Построение градуировочного графика

Градуировочный график (калибровочная кривая) – это математическая связь между известными уровнями аналита (или измеряемой величины) и откликом измерительной системы (сигналом прибора). Через эту связь лаборатория переводит сигнал в результат измерений. Если график построен некорректно или «уплыл» со временем, ошибки будут систематическими: результат может выглядеть повторяемым, но быть неверным.

Контроль стабильности градуировочных характеристик нужен по той же причине, по которой в лаборатории ведут внутренний контроль качества: приборы стареют, условия меняются, партии реагентов и колонок отличаются, а человеческий фактор стабилен в одном – он всегда найдет, где ошибиться.

Поэтому градуировка – это управляемый процесс: построение → проверка пригодности → регулярный контроль → корректирующие действия.

Нормативные и методические опоры

Требования к доказуемости качества измерений и управлению методиками в лабораториях обычно опираются на подход ГОСТ ISO/IEC 17025-2019: лаборатория должна демонстрировать, что применяемые методики дают валидные результаты, а контроль обеспечивает стабильность характеристик во времени. Это логически связано с валидацией/верификацией методик и подтверждением пригодности в рутине.

В медицинских и ряде измерительных областей распространены процедуры оценки линейности и проверки диапазона, описываемые в руководствах CLSI (например, EP06 как рамка оценки линейности количественных процедур).

Отдельно в практических материалах по ГОСТ 17025-2019 акцентируется применение контрольных стандартов и контрольных карт для мониторинга стабильности калибровки/точности.

Термины и базовые определения

Чтобы избежать путаницы в документах и разговорах между лабораторией, метрологом и менеджером по качеству, используйте единые определения:

• Калибровочные точки – уровни аналита/величины с известным значением (стандарты, растворы, смеси), по которым строится связь «значение → сигнал».
• Отклик (signal) – измеряемый прибором параметр (площадь/высота пика, оптическая плотность, потенциал, интенсивность и т.п.).
• Модель градуировки – уравнение, связывающее значение и сигнал (чаще линейное, иногда полиномиальное, логит/лог-лог и т.д.).
• Остатки (residuals) – разница между наблюдаемым сигналом и сигналом, предсказанным моделью; основной материал для проверки пригодности графика.
• Гетероскедастичность – ситуация, когда разброс ошибок увеличивается с уровнем концентрации (типично для многих методов). В этом случае часто нужна взвешенная регрессия.
• Стабильность градуировочных характеристик – сохранение параметров модели (наклон, свободный член, форма кривой) и приемлемых отклонений в контрольных точках во времени.

Подготовка к построению градуировочного графика

Качество градуировки определяется входными условиями. В лабораторной практике «плохая калибровка» чаще начинается не с математики, а с подготовки:

1. Стандарт и прослеживаемость
   Используйте стандарты с понятным происхождением и документами (сертификаты, паспорт), предпочтительно CRM там, где это критично. Для доказуемости качества методики и неизменности работы в рутине регулярный анализ контрольных образцов/CRM рассматривается как предпочтительная практика.
2. Матрица и приготовление
   Матрица калибровки должна быть сопоставима с матрицей образцов (по возможности). Иначе график будет красивым, но не про вашу реальность: появятся матричные эффекты и смещение.
3. Диапазон и уровни
   Диапазон калибровки должен покрывать рабочий диапазон методики (включая нижнюю область рядом с LOQ/порогом, если релевантно) и зону максимальных значений, встречающихся в пробах.
4. Повторности и план серии
   Внутри одной серии заранее определите: сколько повторов на точку, будет ли калибровка в начале/конце серии, какие контрольные точки включаются и по каким правилам серия признаётся годной.

🎓 Обучение по теме статьи → повышение квалификации сотрудников лабораторий

Построение графика: пошаговый алгоритм

Ниже – базовый алгоритм, который можно положить в СОП и воспроизводить от смены к смене.

Шаг 1. Определите модель и ожидаемую форму зависимости

По большинству методов первый кандидат – линейная регрессия. Но линейность – это не убеждение, а проверяемая гипотеза. Если метод физически нелинеен (детектор насыщается, реакция имеет кинетику, есть логит-зависимость), выбирайте модель осознанно: полиномы, лог-преобразования, логит и т.п. (с обязательной проверкой остатков).

Шаг 2. Подготовьте калибровочные уровни

Выберите 5-8 уровней как типовую практику для широкого диапазона (чем шире диапазон и чем больше риск нелинейности – тем больше уровней). В клинической практике линейность часто оценивают по набору уровней в пределах заявленного интервала.
Если используете двухточечную калибровку в рутине, она должна быть оправдана валидацией/верификацией и контролем дрейфа: иначе вы экономите минуты, теряя доверие к данным.

