ( n + 1)
los resultados obtenidos para el fractil 0,025. n es el número de observaciones que constituyen la
muestra de referencia. “inferior” es el número de orden del límite de confianza inferior y “superior”
el número de orden del resultado que constituye el límite superior del intervalo de confianza.
13
x * = x − λ ( x − x lod )
s2 = s 2 + λ ( x − x lod )
n−m
h =
n
Supóngase que se tiene la siguiente serie de resultados de una muestra de referencia
Como se puede ver en este caso hay 13 resultados imposibles de detectar, por lo tanto se trata de una
muestra censurada tipo I. En este caso, suponiendo la normalidad de la distribución, la media muestral
“detectable” valdría 69,91 y la desviación típica 22,02; los parámetros h y g serían respectivamente:
22, 022
g = = 0,88
( 69,91 − 46, 4 )
2
51 − 38
h = = 0, 25
51
El valor de λ deducido de la tabla 2 es 0,4362, y por lo tanto las estimaciones de la media real y la
desviación típica de la distribución de referencia “censurada” serían:
14
Tabla 2. Valores de l para fracciones de datos censurados h comprendidas entre 0,01 a 0,35 –parte
(a)– y entre 0,40 y 0,90 –parte (b): y valores del parámetro g entre 0,00 y 1,00.
El cálculo de g y de h se indica en el texto
15
10. Criterios para el cálculo de intervalos de referencia separados (criterios de
partición)
• [ ]
Si D L , DU está en el intervalo 0, 25 s , 0, 75 s y ninguna es ≥ 0, 75 s , la decisión de partición debe
hacerse en base a otras consideraciones que las meramente estadísticas (marginal);
• Si D L , DU o ambas son ≥ 0, 75 s se recomienda la partición.
16
10.4. Consideraciones no estadísticas
Las consideraciones no estadísticas necesarias en los casos marginales pueden incluir las siguientes:
• ¿es fácil en la práctica clínica obtener la información deseada para ser usada como un subgrupo
descriptor?
• ¿se usa el límite de referencia como un límite fijado de decisión clínica (valor discriminante, punto de
corte)? Una respuesta positiva a esta cuestión apoya la partición porque se incrementa la importancia
de un límite de referencia preciso;
• ¿apoyan los datos de la literatura la partición?
Es importante recordar que la aplicación de estas reglas presuponen que la distribución de los subgrupos
son normales o han sido transformadas en normales mediante la transformación de los datos (por ejemplo,
logarítmica), y que los tamaños deben ser en cada grupo lo que anteriormente se comentó.
s 2a es la varianza analítica;
s 2b es la varianza interindividual;
s 2w es la varianza intraindividual.
2
La variabilidad biológica interindividual, s b , se estima como la dispersión de los resultados analíticos
obtenidos en una serie de individuos de referencia en idénticas condiciones.
2
La variación intraindividual, s Bw , se calcula mediante la dispersión de los resultados analíticos obtenidos en
un mismo individuo en las mismas condiciones que definen, por ejemplo, un estado de salud. En el estudio
de la variabilidad intraindividual deben tenerse en cuenta dos factores: el periodo de tiempo durante el que
se van recogiendo resultados –valores de referencia– y la frecuencia con que son obtenidos. Dentro de la
variabilidad biológica interindividual puede distinguirse una variabilidad a corto plazo que incluye las
variaciones producidas a lo largo de un día y la variabilidad a largo 'plazo que incluye periodos más
prolongados, por ejemplo, meses o años.
Hace años se introdujo el concepto de índice de individualidad ( i.i.) definido por la siguiente expresión:
CV a2 + CV w2
i.i. =
CV b2
donde CV a representa el coeficiente de variación analítico;
17
como puede observarse los valores de referencia poblacionales son de muy poca utilidad. En la figura 2 se
expone el caso del potasio con i.i. > 1, 4 y como puede observarse los valores de referencia basados en
población si son de utilidad.
Figura 1. Medias de los individuos (círculos), intervalos individuales (barras horizontales) y límites
de referencia poblacionales (líneas discontinuas) de la concentración de fosfatasa alcalina en suero
de 37 sujetos sanos (16)
Figura 2. Medias de los individuos (círculos), intervalos individuales (barras horizontales) y límites
de referencia poblacionales (líneas discontinuas) de la concentración de ion potasio del. suero de 37
sujetos sanos. (16)
Una solución general a este problema es la participación de la población según criterios que reduzcan la
variabilidad a través de aumentar la homogeneidad de la subpoblación. Otra forma de mejorar la
18
sensibilidad del intervalo de referencia, en estos casos donde la variabilidad interindividual es
proporcionalmente mayor, es calcular intervalos de referencia para el individuo.
Los valores de referencia basados en individuos son valores puros del mismo individuo, obtenidos cuando
el/ella estaba en un estado de salud definido. La comparación de valores observados con valores de
referencia basados en individuos frecuentemente es un método más sensible para detectar cambios en el
estado bioquímico o fisiológico porque la variabilidad generalmente es menor en un individuo que en el
conjunto de individuos.
