← Alla artiklar Juni 2026 · 18 min · Metrologi

Mätosäkerhet i laboratoriemedicin — en svensk sammanfattning av CLSI EP29-A

En kondenserad svensk sammanställning av CLSI EP29-A: mätosäkerhetens grundbegrepp, hur osäkerheter kombineras, top-down- och bottom-up-skattning, bias samt klinisk användning (rapportering, minsta särskiljbara skillnad, beslutsgräns och RCV) — med pedagogiska räkneexempel.

Källa. Kondenserad sammanfattning av CLSI EP29-A (Expression of Measurement Uncertainty in Laboratory Medicine, 2012), en laboratoriemedicinsk tillämpning av GUM/VIM. Callouts märkta “Svensk kommentar” är egna noteringar. Begrepp och regler kommer från EP29 (markeras löpande med “enligt EP29” e.d.). Räkneexempel som står i själva riktlinjen är märkta (EP29); exempel märkta (eget exempel) är egna illustrationer som inte finns i dokumentet.

1. Vad och varför

Den här artikeln är en kondenserad sammanställning av CLSI EP29-A på svenska — riktlinjens kärninnehåll återgivet kortfattat och kompletterat med pedagogiska räkneexempel, snarare än en fullständig översättning. Syftet är att snabbt kunna förstå och tillämpa begreppen i klinisk-kemisk vardag.

Läsriktning. Texten kan läsas som fyra frågor:

Vad betyder osäkerhetstermerna? → kapitel 1–2.
Hur kombineras osäkerheter? → kapitel 3.
Varifrån får laboratoriet $u_c$ ? → kapitel 4–5.
Hur används $u_c$ kliniskt? → kapitel 6–7.

Mätosäkerhet = en parameter som beskriver spridningen i de värden som rimligen kan tillskrivas en mätstorhet (measurand). Tänk ett svar som S-Kreatinin 50 µmol/L: osäkerheten säger inte att svaret är fel, utan hur brett intervallet av rimliga värden är kring 50. Varje kvantitativt svar bär en mätosäkerhet, oavsett om den rapporteras eller inte. Den behövs för att avgöra om två värden är verkligt olika (patientmonitorering) eller verkligt över/under en beslutsgräns.

Avgränsning (viktig): EP29-A täcker bara den analytiska osäkerheten. Biologisk variation och pre-/postanalytiska fel ligger utanför — men dominerar ofta totalvariationen i praktiken.

2. Grundbegrepp

EP29 bygger på metrologisk terminologi (VIM) och skiljer på tre begrepp som ofta blandas ihop:

Riktighet (trueness) — avstånd mellan medelvärdet och sant värde → speglar bias (systematiskt fel).
Precision — spridning vid upprepning → speglar slumpmässigt fel.
Noggrannhet (accuracy) — omfattar båda.

Kort sagt: precision = hur tätt resultaten ligger, riktighet = var de ligger i förhållande till referensen, och noggrannhet kräver båda.

Intuition: måltavlan. Precision är hur samlad skotthögen är. Riktighet är hur nära skotthögens centrum ligger målet. Noggrannhet kräver båda: en tät hög som också sitter rätt. Bias är då förskjutningen av skotthögens centrum från mitten.

Enligt EP29 skiljer man på hur en osäkerhetskomponent skattas: Typ A = statistik på egna mätserier (SD), Typ B = annan källa (tillverkardata, certifikat, litteratur, bedömning). När en Typ B-uppgift väl räknats om till en standardosäkerhet $u$ behandlas den matematiskt precis som en Typ A-skattad SD — det är därför båda kan ligga i samma budget.

Från Typ B-spec till standardosäkerhet. En Typ B-uppgift är ofta en gräns, inte en SD, och måste räknas om innan den kan kombineras. EP29 (appendix A) anger hur: vet man bara att värdet ligger inom ± $a$ antas en rektangulär (likformig) fördelning → standardosäkerhet $u = a/\sqrt{3}$ .

Eget exempel: en pipett specas till ±1 % → $u = 1\%/\sqrt{3} \approx 0{,}58\%$ . Andra vanliga antaganden: triangulär fördelning $u = a/\sqrt{6}$ ; en ± $a$ som anges som 95 %-gräns (normalfördelad) → $u = a/2$ .

