Blood Sample Transport: 84.52% Lab Errors ก่อนถึงแล็บ
อัปเดตเมื่อ 3 วันที่ผ่านมา
ถ้าพูดถึงความแม่นยำของผลแล็บ คนส่วนใหญ่นึกถึงเครื่องมือวิเคราะห์รุ่นใหม่และนักเทคนิคในห้องแล็บ แต่ blood sample transport — ช่วงที่ตัวอย่างเลือดถูกเก็บ แพ็ค และส่งจากจุดดูแลผู้ป่วยมายังแล็บ — คือช่วงที่งานวิจัยชี้ว่าความผิดพลาดเกิดขึ้นหนาแน่นที่สุด
บทความชิ้นนี้เป็นงานวิจัยต้นฉบับของทีม CET ที่รวบรวมข้อมูล primary จากโรงพยาบาลไทยซึ่งตีพิมพ์ในวารสารระดับสากล มาอ่านร่วมกับข้อมูลของ WHO ด้าน blood safety แล้วสังเคราะห์เป็นข้อสรุปชิ้นเดียว: ความผิดพลาดของห้องแล็บส่วนใหญ่ไม่ได้เกิดในห้องแล็บ และจุดที่พลาดบ่อยที่สุดคือโซนที่ทีมขนส่งควบคุมได้โดยตรง
84.52% ของ Lab Errors เกิดก่อนการวิเคราะห์ — ตัวเลขจากงานวิจัยไทย
ตัวเลขชิ้นแรกมาจากงานวิจัย 6 เดือนที่โรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทย — แล็บไทยแห่งแรกที่ได้รับการรับรอง ISO 9002:1994 — ซึ่งตรวจตัวอย่าง (specimens) ทั้งสิ้น 935,896 รายการ คิดเป็น 941,902 รายการวิเคราะห์ และพบความผิดพลาดช่วงก่อนการวิเคราะห์ (preanalytical) 1,048 ครั้ง คิดเป็น 0.11% ของตัวอย่างทั้งหมด
เมื่อแจกแจงความผิดพลาดทุกจุดในกระบวนการ ผลลัพธ์คือ preanalytical 84.52% (1,048 ครั้ง), analytical 4.35% (54 ครั้ง) และ postanalytical 11.13% (138 ครั้ง) — ความผิดพลาดส่วนใหญ่ไม่ได้เกิดจากเครื่องมือวิเคราะห์ แต่เกิดก่อนตัวอย่างจะถึงมือแล็บ
ยิ่งไปกว่านั้น ใน 1,048 ครั้ง มีถึง 998 ครั้ง หรือ 95.2% ที่เกิดขึ้นที่ care units หรือจุดดูแลผู้ป่วย ซึ่งอยู่นอกห้องแล็บ และเกือบทั้งหมดเป็น human error ยกเว้น 12 ครั้งที่เกี่ยวข้องกับเครื่องอ่าน barcode
ต้องพูดให้ครบบริบท: งานวิจัยชิ้นนี้ศึกษาในโรงพยาบาลเดียว ในช่วงปี 2001 ยุคมาตรฐาน ISO 9002 ซึ่งเป็นยุคก่อน ISO 15189 เราจึงใช้เป็นหลักฐานเชิงลึกจากข้อมูลจริงของไทย ไม่ใช่สถิติระดับประเทศ — ตัวเลขระดับชาติของไทยในเรื่องนี้ยังไม่มีแหล่งอ้างอิงที่เปิดเผยต่อสาธารณะให้อ้างอิงได้
ไม่ใช่แค่ไทย: วรรณกรรมสากลชี้ทิศทางเดียวกัน
