CN116625991A - 尿样本分析方法及尿样本分析装置 - Google Patents

尿样本分析方法及尿样本分析装置 Download PDF

Info

Publication number
CN116625991A
CN116625991A CN202310124780.XA CN202310124780A CN116625991A CN 116625991 A CN116625991 A CN 116625991A CN 202310124780 A CN202310124780 A CN 202310124780A CN 116625991 A CN116625991 A CN 116625991A
Authority
CN
China
Prior art keywords
information
trichomonas
trichomonas vaginalis
urine sample
count
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310124780.XA
Other languages
English (en)
Inventor
中村祐贵子
川野雅典
浜崎健太
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sysmex Corp
Original Assignee
Sysmex Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sysmex Corp filed Critical Sysmex Corp
Publication of CN116625991A publication Critical patent/CN116625991A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/493—Physical analysis of biological material of liquid biological material urine
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5091—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing the pathological state of an organism
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12R—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES C12C - C12Q, RELATING TO MICROORGANISMS
    • C12R2001/00—Microorganisms ; Processes using microorganisms
    • C12R2001/90—Protozoa ; Processes using protozoa
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G01N2015/016—White blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1486—Counting the particles

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Urology & Nephrology (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Dispersion Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Optics & Photonics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明提供一种即使在尿样本中识别为***毛滴虫的有形成分数量少时，也能高精度地判定毛滴虫感染的可能性的尿样本分析方法，该方法是获取尿样本（5）中有形成分相关信息的尿样本分析方法，其基于尿样本（5）中有形成分的检测数据获取***毛滴虫的数量相关计数信息（70）、包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息（71），并至少基于***毛滴虫的数量相关计数信息（70）及第1信息（71）输出毛滴虫感染的可能性相关信息（80）。

