Personligt referensintervall (RIper) med parametrisk empirisk Bayes
KalkylatorBeräkna ett intervall för nästa provsvar utifrån patientens tidigare värden med parametrisk empirisk Bayes (PEB). Källan visas för varje parameter.
Användarguide
Vad är ett personligt referensintervall?
Ett vanligt referensintervall beskriver populationen och omfattar vanligen 95 % av friska personers värden. För många analyter är variationen mindre inom en person än mellan personer. Ett provsvar kan därför ha ändrats betydligt från patientens tidigare nivå utan att hamna utanför populationens intervall.
RIper använder tidigare provsvar för att skatta ett intervall för nästa prov hos den enskilda patienten. Med få prover väger populationen tungt. Med fler prover får patientens egna värden större betydelse och intervallet smalnar. Beräkningen bygger på parametrisk empirisk Bayes enligt Røys och medarbetare (Clinical Chemistry, 2025).
Intervallet beskriver vilka provsvar som förväntas utifrån tidigare värden. Det avgör inte om patienten har en sjukdom. Ett värde utanför intervallet behöver bedömas närmare, men är ingen diagnos.
Analys, laboratorium, kön och ålder
Populationsparametrarna är bundna till analysmetoden och ska inte överföras mellan laboratorier. Välj det labb som analyserat proverna samt patientens kön och ålder. Då hämtas μpop och CVG för motsvarande grupp.
Underlaget består av cirka 1,8 miljoner provsvar från Karolinska, Synlab och Unilabs. refineR har använts för att skatta den icke-patologiska fördelningen i varje grupp. Nivåerna har också granskats årsvis för att utesluta perioder med metod- eller kalibratorbyten. För varje grupp visas vilka år som ingår, underlagets kvalitet och eventuella varningar. Läs dessa före tolkningen.
Varningar visas vid tunt underlag, osäkerhet kring instrumentbyten och skillnader mellan modellens n = 0-intervall och labbets skattning. Du får också en varning om uppgifter saknas för åldersgruppen och ett underlag för alla åldrar används i stället. Varningarna behöver vägas in när intervallet tolkas.
Baslinjen — patientens tidigare prover
Fyll i tidigare provsvar med äldsta först. Proverna ska vara tagna under stabila förhållanden på samma labb och med samma metod som det aktuella provet. Även provtagningen behöver vara jämförbar. Prover från akut sjukdom ska inte ingå i baslinjen, eftersom de förskjuter den skattade nivån.
Varje prov bedöms mot intervallet som gällde före det, räknat ur de föregående proverna. Första provet har ingen baslinje och bedöms därför inte. Undantaget är CVA, som interpoleras en gång vid hela seriens baslinje och därför är gemensam för alla rader; effekten på gränserna är under en halv procent.
Kryssrutan Sista provet är aktuellt värde bedömer det sist ifyllda svaret mot intervallet ur de föregående proverna. Det aktuella värdet ingår inte i baslinjen — varken i den skattade nivån eller i den CVA som interpoleras vid den. Första provet har fortfarande ingen baslinje och kan inte bedömas.
Tabellen visar intervallet för nästa prov vid varje antal tidigare prover. Raden n = 0 är modellens intervall utan patientdata; n = 1 motsvarar ett referensändringsvärde (RCV) mot ett enda tidigare prov.
Variationskällorna — CVI, CVG och CVA
CVI är den inomindividuella biologiska variationen: hur analyten fluktuerar kring patientens egen homeostatiska nivå. CVG är den mellanindividuella variationen: hur mycket de homeostatiska nivåerna skiljer sig mellan personer. CVA är metodens analytiska imprecision.
CVI hämtas från EFLM:s databas för biologisk variation. CVG tas i första hand från labbets eget stratum, eftersom den beskriver just den population som mätts med just den metoden. CVA är långtidsimprecision från Region Östergötlands kvalitetskontroll, interpolerad till baslinjens koncentration — den kan och bör ersättas med det egna labbets värden när de finns.
