Metrologia w laboratorium biologicznym

Streszczenie

Metrologia w laboratorium biologicznym nie sprowadza się do okresowego naklejania etykiet „skalibrowano” na urządzeniach. Zaczyna się wcześniej: od jednoznacznego określenia, co ma być zmierzone, w jakiej próbce, według jakiej procedury i do podjęcia jakiej decyzji.

Wynik pomiaru powinien łączyć:

• zdefiniowaną wielkość mierzoną, czyli measurand;
• wartość liczbową i jednostkę albo jasno opisaną skalę;
• informację o użytej metodzie i zakresie jej stosowalności;
• spójność pomiarową z określonym odniesieniem;
• niepewność odpowiednią do znaczenia wyniku;
• zapis pozwalający odtworzyć próbkę, wzorce, obliczenia i stan systemu;
• regułę decyzji, jeśli wynik jest porównywany z limitem.

W biologii szczególnym problemem jest to, że próbka bywa niejednorodna, zmienia się w czasie, a sama procedura przygotowania może zmienić badaną cechę. Wzorcowanie czytnika nie naprawi błędu pobrania tkanki, utraty subpopulacji komórek ani degradacji RNA. Dlatego łańcuch wiarygodności biegnie od pytania biologicznego i pobrania, przez przygotowanie i pomiar, aż do modelu obliczeniowego oraz decyzji.

Dlaczego biolog potrzebuje metrologii

Wynik laboratoryjny jest zwykle używany do porównania:

• próbki badanej i kontrolnej;
• dwóch punktów czasu;
• partii komórek;
• kandydatów na terapię;
• wartości z różnych laboratoriów;
• wyniku z wymaganiem akceptacyjnym;
• nowej metody z metodą odniesienia.

Bez wspólnego odniesienia liczby mogą wyglądać podobnie, lecz oznaczać coś innego. 10 ng/µl DNA może pochodzić z pomiaru absorbancji, fluorescencji z barwnikiem swoistym albo przeliczenia liczby kopii w PCR. Każda metoda reaguje na inne składniki próbki i ma inny model wyniku.

Podobnie 90% żywych komórek nie jest samodzielną, uniwersalną cechą hodowli. Trzeba znać:

• definicję zdarzenia uznanego za komórkę;
• marker lub mechanizm wykluczenia;
• czas od pobrania do pomiaru;
• sposób dysocjacji;
• to, czy do mianownika weszły szczątki i agregaty;
• reguły bramkowania;
• minimalną liczbę zdarzeń;
• niepewność zliczania i udział próby w całej populacji.

Metrologia porządkuje te pytania. Nie obiecuje usunięcia całej zmienności. Pozwala natomiast powiedzieć, jaka część wyniku jest przypisana próbce, metodzie, aparaturze i obliczeniom oraz czy pozostająca niepewność pozwala podjąć zamierzoną decyzję.

Od pytania do wielkości mierzonej

Pytanie biologiczne nie jest jeszcze measurand

„Czy komórki są zdrowe?” jest pytaniem badawczym. Nie wskazuje jednej wielkości mierzonej. Można je rozłożyć na:

• odsetek komórek z integralną błoną;
• aktywność metaboliczną w określonym teście;
• liczbę jednostek tworzących kolonie;
• częstość apoptozy;
• tempo proliferacji;
• ekspresję markerów fenotypowych;
• zdolność do wykonania określonej funkcji.

Te wielkości nie są zamienne. Komórka może wykluczać barwnik martwiczy, lecz nie dzielić się i nie zachowywać funkcji. Dobór measurand jest pierwszą decyzją metrologiczną.

Operacyjna definicja measurand

VIM opisuje measurand jako wielkość, która ma być zmierzona.¹ W praktyce laboratoryjnej definicja powinna być tak szczegółowa, aby dwie kompetentne osoby wiedziały:

1. jaki obiekt lub układ jest badany;
2. jaka jego właściwość jest wyznaczana;
3. w jakim stanie i warunkach;
4. w jakiej jednostce lub skali;
5. do jakiego etapu procedury odnosi się wynik.

Zamiast „stężenie glukozy” można zdefiniować:

stężenie molowe D-glukozy w osoczu EDTA, po wirowaniu wykonanym do 30 minut od pobrania, wyznaczone metodą enzymatyczną w temperaturze procedury.

Zamiast „ekspresja genu X”:

log2 względnej ilości transkryptu X w wyizolowanym RNA z określonej populacji komórek, po normalizacji do zdefiniowanego zestawu genów referencyjnych, względem próbki kalibracyjnej.

Druga definicja ujawnia, że wynik jest zależny od ekstrakcji, jakości RNA, odwrotnej transkrypcji, efektywności amplifikacji, doboru genów referencyjnych i kalibratora. Nie jest bezpośrednią liczbą cząsteczek w żywej komórce.

Definitional uncertainty

Niepewność definicyjna pojawia się, gdy measurand pozostawia wiele dopuszczalnych interpretacji. Przykłady:

• „średnica organoidu” bez określenia, czy chodzi o średnicę Fereta, średnicę równoważnego koła czy największy przekrój;
• „liczba żywych komórek” bez granic obiektu i czasu po dysocjacji;
• „czystość białka” bez wskazania metody i klas zanieczyszczeń;
• „aktywność enzymu” bez temperatury, pH i składu mieszaniny;
• „poziom ekspresji” bez definicji transkryptów i modelu normalizacji.

