DOI: https://doi.org/10.1371/journal.pone.0341908
PMID: https://pubmed.ncbi.nlm.nih.gov/41779717
تاريخ النشر: 2026-03-04
المؤلف: Indrajit Sarkar وآخرون
الموضوع الرئيسي: ممارسات المختبرات السريرية ومراقبة الجودة
نظرة عامة
تستقصي الدراسة انتشار وتأثير الأخطاء قبل التحليل في مركز تشخيصي كبير في بنغلاديش، مشددة على أن هذه الأخطاء تمثل ما يقرب من 50% من عدم دقة التشخيص على مستوى العالم. تشكل هذه الأخطاء، وخاصة المتعلقة بسوء وضع العينات والتسمية غير الصحيحة، تهديدات كبيرة لجودة التشخيص، خاصة في المختبرات ذات الحجم الكبير والمحدودة الموارد. تحدد الأبحاث الأحمال اليومية العالية وذروات الصباح كعوامل ذات دلالة إحصائية تساهم في تكرار هذه الأخطاء.
لتقليل المخاطر المرتبطة بالأخطاء قبل التحليل، توصي الدراسة بعدة استراتيجيات تهدف إلى تحسين عمليات المختبر. تشمل هذه تحسين تنظيم سير العمل، وتنفيذ تقنيات الترميز الآلي، وتوفير برامج تدريب منظمة للموظفين. من خلال اعتماد هذه التدابير، يمكن للمختبرات تقليل معدلات الأخطاء وتحسين سلامة المرضى، وبالتالي معالجة التحديات التشغيلية التي تواجهها في البيئات السريرية ذات الإنتاجية العالية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور الحاسم للمختبرات السريرية في الرعاية الصحية، مشددة على أن المرحلة قبل التحليل هي الجزء الأكثر عرضة للأخطاء في طب المختبرات، حيث تمثل 46-68% من أخطاء المختبر. يمكن أن تؤدي القضايا الشائعة مثل سوء وضع العينات، والتسمية غير الصحيحة، وأوامر الاختبارات الخاطئة إلى تقويض التشخيص السريري بشكل كبير، مما يؤدي إلى تأخيرات وزيادة تكاليف العلاج. تكون هذه التحديات أكثر وضوحًا في البيئات ذات الموارد المنخفضة، حيث تؤدي الأحمال العالية، ونقص الموظفين، وسير العمل غير الفعال إلى تفاقم خطر الأخطاء البشرية بسبب الاعتماد على الإجراءات اليدوية وإجراءات التشغيل القياسية القديمة.
لمعالجة هذه القضايا، تؤكد المعايير الدولية مثل “ISO 15189:2022” على ضرورة المراقبة المستمرة وتحسين العمليات قبل التحليل لتقليل المخاطر. تهدف الدراسة الحالية إلى التحقيق في أنواع وأعداد وأسباب الأخطاء قبل التحليل في مختبرات الكيمياء الحيوية والمناعة في مركز تشخيصي كبير في بنغلاديش. من خلال تحليل حوادث الأخطاء فيما يتعلق بالأحمال وبدلات العمل، تسعى الأبحاث إلى تحديد الأنماط والعوامل التشغيلية التي يمكن أن تُعلم توصيات السياسات المستندة إلى الأدلة لتحسين إدارة جودة المختبر في البيئات ذات الموارد المنخفضة.
الطرق
في هذه الدراسة الملاحظة والمقطعية التي أجريت على مدى شهرين في مركز تشخيصي كبير في دكا، بنغلاديش، قام الباحثون بتحليل بيانات من 195 خطأ موثق قبل التحليل إلى جانب استبيان منظم لـ 27 موظف مختبر. تم تصنيف الأخطاء إلى ثلاث فئات – طفيفة، متوسطة، وكبيرة – بناءً على تعريفات تم تكييفها من ISO 15189:2022 وإرشادات منظمة الصحة العالمية.
