RESUMO Os laboratórios clínicos devem ter sistemas de gestão da qualidade que garantam a fidedignidade dos resultados. Ainda, em estudos longitudinais, é importante que os dados gerados sejam analisados ao longo do tempo, como medida adicional de controle de qualidade (CQ), buscando identificar flutuações não explicáveis por variáveis biológicas. Aplicar essa estratégia ao estudo SHIP-Brasil foi o objetivo deste trabalho. Analisamos os resultados de glicemia em jejum, glicemia pós-sobrecarga e hemoglobina glicada nos participantes do estudo SHIP-Brasil, no período de julho de 2014 a novembro de 2016, em relação aos seguintes aspectos: diferença dos resultados de cada indivíduo em relação à média do mês ao longo do tempo; média e mediana dos valores ao longo do tempo; e porcentagem de resultados acima dos valores de referência ao longo do tempo, com linha de tendência. De acordo com os dados observados, as dosagens de glicemia em jejum e glicemia pós-sobrecarga, nas amostras coletadas nos primeiros meses de estudo, apresentam-se consistentes, mesmo tendo sido realizadas em dois laboratórios distintos. Essa estratégia de CQ mostrou-se bastante útil e pode, inclusive, ser utilizada pelos laboratórios clínicos em sua rotina, observando as flutuações de resultados de sua população ao longo do tempo, detectando, eventualmente, desvios antes mesmo das práticas rotineiras de controle interno e externo da qualidade.
ABSTRACT Clinical laboratories must have quality management systems that guarantee the reliability of their results. Furthermore, in longitudinal studies, it is important that the generated data be analyzed over time, as an additional measure of quality control (QC), seeking to identify fluctuations not explainable by biological variables. Applying this strategy to the SHIP-Brazil study was the aim of this work. Thus, we analyzed the results of fasting glucose, post-load glucose and glycated hemoglobin in the participants of the SHIP-Brazil study, from July 2014 to November 2016, in relation to the following aspects: difference of each individual’s results from the mean of the month over time, mean and median of results over time, and percentage of results above the reference values over time, with trend line. According to the observed data, in order to guarantee the correct association of laboratory parameters with different health and disease conditions, the fasting blood glucose and post-load glucose measurements in the samples collected during the first months of the study are consistent, despite being performed in two different facilities. This QC strategy has proved very useful, and may even be used by clinical laboratories in their routine, observing result fluctuations of their population in the course of time, being capable of eventually detect bias even before the routine practices of internal and external quality control.
RESUMEN Los laboratorios clínicos deben tener sistemas de gestión de calidad que garanticen la fiabilidad de los resultados. Además, en estudios longitudinales, es importante que los datos generados sean analizados a lo largo del tempo, como medida adicional de control de calidad (QC), buscando identificar fluctuaciones no explicables por variables biológicas. Aplicar esa estrategia al estudio SHIP-Brasil es el objetivo de este trabajo. Analizamos los resultados de glucemia en ayunas, prueba de sobrecarga de glucosa y hemoglobina glucada en los participantes del estudio SHIP-Brasil, en el período de julio de 2014 a noviembre de 2016, acerca de los siguientes aspectos: diferencia de los resultados de cada individuo con respecto a la media del mes con el tiempo; media y mediana de los valores con el tiempo; y porcentaje de resultados por encima de los valores de referencia con el tempo, con línea de tendencia. Según los datos observados, las mediciones de glucemia en ayunas y tras una sobrecarga de glucosa, en las muestras recolectadas en los primeros meses de estudio, resultan consistentes, a pesar de haber sido realizadas en dos laboratorios distintos. Esa estrategia de QC se presentó muy útil y puede, incluso, ser utilizada por laboratorios clínicos en su rutina, observando fluctuaciones de resultados de su población a lo largo del tiempo, detectando, eventualmente, desviaciones aún antes de las prácticas rutinarias de control interno y externo de calidad.