Nie da się skompensować niejasnej definicji większą liczbą powtórzeń. Najpierw trzeba zawęzić measurand do postaci odpowiadającej pytaniu.

Próbka nie jest całym obiektem

Hierarchia materiału

W biologii wynik często dotyczy większej całości niż porcja trafiająca do instrumentu:

organizm → narząd → fragment → homogenat → ekstrakt → porcja analityczna → sygnał

Na każdym etapie może powstać selekcja:

• biopsja omija zmianę ogniskową;
• dysocjacja niszczy delikatną subpopulację;
• filtr zatrzymuje agregaty;
• wirowanie zmienia udział frakcji;
• ekstrakcja preferuje określony rozmiar cząsteczek;
• pipetowanie pobiera niereprezentatywną część zawiesiny;
• bramkowanie usuwa zdarzenia uznane za artefakty.

Wynik może być technicznie poprawny dla porcji analitycznej, ale niereprezentatywny dla tkanki lub hodowli. Plan pobierania próbek i homogeniczność są więc częścią modelu pomiaru, nie logistyką przed „właściwym” badaniem.

Zmienność biologiczna i analityczna

Warto rozdzielić co najmniej:

• zmienność między organizmami;
• zmienność wewnątrz organizmu;
• heterogeniczność przestrzenną;
• zmianę w czasie;
• zmianę preanalityczną po pobraniu;
• zmienność przygotowania próbki;
• zmienność pomiaru i obliczeń.

Jeżeli celem jest porównanie terapii, zmienność biologiczna może być częścią badanego zjawiska. Jeżeli celem jest zwolnienie partii produktu komórkowego, ta sama zmienność może wpływać na ryzyko błędnej decyzji. Nie należy automatycznie wrzucać wszystkich składników do jednego odchylenia standardowego.

Replikaty biologiczne i techniczne

Replikat techniczny powtarza część toru pomiarowego. Replikat biologiczny reprezentuje niezależną jednostkę biologiczną albo niezależnie wytworzoną realizację procesu.

Trzy odczyty z tej samej studzienki:

• mogą ocenić szum odczytu;
• nie zwiększają liczby niezależnych hodowli;
• nie ujawniają zmienności pasażu;
• nie uzasadniają wniosku o trzech osobnikach.

Trzy studzienki zasiane z tej samej zawiesiny sprawdzają inną warstwę niż trzy niezależne różnicowania. Model statystyczny musi odpowiadać hierarchii próbki.

Pomiar, wskazanie i wynik

Wskazanie nie jest jeszcze wynikiem

Instrument dostarcza indication: liczbę, pozycję piku, intensywność, obraz, czas albo surowy sygnał. Wynik powstaje po zastosowaniu:

• korekcji tła;
• funkcji kalibracyjnej;
• przeliczenia jednostek;
• normalizacji;
• rozcieńczenia;
• reguł segmentacji lub bramkowania;
• korekcji interferencji;
• modelu statystycznego.

Dla czytnika płytek surowe RFU może być wskazaniem. Wynikiem może być stężenie analitu w ng/ml, wyznaczone z funkcji kalibracyjnej, po uwzględnieniu rozcieńczenia i zakresu roboczego.

Wartość nominalna, porządkowa i ilościowa

Nie każdy test biologiczny daje wynik ilościowy:

• identyfikacja gatunku może być nominalna;
• stopień histologiczny może być porządkowy;
• test obecność/nieobecność jest jakościowy;
• stężenie jest ilościowe.

Nie wolno udawać ciągłej, metrologicznej skali przez przypisanie liczb kategoriom. Kod 0, 1, 2 nie czyni z klas nominalnych wielkości z równymi odstępami.

Test jakościowy również wymaga oceny:

• selectivity;
• prawdopodobieństwa detekcji;
• fałszywych wyników;
• granicy decyzyjnej;
• odporności na matrycę;
• kontroli dodatnich i ujemnych.

Model pomiaru

Model wiąże wynik wyjściowy y z wielkościami wejściowymi:

y = f(x1, x2, ..., xn)

Dla prostego rozcieńczenia:

c0 = c_meas × V_final / V_sample

Do wejść należą nie tylko liczby wpisane do wzoru, lecz także wartości stojące za nimi:

• funkcja kalibracyjna aparatu;
• rzeczywista objętość pipety;
• temperatura;
• czystość wzorca;
• recovery procesu;
• udział tła;
• stabilność analitu;
• sposób zaokrąglenia.

Dobry model jest na tyle szczegółowy, by objąć istotne składowe, ale nie tak rozbudowany, by stał się nieweryfikowalnym opisem całego świata.

Calibration, adjustment i verification

Wzorcowanie

Wzorcowanie ustanawia, w określonych warunkach, relację między wartościami wzorców wraz z ich niepewnościami a odpowiadającymi im wskazaniami, a następnie pozwala uzyskać wynik ze wskazania.

Wzorcowanie:

• może ujawnić błąd wskazania;
• może dostarczyć funkcji przeliczeniowej;
• powinno mieć określony zakres i warunki;
• wnosi własną niepewność;
• nie musi zmieniać urządzenia.

