Ошибки при построении градуировки

👉 Школа завлабов labheadschool.com
Телеграм-канал про развитие карьеры химика: t.me/+Rw4-DxoaeQvkN20C
Видео о карьере химика:
• 6 путей развития карье...
Строим градуировочную зависимость в электронных таблицах. Обсуждаем две главные ошибки при построении градуировки, которые приводят к получению недостоверных результатов анализа.
00:11 - Построение градуировки с помощью диаграммы
04:16 - Построение градуировки с помощью функции ЛИНЕЙН
06:16 - Как проверить пригодности градуировки?
07:04 - Главная ошибка при построении градуировки. Обратный расчет.
14:55 - Ошибка при использовании градуировки
#градуировка

[@user-wp9wh9tj9s]

👉 Школа завлабов labheadschool.com

[@Yulia21063]

Наконец что-то полезное на ютюбе

[@big_bulldog89610]

Будучи многолетним синтетиком, градуировки для меня были тёмным лесом. Но благодаря видео, разобрался. Автору большое спасибо!!!

[@user-pv8sx6nk8x]

Для посторения градуировок с большим шагом можно применять и коэффициент взвешивания функции. Это часто применяют где разница в точках примерно в 2-3 порядке. На счёт работы в линейном диапазоне согласен, но математически мы можем продолжить график до пересечениия с осью и вычислить концентрацию аналита в образце. И некоторое по хроматографа позволяет это сделать.

[@user-wp9wh9tj9s]

Спасибо!

[@harria5810]

Спасибо большое за информацию, долго искала и вот наконец то мы можем построить град.графики любой момент вы супер 👍👍

[@user-bd5tj6vj3b]

Перестроить все свои графики, чтобы ошибку считать. Спасибо большое.

[@gilgamew]

Спасибо большое за подробный разбор! В руководствах по валидации методов для исследования фармакокинетики именно этот подход основной при оценке калибровочной кривой. Подставить сигналы от стандартных образцов, найденные значения концентрации поделить на известные и выразить в процентах. Получается коэффициент выявления или восстановления (recovery). Математически это похоже на оценку правильности. Отдельный вопрос - почему так получается, что вроде бы Р-квадрат отличный и график выглядит красиво, а для малых значений такая большая ошибка. Уверен, что автор это знает - добавлю просто для полноты картины. Это объясняется тем, что между нижней и верхней точками разница - почти в 50 раз. Когда машина подбирает линейную функцию, идея в том, чтобы уменьшить суммарное отклонение каждой точки от линии тренда. И получается, если у нас нижняя точка от линии отклоняется на 0,5 или верхняя на 0,5 - машине без разницы. Но для верхней точки такое отклонение составит 2%, а для нижней - 100%. Как это решать - есть разные способы, но ни один не идеальный. Иногда помогает логарифмировать концентрацию и сигнал, но в этом примере это не очень помогло. И другие функции (квадратичная и т.д.) - тоже. Грамотный подход - делать взвешивание по 1/Y2 - если коротко, суть в том, что маленьким значениям придаётся более высокий вес при подборе линейной функции. В Екселе это делать сложно (хотя и возможно), но это можно делать в программных оболочках многих приборов. Или можно использовать статистические пакеты - мы используем GraphPad Prism. Очень удобная и наглядная программа, но платная. Итого, на самом деле, самый надёжный выход такой - не использовать без нужды крайние точки калибровки и проверять recovery не только на валидации, но и при проверке пригодности. И без необходимости не размахивать диапазон калибровки - хотя, это зависит от применения метода. Иногда нужно точно измерить что-то в узком и заранее известном диапазоне (как, например, количественное определение действующего вещества при выходном контроле качества). А иногда, наоборот, диапазон ожидаемых значений широкий, а требования к точности умеренные - скажем, при анализе примесей или при той же фармакокинетике

[@user-wp9wh9tj9s]

Александр, спасибо! Ваш опыт хорошо дополняет ролик с основами

[@farmluks]

Спасибо большое за подробное описание. Если убрать из калибровочного графика самую низкую концентрацию, то относительное расхождение будет в пределах 6 %. Если провести через логарифмическое трансформирование (лог10), то относительное расхождение без самой низкой концентрации будет в пределах 4%. При работе с калибровочным графиком полученным при помощи вэжх-мс мне часто приходилось прибегать к логарифмической трансформации из-за большой разницы концентраций на одном графике (часто от 5 нМ/Л до 1 микроМ/Л то есть разница в 200 раз).

[@user-wp9wh9tj9s]

Это очень ценный пример - как повысить точность анализа в реальной ситуации, когда данные уже получены, и только за счет обработки можно увеличить достоверность. Спасибо что поделились опытом.

[@user-bp6vc1yl9w]

приходится использовать МНК с весами

[@user-tr5qc1gp1w]

Супер. Все теоретик вы практик. Спасибо

[@user-iw2rd2eb4r]

Спасибо большое

[@user-xl2hw5hx3k]

Спасибо большое за информацию

[@Olga-ct7we]

Спасибо за видео, за вашу работу. Строим графики в программе Колибри, иногда пишет зависимость нелинейная. Если посмотреть отчет, программа делает вывод опираясь на значение критерия Фишера и табличное его значение. Пробовала рассчитать сама, но ерунда получилась. Самое интересное если ставим исходные данные в другую программу всё хорошо. Попробовала на вашем примере рассчитать с нашими значениями (концентрация/оптич. плотность) относительное отклонение - получила 20%. В Колибри все Ок, зависимость линейная, надеялась получить хорошие результаты в экселе ради интереса