Description

尿样本分析方法及尿样本分析装置
技术领域
本发明涉及一种获取尿样本中的有形成分相关信息的尿样本分析方法及尿样本分析装置。
背景技术
专利文献1中公开了一种尿样本分析装置，该尿样本分析装置通过流式细胞术获取尿样本中的有形成分的检测数据，并基于检测数据分别针对各个种类对有形成分进行计数。该尿样本分析装置基于作为检测数据获取的有形成分的荧光强度和前向散射光强度，从有形成分中识别***毛滴虫（Trichomonas vaginalis），并对识别的***毛滴虫进行计数。
现有技术文献
专利文献
专利文献1：日本专利特开2015－163855号公报。
发明内容
发明要解决的技术问题
***毛滴虫形态与尿中的白细胞、基底层扁平上皮细胞（Deep-layer squamouscell）等其他有形成分类似，因此***毛滴虫与其他成分区分计数有精度上的界限。
本发明的1个侧面致力于高精度地判定毛滴虫感染的可能性。
解决技术问题的技术手段
为达成上述目的，第1发明所涉及的尿样本分析方法如图1、图13及图17所示，是获取尿样本（5）（参照图2）中的有形成分相关信息的尿样本分析方法，基于尿样本（5）中有形成分的检测数据获取***毛滴虫的数量相关计数信息（70）和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息（71）（S5），并至少基于***毛滴虫的数量相关计数信息（70）及第1信息（71）输出毛滴虫感染的可能性相关信息（80）（参照图1）（S7及S8）。
如上所述，第1发明所涉及的尿样本分析方法基于尿样本（5）中有形成分的检测数据获取***毛滴虫的数量相关计数信息（70）和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息（71）（S5）。在患有毛滴虫感染的患者的尿样本（5）中，扁平上皮细胞及白细胞的出现数量与***毛滴虫一起明显增大。因此，作为第1信息（71）获取的计数信息的数值越高，则能够判断***毛滴虫的数量相关计数信息（70）的可靠性越高。相反，作为第1信息（71）获取的计数信息的数值越低，则能够判断***毛滴虫的数量相关计数信息（70）的可靠性越低。因此，第1发明所涉及的尿样本分析方法至少基于***毛滴虫的数量相关计数信息（70）及第1信息（71），输出毛滴虫感染的可能性相关信息（80）（S7及S8）。由此，即使根据不仅有***毛滴虫，还混有形态特征与***毛滴虫类似的其他有形成分的尿样本（5）的检测数据，通过基于成为***毛滴虫的数量相关计数信息（70）的可靠性指标的第1信息（71），能够提高***毛滴虫的数量相关计数信息（70）的可靠性。因此，能够高精度地判定毛滴虫感染的可能性。
第2发明所涉及的尿样本分析装置（100）如图1、图13及图17所示，具备：检测部（30），其检测尿样本（5）（参照图2）中的有形成分；分析部（20），其基于尿样本（5）中有形成分的检测数据获取***毛滴虫的数量相关计数信息（70）和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息（71），并至少基于***毛滴虫的数量相关计数信息（70）及第1信息（71）输出毛滴虫感染的可能性相关信息（80）。
如上所述，第2发明所涉及的尿样本分析装置（100）具备分析部（20），该分析部（20）基于尿样本（5）中有形成分的检测数据获取***毛滴虫的数量相关计数信息（70）和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息（71），并至少基于***毛滴虫的数量相关计数信息（70）及第1信息（71）输出毛滴虫感染的可能性相关信息（80）。由此，与上述第1发明所涉及的尿样本分析方法同样地，即使根据不仅有***毛滴虫，还混有形态特征与***毛滴虫类似的其他有形成分的尿样本（5）的检测数据，通过基于成为***毛滴虫的数量相关计数信息（70）的可靠性指标的第1信息（71），能够提高***毛滴虫的数量相关计数信息（70）的可靠性。因此，能够高精度地判定毛滴虫感染的可能性。
发明效果
根据第1及第2发明，能够高精度地判定毛滴虫感染的可能性。
附图说明
图1为尿样本分析装置的结构例的示意图；
图2为试样制备部的结构例的框图；
图3为检测部的结构例的框图；
图4为用于说明测定单元的控制相关结构的框图；
图5为分析部的结构例的框图；
图6为作为检测的信号的特征量的例子，分别图示（A）峰值强度、（B）脉冲宽度、（C）脉冲面积的图表；
图7为表示红细胞的分布区域的分布数据（A）、表示白细胞的分布区域的分布数据（B）、表示扁平上皮细胞的分布区域的分布数据（C）、表示细菌的分布区域的分布数据（D）及表示酵母样真菌的分布区域的分布数据（E）；
图8为用于检测***毛滴虫的分布数据（A）～（D）；
图9为测定毛滴虫阳性样本获得的、与图8（A）对应的分布数据（A）及与图8（B）对应的分布数据（B）；
图10为测定毛滴虫阳性样本获得的、与图8（D）对应的分布数据；
图11为已确认毛滴虫阳性的样本的散点图（A）及（B）；
图12为不是毛滴虫阳性的样本的散点图（A）及（B）；
图13为用于说明分析部中毛滴虫感染的可能性相关判定处理的概要的示意图；
图14为用于说明表示***毛滴虫分布的偏斜（measurement bias）的信息的获取方法的分布数据；
图15为用于说明分析部的分别针对各个模式的阈值组的图；
图16为分析结果界面的一例的示图；
图17是用于说明尿样本分析装置的作业的流程图；
图18为用于说明图17的测定试样制备处理的流程图；
图19为用于说明图17的第1测定试样测定处理的流程图；
图20为用于说明图17的第2测定试样测定处理的流程图；
图21为用于说明图17的基于***毛滴虫的计数信息、第1信息及第2信息的判定处理的流程图；
图22为用于说明图17的毛滴虫感染的可能性相关信息的输出处理的流程图；
图23为用于说明第2实施方式所涉及的基于***毛滴虫的计数信息及第1信息的判定处理的流程图；
图24为用于说明第3实施方式所涉及的基于***毛滴虫的计数信息及第1、第2信息的判定处理的流程图；
图25为用于说明第4实施方式所涉及的基于***毛滴虫的计数信息及第1信息的判定处理的流程图；
图26为用于说明变形例所涉及的判定规则1A的流程图。
具体实施方式
＜第1实施方式＞
以下，基于附图说明第1实施方式。首先，参照图1，说明第1实施方式的尿样本分析装置100的整体结构。尿样本分析装置100是分析尿样本中的有形成分的分析装置。尿中有形成分例如可包括红细胞、白细胞、上皮细胞、管型、细菌等。尿样本分析装置100还将***毛滴虫作为尿中有形成分进行检测，并进行毛滴虫感染的可能性相关分析。
（尿样本分析装置的整体结构）
如图1所示，尿样本分析装置100中，作为主要结构，至少具备测定单元10和分析部20。测定单元10具备检测部30和用于吸移尿样本并制备测定试样、向检测部30供应制备的测定试样的机构。测定单元10包括收纳有检测部30的主体部11、运送样本架13的样本运送部12。分析部20与测定单元10分开设置，并与测定单元10可数据通信连接。
样本架13能够在样本容器14的开口朝向上方地直立的状态下安放复数个样本容器14。样本容器14收纳尿样本5（参照图2）。样本容器14在设置于样本架13的状态下由用户设置于样本运送部12的规定的投入位置。样本运送部12向测定单元10对尿样本5的吸移位置运送设置于投入位置的样本架13所安放的样本容器14。
（试样制备部）
如图2所示，测定单元10的主体部11具备用于制备测定试样的试样制备部40和向试样制备部40供应尿样本5的样本分配部45。样本分配部45使用吸移管46通过无图示的注射泵吸移运送到吸移位置的样本容器14中的尿样本5，并向试样制备部40供应吸移的尿样本5。
试样制备部40具备混合尿样本5和染色试剂的混合部41。混合部41是具有规定量的容积的反应槽。在混合部41内，尿样本5和染色试剂混合，由此，尿样本5中的有形成分被染色试剂染色。
在图2的例子中，混合部41包括：作为用于混合尿样本5和第1试剂42的第1反应槽的第1混合部41a、作为用于混合尿样本5和第2试剂43的第2反应槽的第2混合部41b。样本分配部45将从样本容器14获取的尿样本5的一部分分配至第1混合部41a，将另一部分分配至第2混合部41b。
第1试剂42包括第1染色液42a及第1稀释液42b。在试样制备部40设置第1染色液42a的试剂容器及第1稀释液42b的试剂容器。第2试剂43包括第2染色液43a及第2稀释液43b。在试样制备部40设置第2染色液43a的试剂容器及第2稀释液43b的试剂容器。
分配到第1混合部41a的尿样本5与第1试剂42（第1染色液42a及第1稀释液42b）混合。第1试剂42对尿中没有核的有形成分进行染色。在第1混合部41a中由第1试剂42处理了的尿样本5主要用于分析红细胞及管型等没有核的粒子。以下，在第1混合部41a中由第1试剂42处理了的尿样本5称作第1测定试样。
分配到第2混合部41b的尿样本5与第2试剂43（第2染色液43a及第2稀释液43b）混合。第2试剂43溶解尿样本5中的红细胞、晶体，染色核酸。在第2混合部41b中由第2试剂43处理了的尿样本5主要用于分析白细胞、上皮细胞、细菌、真菌等有核的细胞。以下，在第2混合部41b中由第2试剂43处理了的尿样本5称作第2测定试样。
第1混合部41a及第2混合部41b分别介由送液管41c与检测部30的流动室31连通。试样制备部40在测定时将第1混合部41a内的第1测定试样及第2混合部41b内的第2测定试样分别向流动室31供应。
第1染色液42a包括对没有核酸的有形成分进行染色的荧光色素。
第1稀释液42b是以缓冲剂为主要成分的试剂。第1稀释液42b含有渗透压补偿剂，以使得能够在不对红细胞进行溶血的情况下获得稳定的荧光信号。
第2染色液43a包括对核酸进行染色的色素。第2染色液43a包括用于对核酸特异性染色的嵌入剂、与小沟(minorgroove)结合的荧光色素。嵌入剂能够列举出花青类、吖啶类、菲啶（phenanthridium）类的众所周知的色素。例如，花青类的嵌入剂能列举出SYBRGreenI(SYBR为注册商标)、噻唑橙（thiazoleorange）。吖啶类的嵌入剂能列举出吖啶橙（acridinorange）。菲啶/>类的嵌入剂能列举出碘化丙啶（propidiumIodide）、溴化乙锭（ethidiumbromide）。与小沟结合的色素能列举出DAPI、Hoechst(注册商标)、众所周知的色素。例如，Hoechet的与小沟结合的色素能列举出Hoechst33342、Hoechst33258。在第1实施方式中，优选花青类的嵌入剂，尤其优选SYBRGreenI、噻唑橙（thiazoleorange）。
第2稀释液43b包括溶血剂。第2稀释液43b包括用于通过对细胞膜造成损伤来推进第2染色液43a的膜穿过作业，并且让红细胞溶血、让红细胞碎片等杂质收缩的阳离子类表面活性剂。而表面活性剂的种类不限于阳离子类表面活性剂，也可以是非离子类表面活性剂。
检测部30分别检测混合有第1试剂42的尿样本5中的有形成分及混合有第2试剂43的尿样本5中的有形成分。***毛滴虫能够通过使用第1测定试样进行的测定及使用第2测定试样使用的测定两者，作为能与其他有形成分识别开来的信号检测出来。
（检测部）
图3简化图示了检测部30的主要结构。图3是示意性图示检测部30结构的俯视图，测定试样在流动室31中沿着与纸面垂直的轴从下向上流动。检测部30包括供尿样本5流动的流动室31、向流动室31照射光的光源32及接收来自流动室31的光的光接收部（33a～33d）。即，检测部30是通过流式细胞术个别地检测尿样本5中的有形成分的流式细胞仪。流式细胞仪能够在短时间检测尿中所含大量的有形成分，因此适合从大量的有形成分中检测数量少的有形成分。***毛滴虫在感染初期阶段尿中所含数量有限。因此，流式细胞仪即使在感染初期阶段也能够早期判定毛滴虫感染的可能性，在这一点上尤其有利。
光接收部（33a～33d）接收来自有形成分的荧光及散射光。由此，能够获得成为用于识别包括***毛滴虫在内的各种有形成分的基础的复数种光接收信号。因此，能够从复数种光接收信号选择适于识别有形成分的光接收信号进行利用，因此能够提高有形成分的识别精度。检测部30还包括透镜部34a、34b、34c、反射镜（Mirror）部35a、35b、偏振滤光器36及分光滤光器37。
送向检测部30的第1及第2测定试样分别在流动室31中形成被鞘液包裹的细流。从光源32向该试样流照射激光。在后述微型计算机51（控制装置）的控制下让无图示的泵及电磁阀等作业，由此自动进行上述作业。
光源32是输出中心波长为488nm的激光的半导体激光光源。透镜部34a将从光源32放射的激光向流动室31中的试样流聚集。透镜部34a对流动室31内的试样流形成光束点。激光向试样流中的粒子（有形成分）照射后，向流动室31的前方（F方向）产生前向散射光，向流动室31的侧方（S方向）产生侧向散射光及侧向荧光。
透镜部34b将从测定试样中的有形成分发出的前向散射光向光接收部33a聚集。光接收部33a例如是光电二极管。透镜部34c将从有形成分发出的侧向散射光和侧向荧光向反射镜部35a聚集。反射镜部35a是向反射镜部35b反射侧向散射光，向分光滤光器37透射侧向荧光的分色镜。穿过了分光滤光器37的侧向荧光被作为光电倍增管的光接收部33b接收。反射镜部35b是将来自反射镜部35a的侧向散射光一分为二，将其向作为光电倍增管的光接收部33c透射并向偏振滤光器36反射的半透射镜。透射过反射镜部35b的侧向散射光被光接收部33c接收。穿过了偏振滤光器36的侧向散射光被作为光电倍增管的光接收部33d接收。偏振滤光器36仅透射偏振面从向试样流照射的激光的偏振状态向特定方向变化了的侧向散射光。
光接收部33a、光接收部33b、光接收部33c及光接收部33d将接收的光信号转换为电信号，并分别输出前向散射光信号（以下称作“FSC”）、荧光信号（以下称作“FL”）、侧向散射光信号（以下称作“SSC”）及退偏振侧向散射光信号（以下称作“DSS”）。生成荧光信号（FL）的光接收部33b能够通过切换驱动电压来变更针对入射光的灵敏度。光接收部33b在后述微型计算机51的控制下以通常灵敏度作业和细菌检测用的高灵敏度作业选择性地进行作业。
（测定单元的控制相关结构）
如图4所示，测定单元10的主体部11具备用于处理检测部30的输出信号的信号处理电路部50、微型计算机51、通信接口52。
信号处理电路部50包括：放大检测部30的输出信号的放大电路50a、对来自放大电路50a的输出信号进行过滤处理的过滤电路50b、将过滤电路50b的输出信号（模拟信号）转换为数字信号的A／D转换器50c、对数字信号进行规定的波形处理的数字信号处理电路50d、与数字信号处理电路50d连接的存储器50e。
检测部30通过前置放大器38放大FSC、SSC、FL、DSS各信号。放大的各信号输入放大电路50a。放大电路50a按照设定的增益放大FSC、SSC、FLH、FLL4种信号。放大电路50a能够通过微型计算机51的控制设定不同的复数个增益。