Świadectwo wzorcowania termometru w punktach 5°C, 20°C i 37°C nie dowodzi automatycznie jego przydatności przy −80°C. Wzorcowanie w jednym punkcie nie opisuje liniowości całego zakresu.

Adiustacja

Adiustacja zmienia system tak, by uzyskać wymagane wskazania. Może być wykonana:

• pokrętłem lub parametrem serwisowym;
• funkcją automatyczną;
• zmianą współczynników;
• regulacją optyczną lub mechaniczną.

Po adiustacji potrzebne jest ponowne sprawdzenie albo wzorcowanie, ponieważ wcześniejsza relacja wskazanie–wartość przestała obowiązywać. Napis auto-calibration w interfejsie często opisuje w istocie adiustację przy użyciu wewnętrznego odniesienia.

Verification

Sprawdzenie potwierdza obiektywnymi dowodami, że system spełnia określone wymagania. Przykłady:

• pipeta mieści się w ustalonym błędzie i repeatability;
• termometr kontrolny nie przekracza dopuszczalnej różnicy;
• cytometr odtwarza target values kulek;
• kontrola dodatnia testu przekracza próg;
• odzysk materiału referencyjnego znajduje się w zakresie.

Verification odpowiada na pytanie „czy spełnia wymaganie?”, a nie dostarcza pełnej charakterystyki metrologicznej.

Kontrola i kalibracja procesu

Można mieć:

• wzorcowany przyrząd;
• poprawnie działające oprogramowanie;
• nieprawidłowy proces.

Przykład: pipeta ma ważne wzorcowanie, lecz końcówka nie jest pre-wetted, ciecz jest lotna, a operator pracuje poza zakresem zweryfikowanym dla tej techniki. Wynik procesu nie dziedziczy automatycznie jakości certyfikatu pipety.

Spójność pomiarowa

Własność konkretnego wyniku

Spójność pomiarowa jest własnością wyniku, dzięki której można go odnieść do określonego odniesienia przez udokumentowany, nieprzerwany łańcuch wzorcowań, przy czym każde ogniwo wnosi niepewność.²

Z tego wynikają cztery praktyczne zasady:

1. „Urządzenie jest traceable” to skrót, który łatwo wprowadza w błąd.
2. Sam certyfikat urządzenia nie zapewnia spójności późniejszych wyników.
3. Trzeba nazwać odniesienie: SI, materiał referencyjny, procedurę odniesienia, sekwencję albo inny uzgodniony standard.
4. Stan systemu między wzorcowaniem a pomiarem musi być nadzorowany.

Nawet użycie sprzętu wzorcowanego przez krajowy instytut metrologiczny nie wystarcza bez udokumentowanego systemu pomiarowego, łańcucha oraz niepewności.

Łańcuch dla masy i temperatury

Dla masy łańcuch może wyglądać tak:

SI → krajowy wzorzec → wzorzec laboratorium wzorcującego → wzorzec roboczy → waga → naważka

Dla temperatury:

realizacja skali temperatury → termometr referencyjny → termometr roboczy → mapowanie komory → temperatura miejsca próbki

Każde ogniwo ma:

• identyfikację;
• wartość i jednostkę;
• niepewność;
• warunki;
• datę;
• zakres;
• sposób porównania.

Łańcuch w pomiarach chemicznych i biologicznych

Nie każdą wielkość biologiczną można bezpośrednio odnieść do jednostki SI. Możliwe odniesienia obejmują:

• certyfikowany materiał odniesienia;
• czysty analit o przypisanej wartości;
• procedurę pomiarową wyższego rzędu;
• międzynarodowy standard biologiczny;
• uzgodnioną jednostkę aktywności;
• dobrze scharakteryzowany panel próbek;
• sekwencję referencyjną.

Trzeba powiedzieć, do czego wynik jest spójny. IU/ml nie musi mieć prostego przelicznika na liczbę cząsteczek. Jednostka aktywności może być ustanowiona przez odpowiedź w określonym teście.

Materiał odniesienia nie jest magicznym rozwiązaniem

Materiał powinien być:

• odpowiedni dla measurand;
• wystarczająco jednorodny;
• stabilny w warunkach użycia;
• zgodny matrycowo albo używany z uzasadnioną korekcją;
• posiadać przypisaną wartość z niepewnością;
• przechowywany i przygotowany zgodnie z instrukcją.

Roztwór czystego analitu może dobrze kalibrować odpowiedź detektora, a słabo reprezentować ekstrakcję analitu z tkanki. Wtedy chain obejmuje detekcję, ale nie dowodzi recovery całej procedury.

Komutowalność

Materiał komutowalny zachowuje się w różnych procedurach podobnie do próbek rutynowych. Brak komutowalności może powodować, że dwa systemy poprawnie mierzą materiał kontrolny, lecz dają nieporównywalne wyniki próbek pacjentów lub hodowli.

Problem jest istotny dla:

• białek występujących w wielu formach;
• materiałów liofilizowanych;
• sztucznych matryc;
• wirusów i cząstek pseudowirusowych;
• komórek utrwalonych;
• syntetycznych kontroli kwasów nukleinowych.

