在检验科的各项检查中仪器的校准报告是其中最重要的一项,校准报告中的分析数据繁多,我们怎样读懂校准报告?

       报告中最常出现的几个名词CV值,SD值,他们各代表的什么意义,他们是如何计算出来的?

       我们一起来了解一下吧!

 

1.精密度

       计量的精密度(precision of measurement),系指在相同条件下,对被测量进行多次反复测量,测得值之间的一致(符合)程度。从测量误差的角度来说,精密度所反映的是测得值的随机误差。精密度高,不一定正确度高。也就是说,测得值的随机误差小,不一定其系统误差亦小。

 

2.准确度

       是指你得到的测定结果与真实值之间的接近程度。

 

3.精密度与准确度的关系

       准确度是指测得值与真值之间的符合程度。

       准确度和精密度是两个不同的概念,但它们之间有一定的关系。应当指出的是,测定的精密度高,测定结果也越接近真实值。但不能绝对认为精密度高,准确度也高,因为系统误差的存在并不影响测定的精密度,相反,如果没有较好的精密度,就很少可能获得较高的准确度。可以说精密度是保证准确度的先决条件。

 

       4.标准差(SD) ,它能够反映变量值的离散程度 ,正负值就是在计算好的SD上加个正负号 表示在这个范围内波动 在平均值上加上或者减去这个数字,都认为在正常范围内。

       方差:s^2=[(x1-x)^2 +(x2-x)^2 +......(xn-x)^2]/(n-1)(x为平均数)

       标准差:方差的算术平方根=S

       标准差能很客观准确的反映一组数据的离散程度,但是对于不同的检验目的,或同一项目不同的样本,标准差就缺乏可比性了,因此对于方法学评价来说又引入了变异系数CV。

       CV(Coefficient of Variance):标准差与均值的比率。用公式表示为:CV=σ/μ

 

5.线性分析验证:

       考虑预测对象发展变化本质基础上,分析因变量随一个自变量变化而变化的关联形态,借助回归分析建立它们因果关系的回归方程式,描述它们之间的平均变化数量关系,据此进行预测或控制。

基本原理

       假设预测目标因变量为Y,影响它变化的一个自变量为X,因变量随自变量的增(减)方向的变化。一元线性回归分析就是要依据一定数量的观察样本(Xi,Yi)i=1,2…,n,找出回归直线方程Y=a+bX   (1)          

       对应于每一个Xi,根据回归直线方程可以计算出一个因变量估计值Yi,将求出的a和b代入式(1)就得到回归直线Yi =a+bXi 。那么,只要给定Xi值,就可以用作因变量Yi的预测值。

       在分析测试中,一元回归分析通常采用相关系数r这一统计量来检验X与Y是否确实相关以及相关的程度如何。相关系数r的值总是在-1与+1之间.

       当r=1时,所有的点都在一条直线即回归直线上,此时称Y与X完全线性相关

       当r=0时,b=0,即回归直线平行于X轴,所示,说明Y的变化与X无关, 此时X与Y毫无线性关系。

       通过上述简单的介绍,大家应该理解了校准报告中的一些基本数据,这会更加方便了我们的日常工作。