19
(
m t = µ + ρ ( m t −1 − µ ) + e t )
donde: µ es el valor homeostático subyacente al que tiende el constituyente bioquímico;
20
i xi x i2 d i = x i − x i +1 d i2 x1 − x (x i − x )( x i +1 − x )
1 x1 x12 d 1 = x1 − x 2 d 12 x1 − x (x 1 − x )( x 2 − x )
2 x2 x 22 d1 = x 2 − x3 d 22 x2 − x (x 2 − x )( x 3 − x )
x n −1 − x
n −1 xn −1 x n2−1 d n −1 = x n −1 − xn d n2−1 (x n −1 − x )( x n − x )
n xn xn2 − − xn − x
−
n n n n n −1
Sumas ∑ xi ∑ x i2 ∑di ∑ d i2 A = ∑ ( x i − x )( x i −1 − x )
i =1 i =1 i =1 i =1 i =1
1 n
Media aritmética x= ∑ xi
n i =1
2
n
Suma de
cuadrados y n
∑ xi
SCD = ∑ x i +
2 i =1
desviaciones
i =1 n
2
n
SCD n
∑ di
σˆ a = estimación de la
s2 = ∑ di +
i =1
Varianzas
n −1 i =1 n impresión analítica
s d2 =
n −1
modelos
homeostático autorregresivo random walk
ρˆ = 0 B = ( t − 1) σˆ 2a
ρ coeficiente de
A ρˆ = 1
autorrelación ρˆ =
SCD − B
cˆ = 0
cociente entre σˆ d s d2
c σˆ e′ SCD cˆ = = −2
variancias cˆ = = −1 (1 − ρˆ 2 ) σˆ a σˆ a
σa B
ˆ
ponderación (indeterminado)
asignada a la H =I +c−ρ 2
( c + 2)
2
w última −c+ −4
− H + H + 4c ρ 2 wt =
observación wt = 2
2ρ 2
( xt )
yi = xi y i = xi
x 0 = y t ± 2 σ a wt + c +1 x 0 = y t ± 2 σ a wt + c + 1
21
s ( x j −1 − y j )
calculada por métodos
convencionales
n +1
x0 predicción
x 0 = x ± 2,5
n x0 = yt ± 2 s ( x j−n − y j ) (
x0 = y t ± 2 s x j,n − y j )
Tabla 3
La selección de uno u otro modelo implicará la forma de establecer los futuros valores. La representación
gráfica de las diferencias:
yt = xt − yt −k
frente a los diferentes valores de k permite distinguir el tipo de modelo: si la gráfica oscila alrededor del eje
se trata de un modelo homeostático; si se desplaza linealmente se trata de un modelo random walk. En esta
relación k = 1, 2, representa los espacios entre dos determinaciones.
En la tabla 3 se presenta de forma esquemática el cálculo de los intervalos según los diferentes modelos
extremos, utilizando un mínimo de 3 ó 4 determinaciones. Para el cálculo del intervalo de referencia se
calculará una ponderación w , de la observación más reciente x t . Esta ponderación depende del cociente
e entre la variación analítica y la variación fisiológica –diferencias d t –. En el modelo general, c′ es el
σ 2b
cociente entre la variación biológica y la analítica: calculada a partir de la fórmula citada
σ 2a
anteriormente, conteniendo el coeficiente de autocorrelación ρ .
Cuando un valor observado rebasa el límite de referencia intraindividual debe ser considerado patológico,
aunque no llegue a rebasar el límite de referencia poblacional.
22
12.2. Comparación de un valor observado con los valores de referencia
Cuando se habla de “comparación” se hace en un sentido más trivial que estadístico de la palabra. Sin
embargo, no debe perderse de vista que tal comparación puede resultar equívoca si no se ajusta al máximo
la población (subpoblación) de referencia a las características del individuo del que se ha observado el valor
analítico que se desea interpretar.
El valor observado puede presentarse solo o acompañado de alguna transformación que “suplante” su
valor, y que contenga simultáneamente la información inherente al valor observado y a los valores de
referencia. Existen numerosas transformaciones descritas en la literatura. Su elección deberá hacerse en
función tanto de la situación clínica en que deba actuarse (cribado, diagnóstico diferencial, seguimiento,…)
como de las disponibilidades de cálculo o apoyo informático de que disponga el laboratorio.
23
2 x0 − R
R
donde R es el rango del intervalo de referencia. El intervalo de referencia del 95 % sería [-1 ; 1].
(d) Unidades clínicas, definidas por:
x 0 − Me
+ 10 × 10
R
donde Me es la mediana. El intervalo de referencia del 95 % central sería [80; 120].