Błąd, poprawność i niepewność

Błąd

Błąd pomiaru jest różnicą między wartością zmierzoną a wartością odniesienia. Prawdziwa wartość pozostaje idealizacją i zwykle nie jest dokładnie znana. W praktyce ocenia się błąd względem wartości przypisanej wzorcowi lub metody odniesienia.

Błąd może mieć:

• składową systematyczną;
• składową losową;
• zależność od poziomu, matrycy i czasu.

Korekcja może zmniejszyć znany błąd systematyczny, ale sama korekcja i wartość odniesienia mają niepewność.

Trueness, precision i accuracy

Precision opisuje zgodność wyników powtarzanych w określonych warunkach. Może dotyczyć:

• repeatability: krótki czas, ten sam operator i układ;
• intermediate precision: zmienne dni, operatorzy, serie;
• reproducibility: różne laboratoria i szersze warunki.

Trueness opisuje zgodność średniej z wartością odniesienia i wiąże się z bias.

Accuracy jest pojęciem jakościowym odnoszącym się łącznie do trueness i precision. Nie należy utożsamiać jej z pojedynczą liczbą ±x, jeśli nie zdefiniowano, co ta liczba oznacza.

Niepewność

Niepewność charakteryzuje rozrzut wartości, które można racjonalnie przypisać measurand przy dostępnej wiedzy. Nie jest:

• pomyłką operatora;
• gwarantowanym maksymalnym błędem;
• automatycznie odchyleniem standardowym powtórzeń;
• miarą jakości osoby;
• powodem do ukrywania wyniku.

GUM ustanawia ogólne zasady oceny i wyrażania niepewności dla pomiarów od badań naukowych po wzorcowanie.³

Budżet niepewności krok po kroku

1. Określ zastosowanie

Niepewność potrzebna do pokazania dwukrotnej zmiany ekspresji może być inna niż potrzebna do rozstrzygnięcia, czy wynik przekracza limit o 2%. Najpierw ustala się:

• zakres wyników;
• znaczenie błędnej decyzji;
• oczekiwaną różnicę biologiczną;
• dopuszczalną niepewność;
• formę raportowania.

2. Zdefiniuj model

Należy zapisać równanie albo logiczny model przetwarzania danych. Dla zliczania komórek:

N_total = C_chamber × V_suspension × D

gdzie:

• C_chamber pochodzi z liczby obiektów i objętości komory;
• V_suspension jest całkowitą objętością;
• D jest współczynnikiem rozcieńczenia.

Model ujawnia składowe: counting statistics, wybór pól, geometria komory, pipetowanie, mieszanie i objętość zawiesiny.

3. Zidentyfikuj źródła

Pomocne jest grupowanie według etapów:

• pobranie i reprezentatywność;
• stabilność próbki;
• przygotowanie;
• wzorce i funkcja kalibracyjna;
• instrument;
• operator;
• środowisko;
• obliczenia;
• model i założenia.

Lista nie powinna mechanicznie zawierać wszystkiego. Trzeba wskazać składowe istotne w danym zakresie.

4. Oceń składniki typu A

Ocena typu A wykorzystuje analizę statystyczną serii obserwacji. Mogą to być:

• repeatability;
• intermediate precision;
• wyniki kontroli jakości;
• serie recovery;
• powtórzenia przygotowania próbki.

Dziesięć odczytów tej samej porcji nie obejmuje zmienności ekstrakcji. Dane muszą reprezentować etap przypisany składnikowi.

5. Oceń składniki typu B

Ocena typu B wykorzystuje inne informacje:

• świadectwo wzorcowania;
• specyfikację producenta, jeśli jest adekwatna;
• rozdzielczość;
• wcześniejsze dane;
• wartości referencyjne;
• tolerancję temperatury;
• wiedzę o rozkładzie.

Jeśli certyfikat podaje rozszerzoną niepewność U przy k = 2, standardową niepewność często uzyskuje się jako u = U/2, o ile opis certyfikatu pozwala na takie przeliczenie.

Tolerancja ±a bez dodatkowej informacji może być modelowana rozkładem prostokątnym:

u = a / √3

Nie należy stosować tego automatycznie, gdy znany jest inny rozkład.

6. Sprowadź składniki do wspólnej postaci

Każdy składnik trzeba wyrazić jako standardową niepewność w jednostce wyniku. Służą do tego współczynniki wrażliwości:

c_i = ∂f / ∂x_i

Wkład:

u_i(y) = |c_i| × u(x_i)

Dla mnożenia i dzielenia wygodne są niepewności względne. Dla sumowania — bezwzględne.

7. Uwzględnij korelacje

Proste sumowanie kwadratów zakłada brak istotnych korelacji. To założenie może być błędne, gdy:

• ten sam wzorzec służy do kilku punktów;
• wspólna pipeta wykonuje rozcieńczenia;
• wspólny blank jest odejmowany od serii;
• ta sama temperatura wpływa na kilka wejść;
• współczynniki regresji są skorelowane.

Pominięcie korelacji może zawyżyć albo zaniżyć wynik niepewności.

8. Oblicz niepewność złożoną

Dla nieskorelowanych wejść:

u_c(y) = √Σ[c_i²u²(x_i)]

Jeżeli model jest silnie nieliniowy, rozkłady są asymetryczne albo wynik leży blisko granicy, warto rozważyć propagację Monte Carlo zamiast wymuszać liniową aproksymację.