放大电路50a以高放大系数和低放大系数这2种放大系数放大通过通常灵敏度作业获取的荧光信号（FL）。因此，从与一个粒子对应的荧光信号（FL）获取以高放大系数放大的荧光信号（以下称作“FLH”）和以低放大系数放大的荧光信号（以下称作“FLL”）。并且，放大电路50a以与上述高放大系数相同的放大系数放大通过细菌检测用的高灵敏度作业获取的荧光信号（FL）。由此获取的高灵敏度、高放大系数的荧光信号在以下称作“FLH（B）”。细菌检测用的高灵敏度的设定值相对于通常灵敏度的设定值来说是5倍。因此，FLH（B）相当于以FLH的5倍的放大系数放大的信号。
另外，放大电路50a以高放大系数和低放大系数2种放大系数放大侧向散射光信号（SSC）。因此，从与一个粒子对应的侧向散射光信号（SSC）获取以高放大系数放大的侧向散射光信号（高灵敏度）（以下称作“SSH”）和以低放大系数放大的侧向散射光信号（低灵敏度）（以下称作“SSL”）。
微型计算机51与试样制备部40、样本分配部45、检测部30、放大电路50a、数字信号处理电路50d及通信接口52连接。微型计算机51通过控制样本分配部45、试样制备部40、放大电路50a及数字信号处理电路50d来测定测定试样，生成检测数据。通信接口52通过LAN电缆与分析部20可通信连接。微型计算机51介由通信接口52向分析部20发送检测数据。
（分析部）
如图5所示，分析部20为个人计算机。分析部20具备主体20a、输入部20b、显示部20c。主体20a具有包括CPU的处理器21、存储装置22、输入输出接口23、通信接口24。
处理器21执行ROM中存储的计算机程序及RAM中加载的计算机程序。存储装置22作为记录计算机程序的ROM及硬盘、以及在处理器21执行硬盘中记录的计算机程序时处理器21的作业区域进行利用。
在存储装置22安装有操作***及应用程序等、用于让处理器21执行的各种计算机程序及执行计算机程序时使用的数据。在存储装置22安装有用于解析从测定单元10获取的检测数据并输出分析结果的计算机程序。计算机程序可以介由网络下载，或者也可以从光盘、闪速存储器等记录介质安装于存储装置22。
包括鼠标及键盘的输入部20b与输入输出接口23连接。用户通过使用输入部20b来操作分析部20、对分析部20输入数据。输入输出接口23与包括液晶显示器的显示部20c连接，向显示部20c输出与图像数据相应的影像信号。显示部20c基于输入的影像信号显示图像。另外，分析部20介由通信接口24与测定单元10的通信接口52（参照图4）连接。处理器21通过通信接口24能够对测定单元10发送、接收包括检测数据在内的各种数据。
（分析部中的分析处理）
分析部20基于从测定单元10获取的检测数据分析有形成分。测定单元10生成的检测数据包括从测定试样中所含各个有形成分检测的FSC、SSH、SSL、FLH、FLL、FLH（B）、DSS各信号。测定单元10生成的检测数据包括从第1测定试样获取的检测数据（以下称作“检测数据（SF）”）、从第2测定试样获取的检测数据（以下称作“检测数据（CR）”）。
分析部20基于检测数据抽取表示尿样本5中有形成分的特征的复数个特征参数，并基于抽取的复数个特征参数获取有形成分的各个种类的计数信息。由此，通过组合与有形成分的各个种类的特征相应的适合的特征参数，能够有效提高各个种类的有形成分的识别精度。具体而言，有形成分的计数信息是检测的有形成分的数量。检测的有形成分的数量称作“计数值”。
特征参数由检测信号的种类、从检测信号获取的特征量的种类、检测数据的种类的组合定义。
检测信号的种类是表示是FSC、SSH、SSL、FLH、FLH（B）、FLL、DSS各信号的哪个的概念。从检测信号获取的特征量的种类有图6（A）所示“峰值强度”、图6（B）所示“脉冲宽度”、图6（C）所示“脉冲面积”3种。以下，峰值强度由“P”表示，脉冲宽度由“W”表示，脉冲面积由“A”表示。以下，特征参数以将检测信号的种类和特征量的种类连着记载、例如FSCP（前向散射光信号的峰值强度）、SSHW（侧向散射光信号(高灵敏度)的脉冲宽度）、FLLA（低灵敏度侧向荧光信号的脉冲面积）的形式表述。
检测部30的检测信号由通过流动室31的试样流中的有形成分穿过电子束光点而生成，因此如图6（A）～（C）所示，为脉冲状的信号波形。图6（A）～（C）的图表中，纵轴表示信号强度，横轴表示时间。如图6（A）所示，各光学信号的峰值强度“P”作为脉冲峰值的高度PP获得。各光学信号的脉冲宽度“W”如图6（B）所示，作为从脉冲超过规定的检测阈值的时刻T1起到低于检测阈值的时刻T2为止的间隔PW获得。各光学信号的脉冲面积“A”如图6（C）所示，作为被信号的脉冲波形线L1、表示脉冲高度达到规定的检测阈值时的时刻的直线L2、L3、光学信号强度的值示为0的直线L4包围的区域（剖面线区域）PA的面积、即信号强度的时间积分值获得。也可以求出上述峰值强度、脉冲宽度、脉冲面积以外的特征量（例如峰值的峭度（kurtosis）、长宽比（aspect ratio）、微分值（波形线的倾斜度）等）。
特征参数在光学信号的种类有FSC、SSH、SSL、FLH、FLL、FLH（B）、DSS这7种时，若特征量的种类有峰值强度P、脉冲宽度W、脉冲面积A这3种，则组合可有21种。另外，检测数据包括第1测定试样的检测数据（SF）和第2测定试样的检测数据（CR）这2种检测数据。因此，特征参数从共42种组合中分别针对有形成分的各个种类预先设定适于从其他有形成分识别1种有形成分的组合的特征参数。
分析部20组合2个以上特征参数，从检测数据识别尿样本5中有形成分的种类，计算各个种类的有形成分的数量，由此生成各个有形成分的计数信息（计数值）。分析部20基于组合了2个以上特征参数的分布数据（参照图7、图8）识别有形成分的种类。分布数据是指在以各个特征参数为坐标轴的散点图中将各有形成分绘制（plot）在与特征参数相应的坐标而成者。
〈特征参数的具体例〉
以下说明从尿样本分析装置100能够检测的有形成分中，与毛滴虫感染的可能性相关分析尤其相关的有形成分识别时使用的特征参数的组合的例子。
〈红细胞（RBC）：SF＿DSSP×FSCP〉
如图7（A）所示，红细胞（RBC）是出现在第1测定试样的检测数据（SF）中、退偏振侧向散射光信号的峰值强度（DSSP）和前向散射光信号的峰值强度（FSCP）的分布数据60a的区域R1的有形成分。区域R1中绘制的粒子作为红细胞进行计数。
〈白细胞（WBC）：CR＿FLLA×FSCW〉
如图7（B）所示，白细胞（WBC）是出现在第2测定试样的检测数据（CR）中、通常灵敏度、低放大系数的侧向荧光信号的脉冲面积（FLLA）和前向散射光信号的脉冲宽度（FSCW）的分布数据60b的区域R2的有形成分。区域R2中绘制的粒子作为白细胞进行计数。
〈扁平上皮细胞（squaEC）：CR＿SSHA×FSCW〉
如图7（C）所示，扁平上皮细胞（squaEC）是出现在第2测定试样的检测数据（CR）中、高放大系数的侧向散射光信号的脉冲面积（SSHA）和前向散射光信号的脉冲宽度（FSCW）的分布数据60c的区域R3的有形成分。区域R3中绘制的粒子作为扁平上皮细胞进行计数。
〈细菌（BACT）：CR＿FLH（B）P×FSCP〉
如图7（D）所示，细菌（BACT）是出现在第2测定试样的检测数据（CR）中、细菌检测用的高灵敏度、高放大系数的侧向荧光信号的峰值强度（FLH（B）P）和前向散射光信号的峰值强度（FSCP）的分布数据60d的区域R4的有形成分。区域R4中绘制的粒子作为细菌进行计数。
〈酵母样真菌（YLC）：CR＿FLHP×FSCP〉
如图7（E）所示，酵母样真菌（YLC）是出现在第2测定试样的检测数据（CR）中、通常灵敏度、高放大系数的侧向荧光信号的峰值强度（FLHP）和前向散射光信号的峰值强度（FSCP）的分布数据60e的区域R5的有形成分。区域R5中绘制的粒子作为酵母样真菌进行计数。
〈***毛滴虫（Trich）〉
在第1实施方式中，对于***毛滴虫（Trich），分别通过第1测定试样的检测数据（SF）和第2测定试样的检测数据（CR）获取***毛滴虫的数量相关计数信息70。
（a）第1测定试样的检测数据（SF）
如图8（A）～（C）所示，***毛滴虫（Trich）通过第1测定试样的检测数据（SF）中复数个分布数据（61a、61b、61c）的组合从其他有形成分识别出来。
图8（A）所示分布数据61a是SF＿DSSP×FSCP的数据。即，第1测定试样的检测数据（SF）中、退偏振侧向散射光信号的峰值强度（DSSP）和前向散射光信号的峰值强度（FSCP）的分布数据61a的区域R6设定为***毛滴虫（Trich）的第1检测区域。
图8（B）所示分布数据61b是SF＿FLLP×FSCP的数据。即，第1测定试样的检测数据（SF）中、通常灵敏度、低放大系数的侧向荧光信号的峰值强度（FLLP）和前向散射光信号的峰值强度（FSCP）的分布数据61b的区域R7设定为***毛滴虫（Trich）的第2检测区域。
图8（C）所示分布数据61c是SF＿FLHP×FSCP的数据。即，第1测定试样的检测数据（SF）中、通常灵敏度、高放大系数的侧向荧光信号的峰值强度（FLHP）和前向散射光信号的峰值强度（FSCP）的分布数据61c的区域R8设定为***毛滴虫（Trich）的第3检测区域。在图8（A）的分布数据61a中，区域R6距红细胞（RBC）的分布区域近。在图8（C）所示的分布数据61c中，红细胞（RBC）的分布区域与区域R8清楚地分离。通过考虑分布数据61c能够清楚地识别***毛滴虫和红细胞。
在第1实施方式中，第1测定试样的检测数据（SF）中、分布数据61a的区域R6、分布数据61b的区域R7及分布数据61c的区域R8中共通绘制的粒子作为从第1测定试样检测出来的***毛滴虫进行计数。获得的计数值为第1计数信息70a（参照图13）。
（b）第2测定试样的检测数据：CR＿FSCW×FLHP
图8（D）所示分布数据61d是CR＿FSCW×FLHP的数据。即，第2测定试样的检测数据（CR）中、前向散射光信号的脉冲宽度（FSCW）和通常灵敏度、高放大系数的侧向荧光信号的峰值强度（FLHP）的分布数据60d的区域R9中绘制的粒子作为从第2测定试样检测出来的***毛滴虫进行计数。获得的计数值为第2计数信息70b。区域R9中不仅包括***毛滴虫，还可包括上皮细胞（EC）。
通过以上结构，分析部20基于从测定单元10获取的检测数据获取尿样本5中有形成分的各个种类的各计数信息。
（测定实际样本获得的散点图）
图9（A）是测定毛滴虫阳性样本获得的、与图8（A）对应的SF＿DSSP×FSCP的散点图。图9（B）是测定毛滴虫阳性样本获得的、与图8（B）对应的SF＿FLLP×FSCP的散点图。如图9（A）及图9（B）所示，出现的***毛滴虫的簇（TRICH）和白细胞的簇（WBC）相互接近。这是因为***毛滴虫和白细胞在形态上类似。另外，在图9（A）所示散点图中，绘制的***毛滴虫和红细胞（RBC）分开，但若红细胞的数量增加，则***毛滴虫的簇和红细胞的簇会接近。
图10是测定毛滴虫阳性样本获得的、与图8（D）对应的CR＿FSCW×FLHP的散点图。如图8（D）的说明中所述，在该散点图中，***毛滴虫出现在用四边形（参照点虚线部）表示的区域内，而同时上皮细胞也显现于相同区域。
如此，很难将***毛滴虫与其他有形成分区分检测，因此在图8（A）～（D）所示区域R6～R9可能不仅有***毛滴虫，还有其他有形成分出现。因此，若基于上述区域R6～R9所含绘制判定毛滴虫感染的可能性，则可能会产生将实际上不是***毛滴虫的粒子作为***毛滴虫检测出来、即所谓的假阳性。
图11（A）及图11（B）是已确认为毛滴虫阳性的样本的散点图。图12（A）及图12（B）是并非为毛滴虫阳性的样本的散点图。图11（A）、图12（A）是与图8（A）对应的SF＿DSSP×FSCP的散点图。图11（B）、图12（B）是与图7（C）对应的CR＿SSHA×FSCW的散点图。
图11（A）及图12（A）均在毛滴虫出现的区域R6出现了明显数量的绘制。这2个样本在区域R6～R9都同样地出现了绘制。因此仅凭区域R6～R9所含绘制的数量可能会产生图12（A）那样的样本也被判定为毛滴虫阳性的情况。
本发明人们商讨发现：在感染了***毛滴虫的真阳性的样本中，尿中扁平上皮细胞的数量会明显增加，而在毛滴虫阴性的样本中扁平上皮细胞却不一定会增加。例如，若参照图11（B），在毛滴虫阳性的样本中扁平上皮细胞被广范围绘制。而在图12（B）中，扁平上皮细胞的绘制几乎不可见。因此，在第1实施方式中，将从区域R6～R9获取的***毛滴虫的数量相关计数信息与扁平上皮细胞的数量相关第1信息组合，由此能够提高毛滴虫感染的判定精度。
（毛滴虫感染的可能性相关判定手法）
接着，参照图13及图14，说明毛滴虫感染的可能性相关判定手法。如图13所示，分析部20获取***毛滴虫的数量相关计数信息70和包块扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息71，作为与毛滴虫感染的可能性相关判定相关的计数信息。在第1实施方式中，分析部20还获取与第1信息71不同的第2信息72。
〈***毛滴虫的数量相关计数信息〉
在第1实施方式中，***毛滴虫的数量相关计数信息70包括：从用第1试剂42处理的尿样本5（即第1测定用试样的检测数据（SF））检测的***毛滴虫的数量相关第1计数信息70a、从用第2试剂43处理的尿样本5（即第2测定用试样的检测数据（CR））检测的***毛滴虫的数量相关第2计数信息70b。以下，将第1计数信息70a的计数值作为Xsf，将第2计数信息70b的计数值作为Xcr。
如此，从对同一尿样本5用不同的试剂处理而得到的试样分别获得***毛滴虫的数量相关计数信息70（第1计数信息70a、第2计数信息70b），由此能够提高从尿样本5中的其他有形成分将***毛滴虫识别出来的精度。因此，能够有效提高***毛滴虫的数量相关计数信息70的可靠性。
如上所述，有时作为第1计数信息70a及第2计数信息70b进行计数的粒子的一部分或全部是***毛滴虫以外的其他有形成分。在本说明书中“***毛滴虫的数量相关计数信息”意味着具有为了尿样本分析装置识别***毛滴虫而设定的特定的特征参数的粒子的数量、即在第1实施方式中为了计数***毛滴虫而设定的区域R6～R9中出现的粒子的数量，并不一定是鉴定为***毛滴虫的粒子的数量。
〈第1信息〉
在第1实施方式中，第1信息71包括扁平上皮细胞的数量相关计数信息71a。如上所述，在毛滴虫阳性样本中，扁平上皮细胞的数量与***毛滴虫的数量一起明显增大。在第1实施方式中，在后述判定规则1中判定***毛滴虫的数量相关计数信息70是否超过阈值的判定、以及扁平上皮细胞的数量相关第1信息71是否超过阈值的判定，由此提高毛滴虫感染的判定精度。在第1实施方式中，作为第1信息71，还使用白细胞的数量相关计数信息71b。但是，白细胞的数量相关计数信息71b在后述判定规则2中用于判定白细胞是否在尿中出现过剩以至于妨碍毛滴虫感染的判定，在这一点上性质与计数信息71a不同。由此，能够增加成为***毛滴虫的数量相关计数信息70的可靠性指标的第1信息71的种类。以下，将扁平上皮细胞的计数信息71a的计数值作为Ysec，将白细胞的计数信息71b的计数值作为Ywbc。