Storhet	Symbol	Innebörd
Standardosäkerhet	$u(x)$	osäkerhet uttryckt som en standardavvikelse
Kombinerad standardosäkerhet	$u_c$	flera $u$ sammanvägda i en mätmodell
Utvidgad osäkerhet	$U$	$U = k \cdot u_c$ ; ger ett täckningsintervall
Täckningsfaktor	$k$	multiplikator > 1, typiskt 2 eller 1,65
Analytisk / biologisk variation	$CV_A$ / $CV_I$	används i RCV (kap 6)

Symbolkedjan — $u_c$ är navet. Läs symbolerna som en kedja: enskilda standardosäkerheter $u(x_i)$ kombineras till $u_c$ . Samma $u_c$ används sedan på olika sätt — som rapporterat intervall $U = k \cdot u_c$ , som analytisk minsta skillnad MD, eller som del av klinisk RCV när biologisk variation läggs till. Kort sagt: $u_c$ är navet; $U$ , MD och RCV är olika användningar av navet.

3. Räkna med osäkerhet

Felfortplantning enligt EP29/GUM (för oberoende komponenter):

$\text{summa/differens: } u_c = \sqrt{u^2(x) + u^2(y)} \qquad \text{produkt/kvot: } \frac{u_c}{|z|} = \sqrt{\left(\tfrac{u(x)}{x}\right)^2 + \left(\tfrac{u(y)}{y}\right)^2}$

Tumregel: summor adderar absoluta osäkerheter, produkter adderar relativa. Är komponenterna korrelerade tillkommer kovarianstermer.

Vad är en kovariansterm — och varifrån kommer $r$ ? Kovarianstermen kommer från EP29/GUM; sifferexemplet nedan är eget. Grundformlerna gäller bara när felen i $x$ och $y$ är oberoende. Delar mätningarna en gemensam felkälla blir felen korrelerade, och då korrigeras kombinationen med en term $2\,r\,u(x)\,u(y)$ (plus för produkter, minus för kvoter vid positiv korrelation).

$r$ är korrelationskoefficienten mellan de två mätningarnas fel och går från $0$ (oberoende) till $1$ (felen följs helt åt). Den är inte godtycklig — den bestäms av hur stor andel av osäkerheten som kommer från den gemensamma källan. Ju mer den delade kalibratorn dominerar, desto närmare $1$ .

Var $r$ kommer in, via en uppdelning: dela upp varje analyts osäkerhet (4 %) i två oberoende delar — en gemensam kalibratordel och en analytspecifik del. Låt var och en vara 2,83 %, vilket ger totalt $\sqrt{2{,}83^2 + 2{,}83^2} = 4\,\%$ . Eftersom halva variansen då är delad blir $r = 0{,}5$ (formellt $r = \tfrac{\text{delad varians}}{\text{total varians}} = \tfrac{2{,}83^2}{4^2} = 0{,}5$ ).

I en kvot tar den gemensamma kalibratordelen ut sig själv helt; kvar blir bara de analytspecifika delarna: $\sqrt{2{,}83^2 + 2{,}83^2} = 4\,\%$ . Det är exakt samma resultat som att stoppa in $r = 0{,}5$ i formeln: $\sqrt{4^2 + 4^2 - 2\cdot0{,}5\cdot4\cdot4} = 4\,\%$ . Antar man i stället oberoende får man $\sqrt{4^2 + 4^2} \approx 5{,}7\,\%$ — en överskattning, eftersom kalibratorfelet då räknas två gånger trots att det egentligen försvinner i kvoten.

Figur 1 — delad kalibrator tar ut sig i kvoten

Figur 1. En delad kalibrator tar ut sig i kvoten; antas komponenterna oberoende dubbelräknas felet och osäkerheten överskattas.

Utvidgad osäkerhet: $U = k \cdot u_c$ . $k = 2$ ger ~95 %, $k = 3$ ~99 %. $k$ måste alltid anges tillsammans med $U$ . Exempel (EP29:s rapportformat): rapporteras $(50 \pm 1)\ \mu\text{mol/L},\ k = 2$ är $\pm 1$ alltså $U$ , och $u_c = U/k = 0{,}5\ \mu\text{mol/L}$ .