9. Wyznacz niepewność rozszerzoną

Niepewność rozszerzona:

U = k × u_c

Współczynnik k ≈ 2 jest często używany dla przedziału odpowiadającego w przybliżeniu 95%, ale nie jest uniwersalną obietnicą. Trzeba podać:

• wartość U;
• współczynnik pokrycia;
• założony poziom pokrycia;
• sposób wyznaczenia, jeśli jest nietypowy.

10. Sprawdź sens

Budżet powinien przejść test zdrowego rozsądku:

• czy obejmuje etap dominujący?
• czy nie policzono tej samej zmienności dwa razy?
• czy dane pochodzą z właściwego zakresu?
• czy wynik nie jest absurdalnie mniejszy od długoterminowego QC?
• czy odnosi się do próbki rutynowej?
• czy zmiana metody wymaga aktualizacji?

Podejście bottom-up i top-down

Bottom-up

Podejście bottom-up buduje model z poszczególnych wejść. Dobrze działa dla:

• wzorcowań;
• masy, objętości i temperatury;
• prostych przeliczeń;
• projektowania procesu;
• identyfikacji dominujących składników.

Może stać się fałszywie precyzyjne, jeśli pomija zmienność matrycy i przygotowania.

Top-down

Podejście top-down korzysta z danych o całej metodzie:

• intermediate precision;
• materiałów odniesienia;
• recovery;
• proficiency testing;
• porównań międzylaboratoryjnych.

Jest często praktyczne w analizie chemicznej i biologicznej. Trzeba jednak sprawdzić, czy dane obejmują poziom, matrycę, operatorów i czas odpowiadające rutynie.

Eurachem pokazuje, jak łączyć informacje z walidacji, kontroli jakości i materiałów odniesienia w ocenę niepewności analitycznej.⁴

Podejście mieszane

Praktyczny budżet może użyć intermediate precision jako składnika obejmującego wiele drobnych wpływów, a osobno dodać:

• niepewność wartości odniesienia;
• bias/recovery;
• pobieranie próbki;
• zmianę matrycy;
• niestabilność nieobecną w badaniu precyzji.

Warunek: składniki nie mogą dublować tej samej zmienności.

Przykład 1: liczba komórek

Laboratorium ma podać liczbę żywych komórek w fiolce.

Measurand

Liczba pojedynczych komórek spełniających kryterium żywotności w całej zawiesinie po rozmrożeniu i zdefiniowanym czasie recovery.

Model

N_live = n_live / V_counted × V_total × D

Składniki

• losowość liczby zdarzeń;
• selection of fields;
• niejednorodność zawiesiny;
• agregaty;
• definicja obiektu;
• objętość kanału lub komory;
• pipetowanie rozcieńczenia;
• całkowita objętość;
• czas i temperatura;
• klasyfikacja live/dead.

Krytyczny wniosek

Zwiększenie liczby pól może zmniejszyć składową counting statistics, ale nie naprawi sedymentacji przed pobraniem porcji. Najpierw trzeba rozpoznać dominujący mechanizm.

Przykład 2: fluorescencja

Measurand

Stężenie analitu reagującego z barwnikiem w określonej matrycy, w zakresie funkcji kalibracyjnej.

Łańcuch

materiał odniesienia → roztwór podstawowy → rozcieńczenia → standardy na płytce → odpowiedź optyczna → model regresji → próbka

Składniki

• wartość i stabilność standardu;
• masa/objętość rozcieńczeń;
• adsorpcja do naczyń;
• blank;
• położenie na płytce;
• czas reakcji;
• temperatura;
• photobleaching;
• funkcja kalibracyjna;
• heteroscedasticity;
• rozcieńczenie próbki;
• matrix effect.

Krytyczny wniosek

Wysokie R² nie dowodzi prawidłowej kalibracji. Może współistnieć z nieliniowością, dużymi residuami na dolnym końcu i błędnym modelem wag.

Przykład 3: pH medium

pH jest wielkością operacyjną wyznaczaną za pomocą zdefiniowanego układu elektrod i wzorców.

Istotne są:

• odpowiednie bufory wzorcowe;
• bracketing zakresu;
• slope i offset;
• temperatura buforów i próbki;
• stan junction;
• czas do stabilizacji;
• CO2 exchange;
• niska przewodność;
• carryover;
• zapis wyniku z właściwą liczbą cyfr.

Wzorcowanie elektrod nie gwarantuje, że próbka zachowała pH sprzed wyjęcia z inkubatora. Zmiana równowagi CO2 może dominować wynik.

Przykład 4: temperatura próbki

Setpoint inkubatora 37,0°C nie jest automatycznie temperaturą próbki.

Łańcuch obejmuje:

• sensor sterujący;
• jego lokalizację;
• mapę przestrzenną;
• bezwładność medium;
• otwieranie drzwi;
• obciążenie komory;
• czas recovery;
• niezależny termometr.

Measurand może brzmieć:

temperatura 2 ml medium w środkowej studzience określonego położenia, po 30 minutach od zamknięcia drzwi.

Tak zdefiniowana wielkość może wymagać innego testu niż serwisowe sprawdzenie sensora.

Przykład 5: qPCR

W qPCR możliwe są różne wyniki:

• wartość Cq;
• względna ekspresja;
• liczba kopii na objętość;
• liczba kopii na komórkę;
• obecność/nieobecność.

