DIPLOMATURA

GESTIÓN DE LA CALIDAD EN
LABORATORIOS DE ENSAYO
ISO/IEC 17025
CURSO
Validación de métodos de ensayo
GENERACIÓN DE
EXPECTATIVAS

SESIÓN N° 3
TEMARIO SESIÓN N° 3
5. Análisis de parámetros de
Desempeño
5.1 Límite de detección
5.2 Límite de cuantificación
5.3 Selectividad/especificidad
PRODUCTO DE APRENDIZAJE
ESPERADO
Guía de Trabajo Aplicativo 3-4:
➢ Análisis de parámetros de
desempeño:
• Límite de detección
• Límite de cuantificación
• Selectividad/ especificidad

3
SABERES
PREVIOS

¿Qué parámetros de desempeño

identifica en un método de ensayo?

https://www.linkedin.com/pulse/115-ideas-
en-15-minutos-antonio-j-ramirez

4
CONFLICTO
COGNITIVO

Defina algunos parámetros de

desempeño, ejemplos

https://es.dreamstime.com/fotograf%C3%ADa
-de-archivo-consiga-certificado-ganan-el-
documento-oficial-de-la-certificaci%C3%B3n-
image18887682

5
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.1 Límite de detección

5.2 Límite de cuantificación
5.3 Selectividad / especificidad
5.4 Intervalo de trabajo
5.5 Intervalo lineal
5.6 Sensibilidad
5.7 Precisión
5.8 Recuperación de muestra fortificada
5.9 Veracidad
5.10 Robustez
5.11 Incertidumbre de la medición
6
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.1 Límite de detección

Definición 1:

“El límite de detección, expresado como concentración cL, se deriva de la

medición más pequeña xL que puede ser detectada con certeza
razonable para un procedimiento analítico dado”.

(IUPAC Compendium of Chemical Technology , 1985) obtenido de (3)

Definición 2:

“El límite de detección es la mínima concentración de analito que puede

ser identificado, medido y reportado con un intervalo de confianza de 99%
tal que la concentración del analito es mayor que cero”.

Determination of metals and trace elements in water and wastes by inductively coupled plasma-atomic emission spectrometry
– EPA Method 200.7 – Revision 4.4 – 1994.

7
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

1. Método IUPAC (1)

LD = xbl + ksbl

xbl : es la media de las mediciones del blanco, valor positivo o cero

sbl : es la desviación estándar de las mediciones del blanco

k : es un factor numérico elegido de acuerdo al nivel de confianza deseado”

Aplicación:
Analizar 10 muestras de soluciones blanco independientes, medidas
una vez cada una
Calcular la desviación estándar sbl del grupo de medidas.
Aproximar el valor de k = 3, para un intervalo de confianza al 99%.

Fuente: IUPAC Compendium of Chemical Technology, 1985 - obtenida de Guía Eurachem 1998

8
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño
2. Método IUPAC (2)

LD = k.sbl-f

sbl-f : es la desviación estándar de las mediciones del blanco fortificado

k : es un factor numérico elegido de acuerdo al nivel de confianza deseado

Aplicación:
Analizar 10 muestras de soluciones blanco fortificadas independientes;
Calcular la desviación estándar del grupo de medidas sbl-f.
Aproximar el valor de k = 3, para un intervalo de confianza al 99%.

Fuente: IUPAC Compendium of Chemical Technology, 1985

9
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

3. Método por regresión lineal A partir del proceso de calibración lineal

LDy = ybl + ksres y = a.x + b

LDy : límite de detección de la señal

ybl : es la media de la señal del blanco

sres : es la desviación estándar de residuales

k : es un factor numérico elegido de acuerdo al nivel de confianza deseado”

Aplicación:
• Desarrollar un proceso de calibración lineal, hallar la ecuación de la
recta
• Analizar una muestra de solución blanco independiente
• Calcular la desviación estándar sres del grupo de residuales
• Aproximar el valor de k = 3, para un intervalo de confianza al 99%.
10
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

3. Método por regresión lineal A partir del proceso de calibración lineal

y = a.x + b
LDx = ( LDy – b ) / a

LDx : límite de detección de la concentración

LDy : límite de detección de la señal

b : intercepto

a : pendiente

11
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

4. Método por relación señal/ ruido

Límite de detección estimado
Obtención
En el caso de procedimientos analíticos instrumentales que están sujetos a ruido de
fondo
Método de aproximación consiste en comparar las señales de muestras de
concentraciones bajas (conocidas) del analito con las señales del blanco

a) Identificar relación señal / ruido

señal : señal producida por analito presente en el límite de detección

ruido : señal producida por muestra en ausencia de analito

b) Obtener relación señal / ruido identificada

c) LDe = concentración del analito en la solución que genera señal

12
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5. Método por réplicas de blanco

Límite de detección estimado
Obtención:

• Analizar 10 réplicas del blanco de calibración; la desviación estándar

obtenida multiplicada por 3 será el límite de detección estimado (LDe).