(e) Unidades de cociente normal, definidas como:
20 × x 0 − 20 × Me + 100 × R
R
El intervalo de referencia del 95 % sería [90, 100]
(f) Valor relativo, definido como:
x 0 − moda
moda − L p
donde Lp es el límite de referencia más próximo a la moda. El Intervalo de referencia del 95 % sería
[-1; 1]
24
(
i o ( x 0 ) = Pr d 2 ( x ) ≤ d 2 ( x 0 ) )
La relación antes aludida del índice de atipismo i o x 0 ( ) con el fractil fr x 0 ( ) de un determinado valor
observado x 0 –cuando se trata de distribuciones gaussianas– se puede expresar por:
i 0 ( x 0 ) = 2 × fr ( x 0 ) − 1 para x 0 > x
i 0 ( x 0 ) = 1 − 2 × fr ( x 0 ) en otros casos
{
En teoría, sea X = X 1 , X 2 ,… , X p } un perfil constituido por p determinaciones y suponiendo que las
distribuciones de X en una población de referencia de individuos presuntamente sanos sea
multigaussiana, de vector medio µ y de matriz de varianzas–covarianzas Σ . El vector medio está
constituido por las medias de cada uno de las pruebas {X 1 , X 2 ,… , X p } por lo que
µ = {µ 1 , µ 2 ,… , µ p }
Por otra parte, la matriz Σ es la generalización, al caso particular del perfil, de la varianza σ . Se trata de
2
una “tabla” cuadrada que comprende en su diagonal las varianzas de cada una de las pruebas, es decir,
{σ 2
1 , σ 22 ,… , σ 2p } , y por fuera de la diagonal, las covarianzas entre las determinaciones tomadas dos a dos
σ i j = cov { X i , X j } para i ≠ j .
σ i j = ri j σ i σ j
donde ri j es la correlación entre las dos pruebas X i y X j ; y
−1
donde Σ es la inversa de la matriz Σ .
25
Debe tenerse en cuenta que D
2
( X ) es un número positivo, de valor tanto mayor a medida que X se aleja
de L . Si X = L , entonces D2 ( X) = D2 ( L ) = 0 .
Es necesario desde el punto de vista gaussiano, incluir en la región de referencia el 95 % de los individuos
cuya distancia D
2
( X) no exceda un valor crítico. Se demuestra que este valor crítico corresponde al fractil
0,95 de la ley de χ para p grados de libertado En otras palabras, la región de referencia, que es de
2
{
RR = x : D ( x ) ≤ 1,96 }
= { x : µ −1,96 σ ≤ x ≤ µ + 1,96 σ }
es decir, el intervalo de referencia clásico. Así la región de referencia RR es la generalización del intervalo
de referencia.
En la práctica, cuando se quiere determinar la región de referencia, es necesario estimar µ y Σ . Para ello
se determina el perfil biológico X = X 1 , X 2 ,… , X { p } en n sujetos obtenidos al azar en la población de
referencia. Se obtienen así n perfiles x 1 , x 2 ,… , x n { } , siendo x = { x , x ,…, x } el vector medio de las
1 2 p
medias aritméticas de cada una de las pruebas y S la matriz de las varianzas–covarianzas de la muestra tal
que:
n n n
n ∑ xi x j − ∑ xi ∑ x j
S =
i , j =1 i =1 j =1
n ( n −1)
2
Esta fórmula es la misma que la dada para la varianza s pero generalizada al caso de un perfil. Conviene
hacer una distinción sobre el tamaño muestral n , teniendo en cuenta, además, el número de pruebas p .
En general se debe tener en cuenta que n ≥ 10 . Así para 5 pruebas son necesarias como mínimo 50
p
observaciones y para 10 pruebas 100 observaciones. Por debajo de estos valores se debe actuar con
cautela.
En la práctica la región de referencia se obtiene sustituyendo x y S por µ y Σ , y modificando la distancia
crítica χ p2 ,0,95 de manera que se tenga en cuenta el tamaño de la muestra. Se obtiene entonces:
RR = {X : ( x - x ) S −1 ( x - x ) ≤ K }
p ( n 2 −1)
donde K= Fp , n − p ,0,95 ; y
n(n − p)
26
Fp , n − p ,0,95 es el fractil 0,95 de la distribución F de Snedecor con p y n − p grados de
libertad.
3× 9999
A título de ejemplo supóngase que p = 3 y n = 100 , el valor K es × 2, 70 = 8,34 en lugar de
100 × 97
χ 3,0,95
2
= 7,82 . Para comprobar si un perfil es patológico es suficiente calcular su distancia respecto a x y
ver si esta es superior o igual a 8,34. Albert (1981) determinó la región de referencia de un perfil bioquímico
constituido por magnitudes séricas, urea (mmol/L), urato (µmol/L) y creatinina (µmol/L), en 284 individuos
presuntamente sanos. En este caso K = 7,99 es próximo al valor teórico 7,82. En este ejemplo el perfil
(5,4, 298, 78) puede ser considerado como “normal” ya que D
2
( x ) = 0,58 . Por el contrario, el perfil (6,6,
387, 62) es claramente “patológico” ya que D
2
( x ) =14,53 > 7,99
A remarcar: (a) la hipótesis de multigaussianidad es esencial. Es necesario que cada constituyente
bioquímico del perfil siga una distribución gaussiana, de no ser así es necesario utilizar alguna
transformación como ha sido indicado anteriormente. En la práctica, calculando para cada perfil de la
muestra el valor de D
2
( x) y representando sobre un papel probabilístico los valores de D2 ( x ) o
3 D 2 ( x ) , se puede conocer la gaussianidad o no de la distribución. Así en el caso multigaussiano, los
puntos se reparten más o menos alrededor de una recta.