Każdy wymaga innego modelu. Dla liczby kopii znaczenie mają:

• materiał kalibracyjny;
• definicja kopii;
• extraction efficiency;
• inhibition;
• reverse transcription, jeśli badane jest RNA;
• amplification efficiency;
• threshold algorithm;
• objętość reakcji;
• normalizacja.

Sama zgodność pipety z certyfikatem nie ustanawia spójności liczby kopii.

Przykład 6: obraz i segmentacja

W obrazowaniu measurand może zależeć od algorytmu:

• powierzchnia obiektu;
• intensywność w masce;
• liczba jąder;
• odsetek marker-positive;
• odległość między strukturami;
• objętość rekonstrukcji 3D.

Łańcuch obejmuje:

skala przestrzenna → optyka → ekspozycja → obraz surowy → preprocessing → segmentacja → cecha → agregacja

Zmiana wersji algorytmu może zmienić definicję operacyjną wyniku. Dlatego model, parametry i wersja są częścią zapisu metrologicznego.

Zakres roboczy i interpolacja

Wynik ma sens tylko w zakresie, w którym metoda została scharakteryzowana.

Zakres roboczy może być ograniczony przez:

• dolną granicę sygnału;
• nasycenie detektora;
• nieliniowość;
• pogarszającą się precyzję;
• recovery;
• efekt matrycy;
• zbyt małą liczbę zdarzeń;
• zmianę mechanizmu odpowiedzi.

Interpolacja między punktami wzorcowania jest zwykle lepiej uzasadniona niż ekstrapolacja. Próbkę poza zakresem należy:

• rozcieńczyć;
• zagęścić;
• zmierzyć inną metodą;
• zgłosić jako powyżej/poniżej zakresu;
• albo wykazać rozszerzony zakres w walidacji.

Nie wolno po cichu przedłużać krzywej tylko dlatego, że oprogramowanie zwraca liczbę.

Niepewność a granice wykrywalności

LOD, LOQ i niepewność opisują różne rzeczy.

• LOD dotyczy zdolności odróżnienia sygnału od tła według konkretnej definicji.
• LOQ odnosi się do poziomu, przy którym można uzyskać ustaloną jakość ilościową.
• niepewność opisuje wiedzę o wartości danego wyniku.

W pobliżu dolnej granicy:

• rozkład może być asymetryczny;
• względna niepewność rośnie;
• blank może dominować;
• ujemny wynik po odjęciu tła nie musi oznaczać ujemnego stężenia;
• reguła raportowania powinna być ustalona przed badaniem.

Nie należy zamieniać każdej wartości poniżej LOQ na zero. Zero jest wartością, a „poniżej zakresu ilościowego” jest informacją o ograniczeniu metody.

Fit-for-purpose

Metoda jest przydatna wtedy, gdy jej właściwości odpowiadają zamierzonemu zastosowaniu. Nie istnieje abstrakcyjny wymóg „najmniejszej możliwej niepewności”.

Przykłady:

• screening może tolerować większą niepewność, jeśli kolejne badanie potwierdza;
• decyzja o zwolnieniu partii przy wąskim limicie wymaga mniejszej niepewności;
• eksperyment eksploracyjny może priorytetyzować szeroki zakres dynamiczny;
• porównanie wieloośrodkowe wymaga harmonizacji i spójności;
• sterowanie procesem może potrzebować szybkiego trendu bardziej niż absolutnej wartości.

Eurachem określa walidację jako wykazanie, że właściwości metody są wystarczające dla celu, i obejmuje między innymi selectivity, zakres, czułość analityczną, trueness, precision i robustness.⁵

Reguła decyzji

Wynik blisko limitu

Załóżmy wymaganie:

x ≤ 10,0

Laboratorium uzyskuje:

x = 9,8; U = 0,5

Sama liczba 9,8 leży poniżej limitu, ale zakres wartości zgodnych z wynikiem obejmuje wartości powyżej 10,0. Decyzja zależy od uzgodnionej reguły.

Guard band

Guard band przesuwa próg akceptacji, aby ograniczyć ryzyko fałszywej akceptacji. Przykładowo akceptacja może wymagać:

x + U ≤ limit

To konserwatywna reguła, ale nie jedyna. Można stosować podejście probabilistyczne zależne od:

• rozkładu wyniku;
• kosztu błędnej decyzji;
• ryzyka producenta;
• ryzyka konsumenta lub pacjenta;
• wymagań regulacyjnych.

Reguła powinna być zapisana przed poznaniem wyniku. W przeciwnym razie laboratorium dopasowuje kryterium do oczekiwanej odpowiedzi.

Conformance statement

Raport powinien rozróżniać:

• wartość wyniku;
• niepewność;
• specyfikację;
• zastosowaną regułę decyzji;
• samo stwierdzenie zgodności.

„Spełnia” bez podania reguły może być niejednoznaczne.

Kontrola jakości utrzymuje łańcuch w czasie

Wzorcowanie jest obrazem systemu w określonym czasie. Rutynowa kontrola odpowiada, czy system pozostawał pod kontrolą w dniu pomiaru.

