分析灵敏度分析目的分析灵敏度analyticalsensitivity描述测量系统在低浓度端区分信号与噪声的能力由三个递进的限值构成LoBLimit of Blank空白限空白样本可能出现的最高测值95%分位数。LoDLimit of Detection检出限能以 95%置信水平区分于空白的最低浓度。LoQLimit ofQuantitation定量限测量结果达到预设精密度目标如 CV 20%的最低浓度。本文演示如何使用ivdtools包的lob_lod_loq()依据CLSI EP17-A2计算分析灵敏度LoB按 5.3.3.1参数法LoB M_B cp·SD_B将全部空白结果合并为池cp 1.645/√(1 − 1/(4(B−K)))为小样本修正的 95% 单侧分位数B 为空白结果总数、K 为空白样本数。LoD按 5.4.3先对非空白低浓度样本拟合 Sadler精度轮廓模型方差随浓度再自 LoB 起做固定点迭代X LoB cp·SD_WL(X)cp 1.645/√(1 − 1/(4(N_TOT−K)))。LoQ按附录 D1 Example 1功能灵敏度求精度轮廓与目标 CV水平线的交点√Var(X)/X target_cv。该 LoQ仅反映精密度、不含偏差。示例数据为确定性的教学数据仅用于演示流程正式研究必须依据方案或标准预先规定的实验设计、目标浓度与接受标准。::: celllibrary(ivdtools) library(readr):::函数概述函数 主要用途 关键输入或输出lob_lod_loq()一次计算 LoB / LoD / 汇总数据、空白样本名、目标LoQ CVreplicate_to_mean()汇总重复测量 均值、SD、重复数 nfit_equation()拟合 Sadlereqsadler、df_col精度轮廓内部调用print()/plot()结果展示 表格式汇总、SD/CV 双面板lob_lod_loq()的输入是已汇总的data.frame每行一个样本含样本名称列、均值列即浓度、 SD 列与重复数n 列列名可自由指定。它内部自动完成 Sadler最优模型拟合无需用户手动拟合。示例LoB / LoD / LoQ 分析读取和核验数据数据包含 2 个空白样本blank_A、blank_B与 6个低浓度样本L1–L6各样本重复测量 空白各 40 次、低浓度各 30次共 260 行。SD随浓度升高而增大符合低浓度端方差随均值增大的常见情形::: cellsens - read_csv(./data/sensitivity.csv, show_col_types FALSE) sens - as.data.frame(sens) str(sens):::::: celldim(sens) table(sens$sample):::逐样本汇总用replicate_to_mean()按样本名称分组计算均值、SD与重复数分组变量为字符时保留原值 两个空白各占一行::: cellrep - replicate_to_mean(data.frame(x sens$sample, y sens$value), x x, y y) rep$sample - rep$x rep$mean - rep$y_mean rep$sd - rep$y_sd rep$n - rep$y_n rep[c(sample, mean, sd, n)]:::注意lob_lod_loq()要求方差模型响应为方差、并按自由度加权因此汇总后还需给每行补var sd^2与df n − 1两列再交给lob_lod_loq()。若你的数据已含这两列则无需此步。计算 LoB / LoD / LoQblank参数指定空白样本名称可多个target_cv指定 LoQ的精密度目标::: cellsumm - rep[c(sample, mean, sd, n)] res - lob_lod_loq(summ, sample_col sample, mean_col mean, sd_col sd, n_col n, blank c(blank_A, blank_B), target_cv 0.20) res:::结果解读LoB 0.0836空白测值的 95% 分位数参数法合并 B 80个空白结果、K 2 个空白样本。LoD 0.26精度轮廓上X LoB cp·SD(X)的固定点即高于此浓度的测值可判为非空白。LoQ 0.59CV 20%达到 20%精密度目标所需的最低浓度仅基于精密度。返回对象结构lob_lod_loq()返回sensitivity对象各限值与参数以命名分量保存::: cellstr(res, max.level 1):::::: cellres$lob res$lod res$loq res$B res$K res$cp_lob res$cp_lod res$model:::cp_lob、cp_lod即 EP17 的两个小样本修正系数model为 AIC选出的最优 Sadler 模型 本例为模型 3混合方差型。图形plot()画出 SD 与 CV 两个精度轮廓面板叠加 LoB / LoD / LoQ参考线直观展示各限值的 几何含义::: cellplot(res):::其他输入情形情形一仅空白只算 LoB若无低浓度水平则只计算 LoBLoD / LoQ 为NA::: cellres_b - lob_lod_loq(summ[summ$sample %in% c(blank_A, blank_B), ], sample_col sample, mean_col mean, sd_col sd, n_col n, blank c(blank_A, blank_B)) res_b:::情形二无空白只算 LoQ若无空白样本blank NULL则只计算 LoQLoB / LoD 为NA::: cellres_q - lob_lod_loq(summ[!summ$sample %in% c(blank_A, blank_B), ], sample_col sample, mean_col mean, sd_col sd, n_col n) res_q:::情形三LoQ LoD当按目标 CV 算出的 LoQ 低于 LoD时如空白噪声大、低浓度端精密度好LoQ 会取max(LoQ, LoD)并以警告提示保证LoQ ≥ LoD::: cell# 构造空白噪声大、低浓度精密度好的数据 d_noisy - data.frame( sample c(blank, paste0(L, 1:6)), mean c(0, 0.5, 1, 2, 5, 10, 20), sd c(5, sqrt(0.01 0.02 * c(0.5, 1, 2, 5, 10, 20)^2)), n c(30L, rep(5L, 6)) ) res_n - lob_lod_loq(d_noisy, sample_col sample, mean_col mean, sd_col sd, n_col n, blank blank) res_n:::结果判读要点目标先定分析前确定目标 CV本文 20%仅为教学示例、置信水平与接受标准。空白合并池LoB 将全部空白结果合并计算cp含B−K自由度修正样本量小时不可忽略。LoQ 仅含精密度本流程的 LoQ不包含偏差不能替代基于总误差TE的定量限声明。模型选择不同 Sadler 模型在低浓度端外推差异大报告应注明 AIC最优模型与排序。LoQ ≥ LoD程序保证 LoQ 不低于 LoD若按 CV 计算的 LoQ 低于LoD会以警告并取max。数据格式lob_lod_loq()的输入为已汇总data.frame原始的重复测量数据需先由replicate_to_mean()处理。