(b) El mismo método permite también juzgar la presencia de perfiles aberrantes (o extremos) que afectarían
de forma importante al cálculo de x y de S . Estos perfiles deben ser eliminados o corregidos.
sobre 10 de obtener un resultado anormal en alguna de las 10 determinaciones. Esta situación empeora
cuando existen correlaciones importantes entre las distintas determinaciones. Estos resultados se confirman
en la práctica.
(a) Paradoja de tipo 1
La paradoja de tipo 1 es la más frecuente. Se produce cuando el perfil es «normal» en la interpretación a
( )
nivel multivariado D ≤ K , pero uno o más resultados del perfil son «patológicos», es decir se encuentran
2
fuera de su intervalo de referencia. Las desviaciones univariadas no están exentas de interés clínico y
pueden quedar enmascaradas por una interpretación de los resultados estrictamente multivariada. Por lo
tanto, es aconsejable utilizar las dos aproximaciones con buen sentido.
(b) Paradoja de tipo 2'
Este tipo de paradoja, más rara (inferior al aproximadamente 1 %), ocurre cuando el resultado de cada una
de las determinaciones del perfil son normales, pero el perfil es “patológico” desde el punto de vista
multivariado. Así el perfil descrito anteriormente (urea = 6,6 mmol/L, urato = 387 µmol/L, y creatinina = 62
µmol/L) es “muy patológico” aunque cada resultado individual sea perfectamente normal. Esto se explica por
el hecho que la concentración de creatinina es mucho más baja respecto a la de urea y la de urato en este
paciente, ya que estas tres magnitudes se correlacionan de forma positiva.
Debido a la presencia de las paradojas de uno y otro tipo, se recomienda unir una interpretación
multivariada con la univariada. La eficiencia diagnóstica aumenta. La aproximación multivariada es menos
susceptible a los cambios individuales de las determinaciones de un perfil, pero permite poner en evidencia
la existencia de perfiles anormales que de otra forma hubieran pasado desapercibidos al bioquímico o al
médico.
27
14. Transferibilidad de valores de referencia
14.1. Introducción
Muchos laboratorios clínicos obtienen sus valores de referencia de acuerdo con las recomendaciones
elaboradas por las sociedades nacionales y por la IFCC, que instan a cada laboratorio a cumplir con su
responsabilidad de ofrecer unos valores de referencia apropiados que constituyan el primer eslabón en la
interpretación de los resultados producidos por este laboratorio. En algunas ocasiones la producción de
valores de referencia no resulta fácil o incluso puede no ser posible. Puede suceder que el número de
individuos de referencia disponible sea escaso. Esto ocurre en algunos centros hospitalarios cuya actividad
asistencial se realiza en pacientes previamente seleccionados y donde el individuo presuntamente sano
acude muy raramente. En otros casos, el volumen de trabajo del laboratorio es pequeño, y aunque el
número de individuos sanos que pueda acudir a este laboratorio para que se le realicen exploraciones sea
proporcionalmente mayor, el tiempo necesario para reunir una muestra de referencia sería demasiado largo.
En tales casos se recurre a buscar una muestra de referencia constituida por personal de laboratorio,
muestra que a menudo es sesgada y que adolece de representatividad por tratarse de un muestreo dirigido.
Por último, el coste de las determinaciones destinadas a obtener valores de referencia puede ser
demasiado oneroso para un determinado laboratorio. En cualquier caso, puede parecer excesivo que se
dupliquen trabajos de producción de valores de referencia en varios laboratorios o centros que sirvan a una
misma comunidad y muchas veces geográficamente muy próximos.
Por todo ello, la adopción de valores de referencia producidos por otro laboratorio –o por el mismo
laboratorio, pero con otro método analítico– constituye una solución para aquellos casos en que no sea
posible atender a la recomendación de producir valores de referencia en el mismo laboratorio. No obstante,
para que la adopción de valores de referencia sea correcta debe verificarse previamente la transferibilidad
de los mismos. Por transferibilidad se entenderá la propiedad de poder ser asumidos como propios los datos
obtenidos por un laboratorio diferente (o en el mismo laboratorio, por un método diferente) al que los ha
producido.
La transferencia de valores de referencia puede hacerse dentro del propio laboratorio cuando, por ejemplo,
se sustituye un método analítico o un instrumento por otro, y la repetición de la producción de valores de
referencia se considera lenta, cara o simplemente poco práctica. En otras ocasiones se implanta una nueva
determinación analítica en un laboratorio, dentro del área de influencia de otro centro donde ya se han
producido valores de referencia, siendo razonable entonces adoptar los del otro centro. Finalmente, cuando
ninguna de las circunstancias mencionadas es posible, debe recurrirse a la literatura científica o comercial
disponible.