Individualitetsindex (II) är kvoten mellan variationen inom och mellan individer. Vid ett lågt index kan en betydande förändring hos patienten rymmas inom populationens referensintervall. Ett personligt intervall kan då vara mer informativt. Vid ett högt index tillför det mindre. Rutan Vikt vid ett prov visar hur stor vikt patientens första provsvar får i förhållande till populationen.
Konfidensnivå och jämförelser
Konfidensnivån styr intervallets bredd. 95 % är det konventionella valet, liksom för ett vanligt referensintervall. Med 90 % blir intervallet smalare och fler värden flaggas, även av slumpen. Med 99 % blir det bredare och färre värden flaggas. Valet påverkar både risken för falsklarm och risken att missa förändringar.
Jämförelseintervallen visas som I-balkar till vänster i diagrammet: labbets publicerade intervall och refineR-skattningen från rutindata. De visas på samma skala som det personliga intervallet. Provsvaren bedöms enbart mot RIper.
Modellens intervall vid n = 0 kan skilja sig från jämförelseintervallen, eftersom de skattas på olika sätt och delvis beskriver olika saker. Skillnader över 15 % visas som varning. Tolka då små överskridanden med försiktighet.
Vad verktyget inte gör
Modellen förutsätter att patienten är i steady state, att alla prover analyserats med samma metod på samma lab, och att den underliggande fördelningen är rimligt lognormal. Den korrigerar inte för läkemedel, graviditet, dygnsvariation, provtagningstid eller preanalytiska fel — sådant måste vägas in separat.
Populationsunderlaget kommer från personer som själva beställt provtagning. Det är inte en slumpmässig befolkning, och andelen patologiska svar skiljer sig från sjukvårdens material. refineR skattar den icke-patologiska delen av fördelningen.
Bedöm flaggade värden tillsammans med anamnes, övriga prover och förloppet. Intervallet ersätter inte den kliniska bedömningen.
Ange ålder i hela år.
Ange minst ett tidigare prov
Baslinjen ska bestå av prover från stabila perioder, äldsta först. Tomma rader utelämnas.
Intervall och provserie
Avancerat: parametrar, källor och antaganden
CVA per nivå (labbets QC)
Med minst två nivåer beräknas CVA vid baslinjen, det geometriska medelvärdet av proverna eller μpop om prover saknas. Det värdet ersätter det enkla CVA-fältet ovan.
Förvalen för CVA hämtas från Region Östergötland. De är ungefärliga och behöver kontrolleras mot det egna labbets uppgifter. CVA får stor betydelse när CVI är låg.
Variansmodellen. Røys et al. anger två spår: LIS-spåret på Box-Cox-skala och BV-spåret på logskala. Med CV från biologisk variation gäller det senare, och proportionell (log) är därför artikelns modell och förvalet här. Gränserna räknas tillbaka till koncentrationsskalan genom att dela respektive multiplicera Ŷ med samma faktor, som i EFLM:s lognormala RCV.
De två symmetriska lägena är mina tillägg och ingår inte i artikeln. De gör det lättare att jämföra formen med ett symmetriskt referensintervall. Skillnaden mellan lägena är hur standardavvikelsen σ bestäms. Nivåberoende σ låter spridningen följa individens nivå och behåller därmed CV-antagandet; bandet blir additivt symmetriskt kring Ŷ. Konstant σ låser spridningen vid populationsmedianen. Då kan intervallets bredd bli missvisande för individer långt från medianen. Vid μpop skiljer sig lägena under 1 % från logskalan för tio av tretton markörer.
Båda de symmetriska lägena centrerar bandet på populationsmedianen, där formen förutsätter ett aritmetiskt medelvärde. För skeva markörer hamnar intervallet därför något lågt. Om den nedre gränsen blir negativ visas inget resultat i det symmetriska läget, eftersom koncentrationer inte kan vara negativa. Samma parametrar kan fortfarande användas på logskala.
För att välja modell för en viss analyt behövs upprepade prover som visar hur variansen ändras med nivån. Det räcker inte att utgå från CVI eller Box-Cox-λ från refineR. λ beskriver fördelningen i populationen, inte variationen inom individen.
I artikeln Personliga referensintervall med parametrisk empirisk Bayes (PEB) går jag igenom beräkningen, Normal–Normal-modellen och sambandet mellan RIpop, RCV och RIper.
Referenser
Metod
- [1] Røys EÅ, Viste K, Farrell CJ, et al. (2025). A Parametric Empirical Bayes Approach to Personalized Reference Intervals and Reference Change Values. Clinical Chemistry, 71(11), 1147–1157. DOI ↗
- [2] Fraser CG. (2001). Biological Variation: From Principles to Practice. AACC Press, Washington DC.
Databaser för biologisk variation
- [3] Aarsand AK, Webster C, Fernandez-Calle P, Jonker N, Diaz-Garzon J, Coskun A, Sufrate-Vergara B, Moreno-Parro I, Galior K, Topcu D, Gonzales-Lao E, Carobene A, Bartlett WA, Sandberg S. The EFLM Biological Variation Database. https://biologicalvariation.eu/ (uppslagen 2026-08-29; MCH och MCHC omkontrollerade 2026-09-05). Databasen underhålls löpande utan versionerade utgåvor. Åtkomstdatumet anger när uppgifterna hämtades. biologicalvariation.eu ↗
Analytisk variation
- [4] Region Östergötland, Klinisk kemi. Mätosäkerhet Klinisk kemi och Klinisk immunologi, dokument 29272 version 14, giltigt från 2026-02-06. Total analytisk CV % per QC-nivå. Verktyget använder dessa som förval och antar att de inte skiljer sig väsentligt mellan laboratorier — ett antagande som inte är verifierat.
Populationsunderlag
- [5] Werlabs radnivåexport 2019–2026 (uttag 2026-08-28): 1,82 miljoner anonyma provsvar för 13 markörer från Karolinska, Synlab och Unilabs. μ_pop och RIpop skattade per labb, kön och åldersband med refineR (Box-Cox) på den icke-patologiska delfördelningen. Exporten saknar person-ID, så n är antal observationer och inte antal individer.
- [6] Ammer T, Schützenmeister A, Prokosch HU, et al. (2021). refineR: A Novel Algorithm for Reference Interval Estimation from Real-World Data. Scientific Reports, 11, 16023. DOI ↗
Metodik och formler
Parametrisk empirisk Bayes (PEB) väger samman patientens tidigare värden med populationsmedelvärdet μpop. Viktningen mot populationen kallas shrinkage. Ju fler tidigare prover som finns, desto större vikt får patientens egna data. Med BV-parametrar görs beräkningen på logskala. När gränserna räknas tillbaka till koncentrationsskalan blir de asymmetriska. [1]
Shrinkage-faktorn [1]
B1 anger hur stor del av den totala variansen som finns mellan individer. Bn anger vikten på patientens medelvärde efter n prover. Vikten är 0 vid n = 0 och närmar sig 1 när antalet prover ökar.
Punktskattning för nästa prov
Punktskattningen ligger mellan populationsmedelvärdet och patientens eget medelvärde. Hur nära den hamnar patientens nivå beror på vikten ovan. På logskala är X̄n medelvärdet av de logaritmerade provsvaren, vilket motsvarar det geometriska medelvärdet på koncentrationsskalan.
Tröskel (RIper-intervall) [1]
Intervallet smalnar med antalet prover genom faktorn √(1−B₁Bₙ). Vid n = 0 fås modellens populationsintervall. Det kan skilja sig betydligt från labbets skattade referensintervall vid en skev fördelning, eftersom de beräknas på olika sätt. Vid n = 1 motsvarar bredden ett referensändringsvärde (RCV). Z anger antal standardavvikelser (1,96 = 95 % tvåsidigt).
Varianskomponenter på logskala
CVG, CVI och CVA (i procent) omvandlas var för sig till log-varianser; σ²pop = σ²G + σ²I + σ²A. CVI/CVG bör komma från samma BV-studie [3] — annars blir B₁ svårtolkat. μpop och CVA är lokala, metodberoende storheter.