ถ้ากังวลว่างานวิจัยไทยชิ้นเดียวอาจไม่พอ หลักฐานสากลยืนยันทิศทางเดียวกัน: การทบทวนวรรณกรรมโดย Bonini และคณะ ตีพิมพ์ใน Clinical Chemistry ปี 2002 สรุปว่าความผิดพลาดส่วนใหญ่ของห้องแล็บเกิดในขั้นก่อนหรือหลังการวิเคราะห์ โดยมีเพียง 13–32% (แล้วแต่การศึกษา) ที่เกิดในขั้นวิเคราะห์ (analytical phase)
สองแหล่งข้อมูลที่ต่างเวลา ต่างประเทศ ต่างวิธีศึกษา ให้ข้อสรุปเดียวกัน — จุดเสี่ยงใหญ่ของห้องแล็บไม่ได้อยู่ที่เครื่องมือ แต่อยู่ที่กระบวนการรอบๆ ตัวเครื่องมือ
WHO มองภาพใหญ่: คุณภาพตัวอย่างคือปัญหาระบบ
WHO (องค์การอนามัยโลก) มองเรื่องนี้เป็นปัญหาระบบระดับโลก: มีการเก็บโลหิต 120.4 ล้านยูนิตต่อปีทั่วโลก แต่ 36% อยู่ในประเทศรายได้สูง ซึ่งมีประชากรเพียง 15% ของโลก
อัตราการบริจาคต่อประชากร 1,000 คน ไล่ระดับตามรายได้ประเทศ: 28.9 ในประเทศรายได้สูง, 18.2 ในรายได้ปานกลาง-บน, 8.5 ในรายได้ปานกลาง-ล่าง และ 4.5 ในประเทศรายได้ต่ำ
ด้านบวกคือการบริจาคแบบ voluntary unpaid เพิ่มขึ้น 10.7 ล้านยูนิตในช่วง 2013–2023 มี 80 ประเทศที่ได้โลหิตมากกว่า 90% จากผู้บริจาค voluntary ขณะที่ 59 ประเทศยังพึ่ง family/replacement หรือ paid donors เกิน 50%
ประเด็นที่เราอยากชี้คือความไม่เท่าเทียมเชิงระบบ: คุณภาพเลือดและตัวอย่างสัมพันธ์กับโครงสร้างของระบบ ไม่ใช่ความตั้งใจของบุคลากรแต่ละคน ประเทศที่ระบบยังอ่อนแอ ยิ่งต้องออกแบบกระบวนการให้ช่วยลดภาระความผิดพลาดของคน
ข่าวดี: ปัญหา "นอกแล็บ" แก้ได้ด้วยระบบ
ข่าวดีคือ preanalytical error ไม่ใช่เรื่องดวง แต่เป็นเรื่องระบบที่ออกแบบได้ — และมีบทพิสูจน์จากประเทศไทยเอง
ห้องปฏิบัติการ coagulation โรงพยาบาลศิริราช ใช้ % preanalytical problems เป็นตัวชี้วัดคุณภาพ แล้วลดลงจาก 1.8% ในเดือนเมษายน 2001 เหลือ 0.8% ในเดือนมิถุนายน 2001 ด้วยการประสานงานระหว่างแล็บกับหอผู้ป่วย
เช่นเคย เราขอระบุบริบทให้ครบ: เป็นการศึกษาในแล็บเดียว ช่วงเวลาสั้น (เม.ย.–มิ.ย. 2001) ใช้เป็นกรณีศึกษาว่าระบบช่วยลด error ได้จริง ไม่ใช่สถิติระดับชาติ
บทเรียนจากศิริราชคือ การตั้งตัวชี้วัด + การสื่อสารข้ามหน่วย (lab ↔ ward ↔ ทีมขนส่ง) ทำให้จุดที่เคยเป็นหลุมดำ กลายเป็นกระบวนการที่วัดผลและแก้ไขได้
จุดบอดที่ logistics ควบคุมได้: เก็บ → แพ็ค → ขนส่ง
เมื่อความผิดพลาดส่วนใหญ่เกิดก่อนการวิเคราะห์ คำถามต่อไปคือ ช่วงไหนของ preanalytical phase ที่พลาดบ่อยที่สุด? งานวิจัย 6 เดือนที่ รพ.จุฬาลงกรณ์ ตอบว่า 95.2% ของความผิดพลาดช่วงนี้เกิดที่ care units — นั่นคือจุดเก็บตัวอย่างและเตรียมส่ง