En cualquier caso, el laboratorio que adopta los valores de referencia anteriormente producidos en este
mismo laboratorio, producidos en otro laboratorio, descritos en la literatura o contenidos en el folleto que
acompaña a los equipos de reactivos, tiene la obligación de comprobar que tales valores se ajustan a la
población que atiende este laboratorio y que la comparación que efectuará el médico clínico cuando reciba
el informe analítico será hecha con valores de referencia apropiados.
El sistema que se recomienda consiste en:
(a) La producción en el mismo laboratorio de una serie de valores de referencia dentro de los límites de lo
posible por lo que se refiere a número y representatividad;
(b) El estudio detallado de las características técnicas de los métodos analíticos utilizados;
(c) El estudio de los constituyentes bioquímicos desde el punto de vista fisiopatológico, de las variaciones
intra e interindividuales;
(d) La consideración de las características epidemiológicas o de representatividad de la muestra de
referencia, que constituye la base de la comparación.
Una vez se dispone de esta información, puede procederse a adoptar, recalcular o rechazar los valores de
referencia de otro origen según las técnicas estadísticas apropiadas.
28
14.3. Procedimiento general
El procedimiento recomendado aquí se inicia con la producción de una serie corta de valores de referencia
en el laboratorio que desea adoptarlos. Estos valores se obtienen con todas las limitaciones ya citadas que
impedían al laboratorio producir sus propios intervalos de referencia según las recomendaciones habituales.
A pesar de todo, la selección de individuos deberá hacerse de la forma más precisa y representativa
posible. En caso de disponer de información contrastada acerca de factores de variación que sugieran la
necesidad de introducir particiones en la población (por ejemplo, la edad), todas las anteriores
consideraciones sobre la transferibilidad de valores de referencia pueden hacerse extensivas a
subpoblaciones de referencia originadas como consecuencia de tales participaciones. Se introduce
entonces el problema de seleccionar además un grupo o segmento de la población de referencia. En tales
casos se recomienda seleccionar un grupo homogéneo de individuos por ejemplo, en el estado de
referencia). A partir de este momento la estrategia a seguir viene condicionada por la información
disponible.
(a) Si se dispone de la serie completa de valores de referencia que ha dado origen al intervalo de referencia
candidato a ser adoptado, puede procederse a una comparación de los estadísticos que caracterizan a las
dos muestras. La comparación puede ser paramétrica (comparación de medias y varianzas) o no
paramétricas (mediante la prueba de Kolmogorov para la comparación de dos grupos de datos). La
hipótesis a demostrar es que ambas muestras proceden de la misma población.
(b) Cuando solamente se dispone del intervalo de referencia candidato a ser adoptado, desconociendo la
eventual equivalencia analítica o biológica, no es excesivamente recomendable proceder a la transferencia
de estos intervalos.
(c) Cuando el intervalo de referencia a adoptar sea un intervalo calculado de forma paramétrica y se
conozcan las equivalencias analíticas y biológicas se seguirá el esquema descrito en el apartado 15,
Comparación y transferencia de intervalos de referencia calculados de forma paramétrica.
29
s es la estimación de la desviación típica de la población calculada utilizando las respectivas
desviaciones típicas de las dos poblaciones: s 1 y s 2 :
s =
2 ( n −1) s + ( n
1
2
1 2 −1) s 22
n1 + n 2 − 2
(c) Conclusión: Se rechaza la hipótesis nula, aceptando que ambas medias son diferentes cuando:
t > t1− α 2
donde t1− α
2
es el valor en la tabla encontrado en la tabla de la t de Student, para un riesgo α con
n1 + n 2 − 2 grados de libertad.
(d) Limitaciones: esta prueba es utilizada correctamente cuando:
• ambas muestras han sido seleccionadas independiente y aleatoriamente;
• ambas muestras han sido obtenidas de una población que aproximadamente se distribuye según la
ley de Gauss o por lo menos simétricamente si es numerosa ( n > 30 individuos);
• cuando siendo n1 ≠ n 2 se ha verificado la igualdad de varianzas (según se indica en el apartado
15.2.). Cuando las varianzas son desiguales se procederá según se indica en el apartado 15.1.6.
(d) Número de casos necesarios: el número de casos está relacionado con la potencia de la prueba
estadística, es decir, la resistencia a caer en el llamado error β o declarar falsamente que dos medias son
iguales cuando no lo son. Cuando mayor sea la diferencia relativa que se pretenda poner de manifiesto,
menor será la cantidad de individuos necesaria.
Siendo n′ el número de individuos necesario a tomar:
t 1− α 2 CV 2
n′ =
d2
donde: t 1− α es el valor de la distribución t ;
2
CV es el coeficiente de variación;
d es el error relativo máximo, expresado en porcentaje de la media, con una confianza de
1−α .