4. Två sätt att skatta osäkerheten

EP29 beskriver två komplementära ansatser:

	Bottom-up	Top-down
Metod	budgetera och fortplanta varje delkälla (GUM)	skatta direkt ur upprepade mätningar
Datakälla	osäkerhetsbudget	främst långtids-IQC
Styrka	visar var osäkerheten uppstår	robust; bygger på data man redan har
Svaghet	arbetskrävande; kräver fullständig modell	pekar inte ut enskilda källor
Roll	felsökning / grundorsaksanalys	löpande skattning i rutinlab

Kärnregel: använd top-down som standardväg; verifiera en bottom-up-modell mot top-down, och gå tillbaka till budgeten bara när $u_c$ (eller $U$ ) överskrider laboratoriets, metodens eller den kliniska tillämpningens krav.

Figur 2 — top-down är rutinvägen, bottom-up felsökningsvägen

Figur 2. Top-down är rutinvägen, bottom-up felsökningsvägen; verifiering mot krav är en återkopplingsslinga.

Top-down via ANOVA separerar variationen inom och mellan serier:

$s_{wth} = \sqrt{MS_{wth}}, \quad s_{btw} = \sqrt{\max\!\left(0, \tfrac{MS_{btw} - MS_{wth}}{n_0}\right)}, \quad u_c = \sqrt{s_{wth}^2 + s_{btw}^2}$

( $MS$ = medelkvadratsumma inom/mellan serier, $n_0$ = effektivt antal replikat/serie.) Poängen är inte att mellanserie alltid dominerar, utan att en endagsserie bara fångar upprepbarhet; långtids-IQC fångar även drift, lot- och kalibratoreffekter.

Intuition: fotografi och film. En upprepningsserie samma dag är ett fotografi av mätsystemet under nästan oförändrade betingelser. Långtids-IQC är en film där reagenslotter, kalibratorbyten, underhåll och drift hinner synas. Det är filmen som speglar den osäkerhet ett patientsvar faktiskt bär i rutinen.

Från QC-data till $u_c$ , steg för steg (bygger på EP29:s exempel 4). Detta återskapar EP29:s eget kreatininexempel steg för steg; mellanstegen nedan är rekonstruerade så att de ger riktlinjens slutvärden. Tänk dig en kontrollnivå som mäts i 5 replikat per dag under 5 dagar (25 värden). En enkel ANOVA delar upp spridningen i två medelkvadratsummor:

$MS_{wth}$ — hur mycket replikaten varierar inom samma dag (ren upprepbarhet). Säg $MS_{wth} = 0{,}52$ .
$MS_{btw}$ — hur mycket dagsmedelvärdena varierar mellan dagar. Säg $MS_{btw} = 24{,}5$ .

Sedan:

Inom-serie-SD: $s_{wth} = \sqrt{MS_{wth}} = \sqrt{0{,}52} = 0{,}72$ .
Mellan-serie-SD: $MS_{btw}$ innehåller även upprepbarhetsbrus, så man drar bort $MS_{wth}$ och delar med antalet replikat per dag ( $n_0 = 5$ ): $s_{btw} = \sqrt{(24{,}5 - 0{,}52)/5} = \sqrt{4{,}80} = 2{,}19$ .
Kombinera: $u_c = \sqrt{s_{wth}^2 + s_{btw}^2} = \sqrt{0{,}72^2 + 2{,}19^2} = 2{,}30$ µmol/L (enhet enligt kommentaren nedan).

Poängen: mellanserie-delen (2,19) är mycket större än upprepbarheten (0,72). Hade man bara kört 5 replikat samma dag hade man rapporterat ≈ 0,72 och underskattat osäkerheten ungefär tre gånger. Det är därför top-down kräver långtidsdata, inte en enda välkörd serie.

Figur 3 — det är varianserna som adderas, inte SD:erna

Figur 3. Det är varianserna som adderas, inte SD:erna — mellanserie-delen dominerar totalen.

Svensk kommentar. Equalis (EQA) lämpar sig för att verifiera osäkerhets- och bias-påståenden, inte för primär skattning. Ackreditering enligt SS-EN ISO 15189:2022 kräver dokumenterad osäkerhetsskattning — top-down ur IQC är den praktiska vägen. (Kreatininexemplets enhet anges som mmol/L i källan men bör rimligen vara µmol/L.)

