校准验证与线性评估.

如何分析回报结果-线性评估
线性高点偏离best-fit 排出样本问题（高浓度的降解较为明显） 查看该点是否为稀释结果（即非本实验室 AMR 范围 内），稀释是否正确。 如在AMR范围内考虑是否缩短线性范围。
如何分析回报结果-线性评估
中间点出现偏离best-fit 排出样本问题 多点定标中该浓度处定标不准确。 定标点设置不合理，如HCY需采用多点定标，为节 省试剂厂家推出了两点定标，导致中间点偏离。
如何分析回报结果-校准验证
虽然在可接受的范围内，但仍需注意到整体偏高的 趋势。（比例误差）什么样情况会导致比例误差？ 最常见的是： 校准品放置过 久浓度下降，采用 实际浓度偏低的校 准品校准后将使检 测结果偏高。

如何分析回报结果-校准验证
结果偏高，但随着样本浓度的升高偏倚逐渐不明显。 （恒定误差） 常见的有： 试剂放置过久， 基础颜色加深，致 空白提高，如未及 时进行空白定标将 导致恒定误差的产 生。
如何分析回报结果-线性评估
不精密： 2、另一种是与最适线性的拟合差异较大 较难诊断，多为样本问题，如多个样 本处理不当；多点定标中两个以上 点定标不准确；方法缺陷。
如何分析回报结果-线性评估
不精密： 2、另一种是与最适线性的拟合差异较大 较难诊断，多为样本问题，如多个样 本处理不当；多点定标中两个以上 点定标不准确；方法缺陷。
校准验证

允许误差限的百分差异图
校准验证

同组的性能总结和同组数
线性评估

采用的是IRC法，特点是X轴提供的不是预期值，而 是等距值，即高在整个样本中所占有的百分比。
线性评估
如何分析回报结果-校准验证
1、整体偏高或偏低 标本问题：TBIL 分析系统问题： 定标错误-重新校准 书写错误：上报、单位 换算等非技术性差错。
校准验证与线性评估
CAP Calibration Verification/Linearity
CAP校准验证与线性评估 标本数：6-7个样本，每个样本重复测定2次 频率：每年两次 结论回报： 1、校准验证： 确认、差异 2、线性评价：线性、非线性、不精密

校准验证

在实际情况中，是采用设备组的均值作为参考比对值进行比 较。 判断方法：低值采用最小检测差异，常规值采用允许误差的 一半。 CAP不计算斜率与截距是否与1、0有差异，只要测定误差在 可接受范围内即判断为接受；

如何分析回报结果-校准验证
最高点或者最低点校准验证不接受 查看同组在该点的 CV，如 CV过大，可以认为同等 组的均值不接受 如该点为稀释结果考虑是否为稀释导致 标本原因：高浓度的降解（高点偏低型） 校准问题：多点的定标品高浓度降解 检测系统性能问题： 考虑是否已超过可报告 范围，如稀释方案无法确保结 果准确性，考虑是否有必要缩 短可报告范围。
谢谢！
如何分析回报结果-线性评估
不精密： 2、另一种是与最适线性的拟合差异较大 较难诊断，多为样本问题，如多个样 本处理不当；多点定标中两个以上 点定标不准确；方法缺陷。
如何分析回报结果-线性评估
不精密： 2、另一种是与最适线性的拟合差异较大 较难诊断，多为样本问题，如多个样 本处理不当；多点定标中两个以上 点定标不准确；方法缺陷。
如何分析回报结果-线性评估
不精密：两种情况 1、同一点两次检测差异较大 查找影响CV的因素： 仪器ห้องสมุดไป่ตู้题（常多项目同时出现） 项目参数设计缺陷，如试剂用 量及样本用量过低至加样误差 增大 试剂不稳定或方法缺陷
如何分析回报结果-线性评估
仅在某一段出现重复性差的问题，以LP(a)为例
如何分析回报结果-线性评估