{
  "id": "analytical-method-validation",
  "title": "分析方法验证",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "分析方法验证通过有记录的实验证据，确定测量程序是否适合其预期用途。",
  "category": "science",
  "subcategory": "chemistry",
  "type": "concept",
  "aliases": [
    "分析程序验证"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/analytical-method-validation/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/analytical-method-validation/",
      "json": "https://aiwiki.page/en/analytical-method-validation.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "分析方法验证是通过形成文件的证据，证明分析程序适合某一明确的预期用途。在分析化学中，验证旨在确定从样品制备到计算和报告的完整程序，能否提供在选择性、准确度、精密度及其他相关性能特征方面满足要求的结果。验证针对的是分析物、样品基质、测量范围、设备和操作条件的特定组合，并不能证明某种方法在任何情况下都可靠。"
    },
    {
      "heading": "目的与范围",
      "text": "分析测量为多种决策提供依据，例如判断药品是否符合质量标准、食品是否含有未声明的污染物，或污染物是否超过环境限值。验证将测量程序的性能与相关决策的要求联系起来。\n\n因此，验证研究应从预期用途出发，而不是从一份固定的实验清单出发。需要考虑的重要问题包括：\n\n- 测量的是什么物质或性质？\n- 将在哪些样品类型和浓度范围内进行测量？\n- 结果是定性的、定量的，还是与规定限值进行比较？\n- 多大的误差可能改变最终决策？\n- 常规使用过程中预计会出现哪些变异来源？\n\n所关注的物质通常称为分析物。样品基质由样品中的其他组分构成，这些组分可能影响提取、分离、检测和计算。\n\n待验证的程序可以采用色谱法、光谱学、质谱法、滴定法或其他测量原理。验证关注的是完整程序的性能，而不仅仅是仪器制造商声明的性能。"
    },
    {
      "heading": "验证与相关活动",
      "text": "若干相关活动可提供不同类型的证据。\n\n方法开发用于建立和优化程序，包括选择样品制备条件、测量设置、校准模型和操作限度。开发与验证可以共用有价值的数据，但探索性的优化并不自动构成受控的验证研究。\n\n**校准**用于建立参考值与仪器示值或分析响应之间的关系。仅有一条令人满意的校准曲线，并不能证明提取、干扰控制、样品稳定性或常规精密度符合要求。\n\n**方法确认**用于确认实验室在实施既定程序时能够达到所要求的性能。对于已发布的标准方法，可能只需在本实验室条件下进行确认，而不必重复原始验证的全部工作。对方法作出重大修改，或将其用于既定范围之外时，可能需要补充验证。\n\n方法转移用于证明接收实验室能够以符合要求的水平执行某一程序。视具体情况而定，这可能涉及比对试验、联合验证，或其他有充分依据的评估。\n\n系统适用性试验用于检查分析系统在某次运行或某个分析序列中的运行状态是否符合要求。例如，色谱程序可能规定色谱峰分离度或进样重复性的限度。通过系统适用性试验不能替代验证。\n\n常规质量控制用于监测程序投入使用后的持续性能。验证提供适用性的初步证据；质量控制则帮助判断这种性能能否保持。"
    },
    {
      "heading": "主要性能特征",
      "text": "需要评估的特征取决于测量任务。鉴别试验、痕量杂质限度试验和定量含量测定，并不需要开展完全相同的研究。\n\n选择性与专属性\n\n选择性是指在其他组分存在时测定分析物的能力。这些组分可能包括结构相近的化合物、杂质、降解产物、试剂和基质成分。\n\n监管指南中常使用专属性一词，但不同学科的术语用法有所差异。有些体系将专属性专门用于指响应能够唯一归因于分析物的情况。\n\n相关证据可来自对空白样品、含分析物的样品、可能的干扰物，以及刻意施加挑战条件的样品进行测试。在药品稳定性试验中，受控降解有助于评估程序能否区分活性物质与相关降解产物。\n\n单一色谱峰或令人满意的光谱匹配结果，本身并不足以确证不存在干扰。不同化合物可能共洗脱，而表面相似的光谱也可能掩盖混合物的存在。