Přesnost a správnost výsledků analýz

Přesnost a správnost jsou dva z klíčových parametrů při posuzování kvality analytických výsledků. Naměřené hodnoty se používají ke kontrole kvality a řízení procesů, a proto je důležité, aby byly důvěryhodné a dalo se na ně spolehnout, pokud se mají použít jako podklad pro vynesení rozhodnutí.

Jak poznáte, zda můžete výsledkům věřit?

„Jak poznám, že těmto datům mohu věřit?“ Tato otázka je nejen na místě, ale je také velmi podstatná. Koneckonců, nedůvěryhodný výsledek stanovení je možná víc neužitečný a škodlivý než žádný výsledek. Pokud například provádíte analytické stanovení, které monitoruje proces a v poslední době stanovení hlásí výsledek nad nebo pod ideálním nebo očekávaným rozsahem pro danou část procesu. Co uděláte? Předpokládáte, že výsledky jsou pravdivé a upravíte proces tak, aby výsledná hodnota byla v rámci specifikace? Odpovědí je vždy co nejvíce omezit domněnky a rozhodovat se na základě dat z důvěryhodného postupu stanovení. Jak můžeme omezit domněnky a zjistit, zda je výsledek stanovení spolehlivý? Použitím správnosti a přesnosti.

Přesnost a správnost

Přesnost udává, jak blízko spolu opakovaná měření souhlasí a je obvykle vyjádřena jako standardní odchylka. Správnost je definovaná jako blízkost výsledků stanovení k pravdivé hodnotě. 

I když dobrá přesnost podbízí k dobré správnosti, přesné výsledky mohou být nesprávné. Tyto definice jsou vysvětleny na obrázku.

Běžně se definice správnosti a přesnosti znázorňují pomocí terče. Jak můžete vidět na obrázku 1, výsledky stanovení mohou být jednou ze tří kombinací, co se týče správnosti a přesnosti.

Správnost je definována jako „těsnost shody mezi nezávislými výsledky stanovení získanými za stanovených podmínek“ a přesnost jako „těsnost shody mezi výsledkem stanovení a přijatou referenční hodnotou“. 

Pokud se výsledky v souboru dat výrazně neliší, pak mají data vysokou míru přesnosti nebo nízkou míru nepřesnosti, jak je znázorněno na terčích označených „Přesné, nesprávné“ a „Správné a přesné“. Pokud se výsledky významně neliší od známé skutečné hodnoty nebo přijaté referenční hodnoty, data mají vysokou míru správnosti, jak je znázorněno na terči s označením „Správné a přesné“. 

Možná vás napadne: „Kde je čtvrtý terč označen Správné, nepřesné?“, který jste možná dříve viděli. Není zde, protože je velmi nepravděpodobné, že budete mít vysokou správnost bez vysoké přesnosti, protože hodnota pravděpodobně nebude přesná, když pochází z nepřesných dat. V zásadě je pro vysokou správnost vyžadována vysoká přesnost, ale vysoká přesnost sama o sobě nezaručuje vysokou správnost. To je důvod, proč je potřeba při analýze souboru dat vzít v úvahu kritéria metod a/nebo laboratorní techniky. 

Obrázek 1.  Přesnost vs. správnost

Opakovaná stanovení, srovnání metod

Dalším způsobem, jak posoudit důvěryhodnost výsledků chemických analýz, je porovnání s výsledky získanými pomocí jiné metody nebo pomocí více měření pomocí stejné metody. Je také důležité zvážit, zda byly použity kvalitní vzorky a zda byl celý proces analytického stanovení prováděn s dostatečnou péčí a přesností.

Při posuzování důvěryhodnosti výsledků chemických analýz je také vhodné vzít v úvahu míru opakovatelnosti a reprodukovatelnosti výsledků. Opakovatelnost označuje míru, v jaké jsou výsledky stejné při opakovaném měření pomocí stejné metody a se stejnými podmínkami, zatímco reprodukovatelnost znamená míru, v jaké jsou výsledky stejné při měření provedeném různými laboratořemi nebo pomocí různých metod. Vysoké hodnoty opakovatelnosti a reprodukovatelnosti jsou pro důvěryhodné výsledky chemických analýz také důležité.

5 bodů kontroly

Na co se zaměřit při pravidelné kontrole? K zajištění kvalitních dat pomůžou:

1. Opakovaná měření: Opakovaná měření by měla produkovat výsledky, které jsou v dobré shodě s očekávanými hodnotami. Pokud se výsledky příliš liší od očekávaných hodnot, je vhodné prozkoumat postup a použité vybavení.

2. Kontrolní vzorky: K zajištění kvality výsledků se používají kontrolní vzorky, které prověří správnost měřených výsledků. Použití vzorků se známou hodnotou analyzovaného ukazatele, jako jsou standardy a referenční materiály, nebo vzorky matric s přídavkem standardu pomáhají ověřit, že postupy a zařízení jsou správně nastaveny a že výsledky jsou spolehlivé.

3. Vhodné metody: Je důležité používat metody, které byly ověřeny a jsou známy pro svou spolehlivost a přesnost pro daný účel.

4. Kvalifikovaný personál: Výsledky analýz jsou pouze tak dobré, jak dobře jsou daná stanovení provedena. Proškolení a zkušení technici jsou znalí platných postupů, schopni správně používat vybavení, rozpoznat případné problémy a zabránit tak vznikům chybných výsledků.

5. Kvalitní vybavení: Stav vybavení je důležitý pro zajištění přesných a správných výsledků. Pravidelná kontrola a údržba používaných přístrojů a pomůcek pomohou zabránit chybám způsobeným nefunkčním vybavením.

Metoda stanovení, dodržení pracovního postupu, stav použitého vybavení a chemikálií, kalibrace přístroje, podmínky prostředí (teplota, vlhkost, znečištění vzduchu, atd.) nebo čas mezi měřeními ovlivňují kvalitu získaných hodnot, a je proto dobré je při interpretaci naměřených dat vzít v úvahu. 

Které přístroje a metody jsou optimální pro vaše vzorky, abyste zajistili přesné a správné výsledky? Kdykoliv nás kontaktujte na info@hanna-instruments.cz nebo telefonicky na +420 774 190 295 a +421 262 244 442, společně projdeme vaše potřeby a vybereme vhodné řešení.