[@user-wp9wh9tj9s]

Строим градуировочную зависимость в электронных таблицах. Обсуждаем две главные ошибки при построении градуировки, которые приводят к получению недостоверных результатов анализа. 00:11 - Построение градуировки с помощью диаграммы 04:16 - Построение градуировки с помощью функции ЛИНЕЙН 06:16 - Как проверить пригодности градуировки? 07:04 - Главная ошибка при построении градуировки. Обратный расчет. 14:55 - Ошибка при использовании градуировки Мой курс «Обеспечение достоверности анализа (QA) в фармацевтических лабораториях» lpcma.tsu.ru/ru/school/QA_and_validation

[@user-tn1qn3oj2e]

Спасибо, очень интересно и понятно рассказано! Такой вопрос, может кто увидит и пояснит. Рассчитал уравнение и ошибку в проценте в среднем выдало 2,16%. Затем как в ролике поменял местами Х и У, значения поменялись и почему-то ошибка стала меньше, хоть и не намного - 2,12%. В чем может быть причина? И можно ли использовать эту калибровку и считать ее более подходящей?

[@xAVATARx25]

Здравствуйте огромное спасибо ваше видео очень помогло. Скажите пожалуйста а как правильно разводить ГСО?

[@adamowen9828]

Большое спасибо за видео! Относительное расхождение это и есть тот самый bias, о котором шла речь в одном из Ваших других видео?

[@user-wp9wh9tj9s]

Добрый день! Формулы для вычисления действительно похожи, но bias, или смещение, это конкретный метрологический термин, показатель правильности методики - означающий расхождение между средним арифметическим большого числа измерений, и заложенным (опорным) значением. Применяется в контексте, когда мы проводим специальный эксперимент для исследования правильности методики. А тут, в градуировке, мы по похожей формуле посчитали разницу между значением заложенной концентрации градуировочного раствора, и концентрации, которая получается по градуировочной кривой для данного аналитического сигнала. Специального термина для этой величины нет, и я придумывать не стал )

[@user-id3ck7ly5n]

Здравствуйте, помогите как в экселе сделать эти формулы с True не получается

[@user-lm8ke3bl3h]

Доброго времени суток, спасибо за видео! Небольшой вопрос, какое значение относительного расхождения можно считать оптимальным для калибровки градуировки при валидации? И данный способ оценки достоверности градуировки эквивалентен ее оценки с помощью recovery?

[@user-wp9wh9tj9s]

Добрый день! При валидации, мы обычно проверяем метрологические характеристики методики в целом (куда в ходит и пробоподготовка, и градуировка, и получение аналитического сигнала для образца) - прицизионность, правильность и т.д. А вот в при рутинном анализе - уже задаем критерий к допустимому расхождению при построении градуировки. Универсального значения нет, все зависит от методики и требований к точности. Можно поступить так: если валидация прошла успешно, то в качестве критерия при рутинном применении методики задать величину максимального расхождения, полученную при построениях градуировки в ходе этой валидации. По поводу "recovery" - вы имеете в виду анализ независимо приготовленных образцов с известным значением после построения градуировки? Да, такой способ так же применяется, он более достоверный, но и более трудоемкий. На практике делают и так и так.

[@user-id3ck7ly5n]

В экселе не получается формула с TRUE

[@annavelvet1128]

Спасибо за видео! Однако, хочу подчеркнуть, что коэффициент детерминации (который выводится в массиве линейность) и коэффициент корреляции (который контролируется как критерий линейности в ГФ РФ) это все таки разные коэффициенты, которые связаны друг с другом функцией квадратичного корня. Что лучше учитывать при заключении о линейности диапазона методики. =)

[@user-wp9wh9tj9s]

Спасибо! Да, у меня в видео терминология не строгая, спасибо за дополнение!

[@user-bz3sv4gw5s]

Здравствуйте. Скажите, со скольки процентов считается, что относительное расхождение уже неприемлемо?

[@user-wp9wh9tj9s]

Светлана, добрый день! Нет какого-то одного универсального критерия. Обычно для каждой методики задают свой допустимый уровень. Он зависит от требуемой точности анализа. Ведь бывают методики, у которых ожидается неопределенность и 1% и 20%.

[@zmishenkovzmih5050]

Добрый день. Вопрос. А какое расхождение с теоретическим значением является приемлемым ,т.е. сколько % закладывать в критерий приемлемости ? Например , количественный анализ на ВЭЖХ, если используется открываемость при валидации 98-102%, то приемлемым и логичным отклонением является 2%? Заранее спасибо за ответ.

[@user-wp9wh9tj9s]

Добрый день. Не думаю, что есть какой-то однозначный, прямой ответ. Я бы сказал так: при исследовании методики мы смотрим фактическое отклонение "введно-найдено" для нашей градуировки. Если с таким расхождением градуировки мы проходим по валидационным критериям, то считаем полученное расхождение градуировки допуститмым. И в дальнейшем, при рутином анализе не должны будем за него выходить

[@zmishenkovzmih5050]

@@user-wp9wh9tj9s понял, отталкиваться от специфичности методики.

[@user-tr5qc1gp1w]

Скажите, принципиально начинать график с нуля. Например для фотометрии

[@user-wp9wh9tj9s]

Добрый день! Моя практика говорит о том, что многоточечную градуировку начинают не с нуля, а с первого градуировочного раствора (как в этом видео). Вы можете для своих реальных данных сравнить два способа (такой, и добавив точку (0;0)) и сравнить для них результаты "обратного расчета".

[@user-tr5qc1gp1w]

@@user-wp9wh9tj9s Больше спасибо за ответ.