\n\n准确度、正确度与偏倚\n\n准确度描述测量结果与公认参考值之间的一致程度。在严格的计量学术语中，准确度是与正确度和精密度均相关的定性概念。有些分析验证体系则在较窄的意义上使用“准确度”，专指通过实验评估的结果与参考值之间的一致程度。\n\n正确度关注重复测量的平均值与参考值之间的一致程度。偏倚用于估计二者的系统性差异：\n\n\\[\\hat b=\\bar{x}-x_{\\mathrm{ref}},\\]\n\n其中，\\(\\bar{x}\\) 为测量值的平均值，\\(x_{\\mathrm{ref}}\\) 为参考值。\n\n证据可来自有证标准物质、与适当参考程序的比较，或回收率实验。在一种常见的加标实验中，表观回收率按下式计算：\n\n\\[R(\\%)= \\frac{c_{\\mathrm{spiked}}-c_{\\mathrm{unspiked}}} {c_{\\mathrm{added}}}\\times100.\\]\n\n这一计算以各浓度采用一致的表示基准、且已计入所有体积变化为前提。外加分析物的行为可能与样品中原有分析物不同。因此，仅有令人满意的加标回收率，并不能证明样品中原有分析物已得到充分提取。\n\n精密度\n\n精密度描述在规定条件下重复测量结果之间的一致程度，通常用标准偏差或相对标准偏差表示：\n\n\\[\\mathrm{RSD}(\\%)=\\frac{s}{\\bar{x}}\\times100,\\]\n\n其中，\\(s\\) 为样本标准偏差。当平均值接近零时，通常不宜使用相对标准偏差。\n\n不同的精密度条件回答不同的问题：\n\n- **重复性：**在严格控制的条件下，通常于较短时间内产生的变异。\n- **中间精密度：**同一实验室内，在日期、分析人员、仪器或试剂批次等相关因素发生变化时产生的变异。\n- **再现性：**在规定条件下，不同实验室之间的变异。\n\n对同一份已制备溶液反复进样，只能评估程序的一部分。若要将称量、提取、稀释及其他制备步骤引入的变异纳入评估，就需要独立制备的样品。\n\n响应关系与工作范围\n\n定量程序要求分析物的量或浓度与测量响应之间存在适当的关系。这种关系可以是线性的，也可以是非线性的。\n\n对于线性模型，\n\n\\[y=a+bx+\\varepsilon,\\]\n\n\\(y\\) 为响应，\\(x\\) 为浓度，\\(a\\) 为截距，\\(b\\) 为斜率，\\(\\varepsilon\\) 表示未被模型解释的变异。\n\n决定系数高，并不能证明校准模型适当。残差分布模式、反算浓度的误差、整个范围内变异程度的不一致，以及独立样品的表现，同样需要考虑。当响应的变异程度随浓度显著变化时，可以采用加权回归。\n\n工作范围或可报告范围，是指已经证明能够达到所需性能的区间。它并不只是最低与最高校准标准之间的区间。稀释步骤和经过验证的样品制备过程，可能使可报告范围不同于仪器直接测量的范围。\n\n检出限与定量限\n\n检出限关注的是以适当的置信水平将分析物响应与背景区分开来。定量限关注的是在低含量水平下获得性能可接受的数值结果。\n\n常见的近似表达式为：\n\n\\[x_{\\mathrm{DL}}\\approx\\frac{3.3\\sigma}{S}, \\qquad x_{\\mathrm{QL}}\\approx\\frac{10\\sigma}{S},\\]\n\n其中，\\(\\sigma\\) 为响应变异程度的适当估计值，\\(S\\) 为校准灵敏度，通常取相关浓度范围附近的斜率。\n\n这些表达式是依赖于模型的估计方法，而非普遍适用的定义。其解释取决于变异程度的估计方式、空白的表现，以及所假定的响应模型是否成立。也可采用信噪比法，以及直接在低含量水平下开展性能研究的方法。\n\n估计得到的定量限通常需要通过实验确认。用洁净标准溶液得到的仪器检出限，可能远低于完整程序用于实际样品时能够达到的检出限。校准灵敏度，即单位浓度变化所引起的响应变化，也不同于检出限。\n\n稳健性\n\n稳健性是指在有意对相关参数作出小幅改变时，程序仍能保持可接受性能的能力。例如，改变提取时间、温度、流动相组成或酸碱度。\n\n稳健性研究有助于确定操作参数的允许变动范围，并识别需要严格控制的参数。析因实验设计能够揭示变量之间的交互作用，而一次只改变一个因素的研究可能遗漏这些作用。\n\n另一个常用术语是耐变性（ruggedness），但其含义并不统一：它可能与稳健性重叠，也可能更具体地指常规操作条件之间的变异。\n\n其他相关特征\n\n根据程序的具体情况，验证还可能涉及：\n\n- **残留效应：**前一个样品对后续测量造成的污染。\n- **样品与溶液稳定性：**在储存、制备或分析序列过程中发生的变化。\n- **基质效应：**样品组分引起的响应变化，包括质谱分析中的离子抑制或增强。\n- **稀释完整性：**样品稀释后仍能保持符合要求的性能。\n- **鉴别性能：**假阳性或假阴性判定的发生频率。\n\n例如，聚合酶链式反应程序可能需要提供关于抑制作用、污染控制、靶标特异性和检出概率的证据，而不能直接照搬化学测定的验证设计。"