5. Bias

Enligt EP29 är bias det numeriska måttet på riktighet (systematiskt fel). Tre punkter:

Korrigera bias bara när den är betydande relativt mätningens osäkerhet. Stor bias kan signalera kalibreringsproblem.
Korrektion förbättrar riktigheten men ökar osäkerheten (korrektionens egen osäkerhet följer med).
Även en obetydlig bias bidrar med osäkerheten i sin bedömning till $u_c$ .

Bias skattas mot referensmetod (regression: idealt lutning 1, intercept 0) eller mot certifierat referensmaterial (CRM).

Bias: korrektionen tar bort avståndet, inte osäkerheten (eget exempel). Ett CRM för S-Kalcium har certifierat värde $2{,}40\ \text{mmol/L}$ med standardosäkerhet $0{,}02\ \text{mmol/L}$ . Laboratoriet mäter materialet 10 gånger: medelvärde $2{,}44$ , SD $0{,}03\ \text{mmol/L}$ .

Bias: $2{,}44 - 2{,}40 = 0{,}04\ \text{mmol/L}$ .
Osäkerhet i labbets medelvärde: $0{,}03/\sqrt{10} = 0{,}0095\ \text{mmol/L}$ .
Osäkerhet i biasbedömningen: $u_{\text{bias}} = \sqrt{0{,}0095^2 + 0{,}02^2} = 0{,}022\ \text{mmol/L}$ .

Korrigerar man patientsvaren med $-0{,}04$ måste $u_{\text{bias}}$ ändå in i $u_c$ : var tidigare $u_c = 0{,}03$ blir det $\sqrt{0{,}03^2 + 0{,}022^2} = 0{,}037\ \text{mmol/L}$ . Poängen: korrektionen tar bort avståndet (biasen), men eftersom den inte är exakt ökar den kombinerade osäkerheten.

6. Rapportering och klinisk användning

Rapportera (EP29:s rekommendation): mätvärde, $u_c$ , $k$ och/eller $U$ , samt enhet — t.ex. $\{\text{S-Kreatinin}\} = (50 \pm 1)\ \mu\text{mol/L},\ k = 2$ (där $\pm 1$ är $U$ ). Ange osäkerheten med högst två värdesiffror, avrundat uppåt.

Minneslinjal: börja med frågan, inte formeln.

Fråga	Använd	$k$	Svarar på
Hur rapportera osäkerheten för ett enskilt svar?	$U = k \cdot u_c$	2	Hur brett är intervallet kring värdet?
Är två patientvärden analytiskt skilda?	$MD = k\sqrt{u^2(x_1)+u^2(x_2)}$	2	Är förändringen större än mätosäkerheten?
Är ett värde signifikant över/under en beslutsgräns?	ensidig jämförelse mot gränsen	1,65	Är värdet på rätt sida med ~95 % säkerhet?
Är en patientförändring kliniskt reell?	RCV med $CV_A$ och $CV_I$	ofta 2	Större än analytisk + biologisk variation?

Från %CV till absolut osäkerhet — nivån spelar roll (eget exempel). En relativ osäkerhet måste översättas till absolut osäkerhet vid just den koncentration man jämför. Albumin med $CV_A = 2\,\%$ :

vid $25\ \text{g/L}$ : $u = 0{,}02 \cdot 25 = 0{,}50\ \text{g/L}$
vid $45\ \text{g/L}$ : $u = 0{,}02 \cdot 45 = 0{,}90\ \text{g/L}$

Samma %CV, men större absolut osäkerhet vid högre nivå. Därför beräknas MD och RCV alltid vid den aktuella koncentrationen — det är också varför natriumexemplet nedan börjar med att göra om $0{,}5\,\%$ till mmol/L.

Patientmonitorering (tvåsidigt, $k=2$ ). Minsta särskiljbara skillnad mellan två värden:

$MD = k\sqrt{u^2(x_1)+u^2(x_2)} \;\Rightarrow\; \text{vid lika } u:\; MD = k\sqrt{2}\,u \approx 2{,}8\,u$

Detta är EP29:s tumregel “~3× standardosäkerheten för ett enskilt resultat” (inte 3× det rapporterade $U$ ). Exempel (EP29, exempel 7): S-Natrium 137 mmol/L, $u=0{,}5\%$ → $0{,}69$ mmol/L → $MD \approx 2$ mmol/L.