〈第2信息〉
第2信息72包括用于抑制毛滴虫感染的可能性判定中的假阳性的信息。由此，通过考虑第2信息72能够抑制毛滴虫感染的可能性相关的假阳性判定。
具体而言，第2信息72包括不同于***毛滴虫、扁平上皮细胞及白细胞的其他有形成分的数量相关计数信息。由此，通过将其他有形成分的数量相关计数信息作为第2信息72进行考虑，能够基于成为假阳性判定要素的干扰物质的数量评价***毛滴虫的数量相关计数信息70的可靠性。
用于抑制毛滴虫感染的可能性判定中的假阳性的信息包括干扰***毛滴虫检测的至少1个其他有形成分的数量相关计数信息。这些其他有形成分是在尿样本5中与目标成分（在此为***毛滴虫）共同存在，且可能让目标成分的计数值变化的干扰物质。因此，在能判断干扰物质影响了***毛滴虫检测时，能够考量干扰物质的影响后输出毛滴虫感染的可能性相关信息80。
干扰***毛滴虫检测的至少1个其他有形成分包括红细胞、细菌及酵母样真菌的至少1者。在第1实施方式中，第2信息72包括上述其他有形成分中复数种有形成分。具体而言，第2信息72包括上述红细胞的计数信息72a、细菌的计数信息72b及酵母样真菌的计数信息72c。由此，能够抑制由于上述干扰物质的存在而导致毛滴虫感染的可能性相关信息80的可靠性降低。以下，将红细胞的计数信息72a的计数值作为Zrbc，将细菌的计数信息72b的计数值作为Zbact，将酵母样真菌的计数信息72c的计数值作为Zylc。
第2信息72还包括表示尿样本5中有形成分分布情况的分布数据60中的、***毛滴虫的分布状态相关信息。由此，能够基于在分布数据60上***毛滴虫是怎样分布的来判断***毛滴虫的数量相关计数信息70的可靠性。因此，通过还考量***毛滴虫的分布状态相关信息能够准确地判定毛滴虫感染的可能性。
具体而言，***毛滴虫的分布状态相关信息是表示在***毛滴虫的分布区域R6中，向靠近其他有形成分的分布区域侧的***毛滴虫分布的偏斜的信息73。
图14对图8（A）所示用于获取***毛滴虫的第1计数信息70a的分布数据61a中的、***毛滴虫的分布区域（区域R6）的周边进行扩大图示。区域R6在分布数据61a的下侧且右侧（FSCP低值侧且DSSP高值侧）、靠近白细胞（WBC）的分布区域Rw的位置。因此，实际上为白细胞的有形成分的绘制在分布数据61a中可能会混入区域R6。因此，在第1实施方式中，其他有形成分的分布区域包括分布数据61a中白细胞的分布区域Rw。
为了评价白细胞混入区域R6的可能性，在分布数据61a中，假定表示白细胞（WBC）的分布区域Rw在FSCP中的上限位置的虚拟线Lg。虚拟线Lg表示在分布数据61a中，若绘制白细胞则会绘制于相较于虚拟线Lg而言的下侧。因此，设定通过虚拟线Lg分割区域R6而得到的部分区域Rg1及部分区域Rg2。部分区域Rg1是区域R6中距白细胞的分布区域Rw较远侧的部分，部分区域Rg2是区域R6中靠近白细胞的分布区域Rw侧的部分。若白细胞混入区域R6，即使会在相较于虚拟线Lg而言下侧的部分区域Rg2中绘制，也几乎不会在相较于虚拟线Lg而言上侧的部分区域Rg1中绘制。
由此，属于区域R6的绘制若偏向部分区域Rg2出现，则可能有白细胞混入区域R6，因此能够评价为作为***毛滴虫进行计数的第1计数信息70a的可靠性低。相反，若属于区域R6的绘制偏向部分区域Rg1出现，则白细胞混入区域R6的可能性低，因此能够评价为第1计数信息70a的可靠性高。
然后，分析部20获取属于区域R6的绘制中的、从白细胞的分布区域Rw属于部分区域Rg1的绘制的分布比Ztrich，作为表示在***毛滴虫的分布区域R6中、向靠近其他有形成分的分布区域Rw侧的***毛滴虫分布的偏斜的信息73。
分布比Ztrich用｛属于部分区域Rg1的绘制数量／（属于部分区域Rg2的绘制数量）＋（属于部分区域Rg1的绘制数量）｝表示。
｛（属于部分区域Rg2的绘制数量）＋（属于部分区域Rg1的绘制数量）｝意味着属于区域R6的全部绘制。分布比Ztrich的值越低，属于区域R6的绘制偏向部分区域Rg2出现，评价为白细胞的混入可能性高。分布比Ztrich的值越高，属于区域R6的绘制未偏向部分区域Rg2出现，评价为白细胞的混入可能性低。
（判定规则）
如图13所示，在第1实施方式中，组合上述各信息，设定毛滴虫感染的可能性相关判定规则。判定规则是用于基于获得的检测数据判定尿样本5有毛滴虫感染的可能性（阳性）的规则。
在第1实施方式中，分析部20基于尿样本5中有形成分的检测数据获取***毛滴虫的数量相关计数信息70和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息71，并至少基于***毛滴虫的数量相关计数信息70及第1信息71输出毛滴虫感染的可能性相关信息80。
从患有毛滴虫感染的患者的尿样本5中，扁平上皮细胞及白细胞的出现数量与***毛滴虫一起明显增大。因此，作为第1信息71获取的计数信息的数值越高，能够判断***毛滴虫的数量相关计数信息70的可靠性高。相反，作为第1信息71获取的计数信息的数值越低，能够判断***毛滴虫的数量相关计数信息70的可靠性低。通过基于成为***毛滴虫的数量相关计数信息70的可靠性指标的第1信息71，能够提高***毛滴虫的数量相关计数信息70的可靠性。
在第1实施方式中，就毛滴虫感染的可能性判定，设定3个判定规则。判定规则1是基于***毛滴虫的数量相关计数信息70及第1信息71进行毛滴虫感染的可能性相关判定的判定规则。具体而言，在判定规则1中，***毛滴虫的数量相关计数信息70符合条件、且属于第1信息71的计数信息符合条件时，作为毛滴虫感染的可能性相关信息80，判定有毛滴虫感染的可能性。在不仅是***毛滴虫的数量相关计数信息70符合条件，成为***毛滴虫的数量相关计数信息70的可靠性指标的第1信息71也符合条件时，输出表示有毛滴虫感染的可能性的信息，因此能够提高表示有毛滴虫感染的可能性的信息的可靠性。
判定规则2及判定规则3是包括第2信息72的判定规则。如此，在第1实施方式中，除了***毛滴虫的数量相关计数信息70及第1信息71之外，还基于第2信息72输出毛滴虫感染的可能性相关信息80。由此，除了成为***毛滴虫的数量相关计数信息70的可靠性指标的第1信息71之外，还考虑其他的第2信息72，由此能够判断毛滴虫感染的可能性相关信息80的可靠性。
另外，判定规则2及判定规则3是至少基于第2信息72，从基于判定规则1的判定结果抑制假阳性的可能性的判定规则。因此，判定规则2及判定规则3是用于分别在符合条件时，禁止输出表示有毛滴虫感染的可能性的信息的判定规则。即，即使在根据判定规则1判定为有毛滴虫感染的可能性时，若符合判定规则2及判定规则3的某者的条件，则有假阳性的可能性，因此判定为非阳性（阴性或无法判定）。但是，以下为了方便理解，对判定规则2及判定规则3也记载用于输出毛滴虫感染“有可能性”判定的条件。
〈判定规则1〉
在图13例子中的判定规则1中，第1计数信息70a、第2计数信息70b、以及作为第1信息71的扁平上皮细胞的计数信息与分别对应的阈值比较。
即，判定规则1包括下述（1）～（3）各条件。
（1）第1计数信息70a的计数值Xsf大于阈值N1（Xsf＞N1），
（2）第2计数信息70b的计数值Xcr大于阈值N2（Xcr＞N2），
（3）扁平上皮细胞的计数信息的计数值Ysec大于阈值N3（Ysec＞N3）。
判定规则1的各条件（1）～（3）全部满足时，进行根据判定规则1的毛滴虫感染的“有可能性判定”。在不满足判定规则1的3个条件的某者时，进行根据判定规则1的“无可能性或无法判定”判定。
判定规则1适用的阈值N1～N3请见后述。基本的观点是第1信息71的计数值Ysec的阈值N3至少大于非溶血条件下的第1计数信息70a的计数值Xsf的阈值N1。该原则适用于后述第1模式、第3模式。
即，判定规则1包括比较非溶血条件（第1测定试样）下的***毛滴虫的数量相关计数信息（第1计数信息70a）的计数值X（Xsf）和第1阈值N1，以及比较第1信息71的计数值Y（Ysec）和大于第1阈值N1的第2阈值N3。然后，在满足计数值X（Xsf）＞阈值N1、且计数值Y（Ysec）＞阈值N3的条件时，进行有毛滴虫感染的可能性的判定。
即，***毛滴虫在尿中出现的数量少，因此优选设定即使出现很少时也能检测出来的阈值（低阈值）。另一方面，***毛滴虫与白细胞、红细胞形状类似，因此，阈值设定地低可能会导致变为假阳性的尿样本5增加。在此，将第1信息71（是否有扁平上皮细胞或白细胞在尿中出现）加到毛滴虫感染的可能性相关判定条件中，由此能够提高判定精度。另一方面，即使尿路***没有异常，有时在尿中也会包括扁平上皮细胞、白细胞，因此相较于针对***毛滴虫的计数值的第1阈值（N1），使得针对第1信息71的计数值的第2阈值（N3）较大，由此能够降低由于不同于毛滴虫感染的要素导致第1信息71的计数值上升的情况下的假阳性。
〈判定规则2〉
在图13例子中的判定规则2中，作为第2信息72，将红细胞（RBC）的计数信息72a、细菌（BACT）的计数信息72b、酵母样真菌（YLC）的计数信息72c与分别对应的阈值相比较。并且，在判定规则2中，作为第1信息71，将白细胞（WBC）的计数信息71b与阈值相比较。该第1信息71的阈值比较也可以包括于上述判定规则1。如上所述，首先，记载用于根据判定规则2输出毛滴虫感染“有可能性”判定的条件。
即，判定规则2包括下述（4）～（7）各条件。
（4）白细胞的计数值Ywbc小于阈值N4（Ywbc＜N4），
（5）红细胞的计数值Zrbc小于阈值N5（Zrbc＜N5），
（6）细菌的计数值Zbact小于阈值N6（Zbact＜N6），
（7）酵母样真菌的计数值Zylc小于阈值N7（Zylc＜N7）。
在判定规则2中，在满足（4）～（7）的所有条件时，进行根据判定规则2的毛滴虫感染的“有可能性判定”。在不满足判定规则2的4个条件（4）～（7）的某1个条件时，进行毛滴虫感染的“无可能性或无法判定”判定。
第1实施方式中各阈值的具体例为：N4＝10000／μL、N5＝1000／μL、N6＝100000／μL、N7＝300／μL。
因此，判定规则2中的、“用于禁止输出毛滴虫感染“有可能性”判定的条件”为不满足条件（4）～（7）中1个以上的条件。如此，在第1实施方式中，在复数种有形成分的某者的计数信息符合条件时，禁止输出表示有毛滴虫感染的可能性的信息作为毛滴虫感染的可能性相关信息80。如此，在存在很多成为***毛滴虫的识别障碍的有形成分的情况下，很难识别***毛滴虫，因此若基于***毛滴虫的数量相关计数信息70进行毛滴虫感染的相关判定，判定结果也会不准确。因此，对复数种干扰物质的计数信息分别进行是否符合条件的判定，在某者符合条件时禁止输出毛滴虫感染“有可能性”判定，由此能够抑制毛滴虫感染的可能性相关信息80的可靠性降低。
〈判定规则3〉
在图13例子中的判定规则3中，作为第2信息72，将表示向靠近其他有形成分的分布区域侧的***毛滴虫分布的偏斜的信息73与阈值相比较。如上所述，首先，记载用于根据判定规则3输出毛滴虫感染“有可能性”判定的条件。
即，判定规则3包括下述（8）的条件。
（8）属于部分区域Rg2的***毛滴虫的分布比例Ztrich大于阈值N8（Ztrich＞N8）
（而Ztrich＝｛属于部分区域Rg1的绘制数量／（属于部分区域Rg2的绘制数量）＋（属于部分区域Rg1的绘制数量）｝）。
在满足条件（8）时，进行根据判定规则3的毛滴虫感染的“有可能性判定”。在不满足判定规则3的条件（8）时，进行毛滴虫感染的“无可能性或无法判定”判定。第1实施方式中阈值的具体例为：N8＝0．1。
因此，判定规则3中的、“用于禁止输出毛滴虫感染“有可能性”判定的条件”为不满足条件（8）。如此，在第1实施方式中，在从分布数据61a示出在***毛滴虫的分布区域R6（参照图14）中、向靠近其他有形成分（白细胞）的分布区域Rw侧的***毛滴虫分布的偏斜时，禁止输出表示有毛滴虫感染的可能性的信息作为毛滴虫感染的可能性相关信息80。由此，能够抑制在获得的分布数据61a中，大小、形态等特征与***毛滴虫类似的其他有形成分混在***毛滴虫的分布区域（区域R6）中的可能性高时，输出可靠性低的信息。
另外，如上所述，其他有形成分的分布区域包括分布数据60中的白细胞的分布区域Rw。由此，在大小、形态等特征与***毛滴虫类似的白细胞混在***毛滴虫的分布区域中出现时，考虑白细胞混入的可能性，能够抑制输出可靠性低的信息。
〈判定规则1的阈值N1～N3的具体例〉
在第1实施方式中，就判定规则1中使用的阈值N1～N3（参照图13），能够从阈值的设定值不同的复数个模式接受模式选择。分析部20通过介由输入部20b（参照图1）的输入操作接受模式选择。
在图15所示例中，复数个模式包括第1模式、第2模式及第3模式。复数个模式分别具有规定了阈值N1、N2、N3的阈值组。复数个模式的各自的阈值组预先存储于存储装置22。
作为标准模式的第1模式具有第1阈值组75a。第1阈值组75a中，设定为阈值N1＝1.0／μL、阈值N2＝5.0／μL、阈值N3＝5.0／μL。分析部20根据对第1模式的选择，适用第1阈值组75a作为针对***毛滴虫的数量相关计数信息70的阈值N1、N2及针对第1信息71的阈值N3。
作为灵敏度重视模式的第2模式具有第2阈值组75b，第2阈值组75b包括值设定地比第1阈值组75a低的阈值。第2阈值组75b中，设定为阈值N1＝1.0／μL、阈值N2＝1.0／μL、阈值N3＝1/0／μL。第2阈值组75b与第1阈值组75a相比，阈值N2、阈值N3的值较小。分析部20根据对第2模式的选择，适用第2阈值组75b作为针对***毛滴虫的数量相关计数信息70的阈值N1、N2及针对第1信息71的阈值N3。
作为特异度重视模式的第3模式具有第3阈值组75c，第3阈值组75c包括值设定地比第1阈值组75a高的阈值。第3阈值组75c中，设定为阈值N1＝10.0／μL、阈值N2＝20.0／μL、阈值N3＝20.0／μL。第3阈值组75c与第1阈值组75a相比，阈值N1、阈值N2、阈值N3各值较大。分析部20按照对第3模式的选择，适用第3阈值组75c作为针对***毛滴虫的数量相关计数信息70的阈值N1、N2及针对第1信息71的阈值N3。
如此，第2阈值组75b及第3阈值组75c设定为相较于第1阈值组75a而言，毛滴虫感染的可能性相关灵敏度或特异度高。
如上所述，在判定规则1中，***毛滴虫的数量相关计数信息70的计数值及第1信息71的计数值均在适用的阈值N1、N2、N3以上时，判定为有毛滴虫感染的可能性。因此，通过设置阈值组不同的复数个模式，用户能够自主选择模式，实施毛滴虫感染的可能性相关判定。因此，例如用户在第1阈值组75a和第2阈值组75b中，选择毛滴虫感染的可能性相关灵敏度高（阈值低）的阈值组75b，由此能够提供有助于进一步早期发现毛滴虫感染的信息。例如用户在第1阈值组75a和第3阈值组75c中，选择毛滴虫感染的可能性相关特异度高（阈值高）的阈值组75c，由此能够提供进一步抑制了毛滴虫感染的假阳性的可能性的信息。
