
如何判断测量是否重复性良好?
1 重复性的意义与位置
在紫外分光光度计(UV-Vis)质控体系里,“重复性”是衡量方法可靠度的第一道关卡。若同一样品多次上机得出吸光度(或浓度)值差异过大,任何进一步谈准确度、回收率、检出限都失去意义。换言之,重复性是所有分析质量参数的地基。
2 概念厘清:精密度 vs 重复性 vs 再现性
术语 | 定义关键词 | 实验条件 |
---|---|---|
精密度 | 测值离散程度 | 不限操作员/时间 |
重复性 | within-run 精密度 | 同操作员、同装备、短时段 |
再现性 | between-lab 精密度 | 不同实验室、不同设备 |
本文聚焦“重复性”,即单台仪器在“连贯操作”场景下的波动。
3 重复性评价指标
相对标准偏差 (RSD, %)
RSD=sxˉ×100\text{RSD} = \frac{s}{\bar{x}}\times 100RSD=xˉs×100
− s 为样本标准差;
− xˉ\bar{x}xˉ 为平均值。绝对差 (Diff)
Diffmax-min=xmax−xmin\text{Diff}_{\text{max-min}} = x_{\text{max}} - x_{\text{min}}Diffmax-min=xmax−xmin
Horwitz 比率 (HorRat)
用于与国际经验公式对应的容忍区间比较。控制图 (X-bar, R-chart)
动态监控长期趋势,肉眼判断异常点。
样品类型 | 推荐 RSD 上限* | 原因简述 |
---|---|---|
纯标液 (A≈0.2) | ≤0.3 % | 仪器本身噪声下限 |
常规溶液样品 | ≤1.0 % | 加入移液与稀释误差 |
高粘度/浊度样品 | ≤2.0 % | 散射与基体不稳定 |
* 以上为经验阈值;法规或方法文件优先。
4 重复性验证实验设计
4.1 单样六次法(6 × 1)
步骤
取单一样品溶液(或同一批样品经同法稀释);
连续测 6 次,中间不更换比色池;
计算 RSD 与 Diff。
优点:最符合仪器噪声评估;
缺点:不含移液误差。
4.2 重称重稀释法(6 × 6)
步骤
同一批原液,独立移液、稀释 6 份;
各自测 1 次;
统计 RSD。
优点:囊括移液+稀释误差;
缺点:操作量大,对移液器校准要求高。
4.3 交叉设计法(3 × 2 × 2)
结构:3 份稀释 * 2 位操作员 * 2 台比色池;
用途:同时评估人为、器皿与操作序列对重复性的贡献。
5 影响重复性的关键因素与控制策略
因素类别 | 内部机理 | 典型表现 | 解决方案 |
---|---|---|---|
光源噪声 | 灯老化电流波动 | A 值前后漂移 0.005 | 定期更换灯、稳压 |
温度梯度 | 折光率微变 | 同一槽重复性≥1 % | 浴槽温控±0.1 ℃ |
光程误差 | 比色池加工差异 | 不同槽差异>0.01AU | 同批、同品牌石英槽 |
比色皿污染 | 指纹、洗液残留 | 单次噪声高 | 70 % 乙醇+无尘纸 |
稀释误差 | 移液器偏差 | RSD 2–3 % | 每月核准移液器 |
气泡 | 光散射 | 单次 A 激增下降 | 轻敲或抽真空脱泡 |
6 数据统计与判读
6.1 RSD 与 t 比较
若方法文件限值为 1.5 %,计算得 RSD = 0.92 % → 合格。
若超限,需探根因:先看空白、再看设备、三查操作。
6.2 控制图示例
ini复制编辑CL = 0.500UCL = 0.505LCL = 0.495
连续 8 点均在 CL ± 1 s 内 → 稳态;
出现 1 点跨 UCL 或 2 点连在 2–3 s 区 → 立即排查校正。
6.3 方差分析 (ANOVA)
在交叉设计中,运用单因子或双因子 ANOVA 解析“操作者”“比色池”“时间”是否对总方差有显著影响 (P<0.05P<0.05P<0.05 即显著)。
7 重复性不良的调试流程(七步排错)
比色池清洁度——看光路;
灯源光强计——查闪烁;
空白扫描——测基线;
移液器精准度——称水法;
温度记录——查看实验室空调曲线;
缓冲液 pH——确认稳定;
重新制样——排除样品不均匀。
排错完成后,再做一次“6 × 1”重复性试验验证。
8 UV-Vis 与比色法重复性差异
重复性源 | UV-Vis(直读) | Bradford / BCA |
---|---|---|
基线噪声 | 主导 | 次要 |
移液误差 | 中等 | 中等 |
反应时间差 | 无 | 主导 |
温度影响 | 中等 | 高 |
结论:UV-Vis 重复性更受硬件与比色池状态主宰;比色法更多由化学反应动力学与孵育时间带来波动。
9 智能化提升策略
自动光程校准:微光程设备内建接触式传感器,每次检测实时测液柱高度,消除装液差。
边缘算法噪声剥离:卷积滤波+Savitzky–Golay 自动去高频噪音。
数字双胞胎:仪器云端镜像同时记录温度、电流、湿度,对重复性差趋势给出预警。
深度学习复判:模型学习 10 万条历史重复性数据,判断新批次是否存在非随机误差。
10 结语
判断原则:用 RSD + Diff + 控制图 三角判据,辅以 HorRat 或 ANOVA,可迅速得出是否“重复性良好”的客观结论。
核心抓手:光源稳定、比色池一致、移液精准、温度恒定。
持续改进:随着 MEMS-UV、物联网与 AI 算法植入,重复性的监控将从“事后统计”转向“实时预警”,极大提升实验室效率与数据可信度。