Program może obejmować:

• blank;
• kontrolę ujemną;
• kontrolę dodatnią;
• materiał kontrolny na kilku poziomach;
• wzorzec kontrolny niezależny od kalibratora;
• duplikaty;
• spike/recovery;
• kontrolę trendu;
• porównanie operatorów;
• proficiency testing;
• okresowe ponowne wzorcowanie.

Control chart

Karta kontrolna odróżnia:

• naturalny rozrzut stabilnego procesu;
• pojedyncze odchylenie;
• trend;
• shift;
• wzrost zmienności;
• cykliczny wpływ środowiska.

Limity kontrolne nie są tym samym co limity specyfikacji. Pierwsze opisują zachowanie procesu, drugie wymaganie dla produktu lub wyniku.

Kontrola niezależna

Jeśli ten sam materiał służy do kalibracji i kontroli, nie ujawni błędu własnej wartości ani części błędów przygotowania. Niezależny materiał kontrolny jest silniejszym testem całego toru.

Co po wyniku poza kontrolą

Procedura powinna określać:

1. zatrzymanie raportowania;
2. ocenę błędu oczywistego;
3. ponowne przygotowanie kontroli;
4. analizę trendów i stanu wzorców;
5. zakres wyników potencjalnie dotkniętych;
6. naprawę i ponowną kwalifikację;
7. decyzję o powtórzeniu próbek;
8. CAPA i zapis.

Bez oceny okresu dotkniętego naprawa urządzenia nie zamyka problemu.

Co musi zawierać świadectwo wzorcowania

Przed zaakceptowaniem certyfikatu warto sprawdzić:

• jednoznaczną identyfikację obiektu;
• datę i miejsce;
• metodę;
• warunki środowiskowe;
• użyte odniesienia;
• wyniki, nie tylko „pass”;
• niepewność;
• współczynnik pokrycia;
• zakres i punkty;
• informację o stanie przed i po adiustacji;
• deklarację spójności;
• ewentualne ograniczenia;
• kompetencje i zakres akredytacji dostawcy.

ISO/IEC 17025:2017 pozostaje podstawowym międzynarodowym standardem kompetencji laboratoriów badawczych i wzorcujących; obejmuje spójne działanie i wiarygodność wyników, a zgodność z nim jest oceniana w określonym zakresie działalności.⁶

Logo akredytacji nie oznacza, że każda usługa dostawcy znajduje się w zakresie. Trzeba sprawdzić konkretną wielkość, metodę i zakres.

Częstotliwość wzorcowania

Stały interwał „raz w roku” nie jest prawem natury. Powinien wynikać z:

• stabilności historycznej;
• częstości użycia;
• znaczenia wyniku;
• obciążenia i środowiska;
• możliwości wykrycia driftu;
• zaleceń producenta;
• wymagań normy lub procedury;
• skutków stanu poza tolerancją.

Krótszy interwał może być potrzebny po:

• naprawie;
• przeniesieniu;
• przeciążeniu;
• ekspozycji na skrajne warunki;
• wyniku poza kontrolą;
• zmianie zakresu zastosowania.

Jeżeli codzienny wzorzec kontrolny stabilnie monitoruje system, interwał może być uzasadniany danymi. Jeśli brak kontroli między wzorcowaniami, rośnie okres niepewności co do ważności wcześniejszych wyników.

Metrologia oprogramowania

Oprogramowanie może:

• pobierać dane;
• wybierać punkty;
• dopasowywać krzywą;
• odrzucać obserwacje;
• zaokrąglać;
• przeliczać jednostki;
• klasyfikować;
• generować raport.

Walidacja systemu powinna sprawdzić:

• wersję i konfigurację;
• wzory;
• jednostki;
• obsługę wartości poza zakresem;
• transfer danych;
• uprawnienia;
• audit trail;
• integralność plików;
• backup i restore;
• zachowanie po aktualizacji.

Arkusz kalkulacyjny jest częścią systemu pomiarowego, jeśli jego wynik trafia do raportu. Ukryta formuła może być równie groźna jak źle wzorcowany sensor.

Zaokrąglanie i cyfry znaczące

Niepewność ogranicza sens liczby cyfr. Wyniku:

12,347891 mg ± 0,18 mg

nie należy raportować z sześcioma miejscami po przecinku. Rozsądna forma to na przykład:

12,35 mg ± 0,18 mg

Zasady:

• najpierw wykonuj obliczenia z wystarczającą precyzją;
• zaokrąglaj na końcu;
• podawaj wynik do tego samego miejsca dziesiętnego co niepewność;
• zapisuj regułę zaokrąglania;
• nie myl rozdzielczości ekranu z niepewnością.

Minimalny rekord pomiarowy

Dla wyniku o znaczeniu naukowym lub jakościowym warto zachować:

• identyfikator projektu i próbki;
• definicję measurand;
• daty i czasy krytycznych etapów;
• wersję metody;
• operatora;
• identyfikatory urządzeń;
• stan kwalifikacji i kontroli;
• identyfikatory oraz partie wzorców i odczynników;
• surowe wskazania;
• warunki;
• rozcieńczenia;
• funkcję kalibracyjną;
• kryteria akceptacji;
• wyniki QC;
• obliczenia i wersję oprogramowania;
• wynik, jednostkę i niepewność;
• odchylenia;
• regułę decyzji;
• osobę przeglądającą i zatwierdzającą.