在设有标准的第1模式（第1阈值组75a）、灵敏度重视的第2模式（第2阈值组75b）、特异度重视的第3模式（第3阈值组75c）的结构中，用户仅通过进行模式选择，能够切换标准的第1模式、重视灵敏度易有助于早期发现的第2模式、重视特异度以分析结果的准确性为优先的第3模式。因此，就毛滴虫感染的可能性，能够提高与用户需求相应的信息。
（毛滴虫感染的可能性相关信息）
图16是在显示部20c显示分析部20的分析结果的界面例的示意图。如图16所示，分析部20向显示部20c输出毛滴虫感染的可能性相关信息80。即，分析部20让显示部20c显示包括毛滴虫感染的可能性相关信息80在内的分析结果界面81。
分析结果界面81是显示针对进行了分析的1个尿样本5的检测结果及分析结果的界面。包括计数信息显示栏82和信息显示栏83。计数信息显示栏82分别针对有形成分的各个种类个别地显示作为从尿样本5检测出的有形成分的检测结果的计数信息。在图16的例子中，计数信息显示栏82中包括示出红细胞（RBC）、白细胞（WBC）、上皮细胞（EC）、扁平上皮细胞（SquaEC）、非扁平上皮细胞（NonSEC）、管型（CAST）、BACT（细菌）、酵母样真菌（YLC）各项目名的项目栏82a、显示项目栏82a中示出的有形成分的计数值的结果栏82b。计数信息显示栏82右端的栏显示计数值的单位。关于项目栏82a中示出的上皮细胞（EC）、非扁平上皮细胞（NonSEC）、管型（CAST）的计数手法的具体例，在本说明书中省略说明。且结果栏82b的数值省略图示。
信息显示栏83显示基于从尿样本5检测出的有形成分的计数信息判定的各种疾病等的可能性相关信息。在第1实施方式中，毛滴虫感染的可能性相关信息80在该信息显示栏83中显示。
毛滴虫感染的可能性相关信息80在第1实施方式中包括表示有毛滴虫感染的可能性的信息。在尿样本5中有形成分的检测数据满足上述判定规则1～判定规则3的所有条件（参照图13）时，分析部20向信息显示栏83输出表示有毛滴虫感染的可能性的信息。
此时，在图16的例子中，在信息显示栏83显示表示作为分析项目的毛滴虫感染的“Trich”这一显示内容和表示有毛滴虫感染的可能性的“Trichomonas？”这一显示内容。由此，就毛滴虫感染的分析项目，向用户提供表示有毛滴虫感染的可能性的信息。
在第1实施方式中，在尿样本5中有形成分的检测数据不满足上述判定规则1～判定规则3的某者时，分析部20不向信息显示栏83输出毛滴虫感染的可能性相关信息80。即此时，在信息显示栏83，“Trich”及“Trichomonas？”均不显示。
在尿样本5中有形成分的检测数据不满足上述判定规则1～判定规则3的某者时，分析部20也可以向信息显示栏83输出表示无毛滴虫感染的可能性或无法判定的信息。
（尿样本分析装置的作业）
以下，参照图17～图22，说明第1实施方式的尿样本分析装置100的作业。
图17是尿样本分析装置100的样本测定处理流程的流程图。分析部20的控制处理由处理器21执行。测定单元10的控制处理由微型计算机51执行。在以下说明中，尿样本分析装置100的各部参照图1～图5。
首先，在步骤S1中，分析部20的处理器21通过介由输入部20b的输入操作接受来自用户的测定执行指示。另外，处理器21通过介由输入部20b的输入操作接受用于从图15所示第1模式～第3模式中确定阈值组的模式选择。处理器21让存储装置22存储所选择的确定模式的信息。模式选择在测定执行前的任一时间点接受皆可。在步骤S2中，处理器21向测定单元10发送指示测定开始的指示数据。
在步骤S11中，微型计算机51接收来自分析部20的测定开始的指示数据。接收到测定开始的指示数据后，微型计算机51让测定单元10作业，执行测定试样制备处理（步骤S12）、第1测定试样（SF）测定处理（步骤S13）、第2测定试样（CR）测定处理（步骤S14）。通过第1测定试样（SF）测定处理及第2测定试样（CR）测定处理生成针对1个尿样本5的检测数据。检测数据储存于存储器50e。
在步骤S15中，微型计算机51向分析部20发送存储器50e储存的检测数据（SF）及检测数据（CR）。
在步骤S3中，分析部20的处理器21接收从测定单元10发送的检测数据。
在步骤S4中，处理器21基于检测数据执行有形成分的计数处理。即，处理器21根据检测数据，使用图7及图8所示特征参数的组合，分别针对有形成分的各个种类对各个粒子的信号进行分类，生成各计数信息。
在步骤S5中，处理器21分别获取通过步骤S4生成的***毛滴虫的计数信息70（第1计数信息70a、第2计数信息70b）、信息（第1信息71、第2信息72）。
在步骤S6中，从存储装置22获取在步骤S1中接受的模式的选择信息，设定由阈值组75a～75c（参照图15）中、与选择的模式对应的阈值组定义的阈值N1～N3。
在步骤S7中，处理器21基于获取的***毛滴虫的计数信息70（第1计数信息70a、第2计数信息70b）、第1信息71及第2信息72，执行毛滴虫感染相关判定处理。判定处理基于图13所示判定规则1、判定规则2、判定规则3执行。作为判定处理的结果，处理器21生成毛滴虫感染的可能性相关信息80。
在步骤S8中，处理器21输出毛滴虫感染的可能性相关信息80。通过以上步骤，1个尿样本5的样本测定处理完成。
〈测定试样制备处理〉
对图17的步骤S12所示测定试样制备处理进行说明。测定试样制备处理由测定单元10的微型计算机51执行。在以下说明中，尿样本分析装置100的各部参照图1～图5。
在图18的步骤S12a中，微型计算机51控制样本分配部45，让吸移管46从样本容器14吸移规定量的尿样本5，向第1混合部41a和第2混合部41b分别分装规定量的尿样本5。
在步骤S12b中，微型计算机51控制试样制备部40，分别以规定量向第1混合部41a分装第1试剂42（第1染色液42a及第1稀释液42b）。在步骤S12c中，微型计算机51控制试样制备部40，分别以规定量向第2混合部41b分装第2试剂43（第2染色液43a及第2稀释液43b）。
第1混合部41a及第2混合部41b分别由无图示的加热器加热到规定温度。在该状态下，在步骤S12d中，微型计算机51控制试样制备部40，通过螺旋桨状的搅拌器具（无图示）执行各混合部内混合物的搅拌作业。
由此，在第1混合部41a中制备无核成分测定用的第1测定试样，在第2混合部41b中制备有核成分测定用的第2测定试样。步骤S12d的处理结束后，微型计算机51向图17的主程序返回处理。
〈第1测定试样（SF）测定处理〉
对图17的步骤S13所示第1测定试样（SF）测定处理进行说明。第1测定试样（SF）测定处理通过测定单元10的微型计算机51执行。在以下说明中，尿样本分析装置100的各部参照图1～图5。
在图19的步骤S13a中，微型计算机51将来自第1混合部41a的第1测定试样与鞘液一起向流动室31供应。微型计算机51驱动无图示的压缩机，向流动室31送鞘液。在鞘液正在向流动室31供应的状态下，微型计算机51驱动无图示的压缩机，从第1混合部41a向流动室31供应第1测定试样。由此，在流动室31中形成被鞘液包裹的第1测定试样的试样流。
在步骤S13b中，微型计算机51控制检测部30，向流动室31中形成的试样流照射来自光源32的激光束。粒子每穿过流动室31中形成的电子束光点，会产生前向散射光、荧光及侧向散射光。在步骤S13c中，前向散射光、荧光、侧向散射光的一部分、以及穿过偏振滤光器36的侧向散射光的其他的一部分分别被光接收部33a、33b、33c、33d接收。分别入射光接收部33a、33b、33c、33d的光转换为电信号，由此，光接收部33a、33b、33c、33d分别输出FSC、FL、SSC、DSS。输出的FSC、FL、SSC、DSS被放大电路50a放大。FL由于放大系数的不同，成为FLL及FLH。
被放大电路50a放大的FSC、FLH、FLL、SSC及DSS由过滤电路50b实施过滤处理后，由A／D转换器50c转换为数字信号，通过数字信号处理电路50d实施信号处理。由此，分别针对各个穿过流动室31的粒子，抽取包括前向散射光信号（FSC）、侧向散射光信号（高灵敏度）（SSH）、侧向散射光信号（低灵敏度）（SSL）、高灵敏度荧光信号（FLH）、低灵敏度荧光信号（FLL）、退偏振侧向散射光信号（DSS）等信号数据和各个信号数据的特征量（峰值强度P、脉冲宽度W、脉冲面积A）的特征参数。由此，在步骤S13d中，包括各个粒子的特征参数的检测数据（SF）储存于存储器50e，第1测定试样（SF）测定处理结束。
〈第2测定试样（CR）测定处理〉
对图17的步骤S14所示第2测定试样（CR）测定处理进行说明。第2测定试样（CR）测定处理通过测定单元10的微型计算机51执行。在以下说明中，尿样本分析装置100的各部参照图1～图5。
在图20的步骤S14a中，微型计算机51将来自第2混合部41b的第2测定试样与鞘液一起向流动室31供应。微型计算机51驱动无图示的压缩机，向流动室31送鞘液。在鞘液正在向流动室31供应的状态下，微型计算机51驱动无图示的压缩机，从第2混合部41b向流动室31供应第2测定试样。由此，在流动室31中形成被鞘液包裹的第2测定试样的试样流。
在步骤S14b中，微型计算机51控制检测部30的光源32，向流动室31中形成的试样流照射来自光源32的激光束。粒子每穿过流动室31中形成的电子束光点，会产生前向散射光、荧光及侧向散射光。在步骤S14c中，前向散射光、荧光、侧向散射光的一部分、以及穿过偏振滤光器36的侧向散射光的其他的一部分分别被光接收部33a～33d接收。在步骤S14c中，微型计算机51让荧光用的光接收部33b以通常灵敏度作业。分别入射光接收部33a～33d的光转换为电信号，由此，光接收部33a～33d分别输出FSC、FL（通常灵敏度）、SSC、DSS。输出的FSC、FL、SSC、DSS被放大电路50a放大。FL（通常灵敏度）由于放大系数的不同，成为FLL及FLH。
被放大电路50a放大的FSC、FLH、FLL、SSC及DSS由过滤电路50b实施过滤处理后，通过A／D转换器50c转换为数字信号，由数字信号处理电路50d实施信号处理。由此，分别针对穿过流动室31的各个粒子，抽取包括前向散射光信号（FSC）、侧向散射光信号（高灵敏度）（SSH）、侧向散射光信号（低灵敏度）（SSL）、高灵敏度荧光信号（FLH）、低灵敏度荧光信号（FLL）、退偏振侧向散射光信号（DSS）等信号数据和各个信号数据的特征量（峰值强度P、脉冲宽度W、脉冲面积A）的特征参数。由此，在步骤S14d中，包括各个粒子的特征参数的检测数据（CR）储存于存储器50e。
在步骤S14e～S14g中，进行让光接收部33b以细菌测定用的高灵敏度设定进行作业的细菌检测数据的收集工作。在步骤S14e中，从第2测定试样开始向流动室31供应起经过规定时间后，微型计算机51将光接收部33b的灵敏度变更为细菌测定用的高灵敏度设定。
在步骤S14f中，微型计算机51在光接收部33b的灵敏度设定为细菌测定用的高灵敏度设定的状态下，执行测定单元10对第2测定试样的测定作业。测定作业与上述步骤S14c同样。由此，以细菌测定用的高灵敏度从光接收部33b输出FL（B），其他光接收部33a、33c及33d分别以与步骤S14c同样的灵敏度设定输出信号（FSC、SSC、DSS）。各信号FSC、FL（B）、SSC及DSS被放大电路50a放大。从高灵敏度的光接收部33b输出的FL（B）在放大电路50a以与高放大系数相同的放大系数放大，获取高灵敏度荧光信号（FLH（B））。
放大的FSC、FLH（B）、SSH、SSL及DSS由过滤电路50b实施过滤处理后，通过A／D转换器50c转换为数字信号，由数字信号处理电路50d实施规定的信号处理。通过信号处理，作为特征参数，从FLH（B）抽取FLH（B）P，从FSC抽取FSCP。在步骤S14g中，分别针对各个粒子抽取的特征参数的数据作为检测数据（CR）储存于存储器50e。以上处理完成后，微型计算机51向主程序返回处理。
根据如上获得的第1测定试样的检测数据（SF）及第2测定试样的检测数据（CR），在步骤S4（参照图17）中，分别基于预先设定的2个以上特征参数的组合，通过处理器21获取有形成分的各个种类的计数信息。
（毛滴虫感染的可能性相关判定处理）
接着，对图17的步骤S7所示基于***毛滴虫的计数信息及信息的毛滴虫感染相关判定处理的详情进行说明。毛滴虫感染相关判定处理通过分析部20的处理器21执行。在图21所示例中，按照判定规则2、判定规则1、判定规则3的顺序执行处理。在以下说明中，尿样本分析装置100的各部参照图1～图5、图13及图15。
在步骤S7a中，处理器21进行基于判定规则2的判定处理。即，处理器21判断（4）Ywbc＜N4、（5）Zrbc＜N5、（6）Zbact＜N6、（7）Zylc＜N7各条件是否全部满足。
（4）～（7）各条件全部满足时，处理器21向步骤S7b推进处理。不满足（4）～（7）中1个以上的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7b中，处理器21进行基于判定规则1的判定处理。即，处理器21判断（1）Xsf＞N1、（2）Xcr＞N2、（3）Ysec＞N3各条件是否全部满足。阈值N1～N3使用如上所述在步骤S6设定的阈值组的值。
（1）～（3）各条件全部满足时，处理器21向步骤S7c推进处理。不满足（1）～（3）中1个以上的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7c中，处理器21进行基于判定规则3的判定处理。即，处理器21判断是否满足（8）Ztrich＞N8的条件。
（8）的条件全部满足时，处理器21向步骤S7d推进处理。不满足（8）的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7d中，处理器21生成毛滴虫感染“有可能性”的阳性标志，并存储于存储装置22。
在步骤S7d中在存储装置22存储阳性标志，或者在步骤S7e中在存储装置22存储“阴性或无法判定”的标志后，处理器21向主程序返回处理。在图21所示例中，例示了按照判定规则2、判定规则1、判定规则3的顺序执行判定处理，但判定规则2、判定规则1、判定规则3的判定顺序是任意的。可以先执行判定规则1，也可以先执行判定规则3，不论以哪种顺序执行，判定结果也不会改变。
（毛滴虫感染的可能性相关信息的输出处理）
接着，参照图22说明图17的步骤S8所示毛滴虫感染的可能性相关信息的输出处理的详情。毛滴虫感染的可能性相关信息的输出处理通过分析部20的处理器21执行。
在步骤S8a中，处理器21判断在本次尿样本5的检测结果中，毛滴虫感染的可能性相关阳性标志是否存储在存储装置22。即，在图21的判定处理中的步骤S7d中生成阳性标志并存储于存储装置22时（步骤S8a中为是），处理器21向步骤S8b推进处理。另一方面，在图21的判定处理中的步骤S7e中生成“阴性或无法判定”标志并存储于存储装置22时（步骤S8a中为否），处理器21向步骤S8c推进处理。
