质量源于设计，相信这句话对于药物研发领域的你们应该非常熟悉了。但在分析方法开发中，误差也是需要设计的。但是，哪些误差可以设计？应该怎么设计？通过设计，误差可以完全消除吗？接下来，让我们一起来揭开误差设计的神秘面纱。
一、误差的概念
误差是指观测值或计算值与其真实值之间的差值。其中真实值客观存在，但不可知，误差也不可避免。举个例子：
XX项目稳定性检测过程中，0天含量的检测值为100.0%，而加速3月含量检测结果变为98.0%。含量结果下降了2.0%，而有关物质并没有太大的变化，这种情况可以得出产品质量下降的结论吗？当然不能，因为这种情况并不能说明产品质量下降，而是因为有误差存在。
二、误差的分类
随机误差：在同一测量条件下，多次重复测量同一量值，测量误差的绝对值与正负符号以不可预知的方式变化（即上下波动的随机性）。仪器的响应值、样本属性、人为读数以及样品制备等产生的误差都属于随机误差。如：检测同一批样品含量~测量所得结果可能是99.0%，也可能是100.0%，每一次的测量结果比真实值高，还是比真实值低，这个误差并不能预测，故这种误差为随机误差。
系统误差：在同一测量条件下，多次重复测量同一量值，测量误差的绝对值与正负符号保持不变，或在测量条件变化时以一定规律变化。量具、流动相本底响应、对照品含量以及溶液稳定性等产生的误差为系统误差范畴。如：在某品种含量检测过程中，主成分溶液在某时间段内不稳定降解，就会使得检测结果偏低。这种既定的误差为系统误差。
粗大误差：由于测量者的粗心大意或者环境条件的突然变化，引起的误差。例如：移液管使用错误、称量错误以及检测仪器突然故障、计算公式错误等都是粗大误差。粗大误差一般不是从方法开发层面，而是通过实验室的管理及仪器的维护来减小误差。
虽然产生误差的途径有很多，但我们在进行检测的时候必须坚持一个原则：所有误差的总和不得超过检测结果允许的误差范围。
三、误差的设计
1、随机误差的设计
【置信区间】
我们建立的分析方法是用于检测少量样品（抽检）的合格情况，并以此来评估总体样本属性的。所以我们检测样品的数量和检测次数，不能随心情来定，需经过统计学方法置信区间来评估并制定。
由公式可以看出，希望误差与样本量成反相关，样本量越大，希望误差越小。故若我们制定一个希望误差，则根据此公式推算出需要进行检测的样本量。
例：若HPLC连续进样的RSD%为5.0%，样品含量测定的限度要求为95.0%~105.0%，真实含量为99.0%~101.0%之间，即检测结果的误差要求小于1%，应该如何处理？
已知σ=2%，取置信水平为95%，则Z值为1.96。其中希望误差为1%，故将数据代入公式，可计算得n为16，所以连续进样16次，取平均值，则95%的概率误差小于1%。
2、系统误差的设计
① 实验室的量具需定期校正
② 选择适当的流动相和检测波长，以降低本底吸收风险
③ 对照品的纯度应尽可能的高，且选择适宜的标定方法
④ 方法开发期间应评估溶液稳定性，并在规定的时间内完成检测
3、粗大误差的设计
① 实验室的仪器需定期维护、检定或者验证
② 试验人员应具备基本试验素养，并经过良好的培训
③ 实验室的环境需进行良好的控制
④ 方法开发期间对试验操作的难易程度进行评估，以减小粗大误差的产生
四、总结
质量源于设计是贯穿整个药品研发过程的一个理念，分析方法是质量建立过程中的标杆，而误差的设计则是分析方法开发与建立过程中最为关键的环节之一。我们只有在方法开发或者分析方法使用之前对此分析方法的误差进行充分的评估以及合理的设计，才能在后续药品质量评价及标准的建立过程中事半功倍。