للتحقيق في العلاقة بين مستويات الأحمال (المعرفة بأنها ≥ 931 عينة في اليوم) وتكرار الأخطاء، تم استخدام الإحصائيات الوصفية، وتم إجراء اختبارات كاي-تربيع. تم تحديد عتبة دلالة بمقدار p < 0.05 لتحديد الأهمية الإحصائية في النتائج.
النتائج
تشير النتائج إلى أن الأخطاء السائدة في الدراسة كانت سوء وضع العينات، حيث تمثل 38.5% من إجمالي الأخطاء، تليها التسمية غير الصحيحة بنسبة 17.9%. أظهر التحليل أن وحدات جمع العينات (42.6%) والتوصيل (38.5%) كانت المصادر الرئيسية لهذه الأخطاء. علاوة على ذلك، أظهرت البيانات أن نوبات الصباح (65.1%) والأيام ذات الأحمال العالية (70.8%) كانت مرتبطة بزيادة معدلات الأخطاء، مع وجود ارتباط ذو دلالة إحصائية بين الأحمال ووقوع الأخطاء، كما يتضح من إحصائية كاي-تربيع χ² = 121.093 (p < 0.001). ومن الجدير بالذكر أن الأخطاء الكبيرة شكلت 37.4% من الحوادث المسجلة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على انتشار وأنواع الأخطاء قبل التحليل في مختبر تشخيصي كبير في بنغلاديش. حددت الدراسة سوء وضع العينات (38.5%) والتسمية غير الصحيحة (17.9%) كمصادر الأخطاء الأكثر أهمية، مما يؤكد النتائج من دراسات مماثلة في البلدان ذات الدخل المنخفض والمتوسط. أظهر التحليل أن الأخطاء كانت أكثر تكرارًا خلال نوبات الصباح (65.1%)، مما يتوافق مع الأحمال الثقيلة المبلغ عنها بين الموظفين. تم تصنيف شدة الأخطاء إلى طفيفة ومتوسطة وكبيرة، حيث شكلت الأخطاء الكبيرة 37.4% من الحوادث، والتي تحدث بشكل رئيسي في وحدة جمع العينات. تؤكد الدراسة على الحاجة الملحة لمبادرات تحسين الجودة، خاصة في المرحلة قبل التحليل، حيث تساهم الضغوط التشغيلية والعمليات اليدوية في معدلات الأخطاء.
تشير النتائج إلى أن ضغط الأحمال هو عامل رئيسي يؤثر على الأخطاء قبل التحليل، حيث تحدث 70.8% من الأخطاء في الأيام ذات الأحمال العالية. يبرز هذا العلاقة ضرورة أن تعالج إدارة المختبر الأحمال كعامل خطر قابل للقياس. تشمل التوصيات تنفيذ الأتمتة، وتعزيز تتبع الرموز الشريطية، وتوفير تدريب منظم لتقليل الأخطاء. تدعو الدراسة إلى نهج استباقي في إدارة الجودة، مع دمج أدوات مثل تحليل وضع الفشل وآثاره (FMEA) للانتقال من الأنظمة التفاعلية إلى الأنظمة الوقائية. بينما توفر الأبحاث رؤى قيمة، تعترف بوجود قيود مثل إجرائها في مركز واحد، مما يشير إلى أن الدراسات المستقبلية يجب أن تستكشف بيانات متعددة المراكز وتأثير الأتمتة على تكرار الأخطاء.
DOI: https://doi.org/10.1371/journal.pone.0341908
PMID: https://pubmed.ncbi.nlm.nih.gov/41779717
Publication Date: 2026-03-04
Author(s): Indrajit Sarkar et al.
Primary Topic: Clinical Laboratory Practices and Quality Control
Overview
The study investigates the prevalence and impact of pre-analytical errors in a large diagnostic center in Bangladesh, highlighting that these errors account for nearly 50% of diagnostic inaccuracies globally. Such errors, particularly related to sample misplacement and incorrect labeling, pose significant threats to diagnostic quality, especially in high-volume, resource-limited laboratories. The research identifies high daily workloads and peak morning shifts as statistically significant factors contributing to the frequency of these errors.