在步骤S8b中，处理器21向显示部20c输出分析结果界面81（参照图16）。处理器21生成分析结果界面81，分析结果界面81包括在步骤S4中生成的有形成分的各个种类的计数信息及毛滴虫感染的可能性相关信息80，并向显示部20c输出分析结果界面81。如图16所示，由此，在分析结果界面81的信息显示栏83显示表示有毛滴虫感染的可能性的信息（分析项目“Trich”、以及表示有毛滴虫感染的可能性的“Trichomonas？”）。
在步骤S8c中，处理器21向显示部20c输出分析结果界面81。处理器21生成包括在步骤S4中生成的有形成分的各个种类的计数信息、且不包括毛滴虫感染的可能性相关信息80的分析结果界面81，并将其向显示部20c输出。因此，在步骤S8c中输出的分析结果界面81中，与图16的显示形态不同，在信息显示栏83不显示毛滴虫感染的可能性相关信息。
如上所述，第1实施方式所涉及的尿样本分析方法基于尿样本5中有形成分的检测数据获取***毛滴虫的数量相关计数信息70和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息71（S5）。在此，即使在毛滴虫感染的早期阶段，从患有毛滴虫感染的患者的尿样本5中，扁平上皮细胞及白细胞的出现数量与***毛滴虫一起明显增大。因此，作为第1信息71获取的计数信息的数值越高，则能判断***毛滴虫的数量相关计数信息70的可靠性越高。相反，作为第1信息71获取的计数信息的数值越低，则能判断***毛滴虫的数量相关计数信息70的可靠性越低。因此，第1实施方式所涉及的尿样本分析方法至少基于***毛滴虫的数量相关计数信息70及第1信息71输出毛滴虫感染的可能性相关信息80（S7及S8）。由此，即使根据不仅有***毛滴虫，还可能混有形态特征与***毛滴虫类似的其他有形成分的尿样本5的检测数据，通过基于成为***毛滴虫的数量相关计数信息70的可靠性指标的第1信息71，能够提高***毛滴虫的数量相关计数信息70的可靠性。因此，即使在尿样本5中识别为***毛滴虫的有形成分数量少时，基于***毛滴虫的数量相关计数信息70和第1信息71也能够高精度地判定毛滴虫感染的可能性。即，即使在毛滴虫感染的早期阶段也能够高精度地判定毛滴虫感染的可能性。
（其他实施方式）
接着，说明与上述第1实施方式不同的其他实施方式。
例如，在上述第1实施方式中，例示了使用3个判定规则输出毛滴虫感染的可能性相关信息80，但本发明不限于此。在本发明中，判定规则也可以不设置3个。以下，说明毛滴虫感染的可能性相关判定方法的实施方式。
〈第2实施方式〉
图23是图17的步骤S7所示毛滴虫感染的可能性相关判定处理的具体例，是代替图21所示第1实施方式的流程（S7a～7e）执行的第2实施方式。在第2实施方式中，仅通过相当于判定规则1的步骤S7b进行毛滴虫感染的可能性相关判定处理。
在步骤S7b中，处理器21进行基于判定规则1的判定处理。即，处理器21判断是否全部满足下述（1）～（3）各条件。
（1）Xsf＞N1、（2）Xcr＞N2、（3）Ysec＞N3
（1）～（3）各条件全部满足时，处理器21向步骤S7d推进处理。不满足（1）～（3）中1个以上的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7d中，处理器21生成毛滴虫感染“有可能性”的阳性标志，并存储于存储装置22。在步骤S7d中在存储装置22存储阳性标志，或者在步骤S7e中在存储装置22存储“阴性或无法判定”的标志后，处理器21向主程序返回处理。
像该第2实施方式这样，在本发明中，至少基于***毛滴虫的数量相关计数信息70及第1信息71输出毛滴虫感染的可能性相关信息80即可，也可以不获取及分析第2信息72。
〈第3实施方式〉
图24是图17的步骤S7所示毛滴虫感染的可能性相关判定处理的具体例，是代替图21所示第1实施方式的流程（S7a～7e）执行的第3实施方式。在第3实施方式中，通过相当于判定规则1的步骤S7b及相当于判定规则2的步骤S7a这两个进行毛滴虫感染的可能性相关判定处理。
在步骤S7a中，处理器21进行基于判定规则2的判定处理。即，处理器21判断（4）Ywbc＜N4、（5）Zrbc＜N5、（6）Zbact＜N6、（7）Zylc＜N7各条件是否全部满足。
（4）～（7）各条件全部满足时，处理器21向步骤S7b推进处理。不满足（4）～（7）中1个以上的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7b中，处理器21进行基于判定规则1的判定处理。即，处理器21判断（1）Xsf＞N1、（2）Xcr＞N2、（3）Ysec＞N3各条件是否全部满足。
（1）～（3）各条件全部满足时，处理器21向步骤S7d推进处理。不满足（1）～（3）的至少某1个条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7d中，处理器21生成毛滴虫感染“有可能性”的阳性标志，并存储于存储装置22。在步骤S7d中在存储装置22存储阳性标志，或者在步骤S7e中在存储装置22存储“阴性或无法判定”的标志后，处理器21向主程序返回处理。
〈第4实施方式〉
图25是图17的步骤S7所示毛滴虫感染的可能性相关判定处理的具体例，是代替图21所示第1实施方式的流程（S7a～7e）执行的第4实施方式。在第4实施方式中，通过相当于判定规则1的步骤S7b和相当于判定规则3的步骤S7c进行毛滴虫感染的可能性相关判定处理。
在步骤S7b中，处理器21进行基于判定规则1的判定处理。即，处理器21判断（1）Xsf＞N1、（2）Xcr＞N2、（3）Ysec＞N3各条件是否全部满足。
（1）～（3）各条件全部满足时，处理器21向步骤S7c推进处理。不满足（1）～（3）中1个以上的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7c中，处理器21基于判定规则3判断是否满足（8）Ztrich＞N8的条件。满足（8）的条件时，处理器21向步骤S7d推进处理。不满足（8）的条件时，处理器21向步骤S7e推进处理，就毛滴虫感染的可能性，生成“阴性或无法判定”的标志，并存储于存储装置22。
在步骤S7d中，处理器21生成毛滴虫感染“有可能性”的阳性标志，并存储于存储装置22。在步骤S7d中在存储装置22存储阳性标志，或者在步骤S7e中在存储装置22存储“阴性或无法判定”的标志后，处理器21向主程序返回处理。
（判定规则1的变形例）
在上述第1实施方式中，说明了基于***毛滴虫的数量相关计数信息70和作为第1信息71的扁平上皮细胞的计数信息71a（参照图13）的判定规则1的例子，但本发明不限于此。在本发明中，如图26所示，代替扁平上皮细胞的计数信息71a，也可以设定基于白细胞的计数信息71b的判定规则1A。
判定规则1A包括下述（1）、（2）及（3A）各条件。
（1）第1计数信息70a的计数值Xsf大于阈值N1（Xsf＞N1），
（2）第2计数信息70b的计数值Xcr大于阈值N2（Xcr＞N2），
（3A）白细胞的计数信息71b的计数值Ywbc大于阈值N11（Ywbc＞N11）。
分析部20在判定规则1A的各条件（1）、（2）及（3A）全部满足时，进行根据判定规则1A的毛滴虫感染“有可能性判定”。不满足判定规则1A的3个条件的1个以上时，进行根据判定规则1A的“无可能性或无法判定”判定。
判定规则1A中各阈值的具体例例如为：N1＝1.0／μL、N2＝5.0／μL、N11＝25.0／μL。因此，也可以将图21、图23、图24及图25所示步骤S7b的判定条件（1）、（2）及（3）换成判定规则1A的条件（1）、（2）、（3A）。
例如在图26中，图示了将图23所示第2实施方式所涉及的毛滴虫感染的可能性相关判定处理流程的步骤S7b换成相当于判定规则1A的步骤S107b的例子（参照图26中用点虚线包围的地方）。
另外，也可以汇总判定规则1和判定规则1A，将扁平上皮细胞的数量相关计数信息和白细胞的数量相关计数信息两者的判定条件（3）及（3A）设定为判定规则1。
实施例
接着，说明为了确认本发明的效果而进行的实验结果。
〈第1实施例〉
首先，说明为了验证使用***毛滴虫的数量相关计数信息70和第1信息71的毛滴虫感染的可能性相关判定精度而进行的实验结果。
在实验中，对尿样本5实施使用尿样本分析装置100进行的分析和通过目视进行的显微镜检查（目视检查），验证分析结果的判定精度。即，验证通过分析部20进行的毛滴虫感染的可能性相关判定结果的、与通过目视进行的显微镜检查的结果的一致度。
在实验中，作为实施例1，为了验证使用***毛滴虫的数量相关计数信息70和第1信息71的判定精度，使用最单纯的图23所示第2实施方式中示出的判定处理（仅通过判定规则1进行的判定处理），通过分析部20实施判定处理。即，实施例1仅执行基于使用第1计数信息70a、第2计数信息70b及扁平上皮细胞的计数信息的上述条件（1）、（2）及（3）的判定规则1。判定中使用图15的阈值组75a。
另外，作为实施例2，使用图26所示变形例中示出的判定处理（仅通过判定规则1A进行的判定处理），通过分析部20实施判定处理。即，实施例2执行基于使用第1计数信息70a、第2计数信息70b及白细胞的计数信息的上述条件（1）、（2）及（3A）的判定规则1A。
另外，作为比较例，仅使用***毛滴虫的数量相关计数信息70，通过分析部20实施判定处理。即，比较例是仅通过判定规则1中的条件（1）及（2）进行的判定处理。条件（1）及（2）的阈值N1及N2在实施例1、实施例2及比较例中相同。
实施例1和比较例对1200样本量的同一尿样本集团进行实验。实施例2与实施例1及比较例分开进行实验，对1234样本量的尿样本集团进行实验。实施例1和比较例的样本总体同一，而实施例2的样本总体可能与实施例1、比较例的总体不同。
实施例1的实验结果示于表1。
【表1】
在实施例1的分析结果中，与目视检查相比较，灵敏度为74.2％，特异度为93.3％，阳性预测值为22.8％。
实施例2的实验结果示于表2。
【表2】
在实施例2的分析结果中，与目视检查相比较，灵敏度为73.5％、特异度为91.2％、阳性预测值为19.1％。
比较例的实验结果示于表3。
【表3】
在比较例的分析结果中，与目视检查相比较，灵敏度为80.6％、特异度为85.5％、阳性预测值为12.9％。
如上所述，确认在考虑了包括扁平上皮细胞或白细胞的计数信息的第1信息71的实施例1及实施例2中，与比较例相比，能使特异度提高，假阳性大幅减少。即，在比较例中，假阳性为169个样本，而实施例1中假阳性减少到78个样本，实施例2中假阳性减少到106个样本。由此，确认本发明的效果，即通过将第1信息71（尿中是否出现扁平上皮细胞或白细胞）加到毛滴虫感染的可能性相关判定条件中能够提高判定精度。
〈第2实施例〉
接着，说明图15所示3个模式的分析结果的比较实验。即，对比阈值设定不同的3个模式的毛滴虫感染的可能性相关判定结果。
在实验中，与上述第1实施例同样地，对尿样本5实施通过尿样本分析装置100进行的分析和通过目视进行的显微镜检查（目视检查），验证分析结果的判定精度。即，验证通过分析部20进行的毛滴虫感染的可能性相关判定结果的、与通过目视进行的显微镜检查的结果的一致度。
・作为实施例3，通过第1模式（标准设定）实施毛滴虫感染的可能性相关判定处理。
・作为实施例4，通过第2模式（灵敏度重视设定）实施毛滴虫感染的可能性相关判定处理。
・作为实施例5，通过第3模式（特异度重视设定）实施毛滴虫感染的可能性相关判定处理。
实验中使用的尿样本5的数量为1232。对同一尿样本集团分别进行实施例3～5的实验。在实施例3～5中，如图23所示，仅执行基于使用第1计数信息70a、第2计数信息70b及扁平上皮细胞的计数信息的上述条件（1）、（2）及（3）的判定规则1。
实施例3的各实验结果示于表4。
【表4】
实施例4的各实验结果示于表5。
【表5】
实施例5的各实验结果示于表6。
【表6】
/>
参照表4～表6，确认在第2模式（灵敏度重视设定）中，与第1模式（标准设定）相比较，灵敏度更高，尤其是对重视早期发现的用户来说能够提高有益信息。确认在第3模式（特异度重视设定）中，与第1模式（标准设定）相比较，特异度更高，尤其是即使在毛滴虫感染的初期阶段，对重视确定性的用户来说也能够提高有益信息。另外，确认第1模式（标准设定）的特异度比第2模式高，灵敏度比第3模式高，因此尤其是能够提供以毛滴虫感染的早期发现为目的，灵敏度与特异度取得平衡的信息。
（变形例）
本次公开的实施方式在所有点上均为例示，绝无限制性。本发明的范围并非由上述实施方式的说明所示，而是由权利要求书所示，还包括与权利要求书均等意义及范围内的所有变更（变形例）。
在上述第1实施方式中，例示了设置包括流式细胞仪的检测部30，但本发明不限于此。例如，检测部30可以由拍摄装置构成，该拍摄装置拍摄通过混合尿样本和试剂来进行了有形成分的染色处理的测定试样中的有形成分的显微镜图像。此时，基于由检测部30拍摄的图像中映出的有形成分的形态特征、染色的状态（染色场所、显色等），能够分别按照各个种类识别有形成分，获得计数信息。包括拍摄装置的检测部30可以对在拍摄用试样容器中静止的试样中的有形成分进行拍摄，也可以对在流动室流动的试样流中的有形成分进行连续拍摄。
在上述第1实施方式中，例示了能够接受第1模式、第2模式及第3模式这阈值组不同的3个模式选择，但本发明不限于此。在本发明中，也可以为不接受模式选择，仅设定1组阈值组。例如，也可以为判定规则1的阈值组仅有第1模式的阈值组，无法变更。另外，在使得能够接受模式选择时，能够选择的模式数量不限于3个，也可以为能够选择2个或者4个以上的模式。
在上述第1实施方式中，例示了在尿样本分析装置100的测定单元10设置样本运送部12、试样制备部40及样本分配部45，但本发明不限于此。在本发明中，在测定单元10也可以不设置样本运送部12、试样制备部40及样本分配部45。此时，准备预先制备的测定试样，并向测定单元10的检测部30供应测定试样即可。
编号说明
5：尿样本、20：分析部、30：检测部、31：流动室、32：光源、33a～33d：光接收部、41：混合部、41a：第1混合部、41b：第2混合部、42：第1试剂、43：第2试剂、61a～61d：分布数据、70：***毛滴虫的数量相关计数信息、70a：第1计数信息、70b：第2计数信息、71：第1信息、71a：扁平上皮细胞的数量相关计数信息、71b：白细胞的数量相关计数信息、72：第2信息、72a：红细胞的数量相关计数信息、72b：细菌的数量相关计数信息、72c：酵母样真菌的数量相关计数信息、73：表示***毛滴虫分布的偏斜的信息、75a：第1阈值组、75b：第2阈值组、80：毛滴虫感染的可能性相关信息、100：尿样本分析装置、N1～N8、N11：阈值、R6：***毛滴虫的分布区域、Rw：白细胞的分布区域。

