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).
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.
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
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
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?
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.
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 )
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.
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
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?
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.
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".
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. =)
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%.
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
👉 Школа завлабов labheadschool.com
Наконец что-то полезное на ютюбе
Будучи многолетним синтетиком, градуировки для меня были тёмным лесом. Но благодаря видео, разобрался. Автору большое спасибо!!!
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).
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.
приходится использовать МНК с весами
Спасибо большое за информацию, долго искала и вот наконец то мы можем построить град.графики любой момент вы супер 👍👍
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
Александр, спасибо! Ваш опыт хорошо дополняет ролик с основами
Перестроить все свои графики, чтобы ошибку считать. Спасибо большое.
Спасибо большое
Супер. Все теоретик вы практик. Спасибо
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
Спасибо большое за информацию
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?
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.
Спасибо!
Здравствуйте, помогите как в экселе сделать эти формулы с True не получается
Большое спасибо за видео! Относительное расхождение это и есть тот самый bias, о котором шла речь в одном из Ваших других видео?
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 )
Здравствуйте огромное спасибо ваше видео очень помогло. Скажите пожалуйста а как правильно разводить ГСО?
В экселе не получается формула с TRUE
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.
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
@@Заметкихимика понял, отталкиваться от специфичности методики.
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?
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.
Скажите, принципиально начинать график с нуля. Например для фотометрии
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".
@@Заметкихимика Больше спасибо за ответ.
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. =)
Спасибо! Да, у меня в видео терминология не строгая, спасибо за дополнение!
Здравствуйте. Скажите, со скольки процентов считается, что относительное расхождение уже неприемлемо?
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%.
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