กระบวนการ preanalytical มีสามช่วงหลัก:
การเก็บตัวอย่าง: การระบุตัวผู้ป่วย การเลือกหลอดให้ถูกชนิด ปริมาณเลือดให้พอดี การเขย่าให้เข้ากับสารกันเลือด — ผิดจุดใดจุดหนึ่ง ผลแล็บเพี้ยนทั้งชุด
การแพ็คตัวอย่าง: ภาชนะกันรั่วซึม การกันกระแทก การรักษาอุณหภูมิตามชนิดสิ่งส่งตรวจ
การขนส่งตัวอย่าง: ระยะเวลา อุณหภูมิ และความมั่นคงของตัวอย่างระหว่างทาง
สามช่วงนี้คือโซนที่ logistics provider ควบคุมได้โดยตรง — และเป็นโซนเดียวกับที่งานวิจัยชี้ว่าความผิดพลาดเกิดบ่อยที่สุด
การขนส่งแบบ chain of custody ช่วยปิดช่องโหว่นี้ด้วยการบันทึกว่า ตัวอย่างผ่านมือใครบ้าง ช่วงเวลาใด และอุณหภูมิเป็นเท่าใดตลอดเส้นทาง — ถ้าผลแล็บผิดปกติ ย้อนรอยได้ว่าปัญหาเกิดที่จุดใด เราเขียนรายละเอียดเรื่อง การขนส่งตัวอย่างเลือดแบบ chain of custody ไว้แล้ว ลองอ่านต่อได้
ตัวอย่างเลือด 1 หลอด = ผลแล็บ 1 ชุด: logistics คือส่วนหนึ่งของคุณภาพ
มุมมองที่หลายองค์กรยังมองข้าม: ตัวอย่างเลือด 1 หลอด ถูกเจาะจากคนไข้ 1 คน และให้ผลแล็บ 1 ชุดที่แพทย์ใช้ตัดสินใจ — ถ้าหลอดนั้นแพ็คผิดหรืออุณหภูมิหลุดระหว่างทาง เครื่องมือวิเคราะห์ราคาสูงก็ชดเชยให้ไม่ได้
CET ขนส่งตัวอย่างเลือดแบบ time-sensitive และ temperature-controlled พร้อม full chain of custody ทีมขนส่งผ่านการอบรม GSDP ทุกรอบการขนส่งติดตั้ง real-time data logger และสำหรับเส้นทางในเมืองมีรถมอเตอร์ไซค์ควบคุมอุณหภูมิพร้อม insulated black box
ตัวเลขปฏิบัติการของ CET (ข้อมูลภายในบริษัท): อัตราเหตุการณ์อุณหภูมิผิดปกติ 0.01% อัตราการส่งตรงเวลากรุงเทพฯและปริมณฑล 98–99% คำสั่งซื้อ 10,000+ รายการต่อปี และเครือข่าย 3,000+ คลินิก/โรงพยาบาล ภายใต้การรับรอง GSDP, ISO 9001:2015 และ PMI
ขอย้ำจุดยืนให้ตรง: CET เป็นผู้ให้บริการ logistics ไม่ใช่ห้องแล็บ เราไม่ได้เกี่ยวข้องกับการรับรองคุณภาพแล็บ (ISO 15189) และไม่เคลมว่าลดความผิดพลาดของแล็บลูกค้าได้กี่เปอร์เซ็นต์ — สิ่งที่เราทำคือควบคุมช่วงที่งานวิจัยชี้ว่าความผิดพลาดเกิดบ่อยที่สุด ให้เป็นกระบวนการที่มีบันทึกตรวจสอบได้
สิ่งที่ทีม QA และผู้บริหารโรงพยาบาลทำต่อได้