Claims (27)

1.一种尿样本分析方法，其是获取尿样本中有形成分相关信息的尿样本分析方法，其特征在于：基于所述尿样本中有形成分的检测数据获取***毛滴虫的数量相关计数信息和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息，至少基于所述***毛滴虫的数量相关计数信息及所述第1信息输出毛滴虫感染的可能性相关信息。
2.根据权利要求1所述的尿样本分析方法，其特征在于：所述第1信息包括扁平上皮细胞的数量相关计数信息和白细胞的数量相关计数信息两者。
3.根据权利要求1所述的尿样本分析方法，其特征在于：所述***毛滴虫的数量相关计数信息符合条件、且属于所述第1信息的计数信息符合条件时，输出表示有所述毛滴虫感染的可能性的信息作为所述毛滴虫感染的可能性相关信息。
4.根据权利要求1所述的尿样本分析方法，其特征在于：基于所述检测数据获取与所述第1信息不同的第2信息，除了所述***毛滴虫的数量相关计数信息及所述第1信息之外，还基于所述第2信息输出所述毛滴虫感染的可能性相关信息。
5.根据权利要求4所述的尿样本分析方法，其特征在于：所述第2信息包括用于抑制所述毛滴虫感染的可能性判定中的假阳性的信息。
6.根据权利要求4所述的尿样本分析方法，其特征在于：所述第2信息包括与所述***毛滴虫、所述扁平上皮细胞及所述白细胞不同的其他有形成分的数量相关计数信息。
7.根据权利要求4所述的尿样本分析方法，其特征在于：所述第2信息包括表示所述尿样本中有形成分的分布情况的分布数据中的、所述***毛滴虫的分布状态相关信息。
8.根据权利要求7所述的尿样本分析方法，其特征在于：从所述分布数据示出在所述***毛滴虫的分布区域中，向靠近其他有形成分的分布区域侧的所述***毛滴虫分布的偏斜时，禁止输出表示有所述毛滴虫感染的可能性的信息作为所述毛滴虫感染的可能性相关信息。
9.根据权利要求8所述的尿样本分析方法，其特征在于：所述其他有形成分的分布区域包括所述分布数据中白细胞的分布区域。
10.根据权利要求5所述的尿样本分析方法，其特征在于：用于抑制所述毛滴虫感染的可能性判定中的假阳性的信息包括干扰所述***毛滴虫的检测的至少1个其他有形成分的数量相关计数信息。
11.根据权利要求10所述的尿样本分析方法，其特征在于：干扰所述***毛滴虫的检测的至少1个其他有形成分包括红细胞、细菌及酵母样真菌的至少1个。
12.根据权利要求11所述的尿样本分析方法，其特征在于：干扰所述***毛滴虫的检测的至少1个其他有形成分包括复数种有形成分，所述复数种有形成分的某者的计数信息符合条件时，禁止输出表示有所述毛滴虫感染的可能性的信息作为所述毛滴虫感染的可能性相关信息。
13.根据权利要求1～12其中任意一项所述的尿样本分析方法，其特征在于：所述***毛滴虫的数量相关计数信息包括：从由第1试剂处理过的所述尿样本检测出的***毛滴虫的数量相关第1计数信息、从由第2试剂处理过的所述尿样本检测出的***毛滴虫的数量相关第2计数信息。
14.根据权利要求1～12其中任意一项所述的尿样本分析方法，其特征在于：还包括：比较非溶血条件下的所述***毛滴虫的数量相关计数信息的计数值X和第1阈值；以及比较所述第1信息的计数值Y和大于所述第1阈值的第2阈值；其中，满足X＞第1阈值且Y＞第2阈值的条件时，判定为有毛滴虫感染的可能性。
15.根据权利要求1～12其中任意一项所述的尿样本分析方法，其特征在于：还包括：接受从包括第1模式和第2模式的复数个模式中对模式的选择；按照对所述第1模式的选择，适用第1阈值组作为针对所述***毛滴虫的数量相关计数信息的阈值及针对所述第1信息的阈值；按照对所述第2模式的选择，适用毛滴虫感染的可能性相关灵敏度或特异度设定地比所述第1阈值组高的第2阈值组作为针对所述***毛滴虫的数量相关计数信息的阈值及针对所述第1信息的阈值；其中，所述***毛滴虫的数量相关计数信息的计数值及所述第1信息的计数值均在所适用的阈值以上时，判定为有毛滴虫感染的可能性。
16.一种尿样本分析装置，其具备：检测部，其检测尿样本中的有形成分；分析部，其基于所述尿样本中有形成分的检测数据获取***毛滴虫的数量相关计数信息和包括扁平上皮细胞及白细胞的至少一者的数量相关计数信息的第1信息，并至少基于所述***毛滴虫的数量相关计数信息及所述第1信息输出毛滴虫感染的可能性相关信息。
17.根据权利要求16所述的尿样本分析装置，其特征在于：所述第1信息包括扁平上皮细胞的数量相关计数信息和白细胞的数量相关计数信息两者。
18.根据权利要求16所述的尿样本分析装置，其特征在于：所述分析部在所述***毛滴虫的数量相关计数信息符合条件、且属于所述第1信息的计数信息符合条件时，输出表示有所述毛滴虫感染的可能性的信息作为所述毛滴虫感染的可能性相关信息。
19.根据权利要求16所述的尿样本分析装置，其特征在于：所述分析部基于所述检测数据获取与所述第1信息不同的第2信息，且所述分析部除了所述***毛滴虫的数量相关计数信息及所述第1信息之外，还基于所述第2信息输出所述毛滴虫感染的可能性相关信息。
20.根据权利要求19所述的尿样本分析装置，其特征在于：所述第2信息包括用于抑制所述毛滴虫感染的可能性判定中的假阳性的信息。
21.根据权利要求16～20其中任意一项所述的尿样本分析装置，其特征在于：还具备混合所述尿样本和染色试剂的混合部，所述检测部检测混合了所述染色试剂的所述尿样本中的有形成分。
22.根据权利要求21所述的尿样本分析装置，其特征在于：所述混合部包括混合所述尿样本和第1试剂的第1混合部、混合所述尿样本和第2试剂的第2混合部，所述检测部分别检测混合了所述第1试剂的所述尿样本中的有形成分及混合了所述第2试剂的所述尿样本中的有形成分。
23.根据权利要求16～20其中任意一项所述的尿样本分析装置，其特征在于：所述检测部包括供所述尿样本流动的流动室、向所述流动室照射光的光源、以及接收来自所述流动室的光的光接收部。
24.根据权利要求23所述的尿样本分析装置，其特征在于：所述光接收部接收来自有形成分的荧光及散射光。
25.根据权利要求16～20其中任意一项所述的尿样本分析装置，其特征在于：所述分析部基于所述检测数据，抽取表示所述尿样本中的有形成分的特征的复数个特征参数，且所述分析部基于抽取的所述复数个特征参数分别获取所述***毛滴虫的数量相关计数信息及所述第1信息。
26.根据权利要求18所述的尿样本分析装置，其特征在于：所述分析部执行以下处理：比较非溶血条件下的所述***毛滴虫的数量相关计数信息的计数值X和第1阈值的处理，以及比较所述第1信息的计数值Y和大于所述第1阈值的第2阈值的处理，所述分析部在满足X＞第1阈值且Y＞第2阈值的条件时，判定为有毛滴虫感染的可能性。
27.根据权利要求16～20其中任意一项所述的尿样本分析装置，其特征在于：所述分析部从包括第1模式和第2模式的复数个模式中接受对模式的选择，并按照对所述第1模式的选择，适用第1阈值组作为针对所述***毛滴虫的数量相关计数信息的阈值及针对所述第1信息的阈值，按照对所述第2模式的选择，适用与所述第1阈值组不同的第2阈值组作为针对所述***毛滴虫的数量相关计数信息的阈值及针对所述第1信息的阈值，所述分析部在所述***毛滴虫的数量相关计数信息的计数值及所述第1信息的计数值均在所适用的阈值以上时，判定为有毛滴虫感染的可能性。
CN202310124780.XA 2022-02-18 2023-02-16 尿样本分析方法及尿样本分析装置 Pending CN116625991A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-024062 2022-02-18
JP2022024062A JP2023120919A (ja) 2022-02-18 2022-02-18 尿検体分析方法および尿検体分析装置