Шаг 3. Проведите измерения и соберите данные «без редактуры»

Запишите сырой сигнал, условия измерений, идентификатор партии реагентов/колонки, дату и оператора. «Подгонять» данные до расчетов – опасная практика: потом невозможно доказать, что решения были обоснованы.

Шаг 4. Выполните регрессию (обычная или взвешенная)

• Обычная (OLS) подходит, когда дисперсия ошибок примерно одинакова по всему диапазону.
• Взвешенная регрессия применяется, когда разброс растёт с концентрацией или критична точность в нижнем диапазоне (частый случай).

Принцип выбора простой: модель должна давать одинаково приемлемые ошибки по всему диапазону.

Шаг 5. Проверьте пригодность графика: остатки, тренды, несоответствие модели

Ключевой момент: коэффициент детерминации R² не является достаточным критерием. При большом диапазоне и большом числе точек высокий R² можно получить почти всегда – даже при систематических проблемах в нижней области. Практический контроль – это:

• График остатков по концентрации (не должно быть явных трендов).
• Проверка «перелома» (нелинейности) и «плохих зон».
• Оценка отклонений калибровочных точек от расчетных (в процентах или в абсолютных единицах).

В аналитической статистике для проверки линейной модели используется, в том числе, подход lack-of-fit – он не заменяет анализ остатков, но помогает формально оценить пригодность линейного уравнения.

Шаг 6. Зафиксируйте критерии приемки и правила реакции

Критерии должны быть формализованы в СОП/методике: допустимое отклонение точек, допустимый дрейф контрольной точки, правила исключения точки (когда допускается и кто утверждает), условия перестроения графика.

Расчетная часть и критерии приемки градуировки

Хорошая градуировка определяется не «красивой линией», а управляемыми критериями:

1. Пригодность модели для диапазона
   Линейность должна быть подтверждена для диапазона, в котором вы будете выдавать результаты. Для количественных процедур важно установить интервал, где модель приемлема.
2. Контроль ошибок по диапазону
   Оценивайте ошибки в нижней области отдельно: именно там чаще всего «проседает» точность и растут риски ложных решений (особенно в медицине и контроле соответствия).
3. Управление неопределенностью
   При выдаче результатов и формировании доказательности лаборатория должна учитывать неопределенность измерений и прослеживаемость. В требованиях ISO/IEC 17025 к калибровочной деятельности акцентируется представление неопределенности и метрологической прослеживаемости.
4. Документирование
   Записывайте: модель, коэффициенты, тип регрессии (взвешенная/нет), диапазон, критерии приемки, результаты проверок, решения по выбросам и подписи ответственных. Если решение нельзя воспроизвести по записи – его как будто не было.

Контроль стабильности градуировочных характеристик

Построить график – полдела. Дальше начинается реальная работа качества: удержать его стабильным.

Контроль в серии (внутрисерийный)

Внутри аналитической серии применяйте:

• контрольный стандарт/контрольный образец на фиксированном уровне;
• контроль в начале и/или в конце серии (в зависимости от риска дрейфа и длительности).
  Практика использования контрольного стандарта для мониторинга стабильности калибровки и применения контрольных карт отражается в учебных/практических материалах по ISO/IEC 17025.

Контроль между сериями (межсерийный)

Межсерийный контроль нужен, чтобы отслеживать медленный дрейф (старение лампы, загрязнение оптики, деградация колонки, накопление матричных эффектов). В ongoing performance verification для рутинных анализов рекомендуется регулярный анализ специфических контрольных образцов, предпочтительно CRM, как доказательство неизменности работы метода.

Контрольные карты и правила реакции

Стандартный управленческий инструмент – контрольные карты (Шухарта и/или более чувствительные методы при необходимости). Суть не в том, чтобы «рисовать графики», а в том, чтобы иметь формальные правила:

• Один выход за пределы – блокировка выпуска результатов и расследование.
• Тренд/дрейф – корректировка или перестроение калибровки до выхода из допуска.
• Повторяющиеся «пограничные» значения – поиск причины, а не привыкание к проблеме.

Триггеры перестроения/перекалибровки

Перестраивайте график и/или проводите внеплановую проверку при:

• Ремонте/обслуживании прибора, замене ключевых узлов;
• Смене партии реагентов/калибраторов/колонки, обновлении ПО;
• Изменении методики подготовки проб;
• Выходе контрольного образца за критерии;
• Появлении систематического смещения по внешнему контролю/межлабораторным сличениям (если применимо).