Cuando n es suficientemente grande ( n > 30 ) , entonces: t 1− α
2
puede ser reemplazado por su
correspondiente valor en la distribución gaussiana: para α = 0, 05 , entonces t ≅ 2 y la fórmula queda
simplificada:
4 CV 2
n′ =
d2
(e) Cuando las varianzas σ 12 y σ 22 no son iguales se distinguen dos situaciones:
2
s12 s 22
n +
n1
ν = 2
2 2
s 12 s 22
n n
2
+
1
n 2 −1 n1 − 1
30
• Cuando el número de casos es mayor (n , n
1 2 > 80 ) ) entonces t = z N ( 0,1) , pudiéndose calcular la
siguiente expresión de t :
x1 − x 2
t observada =
s 12 s 22
+
n1 n2
2 2
donde: s 1 y s 2 son, respectivamente, las estimaciones de las varianzas de las poblaciones.
15.3. Conclusiones
Cuando las comparaciones de los parámetros que definen la centralización y la dispersión de la muestra de
referencia, candidata a ser transferida con la serie de valores obtenidos en el laboratorio que desea
adoptarlos, dan como resultado que ambas muestras proceden de la misma población, podrán adaptarse
los valores de referencia y es razonable admitir los intervalos correspondientes a subpoblaciones originadas
a partir de particiones según criterios de variación biológica.
Cuando uno de los parámetros estudiados no sea igual podrá sustituirse en el valor del intervalo de
referencia:
x ± 1,96 s
Cuando ambos parámetros son diferentes, se rechazará la transferencia.
Esquemáticamente:
varianzas
31
iguales diferentes
iguales aceptar x ± 1,96 s′
medias
diferentes x′ ± 1,96 s rechazar
H 0 : Pr ( X ≤ x *) ≥ p *
H 1 : Pr ( X < x *) ≤ p *
(b) Cálculos: se utilizarán dos estadísticos:
T1 = número de observaciones menores o iguales a x * ;
T 2 = número de observaciones menores a x * .
de modo que cuando no existan observaciones iguales al valor propuesto de x * entonces, T1 = T 2 .
La región crítica de rechazo de la hipótesis, de un tamaño aproximado al valor α deseado, se obtiene
entrando en la tabla el número n de observaciones en la muestra de referencia provisional y valor p del
fractil apropiado (se presentan tablas para fractiles p = 0,95, 0, 05, 0,90, 0,10 ). En la tabla se buscará un
valor Y1 que sea aproximadamente la mitad del valor α deseado (por ejemplo, para α = 0, 05 deberá
localizarse un número t 1 correspondiente a un valor Y1 cercano a 0,025) y un segundo número t 2
correspondiente a un valor Y 2 tal que 1 − Y 2 sea aproximadamente la otra mitad de la región crítica
deseada (es decir, para una región α = 0, 05 entonces 1 − Y 2 = 0, 025 ). El grado de significación de la
prueba será α = Y1 + (1 − Y 2 ) .
(c) Interpretación: la hipótesis nula de igualdad de fractiles se rechaza, con un nivel de significación igual a
Y1 + (1 − Y 2 ) cuando T1 ≤ t 1 o bien cuando T 2 > t 2 .
16.2. Conclusiones
Cuando los fractiles que limitan el intervalo de referencia candidato a ser transferido pertenecen a la misma
población que los límites de referencia de la muestra producida en el laboratorio que desea adoptarlos,
podrán ser transferidos en los mismos términos expresados en el apartado 3.3.
Cuando no sea posible admitir tal igualdad, pero, no obstante, se tenga la evidencia de que ambos métodos
son analíticamente equivalentes, de modo que se conozca una ecuación de regresión que permita convertir
resultados de un método a otro, pueden transformarse las observaciones y proceder a recalcular los límites
de referencia y recomprobar su adecuación. En caso de que se comprobara dicha igualdad, podría
procederse a la transferencia de los valores candidatos aplicándoles la función inversa.
32
17. Bibliografía citada
1. Solberg HE. Approved recommendation (1988) on the theory of reference values. Part 5: Statistical
treatment of collected reference values: determination of reference limits. J Clin Chem Clin Biochem
1987;25:645-56.
2. Solberg HE. International Federation of Clinical Chemistry (IFCC), Scientific Committee, Clinical Section,
Expert Panel on Theory of Reference Values, and International Committee for Standardization in
Haematology (ICSH), Standing Committee on Reference Values. Approved Recommendation (1986) on the
theory of reference values. Part 1. The concept of reference values. J Clin Chem Clin Biochem.
1987;25(5):337-42.
3. Petitclerc C, Solberg HE. Approved recommendation (1987) on the theory of reference values: Part 2.
Selection of individuals for the production of reference values. J Clin Chem Clin Biochem 1987;25:6329-44.
4. Solberg HE, PetitClerc C. International Federation of Clinical Chemistry (IFCC), Scientific Committee,
Clinical Section, Expert Panel on Theory of Reference Values. Approved recommendation (1988) on the
theory of reference values. Part 3. Preparation of individuals and collection of specimens for the production
of reference values. J Clin Chem Clin Biochem. 1988;26(9):593-8.
5. Solberg HE, Stamm D. International Federation of Clinical Chemistry IFCC. IFCC recommendation--
theory of reference values. Part 4. Control of analytical variation in the production, transfer and application of
reverence values. Clin Chim Acta. 1991;202(1-2):S5-11.