    },
    {
      "heading": "验证研究的设计",
      "text": "验证方案应在开展确认性工作之前，明确预期用途、程序版本、材料、实验、统计分析方法和验收标准。\n\n验收标准应根据测量误差的后果和预期分析任务制定。不存在一个通用的回收率区间、精密度限值或最低校准相关性要求，能够证明所有方法都适用。\n\n具有代表性的设计应考虑：\n\n- **样品多样性：**相关基质、分析物含量水平及潜在干扰物。\n- **独立制备：**平行测定应涵盖制备过程的变异，而不仅是重复读数。\n- **常规变异来源：**分析人员、日期、仪器、试剂批次及环境条件。\n- **参考值：**其质量、不确定度及其与样品的相关性。\n- **统计充分性：**具有足够的观测数据，使性能估计达到有实际意义的置信水平。\n- **数据处理：**预先规定数据剔除、缺失观测值、数据变换及异常结果的处理方法。\n\n统计学分析不仅用于获得性能估计值，也用于评估这些估计值的不确定度。规模较小的研究可能得到表面上可接受的标准偏差或回收率，却无法为长期性能提供有力证据。未检出具有统计显著性的偏倚，并不能证明偏倚足够小。\n\n验证报告应记录实验、结果、偏离情况，以及有充分依据支持的使用范围。如果研究未达到某项验收标准，就需要调查原因；在看到结果之后修改标准，本身并不能证明程序适用。"
    },
    {
      "heading": "测量不确定度与溯源性",
      "text": "验证与测量不确定度密切相关，但二者并不相同。验证要回答的是性能是否满足预期用途的要求；不确定度评定则用于表征可合理归属于被测量的数值的分散程度。\n\n验证数据可以支持不确定度估计，尤其是中间精密度研究、偏倚调查和回收率实验的数据。其他不确定度分量可能来自采样、参考值、校准和样品制备。合成各分量时，必须避免重复计入同一变异来源。\n\n计量溯源性通过一条形成文件且不间断的校准链，将结果与指定参考联系起来，链上的每次校准都会引入不确定度。溯源性本身并不能证明程序具有选择性、样品具有代表性，或不确定度小到足以支持某项决策。\n\n采样尤为重要。即使针对送达实验室的材料，程序已经得到充分验证，如果最初采样不当，整体结果仍可能不适合用来表征更大的批次、场地或总体。"
    },
    {
      "heading": "标准与生命周期管理",
      "text": "多个相互交叠的体系对验证作出了规范。\n\n在药品分析领域，国际人用药品注册技术协调会的 **ICH Q2(R2)《分析方法验证》**规定了验证原则和性能特征。与其配套的指南 **ICH Q14《分析方法开发》**涉及方法开发，以及基于科学和风险的分析方法研究思路。两份指南均于2023年完成第4阶段采纳；各地区由相关主管机构负责实施。\n\nISO/IEC 17025:2017 规定了检测和校准实验室的能力要求，其中包括方法选择、确认、验证以及结果持续有效性方面的要求。各行业的专门指南进一步将这些原则应用于环境、食品、法庭科学、药品及其他领域。\n\n现代方法将验证视为分析程序生命周期的一部分。开发阶段积累的知识为初始验证提供依据，常规控制则为性能的持续保持提供证据。样品组成、设备、试剂、软件、计算模型或操作条件发生变化时，可能需要进行影响评估，并开展有针对性的补充研究或再验证。\n\n这些工作的范围取决于变化本身以及已有证据。对于未发生变化的方法，并不一定仅因时间推移就需要完整的再验证；但过去的验证也不能成为超出已证明性能符合要求的条件和用途使用该方法的依据。"
    }
  ],
  "links": [
    "analytical-chemistry",
    "chromatography",
    "spectroscopy",
    "mass-spectrometry",
    "calibration",
    "metrology",
    "temperature",
    "ph",
    "polymerase-chain-reaction",
    "statistics",
    "measurement-uncertainty",
    "metrological-traceability"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}