W chemii analitycznej dostępnych jest wiele metod analizy próbek, a zastosowanie różnych technik do tej samej próbki często daje różne wyniki. Ta rozbieżność może również wystąpić w przypadku tej samej technologii, takiej jak spektroskopia w bliskiej podczerwieni (NIR). Dobrym przykładem jest sytuacja, w której dwie próbki są wysyłane do dziesięciu różnych laboratoriów; mimo że wszystkie używają spektroskopii NIR, wyniki mogą się znacznie różnić.

Wyniki analizy pomiarów NIRS tej samej próbki wysłanej do dziesięciu różnych laboratoriów. Przedstawiono wyniki zawartości białka w kiszonce z trawy i kiszonce z kukurydzy. Linie przerywane pokazują medianę wartości dziesięciu wyników.

Aby zaradzić odchyleniom między różnymi metodami, zaleca się dostosowanie aplikacji kalibracyjnych NIR (przewidywań) zgodnie z bieżącą analityczną metodą referencyjną przed użyciem. Praktyka ta zwiększa porównywalność różnych metod.

Podczas badania dużego zbioru danych próbek o zróżnicowanym składzie i odpowiadających im „prawdziwych” wartości dla określonego parametru analitycznego, często obserwuje się wyraźne przesunięcie liniowe między różnymi metodami analizy. Zjawisko to wskazuje, że chociaż wyniki z obu metod mogą być zgodne pod względem trendów, wartości bezwzględne wykazują stałą średnią różnicę, znaną jako obciążenie. To obciążenie odzwierciedla systematyczną rozbieżność, która może wpływać na interpretację wyników, podkreślając potrzebę kalibracji i dostosowania podczas porównywania wyników z różnych technik analitycznych.

Korektę BIAS można skutecznie zademonstrować za pomocą wykresu rozrzutu, który wyświetla przewidywane wartości w odniesieniu do wartości referencyjnych. W tej reprezentacji graficznej obecność obciążenia staje się łatwo widoczna. Sama wartość BIAS jest określana przez obliczenie różnic między wynikami uzyskanymi ze spektrometru NIR a wynikami z analitycznej metody referencyjnej. Wizualizując te rozbieżności, można łatwo zidentyfikować zakres i kierunek obciążenia, co ułatwia odpowiednie dostosowania w celu zwiększenia dokładności i wiarygodności wyników analitycznych.

Reprezentatywny zestaw próbek skutecznie ilustrujący obciążenie między wartościami przewidywanymi a wartościami referencyjnymi. To obciążenie objawia się jako przesunięcie między linią trendu, która jest wynikiem regresji liniowej oryginalnych danych, a dwusieczną kąta, która reprezentuje linię doskonałej korelacji.

Po zastosowaniu korekty BIAS do oryginalnych danych, w wyniku czego powstają tzw. „dane z korektą BIAS”, punkty danych mają tendencję do gromadzenia się bliżej linii doskonałej korelacji między wartościami przewidywanymi a referencyjnymi.

Procedury walidacji i regulacji instrumentu dla aplikacji do pasz są określone w międzynarodowej normie DIN EN ISO 12099:2018-01.

Zgodnie z tą normą należy zmierzyć co najmniej 20 próbek, aby uzyskać statystycznie istotne wyniki. Analiza tych wyników pozwala na ocenę wydajności modelu i określenie, czy konieczne są jego modyfikacje. Przy wyborze walidacyjnego zestawu próbek kluczowe jest zapewnienie, aby był on reprezentatywny dla różnorodności typów próbek, które będą mierzone, ponieważ ma to bezpośredni wpływ na ważność i jakość dokonanych korekt.

Typy próbek użyte w opisie modelu muszą obejmować wszystkie potencjalne typy próbek, które będą mierzone za pomocą instrumentu i modelu.

Istotne jest, aby skład próbki był reprezentatywny i równomiernie rozłożony w oczekiwanym zakresie dla wszystkich przewidywanych parametrów. Co więcej, zakres ten powinien mieścić się w ustalonych granicach aplikacji NIR.

W miarę możliwości należy uwzględnić próbki z różnych regionów lub o różnym pochodzeniu sezonowym, a także próbki z wielu źródeł.

Jeśli aplikacja obejmuje wiele różnych typów próbek, może być konieczne uwzględnienie ponad 20 próbek, aby zapewnić odpowiednią istotność statystyczną i wiarygodność modelu.

Wsteczna aplikacja lub modyfikacja wartości korekty BIAS dla poprzednich pomiarów nie jest możliwa. Po wdrożeniu wartości BIAS pomiary nie mogą być przywrócone do ich pierwotnych wartości. Można jednak w dowolnym momencie dostosować wartość korekty BIAS i natychmiast zastosować ją ponownie do przyszłych pomiarów, uwzględniając zaktualizowaną wartość. Ta elastyczność pozwala na ciągłe doskonalenie dokładności przy jednoczesnym zachowaniu przejrzystego rejestru zmian w procesie analitycznym.

Każda korekta wartości BIAS jest traktowana jako zmiana przyrostowa. Ponieważ wartości BIAS zaczynają obowiązywać natychmiast dla przyszłych pomiarów, wszelkie modyfikacje odnoszą się do bieżącej konfiguracji (a nie do oryginalnych wartości bez żadnej korekty BIAS). W związku z tym proces ten nazywamy dodawaniem wartości BIAS, a nie edytowaniem istniejącej korekty BIAS.

Podczas konfigurowania korekt BIAS dla aplikacji do pasz kluczowe jest zapewnienie, aby wyniki pomiarów referencyjnych były raportowane na tej samej podstawie co przewidywania trinamiX. Ogólnie rzecz biorąc, istnieją dwa popularne sposoby wyrażania wyników w analityce pasz:

Procent „w stanie świeżym” (który obejmuje zawartość wilgoci)

Procent „suchej masy”

Niezbędne jest przekształcenie wartości referencyjnych, aby odpowiadały podstawie wyników trinamiX, szczególnie jeśli są one wyrażone w inny sposób. Transformacja ta jest opisana w Informacjach o aplikacji i jest niezbędna do utrzymania spójności i dokładności w procesie korekty BIAS.

Na przykład, użytkownik mierzący zawartość białka w próbkach pszenicy początkowo analizuje zestaw 25 próbek i stwierdza, że wartości trinamiX są średnio o 5% wyższe niż jego wartości referencyjne. Konfiguruje on wartość BIAS na -5%, co koryguje oryginalne wartości analizy w dół o 5%, dostosowując wyniki do jego danych referencyjnych. Co ważne, wszystkie pomiary wykonane przed tą konfiguracją BIAS pozostają niezmienione.

Po roku użytkownik zmienia swoją metodę referencyjną i mierzy nowe próbki, odkrywając wartość BIAS +7% w porównaniu do swoich wyników. Następnie dodaje wartość BIAS +7%, aby dostosować się do nowego odniesienia. Ta korekta skutkuje efektywną wartością BIAS +2% przy uwzględnieniu wcześniejszej wartości BIAS -5%.

Później użytkownik doprecyzowuje swoją korektę BIAS, używając innego zestawu próbek i identyfikuje szczątkową wartość BIAS +1%. Dodaje to do swojej konfiguracji, co skutkuje efektywną wartością BIAS +3%. Jeśli chce powrócić do oryginalnych wartości analizy, może zastosować wartość BIAS -3%, co sprowadziłoby efektywną wartość BIAS z powrotem do 0%, skutecznie przywracając oryginalne pomiary.