ถ้าอ่านมาถึงตรงนี้ คำถามธรรมชาติคือ จะเริ่มจากไหน? ข้อเสนอเชิงปฏิบัติที่ทำได้โดยไม่ต้องรอระบบใหญ่:
ตั้งตัวชี้วัดง่ายๆ สักชุด เช่น จำนวนตัวอย่างที่ถูกปฏิเสธหรือต้องเจาะซ้ำ หรือจำนวนเที่ยวขนส่งที่อุณหภูมิหลุดเกณฑ์ แล้ววัดทุกเดือน — สิ่งที่วัดได้เท่านั้นที่ปรับปรุงได้
เขียน SOP การเก็บ-แพ็ค-ส่งตัวอย่างให้ชัดเจน ตั้งแต่การระบุตัวผู้ป่วย ไปจนถึงการส่งมอบที่แล็บ และฝึกอบรมบุคลากรทุกจุดที่สัมผัสตัวอย่าง
เลือกคู่ค้าขนส่งตัวอย่างที่มีระบบ: การอบรมบุคลากรตามมาตรฐาน, data logger ทุกรอบ, บันทึก chain of custody ที่ย้อนรอยได้
ทบทวนเส้นทางและเวลาขนส่ง: ตัวอย่างยิ่งอยู่นอกระบบควบคุมอุณหภูมินาน ยิ่งเสี่ยง
สำหรับทีม QA ที่อยากเห็นภาพใหญ่ของปัญหา เราเคยวิเคราะห์ จุดบอดคุณภาพตัวอย่างในแล็บไทย ไว้ในอีกบทความ — อ่านประกอบกันได้
ประเด็นสำคัญที่สุดคือมุมมอง: จากงานวิจัย 6 เดือนที่ รพ.จุฬาลงกรณ์ ความผิดพลาด 84.52% ที่เกิดก่อนการวิเคราะห์ ไม่ใช่การตำหนิบุคลากรจุดเก็บ แต่คือสัญญาณว่าระบบยังไม่มีเจ้าของกระบวนการที่ชัดเจนสำหรับช่วงเก็บ-แพ็ค-ส่ง — พอระบุเจ้าของได้ ปัญหาที่ดูเหมือนดวง จะกลายเป็นปัญหาที่แก้ได้ด้วยการออกแบบ
สรุป: ความผิดพลาดนอกแล็บ คือจุดที่ระบบควบคุมได้
สามหลักคิดจากงานวิจัยชิ้นนี้:
ความผิดพลาดของห้องแล็บส่วนใหญ่ไม่ได้เกิดในห้องแล็บ — งานวิจัย 6 เดือนที่ รพ.จุฬาลงกรณ์พบ preanalytical 84.52% และ 95.2% ของความผิดพลาดช่วงนั้นเกิดที่จุดดูแลผู้ป่วย
ปัญหานอกแล็บแก้ได้ด้วยระบบ — กรณีศึกษาศิริราชแสดงว่าการตั้งตัวชี้วัดและการประสานงานข้ามหน่วยลด preanalytical error ได้จริง
การขนส่งตัวอย่างแบบ chain of custody คือระบบควบคุมสำหรับโซนที่พลาดบ่อยที่สุด — การเก็บ แพ็ค ขนส่ง เป็นกระบวนการที่วัด บันทึก และย้อนรอยได้
ข้อมูลทุกชุดในบทความนี้เปิดให้ตรวจสอบได้จากแหล่งอ้างอิงท้ายบทความ — เราเขียนให้คุณเปิดตามไปพิสูจน์เอง ไม่ใช่ให้เชื่อตามลอยๆ
ให้ CET ช่วยดูแลช่วงเก็บ-แพ็ค-ส่งตัวอย่างเลือด
ถ้าองค์กรของคุณกำลังมองหาคู่ค้าที่ดูแลการขนส่งตัวอย่างเลือดอย่างเป็นระบบ ทีม CET พร้อมให้คำปรึกษาเรื่องการออกแบบเส้นทาง อุปกรณ์ควบคุมอุณหภูมิ และเอกสาร chain of custody ที่ตรวจสอบได้
ตอบคำถามกระทูนี้ https://pantip.com/topic/44231830
ความคิดเห็น