LDe = 3.sbl Límite de detección instrumental

sbl : es la desviación estándar de 10 mediciones de solución blanco

13
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño
6. Método EPA
Obtención:

• Se prepara una solución usando agua grado reactivo calidad superior fortificada a
una concentración de 2 a 3 veces el límite de detección estimado (LDe).

• Se analiza la solución preparada en el paso anterior 7 veces.

• Se calcula el LD de la siguiente manera:

LD = t. s

t: valor de constante estadística t’ de Student para un nivel de confianza del

99% y una desviación estándar estimada con n-1 grados de libertad; siendo
n = 7 , el valor de t será 3,14.
s: la desviación estándar de los análisis de las réplicas del blanco fortificado

14
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

6. Método EPA

Criterio de decisión:
Si la desviación estándar relativa (RSD) del análisis de las siete alícuotas
es menor que 10 %  la concentración de la solución empleada para
determinar el límite de detección del método para el analito en estudio puede
ser inapropiadamente alto para dicha determinación, lo que podría originar ,
luego de los cálculos, un valor de LoD irreal y muy bajo.

Fuente: Determination of metals and trace elements in water and wastes by inductively coupled plasma-atomic
emission spectrometry – EPA Method 200.7 – Revision 4.4 – 1994.

15
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.2 Límite de cuantificación (LC)

Definición:

“El límite de cuantificación es la menor concentración

de un analito que puede ser determinada con una
precisión aceptable ( repetibilidad) y exactitud bajo las
condiciones establecidas de la prueba” .
NATA Tech Note # 13 obtenido de (3)

16
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.1 Límite de detección (LD –

5.2 Límite de cuantificación (LC)

Estudiar
Archivo Excel
“LD – LC”

Estudiar
Archivo Excel
“Expediente validación”
hojas “LD - LC”

17
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.3 Selectividad / especificidad

Selectividad o especificidad:

“La habilidad de un método para determinar

exactamente y específicamente el analito de
interés en la presencia de otro componentes en la
matriz bajo condiciones establecidas de la prueba”

NATA Tech Note #13 obtenido de (3)

18
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.3 Selectividad / especificidad

– Especificidad
“La habilidad de un método de medir sólo lo que se espera que mida”
AOAC – PVMC obtenido de (3)

“Es la capacidad de determinar el analito inequívocamente en la

presencia de componentes los cuales se espera estén presentes.
Comúnmente puede incluir impurezas, degradantes, matriz, etc”
ICH Q2A, CPMP/ICH/381/95 obtenido de (3)

Se considera que la especificidad es el 100% de la selectividad.

19
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

Revisión de pruebas estadísticas en

evaluación de selectividad

Prueba de bondad de ajuste:

Prueba Anderson Darling

Paramétrica
➢ Prueba t-Student
➢ Prueba F-Fischer

No paramétrica
➢ Prueba Mann Whitney

20
 5. Evaluación de Parámetros de
CONSTRUCCIÓN

CONOCIMIENTO

Desempeño
DEL

Prueba de normalidad
Prueba Anderson Darling

21
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño
Prueba de normalidad

Si

22
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

Prueba de hipótesis para dos medias

Prueba t de Student
Evaluación de una diferencia de medias µ1 - µ2 de distribuciones normales de
varianzas σ12 y σ22 desconocidas. Se usará el estadístico t para realizar la
prueba. Se busca probar que µ1 - µ2 = 0.
_ _

x 1 media muestral 1 x 2 media muestral 2

varianza muestral 1
2
s 1 s 2
varianza muestral 2.
2

_ _

x −x 1 2 Hipótesis nula : 𝐻0 ∶ 𝑢1 − 𝑢2 = 0
es el estimador de la Hipótesis alternativa: 𝐻1 ∶ 𝑢1 − 𝑢2 ≠ 0
diferencia poblacional
µ1 - µ2 .
23
CONSTRUCCIÓN

CONOCIMIENTO
DEL

Se tienen dos casos:

Caso 1 Caso 2
Si σ = σ12 = Si
σ22 σ12 ≠ σ22
_ _

x−x _ _

t = 1 2
x−x
exp
1 1 t = 1 2

s. + exp
(s / n ) + (s / n )
2 2

n n 1 2
1 1 2 2

( n − 1) s 2
+ ( n − 1) s 2
(s / n + s / n )
2 2 2

s2 = 1 1 2 2
g.l. = 1 1 2
−22

n1 + n2 − 2 ( s / n ) /(n + 1) + ( s / n ) /(n + 1)
2
1 1
2
1
2
2 2
2
2

para n1 + n2 – 2 grados
de libertad
|texp|<|tcrítico|
24
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

Prueba de hipótesis para varianzas

Prueba F - Fischer
Evaluación de las varianzas σ12 y σ22 de dos distribuciones normales
independientes . Se busca probar que σ12 y σ22 son iguales.

La varianza muestral s2 es el estimador de la varianza poblacional σ2 .

Hipótesis nula : 𝐻0 ∶ 𝜎12 = 𝜎22 s12

Fexp = 2  Fcrítico
Hipótesis alternativa: 𝐻1 ∶ 𝜎12 ≠ 𝜎22 s2
Es práctico situar en el numerador el valor más alto de manera que el cociente
sea siempre superior a la unidad.

Si se cumple se acepta la hipótesis nula

25
 5. Evaluación de Parámetros de
CONSTRUCCIÓN

CONOCIMIENTO
DEL

Desempeño
Prueba no paramétrica
Prueba Mann Whitney
Compara las diferencias entre dos medianas,
se basa en rangos , no en los parámetros de la muestra (media, varianza).

Requisitos
· Variable cuantitativa que no cumple los requisitos de normalidad y/o homogeneidad de
varianzas.
· Muestras independientes y al azar.

Hipótesis
La hipótesis nula establece que no existen diferencias entre las medianas.

H0: Mediana1 = Mediana2 .... se acepta si p>0,05

H1: Mediana1 ≠ Mediana2

26
 5. Evaluación de Parámetros de
CONSTRUCCIÓN

CONOCIMIENTO
DEL

Desempeño
Prueba no paramétrica
Prueba Mann Whitney

ni : número de datos del grupo i

∑Ri : suma de la posición de los

datos del grupo i luego de
ordenar todos los datos de
manera creciente

Uexp = mínimo (U1 , U2)

Se rechaza H0 si Uexp ≤ Ucrítico

de tablas

27
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.3 Selectividad / Especificidad

Estudiar
Archivo Excel
“Selectividad”

Estudiar
Archivo Excel
“Expediente validación”
hoja “Selectividad”

28
 TRABAJO APLICATIVO
TRANSFERENCIA

SESIONES
N° 3-4
Nombre del trabajo aplicativo:
Trabajo Aplicativo Sesiones 3-4

Indicaciones:

Empleando la información proporcionada en el archivo Ejercicio Sesiones

3-4 realizar la evaluación de los siguientes parámetros de desempeño:

I.
a) Límite de detección - Límite de cuantificación.
b) Selectividad
II.
a) Intervalo lineal
b) Sensibilidad

29
DEL PRODUCTO
TRABAJO APLICATIVO
EVALUACIÓN

SESIONES
http://definicion.mx/wp-
content/uploads/2013/06/feedback.png N° 3-4
Puntaje
N° Criterio de Evaluación
Máximo

I. Evaluación de parámetros de
desempeño:
1 a) Límite de detección y límite de 4
cuantificación.
6
b) Selectividad
II. Evaluación de parámetros de
desempeño:
8
2
a) Intervalo lineal
2
b) Sensibilidad

TOTAL 20

30
CONSTRUCCIÓN

CONOCIMIENTO

Referencias Bibliográficas
DEL

o Norma ISO/IEC 17025: 2017: Requisitos generales para competencia de

los laboratorios de ensayo y de calibración. Rev.3
o INACAL DA-acr-06D: Directriz para la acreditación de laboratorios de
ensayo y calibración, 2019.
o INACAL DA-acr-20D: Directriz para la validación de métodos de ensayo,
2017.
o Douglas C. Montgomery (2005). “Control Estadístico de la Calidad”. Limusa
Wiley. (3a Edición).
o Indecopi con autorización de ISO (1999), “Guía para la expresión de la
Incertidumbre de la medición”, en base a versión en inglés editada por
BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML, 1995.
o Cenan - Eurachem (1998), “Métodos Analíticos Adecuados A Su Propósito-
Guía De Laboratorio Para Validación De Métodos Y Tópicos Relacionados”
(1998), Traducción Al Español Realizada Por E.Pedrero I – Cenam-México.

31
CONSTRUCCIÓN

CONOCIMIENTO

Referencias Bibliográficas
DEL

o ISO 5725-2-4. Exactitud (veracidad y precisión) de los métodos y

resultados de medición – NTP- 1999-12-30. 1ª Edición. Indecopi.
o Ángel Ríos Castro. Seminario sobre Trazabilidad, Incertidumbre y
Validación – Su aplicación a Laboratorios de Ensayos Químicos–
Universidad de Córdoba (España) 2004.
o Ramón Compañó Beltrán, Angel Ríos Castro. “Garantía de la calidad en los
laboratorios analíticos”. Ed. Síntesis S.A. – 2002.(9)
o Sandro Paz Collado. “Curso Principios de Estadística” – Instituto para la
Calidad PUCP 2004.
o H. Sucker, P. Fuchs, H. Feltkamp, (1983) « Pharmazeutische
Qualitätskontrolle“, Georg Thieme Verlag, Stuttgart, 1983.
o APHA,AWWA,WEF (2017) , Standard Methods for Examination of Water &
Wastewater – Ed. 23th – 1040 B – Method Validation.

32