Publications (1)

Publication Number Publication Date
CN116625991A true CN116625991A (zh) 2023-08-22

Family

ID=85227013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310124780.XA Pending CN116625991A (zh) 2022-02-18 2023-02-16 尿样本分析方法及尿样本分析装置

Country Status (4)

Country Link
US (1) US20230266298A1 (zh)
EP (1) EP4231312A1 (zh)
JP (1) JP2023120919A (zh)
CN (1) CN116625991A (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6116502B2 (ja) 2014-02-28 2017-04-19 シスメックス株式会社 検体分析装置および検体分析方法
US20190147136A1 (en) * 2017-11-13 2019-05-16 Chang Gung Memorial Hospital, Linkou Method of Using Machine Learning Algorithms in Analyzing Laboratory Test Results of Body Fluid to Detect Microbes in the Body Fluid

Also Published As

Publication number Publication date
US20230266298A1 (en) 2023-08-24
EP4231312A1 (en) 2023-08-23
JP2023120919A (ja) 2023-08-30

Similar Documents

Publication Publication Date Title
JP6232046B2 (ja) 尿検体分析装置及び尿検体分析方法
US10309877B2 (en) Method for analyzing atypical cells in urine, urine analyzer, and method for analyzing atypical cells in body fluid
US9243993B2 (en) Sample analyzer and sample analyzing method
JP5670052B2 (ja) 血液分析装置、血液分析方法及びコンピュータプログラム
US7892850B2 (en) Apparatus and method for measuring immature platelets
JP5010443B2 (ja) 血球分析装置および血球分析方法
US9551657B2 (en) Sample analyzer and sample analyzing method
US9746461B2 (en) Urine sample analyzer and sample analyzing method
JP4873969B2 (ja) 試料分析装置及び試料分析方法
JP2008209383A (ja) 検体分析装置
JP2014209081A (ja) 血球分析装置および血球分析方法
JP2015087176A (ja) 尿検体分析装置および尿検体分析方法
CN108982337B (zh) 尿分析装置及尿分析方法
CN114450589A (zh) 分析血液样本中红细胞方法及血液分析***
JP2015125051A (ja) 血中フィラリア幼虫の検出方法、血液分析装置、及びコンピュータプログラム
CN116569041A (zh) 样本分析方法、样本分析仪及计算机可读存储介质
CN116625991A (zh) 尿样本分析方法及尿样本分析装置
JP2016128821A (ja) 細胞分析方法および細胞分析装置
JP2006330001A (ja) 尿中赤血球の鑑別装置および方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication