Quality standards and internal quality control practices in medical laboratories: an IFCC global survey of member societies
Notice bibliographique
Résumé
OBJECTIVES: The trueness and precision of clinical laboratory results are ensured through total quality management systems (TQM), which primarily include internal quality control (IQC) practices. However, quality practices vary globally. To understand the current global state of IQC practice and IQC management in relation to TQM the International Federation of Clinical Chemistry and Laboratory Medicine (IFCC) Task Force on Global Laboratory Quality (TF-GLQ) conducted a survey of IFCC member countries on IQC practices and management. METHODS: The survey included 16 questions regarding IQC and laboratory TQM practices and was distributed to IFCC full and affiliate member countries (n=110). A total of 46 (41.8 %) responses were received from all regions except North America. RESULTS: Of the responding countries, 78.3 % (n=36) had legislative regulations or accreditation requirements governing medical laboratory quality standards. However, implementation was not mandatory in 46.7 % (n=21) of responding countries. IQC practices varied considerably with 57.1 % (n=28) of respondents indicating that they run 2 levels of IQC, 66.7 % (n=24) indicating they run IQC every 24 h and 66.7 % (n=28) using assay manufacturer IQC material sources. Only 29.3 % (n=12) of respondents indicated that every medical laboratory in their country has written IQC policies and procedures. By contrast, 97.6 % (n=40) of responding countries indicated they take corrective action and result remediation in the event of IQC failure. CONCLUSIONS: The variability in TQM and IQC practices highlights the need for more formal programs and education to standardize and improve TQM in medical laboratories.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,047 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».