6. Solberg HE, Stamm D. International Federation of Clinical Chemistry, Scientific Division: approved
recommendation on the theory of reference values. Part 4. Control of analytical variation in the production,
transfer and application of reference values. Eur J Clin Chem Clin Biochem. 1991;29(8):531-5.
7. Solberg HE, Stamm D. International Federation of Clinical Chemistry (IFCC) IFCC recommendation. The
Theory of Reference Values. Part 4. Control of analytical variation in the production, transfer and application
of reference values. Ann Biol Clin (Paris). 1991;49(9):487-90.
8. Solberg HE. The theory of reference values Part 5. Statistical treatment of collected reference values:
determination of reference limits. J Clin Chem Clin Biochem. 1983;21(11):749-60.
9. Dybkaer R, Solberg HE. Approved recommendation on the theory of reference values. Part 6:
Presentation of observed values related to reference values. J Clin Chem Clin Biochem 1987;25:657-62.
10. Solberg HE. A guide to IFCC recommendations on reference values. J Int Fed Clin Chem.
1993;5(4):162-5.
11. Solberg HE, Grasbeck R. Reference values. Adv Clin Chem. 1989;27:1-79.
12. Harris EK, Boyd JC. On dividing reference data into subgroups to produce separate reference ranges.
Clin Chem. 1990;36(2):265-70.
13. Lahti A, Hyltoft Petersen P, Boyd JC. Impact of subgroup prevalences on partitioning of Gaussian-
distributed reference values. Clin Chem. 2002;48(11):1987-99.
14. Lahti A, Hyltoft Petersen P, Boyd JC, Fraser CG, Jorgensen N. Objective criteria for partitioning
Gaussian-distributed reference values into subgroups. Clin Chem. 2002;48(2):338-52.
15. Lahti A, Petersen PH, Boyd JC, Rustad P, Laake P, Solberg HE. Partitioning of nongaussian-distributed
biochemical reference data into subgroups. Clin Chem. 2004;50(5):891-900. Epub 2004 Mar 9.
16. Pickup JF, Harris EK, Kearns M, Brown SS. Intra-individual variation of some serum constituents and its
relevance to population-based reference ranges. Clin Chem. 1977;23(5):842-50.
33
6. Clinical and Laboratory Standards Institute. How to Define and Determine Reference Intervals in the
Clinical Laboratory; Approved Guidelines Second Edition C28-A2: CLSI; 2000.
7. Comisión valores de referencia de la SEQC. Concepto de valores de referencia en Química Clinica.
Quím Clín 1983;2(1):39-41.
8. Comisión valores de referencia de la SEQC. Concepto de valores de referencia en Química Clinica.
Quím Clín 1983;2(2):95-105.
9. Comisión valores de referencia de la SEQC. Valores de referencia. In: referencia Vd, editor. II Jornadas
del Comité Científico de la SEQC; 1983: SEQC; 1983. p. 43-55.
10. Comisión valores de referencia de la SEQC. Concepto de valores de referencia en Química Clinica.
Quím Clín 1991;10(1):56-58.
11. Comisión valores de referencia de la SEQC. Producción y utilización de valores de referencia. Quím
Clín 1991;6(1):49-68.
12. Ferrer-Masferrer M, Fuentes Arderiu X, Álvarez V, Guell-Miró R, Castiñeiras ML. Multicentric reference
values: shared reference limits. Eur J Clin Chem Clin Biochem 1997;5:715-718.
13. Friedberg RC, Souers R, Wagar EA, Stankovic AK, Valenstein PN. The origin of reference intervals.
Arch Pathol Lab Med. 2007;131(3):348-57.
14. Fuentes Arderiu X. Aproximación a los valores de referencia. Anal Clín 2007;32(2):57-58.
15. Gräsbeck R, Alström T, editors. Reference values in laboratory medicine. Chichester: Wiley; 1981.
16. Griffiths JK, Iles TC, Koduah M, Nix AB. Centile charts II: alternative nonparametric approach for
establishing time-specific reference centiles and assessment of the sample size required. Clin Chem.
2004;50(5):907-14. Epub 2004 Mar 11.
17. Grossi E, Colombo R, Cavuto S, Franzini C. The REALAB project: a new method for the formulation of
reference intervals based on current data. Clin Chem. 2005;51(7):1232-40. Epub 2005 May 26.
18. Guidi GC, Lippi G, Solero GP, Poli G, Plebani M. Managing transferability of laboratory data. Clin Chim
Acta. 2006;374(1-2):57-62. Epub 2006 Jun 15.
19. Harris EK. Statistical aspects of reference values in clinical pathology. In: Stephanini M, Benson E,
editors. Progress in clinical pathology. New York: Grune and Stratton; 1981. p. 45-65.
20. Harris EK. Criterios para el cálculo de intervalos de referencia separados. Quim Clin 1990;9(5):433-435.
21. Harris EK, Boyd JC. Statistical bases of reference values in laboratory medicine. New York: Marcel
Dekker; 1995.
22. Horn PS, Pesce AJ, Copeland BE. A robust approach to reference interval estimation and evaluation.
Clin Chem. 1998;44(3):622-31.