🎓 Курсы по теме статьи → профессиональная переподготовка сотрудников лабораторий

Автоматизация: как технологии снижают риск ошибок градуировки

В большинстве лабораторий основные потери качества происходят не из-за отсутствия знаний, а из-за ручных операций: переписывание чисел, «забытый» вес, неверная версия калибровки, незафиксированные исключения. Поэтому современные технологии – это элемент профилактики ошибок.

Что имеет практический эффект:

• Автоматический расчёт и сохранение моделей

ПО прибора или вычислительный модуль должен сохранять уравнение, коэффициенты, тип регрессии, веса, диапазон, дату/оператора и ссылку на сырые данные. Это обеспечивает воспроизводимость.

• Версионность и аудиторский след

Любое изменение калибровки должно иметь версию и причину. Без этого лаборатория теряет управляемость: нельзя доказать, что результаты связаны с правильной калибровкой, и нельзя расследовать отклонения.

• Электронные контрольные карты и уведомления

Автоматизация контроля стабильности – это контрольные карты, которые строятся без ручного ввода, с автоматическими правилами сигнализации и блокировками (например, запрет выпуска серии при выходе контрольной точки).

• Интеграция с LIMS/LES

Связка «калибровка → серия → контрольные точки → результат» должна быть сквозной: это снижает риск «человеческих коррекций» и упрощает аудит.

Типичные ошибки и как их предотвращать

1. Ставка на R² вместо анализа остатков
   Высокий R² не гарантирует правильности модели по всему диапазону; контролируйте остатки и отклонения точек.
2. Игнорирование гетероскедастичности
   Если ошибки растут с уровнем концентрации, без взвешивания вы почти неизбежно получите плохое качество в нижнем диапазоне.
3. Необоснованное исключение «плохой точки»
   Выбросы удаляют потому что есть доказанная причина (ошибка приготовления, приборный сбой). И это должно быть записано.
4. Отсутствие контроля стабильности
   Калибровка может выглядеть корректной сегодня, но дрейф проявится через неделю. Контрольный стандарт и контрольные карты – базовая страховка.
5. Ручной ввод и отсутствие версионности
   Когда калибровка пересчитывается в Excel, лаборатория теряет доказательность и управляемость. Автоматизация здесь дешевле, чем последствия.

Чек-лист для руководителя лаборатории и менеджера по качеству

• В СОП определены: число уровней, повторности, модель, критерии приемки и правила реакции.
• Используются контрольные образцы/стандарты в серии и между сериями; есть контрольные карты и пределы.
• Заданы триггеры перестроения градуировки и процедура расследования отклонений.
• Обеспечены прослеживаемость, хранение сырых данных и версионность калибровок.
• Внедрены элементы автоматизации (расчеты, контрольные карты, уведомления, блокировки) и интеграция с LIMS/учётными системами.

Выводы

Построение градуировочного графика – это управляемая процедура, где важны не только расчеты, но и входные условия, проверка пригодности модели (включая анализ остатков) и формальные критерии приемки. Контроль стабильности градуировочных характеристик – обязательное продолжение: контрольные стандарты, контрольные карты и понятные триггеры перекалибровки позволяют удерживать достоверность результатов в рутине. Для устойчивости системы качества рекомендуется автоматизация: электронная версионность калибровок, аудит-трейл, автоматическое построение контрольных карт и интеграция с LIMS – это прямое снижение риска ошибок и повышение доказуемости.

Список источников

• Замятнин М. Ю. Культура построения графиков //Потенциал. Математика. Физика. Информатика. – 2018. – №. 11. – С. 166.
• ГОСТ ISO/IEC 17025-2019 «Общие требования к компетентности испытательных и калибровочных лабораторий».
• СМ № 04.1-4.0009 «Методические рекомендации по применению ГОСТ ISO/IEC 17025-2019».
• СМ № 03.1-1.0018 «Руководство по проведению оценки соответствия испытательных лабораторий (центров) критериям аккредитации».
• СМ № 04.1-1.0019 «Руководство по аккредитации испытательных лабораторий (центров)».

Остались вопросы?

Заполните заявку — мы перезвоним и расскажем все детально

Ваше имя * ✓

Номер телефона * ✓

У меня номер другой страны

Я даю согласие на обработку персональных данных согласно условиям политики обработки персональных данных *

Оставить заявку

Я согласен получать рекламу и звонки

* — обязательное поле