Mot beslutsgräns (ensidigt, $k=1{,}65$ ). Exempel (EP29, exempel 9): S-Kolesterol, $u=3\%$ vid 5,5 mmol/L → $MD=0{,}27$ → resultat över $5{,}0+0{,}27 \approx 5{,}3$ mmol/L är signifikant över gränsen 5,0.

Figur 4 — MD och beslutsgräns som avstånd på en tallinje

Figur 4. MD och beslutsgräns som avstånd på en tallinje — frågan är om nästa värde ligger utanför zonen.

Svensk kommentar. Den kliniska RCV inkluderar även biologisk variation (utanför EP29): $RCV = k\sqrt{2}\,\sqrt{CV_A^2 + CV_I^2}$ , där $CV_A$ och $CV_I$ uttrycks i samma skala. EP29:s MD är alltså bara golvet — den minsta möjliga RCV när bara analytisk variation räknas med. Se RCV-verktyget för att räkna på detta.

Röd tråd: samma $u_c$ genom hela kedjan (eget exempel). Anta att top-down-skattningen (som i ANOVA-exemplet ovan) gav $u_c = 2{,}3\ \mu\text{mol/L}$ för S-Kreatinin kring $50\ \mu\text{mol/L}$ .

Rapportering: $U = k \cdot u_c = 2 \cdot 2{,}3 = 4{,}6 \approx 5$ , alltså $(50 \pm 5)\ \mu\text{mol/L},\ k = 2$ .
Monitorering: två svar från samma system måste skilja mer än $MD = 2\sqrt{2{,}3^2 + 2{,}3^2} = 6{,}5\ \mu\text{mol/L}$ för att vara analytiskt särskiljbara (~95 %).
Tolkning: 50 → 55 passerar inte MD; 50 → 58 gör det. (Klinisk RCV kan bli större när biologisk variation läggs till.)

Poängen: samma $u_c$ ligger bakom både det rapporterade intervallet och minsta särskiljbara förändring — frågan avgör bara om man räknar $U$ eller $MD$ .

7. TL;DR

Mätosäkerhet är en egenskap hos varje kvantitativt svar — inte ett kvalitetsfel.
EP29 täcker bara den analytiska osäkerheten; biologisk och preanalytisk variation tillkommer ovanpå.
Två vägar: top-down ur långtids-IQC är arbetshästen, bottom-up (budget) är för felsökning — verifiera alltid bottom-up mot top-down.
Kombinera komponenter: summor adderar absoluta osäkerheter, produkter adderar relativa; delad felkälla kräver en kovariansterm.
$u_c$ är grundstorheten; $U = k \cdot u_c$ , och $k$ måste alltid anges.
Bias bedöms tillsammans med osäkerheten: korrektionen tar bort avståndet men ökar $u_c$ med korrektionens egen osäkerhet.
Frågan avgör $k$ : $k=2$ tvåsidigt (monitorering, MD) och $k=1{,}65$ ensidigt (beslutsgräns) — och analytisk MD är bara golvet, klinisk RCV lägger till biologisk variation.

Vanliga missförstånd. $u_c \ne U$ ( $U = k \cdot u_c$ ). · Analytisk osäkerhet ≠ hela patient-till-svar-variationen. · Biaskorrektion eliminerar inte osäkerhet, den tillför. · Klinisk RCV kräver oftast biologisk variation. · $k=2$ och $k=1{,}65$ svarar på olika frågor.

Testa dig själv

Ett resultat anges som $(50 \pm 1)\ \mu\text{mol/L},\ k=2$ . Vad är $u_c$ ?
Varför blir MD ungefär $2{,}8u$ när två mätningar har samma standardosäkerhet?
När räcker analytisk MD, och när behöver RCV kompletteras med $CV_I$ ?
Varför kan en biaskorrektion öka $u_c$ ?
En top-down-skattning överskrider metodens krav — vad är nästa steg?

Referenser

CLSI. Expression of Measurement Uncertainty in Laboratory Medicine; Approved Guideline. EP29-A. Wayne, PA: CLSI; 2012.
BIPM/JCGM. GUM (JCGM 100:2008) och VIM (JCGM 200:2008).
ISO 15189; ISO/IEC 17025; ISO 21748; ISO/TS 21749.

Detta är en kondenserad svensk sammanfattning av CLSI EP29-A i pedagogiskt syfte, inte en officiell översättning. För fullständig vägledning hänvisas till originaldokumentet.