一、前言
分析方法学验证是一个常被提及的话题，每一个做质量研究的小伙伴都不陌生。分析方法学验证的难点不在做验证的过程，因为其本质也就是做实验，亦不在制定“模式化”的可接受标准，毕竟法规中有些指标是明明白白写在那的，会看各国药典、ICH Q2和GMP，就会制定“模式化”的可接受标准，其难点之一在于基于法规层面上的“变化”，如何做到“万变不离其宗”，制定科学合理的“个性化”可接受标准且又不违背法规的底层逻辑。其难点之二在于如何攻克法规中描述的“不知其所以然”的条例，充分发挥法规的指导价值。
分析方法学验证常见，但完全参透也是路漫漫其修远兮，笔者也在求索的路上。此文仅围绕“准确度如何推导”这一主题展开，旨在与大家分享一些见解，也欢迎大家一同探讨。
二、“准确度可推导”的法规背景
中国药典2020版和ICH Q2（R1）中指出：准确度可以在精密度、线性和专属性建立后推论而得。
上述条例表明：准确度可以通过推导而非仅能通过准确度实验获得，且这一措施符合国际和国内的监管要求。因此，如若能够正确运用这一法规，方法学验证阶段可以少做一组实验，减少实验量；方法开发阶段可以通过部分实验数据提前预估方法的准确度，属实为质量研究工作者的福音。
三、“准确度可推导”的数学背景
中国药典9101中这样指出：分析方法验证的目的是证明建立的方法适合相应检测要求。那么，为何一次验证通过，就能够表明此分析方法是适用的？不考虑意外因素时（如断电、色谱柱柱效下降、仪器漏液等）是否一定不会出现结果超预期？
实质上，分析方法学验证就是在做“统计推断”，也就是说，分析方法学验证的数据是一组统计样本，而“建立的方法适合相应检测要求”是通过这组样本推断而得的结论。有统计推断的地方就有误差，有误差的地方就有风险，这也是为什么在中国药典9101和ICH Q2（R1）中要求数据报告时应报告置信区间，毕竟方法学验证的测量结果仅仅为本次实验的测得值，而测得值的置信区间为一定置信水平下的推断值，可预估分析方法的整体风险。
综上：分析方法学验证就是通过小样本（方法验证数据）推断整体（分析检测）的统计科学。因此，准确度作为分析方法学验证的关键指标之一，可通过其他验证指标统计推导亦不足为奇。
四、“推导准确度”的适用场景
准确度推导的前提是分析方法的专属性、线性和精密度得到论证。其结果可通过精密度推导而得，需要关注的是，并非所有的准确度推算均被视为可接受的。将准确度分为含量测定准确度和有关物质测定准确度2类分别考虑：
当分析人员评估含量准确度时，随机误差的相对贡献程度远低于由干扰引起的误差，此时误差通常可以通过“良好的专属性”得到控制【4】。
与含量测定准确度有显著区别的是，有关物质测定的杂质通常含量较低，因此杂质浓度大概率较低，随机误差的相对贡献变得更大，导致其变异性水平比含量测定高得多，风险控制相对困难【4】。
综上：含量测定测定的准确度可以通过推导而得，但有关物质测定的准确度应采用实际的加标回收试验或与成熟的方法测定结果比较来证实，并不能用推算结果替代。
感兴趣的小伙伴也可以仔细研读ICH Q2（R1）准确度的相关内容，仅含量测定项下的准确度描述了“可推导”的相关语句，但有关物质测定项下的准确度并未说明 “可推导”。
五、“推导含量准确度”的步骤：
● Step1（获取精密度结果）：取同一浓度（分析方法拟定的样品测定浓度，相当于100%浓度水平）的供试品，用至少6份的测定结果进行评价，结果采用相对标准偏差RSD表示【4】。
● Step2（推算准确度）：具体公式参见如下【3,4】：
上式中：
t(q,df)：返回q处的累积分布函数；
df：自由度，n-1;
Upper和Lower：分别表示准确度可接受标准的上限和下限值；
Mean：重复测定的样本的均值；
SD：标准差，可由RSD* Mean得到；
n：样本数量；
笔者解析：上述公式通过精密度结果推算准确度在一定可接受标准下的置信度，以确定置信度是否在可接受的标准内，通常以0.95为可接受标准，即95%的置信水平。这个公式也可以做变形转化，反过来计算95%置信水平下的准确度的置信区间，这时的可接受标准就是通常所见的 Lower~Upper。变换后公式如下：
笔者在这里特别说明，以上变换公式来源于国家药典委员会2024年03月最新公示的《分析数据的解释与处理指导原则公示稿（第一次）》，这也是中国药典首次将分析数据的处理纳入指导原则，旨在用可靠的检测数据及统计学分析方法对分析数据进行处理、解释和科学呈现。感兴趣的小伙伴可以去官网上下载阅读，内容颇丰。
六、“推导准确度”的现实应用情况：
虽然“准确度可推导”的概念早在20多年前就已经提出，但至今并未在国内大规模流行，其原因之一是制药行业内大部分工作者的统计学知识略有欠缺，原因之二是存在“推导准确度”会不会被发补的疑惑。
此次药典委员会公示的《分析数据的解释与处理指导原则公示稿（第一次）》，让笔者充分感受到了国内数据分析水平的突越，以及国家对统计学数据分析的重视，相信未来会有更多的企业能够真正的将“推导准确度”实行。
参考文献：
【1】中国药典2020年版
【2】ICH Q2（R1）
【3】Method Validation in Pharmaceutical Analysis
【4】USP <1200>: Requirements for Compendial Validation