23. Horn PS, Pesce AJ, Copeland BE. Reference interval computation using robust vs parametric and
nonparametric analyses. Clin Chem. 1999;45(12):2284-5.
24. Horn PS, Feng L, Li Y, Pesce AJ. Effect of outliers and nonhealthy individuals on reference interval
estimation. Clin Chem. 2001;47(12):2137-45.
25. Horn PS, Pesce AJ. Reference intervals: an update. Clin Chim Acta. 2003;334(1-2):5-23.
26. Horn PS, Pesce AJ. Reference Intervals, a user guide. Washington DC: AACC Press; 2005.
27. IUPAC. Calculation and application of coverage intervals for biological reference values. Pure Appl
Chem 1997;69(7):1601-1611.
28. Kenny D, Solberg HE. RefVal for windows--migrating to the Windows environment with the help of Visual
Basic. Clin Chim Acta. 1993;222(1-2):19-21.
29. Koduah M, Iles TC, Nix BJ. Centile charts I: new method of assessment for univariate reference
intervals. Clin Chem. 2004;50(5):901-6. Epub 2004 Mar 11.
30. Lahti A, Hyltoft Petersen P, Boyd JC. Impact of subgroup prevalences on partitioning of Gaussian-
distributed reference values. Clin Chem. 2002;48(11):1987-99.
31. Lahti A, Hyltoft Petersen P, Boyd JC, Fraser CG, Jorgensen N. Objective criteria for partitioning
Gaussian-distributed reference values into subgroups. Clin Chem. 2002;48(2):338-52.
32. Lahti A, Petersen PH, Boyd JC, Rustad P, Laake P, Solberg HE. Partitioning of nongaussian-distributed
biochemical reference data into subgroups. Clin Chem. 2004;50(5):891-900. Epub 2004 Mar 9.
33. Linnet K. Two-stage transformation systems for normalization of reference distributions evaluated. Clin
Chem. 1987;33(3):381-6.
34. Perich C. Utilidad del intervalo de referencia en los análisis de orina y evaluación de las diferencias
significativas en determinaciones seriadas. Quím Clín 1992;11(3):166-170.
34
35. Petitclerc C, Solberg HE. Approved recommendation (1987) on the theory of reference values: Part 2.
Selection of individuals for the production of reference values. J Clin Chem Clin Biochem 1987;25:6329-44.
36. Pickup JF, Harris EK, Kearns M, Brown SS. Intra-individual variation of some serum constituents and its
relevance to population-based reference ranges. Clin Chem. 1977;23(5):842-50.
37. Ricos C, Domenech MV, Perich C. Analytical quality specifications for common reference intervals. Clin
Chem Lab Med. 2004;42(7):858-62.
38. Royston P, Wright EM. Goodness-of-fit statistics for age-specific reference intervals. Stat Med.
2000;19(21):2943-62.
39. Societé Francaise de Biologie Clinique. Recommendations de la commision valeurs de référence. Paris:
Exp Scient; 1988.
40. Solberg HE, Grasbeck R. Reference values. Adv Clin Chem. 1989;27:1-79.
41. Solberg HE. Using a hospitalized population to establish reference intervals: pros and cons. Clin Chem.
1994;40(12):2205-6.
42. Solberg HE. RefVal: a program implementing the recommendations of the International Federation of
Clinical Chemistry on the statistical treatment of reference values. Comput Methods Programs Biomed.
1995;48(3):247-56.
43. Solberg HE. Subject-based reference values. Scand J Clin Lab Invest Suppl. 1995;222:7-10.
44. Solberg HE. Multivariate reference regions. Scand J Clin Lab Invest Suppl. 1995;222:3-5.
45. Solberg HE. The IFCC recommendation on estimation of reference intervals. The RefVal program. Clin
Chem Lab Med. 2004;42(7):710-4.
46. Trujillano J, Muino JM, March J, Sorribas A. A more flexible parametric estimation of univariate reference
intervals: a new method based on the GS-distribution. Clin Chim Acta. 2007;379(1-2):71-80. Epub 2006 Dec
22.
47. Tsay JY, Chen IW, Maxon HR, Heminger L. A statistical method for determining normal ranges from
laboratory data including values below the minimum detectable value. Clin Chem. 1979;25(12):2011-4.
48. Ventimiglia F, Fink NE. Intervalos de referencia: metodología para su creación y verificación. Acta
Bioquímica Clínica Latinoamericana 2002;36(2):223-233.
49. Virtanen A, Kairisto V, Irjala K, Rajamaki A, Uusipaikka E. Regression-based reference limits and their
reliability: example on hemoglobin during the first year of life. Clin Chem. 1998;44(2):327-35.
50. Virtanen A, Kairisto V, Uusipaikka E. Regression-based reference limits: determination of sufficient
sample size. Clin Chem. 1998;44(11):2353-8.
51. Watchell M, Paulson C. Creation and verification of reference intervals. Lab Med 1995;26(593-7).
52. Wright EM, Royston P. Calculating reference intervals for laboratory measurements. Stat Methods Med
Res. 1999;8(2):93-112.
35