Rekord ma umożliwić rekonstrukcję, a nie tylko udowodnić, że formularz został wypełniony.

Projektowanie systemu od decyzji wstecz

Najskuteczniejszy porządek to:

1. Decyzja — co zmieni się po otrzymaniu wyniku?
2. Wymaganie — jaka różnica i jakie ryzyko mają znaczenie?
3. Measurand — co dokładnie ma być zmierzone?
4. Próbkowanie — jaka część obiektu reprezentuje całość?
5. Metoda — jaki mechanizm odpowiada measurand?
6. Zakres — gdzie metoda jest wiarygodna?
7. Odniesienie — do czego wynik ma być spójny?
8. Niepewność — czy jest mała względem decyzji?
9. QC — jak wykryć utratę kontroli?
10. Zapis — co pozwoli odtworzyć wynik?

Kupno urządzenia jest dopiero jednym z elementów punktu piątego.

Najczęstsze błędy

„Ma certyfikat, więc wyniki są poprawne”

Certyfikat dotyczy określonego obiektu, czasu, punktów i warunków. Trzeba jeszcze kontrolować cały proces i stan po wzorcowaniu.

„Wynik jest dokładny do ostatniej cyfry”

Ostatnia cyfra wynika z rozdzielczości, nie z pełnej niepewności.

„Trzy techniczne powtórzenia dają n = 3”

Nie, jeśli pytanie dotyczy zmienności biologicznej, a wszystkie odczyty pochodzą z jednej próbki.

„R² = 0,999, więc krzywa jest dobra”

Potrzebne są residua, poprawność modelu, zakres, niezależne kontrole i niepewność predykcji.

„Blank był niski, więc metoda jest czuła”

Czułość, LOD i LOQ wymagają zdefiniowanej procedury oraz danych w odpowiednim zakresie.

„Traceable to SI” bez nazwania toru

Deklaracja musi wskazać measurand, odniesienie, ogniwa i niepewność. Nie wszystkie wyniki biologiczne są bezpośrednio spójne z SI.

„Niepewność to błąd, więc obniża wiarygodność”

Jawna niepewność zwiększa użyteczność wyniku, bo pokazuje granice wnioskowania.

„Kontrola weszła, więc każda próbka jest prawidłowa”

Kontrola może nie reprezentować matrycy, stabilności i przygotowania konkretnej próbki.

Checklista przed wdrożeniem pomiaru

• [ ] Pytanie biologiczne prowadzi do jednej lub kilku jawnych wielkości mierzonych.
• [ ] Measurand zawiera obiekt, właściwość, stan i warunki.
• [ ] Plan próbkowania odpowiada heterogeniczności.
• [ ] Replikaty techniczne i biologiczne są rozdzielone.
• [ ] Surowe wskazanie jest odróżnione od wyniku.
• [ ] Model obliczeniowy i jednostki są zapisane.
• [ ] Zakres roboczy obejmuje próbki.
• [ ] Kalibratory i kontrole mają zdefiniowane role.
• [ ] Odniesienie i łańcuch spójności są udokumentowane.
• [ ] Istotne źródła niepewności są ocenione.
• [ ] Nie dubluje się składników w budżecie.
• [ ] Niepewność jest odpowiednia dla decyzji.
• [ ] Reguła decyzji została ustalona przed wynikiem.
• [ ] Rutynowy QC wykrywa drift i awarie.
• [ ] Procedura określa postępowanie poza kontrolą.
• [ ] Oprogramowanie i arkusze są kontrolowane.
• [ ] Rekord pozwala odtworzyć obliczenia.

Checklista oceny pojedynczego wyniku

• [ ] Czy wiadomo, czego wynik dotyczy?
• [ ] Czy próbka reprezentuje deklarowany obiekt?
• [ ] Czy wynik znajduje się w zakresie?
• [ ] Czy kontrole serii spełniły kryteria?
• [ ] Czy wszystkie rozcieńczenia i korekcje są udokumentowane?
• [ ] Czy jednostka jest właściwa?
• [ ] Czy liczba cyfr nie sugeruje fałszywej precyzji?
• [ ] Czy niepewność obejmuje istotne etapy?
• [ ] Czy znane odchylenie wpływa na wynik?
• [ ] Czy porównanie z limitem stosuje ustaloną regułę?

Co czytać dalej

Ten artykuł tworzy wspólną ramę. Kolejne warstwy odpowiadają na bardziej wykonawcze pytania:

• walidacja metody — jak wykazać selectivity, zakres, liniowość, precision, trueness, recovery, LOD/LOQ i robustness;
• IQ/OQ/PQ — jak udokumentować, że system został poprawnie zainstalowany, działa zgodnie z wymaganiami i sprawdza się w rutynowym procesie;
• zapisy i identyfikowalność — jak powiązać próbkę, dane, wersję metody, wzorce, urządzenia, odchylenia i decyzję;
• artykuły o poszczególnych urządzeniach — jak ogólne zasady przekładają się na wagę, pipetę, cytometr, mikroskop, inkubator czy pH-metr.

Najważniejsza zmiana sposobu myślenia jest prosta: laboratorium nie produkuje cyfr. Produkuje wyniki zdolne do podtrzymania określonej decyzji, wraz z dowodami, dlaczego można im zaufać i gdzie kończy się ich znaczenie.