データ検証

方法検証は、特定の方法が一貫して信頼性が高く高品質の結果を生成することを確認するために設計された分析化学の重要なプロセスです。このプロセスは、方法をさまざまなサンプルマトリックスに適用する場合や手順の変更を行う場合に不可欠であり、さまざまなアプリケーションで結果が許容基準を満たすことを保証します。

方法検証の主なパラメーターは次のとおりです。

• 特異性: 他の物質からの干渉を受けずにターゲット分析物を正確に測定する方法の能力。
• 直線性: 指定された範囲にわたって分析物の濃度に直接比例する結果を生成する方法の能力。
• 精度: 測定値が真の値にどれだけ近いか。方法の真度を反映する。
• 精度: 同じ条件下で繰り返し測定した場合の一貫性。多くの場合、標準偏差によって評価される。
• 範囲: 方法が許容可能な精度、正確度、直線性を示した分析物の上限濃度と下限濃度の間隔。
• 検出限界 (LOD): 分析法で検出できる最小の分析物濃度だが、定量化できない場合がある。
• 定量限界 (LOQ): 許容できる精度と正確さで定量的に測定できる分析物の最低濃度。
• 堅牢性: 分析条件の小さな意図的な変化の影響を受けない分析法の能力は、日常的な使用における信頼性を示す。

これらのパラメータを評価するには、分析法と分析者の両方から発生する可能性のあるランダム誤差と系統的誤差を区別する必要があります。 多くの場合ランダム誤差に関連する分析法の精度は、同じ条件下での一貫性を反映した繰り返し測定の標準偏差を使用して評価できます。

系統的誤差は、精度、つまり結果が真の値にどれだけ近いかに影響することがよくあります。 これらは、標準参照、ブランク、またはさまざまなサンプルサイズの使用など、さまざまな方法で評価できます。 さらに、代替方法で独立した試験を行うか、同じ分析を異なるラボで実行すると、それぞれ分析法または分析者に起因する系統的誤差が明らかになる場合があります。

全体として、方法検証により、サンプルの種類の変更や手順の調整に関係なく、分析方法が信頼できる結果をもたらすという確信が得られます。