To mitigate the risks associated with pre-analytical errors, the study recommends several strategies aimed at improving laboratory processes. These include enhancing workflow organization, implementing barcoding and automation technologies, and providing structured training programs for staff. By adopting these measures, laboratories can reduce error rates and improve patient safety, thereby addressing the operational challenges faced in high-throughput clinical environments.
Introduction
The introduction of the research paper highlights the critical role of clinical laboratories in healthcare, emphasizing that the pre-analytical phase is the most error-prone segment of laboratory medicine, accounting for 46-68% of laboratory errors. Common issues such as sample misplacement, incorrect labeling, and erroneous test orders can severely compromise clinical diagnosis, leading to delays and increased treatment costs. These challenges are particularly pronounced in low-resource settings, where high workloads, inadequate staffing, and inefficient workflows exacerbate the risk of human error due to reliance on manual procedures and outdated Standard Operating Procedures (SOPs).
To address these issues, international standards like “ISO 15189:2022” underscore the necessity for continuous monitoring and improvement of pre-analytical processes to mitigate risks. The current study aims to investigate the types, frequency, and contributing factors of pre-analytical errors in the biochemistry and immunology laboratories of a high-volume diagnostic center in Bangladesh. By analyzing error incidents in relation to workload and shifts, the research seeks to identify patterns and operational determinants that can inform evidence-based policy recommendations for enhancing laboratory quality management in low-resource environments.
Methods
In this observational, cross-sectional study conducted over two months at a high-volume diagnostic center in Dhaka, Bangladesh, researchers analyzed data from 195 documented pre-analytical errors alongside a structured survey of 27 laboratory staff. The errors were categorized into three classifications—minor, moderate, and major—based on definitions adapted from ISO 15189:2022 and WHO guidelines.
To investigate the relationship between workload levels (defined as ≥ 931 samples per day) and the frequency of errors, descriptive statistics were employed, and Chi-square tests were conducted. A significance threshold of p < 0.05 was established to determine statistical relevance in the findings.
Results
The results indicate that the predominant errors in the study were sample misplacement, accounting for 38.5% of total errors, followed by incorrect labeling at 17.9%. The analysis revealed that the sample collection (42.6%) and pick-and-drop (38.5%) units were the primary sources of these errors. Furthermore, the data demonstrated that morning shifts (65.1%) and days with high workloads (70.8%) were associated with increased error rates, with a statistically significant correlation between workload and the occurrence of errors, as evidenced by a chi-squared statistic of χ² = 121.093 (p < 0.001). Notably, major errors constituted 37.4% of the incidents recorded.
Discussion
The discussion section of the research paper highlights the prevalence and types of pre-analytical errors in a high-volume diagnostic laboratory in Bangladesh. The study identified sample misplacement (38.5%) and incorrect labeling (17.9%) as the most significant sources of errors, corroborating findings from similar studies in low- and middle-income countries. The analysis revealed that errors were more frequent during morning shifts (65.1%), correlating with reported heavier workloads among staff. The severity of errors was categorized into minor, moderate, and major, with major errors constituting 37.4% of incidents, predominantly occurring in the sample collection unit. The study emphasizes the critical need for quality improvement initiatives, particularly in the pre-analytical phase, where operational pressures and manual processes contribute to error rates.
The findings suggest that workload pressure is a primary factor influencing pre-analytical errors, with 70.8% of errors occurring on high-volume days. This relationship underscores the necessity for laboratory management to treat workload as a measurable risk factor. Recommendations include implementing automation, enhancing barcode tracking, and providing structured training to mitigate errors. The study advocates for a proactive quality management approach, incorporating tools like Failure Mode and Effects Analysis (FMEA) to transition from reactive to preventive systems. While the research provides valuable insights, it acknowledges limitations such as being conducted in a single center, suggesting that future studies should explore multi-center data and the impact of automation on error frequency.