测定方法在应用统计控制方法之前，必须经过工业和临床实验室仔细的改进和评价。工业上提供大多数的试剂及分析仪器，因此承担测定方法改进的大部分责任。临床实验室负责执行方法评价研究，以及确定测定方法对于它们的要求是否是可接受的。

这些努力应该是识别和消除可知的原因(assignable causes)，即对变异起作用的因素，要对它们识别和排除是可行的。许多分析误差能被发现，并且通过对测定方法条件的仔细选择和优化是可排除它们的原因。消除这样的误差提供了统计控制状态(state of statistical control)的操作条件，其仅是机会或随机原因影响测定方法。如果不经过这样的改进提高，在常规实验操作条件下测定方法将难以控制。

稳定的测定方法必须达到分析结果是医学上有用的所必需的性能。如果测定方法在稳定的操作条件下不能提供医学上有用的结果，应用统计控制方法是没有价值的。

测定方法的性能一般由精密度和准确度进行描述，但分析误差的发生率及持续的时间对于评价它的稳定性操作也是重要的。

IFCC把精密度定义为“重复测定值之间的一致性，它没有数值。”精密度反映测定方法反复产生相同结果的能力。通常使用不精密度(imprecision)这个词描述重复测定值之间的不一致性;IFCC把它定义为“一组重复测定值的标准差或变异系数。”

测定值的分布一般由高斯或“正态”曲线描述，其宽度是标准差大小的函数。图10-2显示的是在平均值( )上下测定值的高斯分布。测定值期望落在平均值，标准差s的一定界限(标准差的倍数)之内的百分数如下:68.2%在±1s之内，90.0%在±1.65s之内，95.0% 在±1.96s之内，95.5%在±2s之内，99.0%在±2.58s之内，99.7%在±3.0s之内。

每一测定方法具有一定大小的固有不精密度。即使在最佳条件下操作，也不可能产生相同的结果。当测定方法在稳定条件下操作时，我们使用固有不精密度指代一组重复测定值的标准差或变异系数。

IFCC把准确度定义为“某一量的最好估计值与其真值之间的一致性。它没有数值。”准确度反映测定方法给出正确结果的能力。通常使用不准确度(inaccuracy)这一词来描述测定值与其真值之间的不一致性，IFCC把它定义为“一组重复测定值的平均值与其真值之间的数值差。”IFCC的定义意思是“系统误差准确度概念”(现在应理解为正确度);即当使用一组重复测定值的平均值估计不准确度时，仅包括系统的差别。我们更喜欢考虑“整个误差的准确度概念”:即不准确度是试验结果与真值之间的数值差，并且可能包括随机误差和系统误差两种分量。

通常，我们用随机误差(random error)和系统误差(systematic error)来讨论不精密度和正确度，以及使用总误差(total error)来说明我们采用的“总误差准确度概念。”我们认为，使用这些名词更清楚地表明关心的误差类型。随机误差是一种可正或负的误差，不能预测其方向和精细的大小，产生不精密度。系统误差是在一个方向上的误差，产生偏倚。总误差是随机和系统误差的联合效果。

图10-3阐明了这些不同类型误差的性质。单个溶液或样本的重复测定值能产生一定的分布，如观测值所示。随机误差的大小由这种分布的宽度显示，能表达为标准差的一定倍数，如±2.58s界限包括99%的测定值。系统误差由分布的平均值( )和真值(μ)之间的差值表示。总误差是随机误差和系统误差的和，假定“最差”的情况，其两种误差具有相同的符号，且能加在一起给出总误差大于随机误差或系统误差分量。由于随机误差可以是正或负，它总是能加入系统误差使得总误差变大。

稳定的测定方法除了本身固有的不精密度外没有误差。测定方法的不稳定性可由它的误差发生率描述。然而，关于误差发生率的资料(具有医学上重要误差样本(或批)的比例)难以获得，因为依赖于在特定实验室测定方法的特殊执行和维护。然而，它是一个重要的特征，当选择或设计控制方法时应该考虑。

不仅误差发生率是重要的，而且误差持续的时间(发生长度)也是重要的。分析过的质量和生产率依赖于发生医学上重要误差批的个数，这个数是误差发生频率和长度的函数。

间断误差(intermittent errors)是发生在单批上的误差，但在后面的批上不存在;误差在批之间是独立的，且不是持续的。持续误差(persistent errors)是其误差一旦出现，存在于后面批之中直到被检出和排除;误差在批之间不是独立的。持续误差由于会持续较长的时间，比间断误差具有更严重的后果。

分析质量是关于试验结果的正确性或与真值的接近程度。费根堡姆(Feigenbaum)列出作为他全面质量控制程序起点需要“质量定义和评价，其关于与预期质量要求和标准的最初规定和识别有关系的所有质量工作”。

分析质量规范对于临床分析是有用的，它是没有妨碍最终结果的解释或在患者保健和治疗上医学实用性所能耐受的分析误差的大小。当在方法评价研究上评价测定方法性能时，前面已推荐允许分析误差的规范。例如，可以允许标准差(s _a，精密度规范)，允许偏倚(b _a，准确度规范，系统误差概念)和允许总误差(TEa，准确度规范，整个误差概念)形式，把这些规范应用于分析过程的常规操作。

图10-4阐明了这些不同误差规范。再就是，分布显示的是单个溶液的重复测定值。精密度规范描述了分布的最大宽度。准确度规范描述了分布的平均数与真值的最大差值。总误差规范描述了单个测定结果与真值之间的最大差值。

建立在总误差规范基础上的判断标准被用来判断测定方法的分析性能是否是可接受的。表10-2列出误差类型，从实验中进行估计，并判断它们的可接受性标准。这些标准允许1%的缺陷率;即TEa定义为99%的误差限，允许仅1%的样本具有大于TEa的误差。在其他的章节中已详细描述了公式及这些判断标准的衍变，但判断标准的一般性质能从图10-3和图10-4上的关系看出。注意我们如今推荐的判断标准设定1%的缺陷率(99%界限)，而不是以前推荐的5%缺陷率(95%界限)。更严格的判断标准是当在稳定的操作条件下时适合于保证测定方法在要求的误差限内很好地执行。

总误差规范也可用于设置在分析过程常规操作中出现误差的界限。如图10-5所示，平均数，假设代表真值，由垂直于X轴的中央线表示。分布两侧的虚线表示总误差规范。A部分显示在稳定条件下测定方法的误差分布。测定方法本身的质量仅依赖于它固有的不精密度或固有随机误差(在稳定操作下如果没有偏倚)。

然而，分析过程的质量也依赖于控制方法的性能。B部分阐明了正确度问题，其系统误差已导致误差分布偏离前面的平均值。C部分显示精密度问题，其误差分布的宽度已增加。分析过程(测定方法加控制方法)观测到的误差将稍增大，因为控制方法在检出小的系统误差和随机误差小的增加上将具有困难。如果在随机误差和系统误差成为医学上重要误差之前就检出它们，控制方法的灵敏度(误差检出)是关键的。

医学上重要的随机误差是测定方法标准差的增加超过总误差规范。医学上重要的系统误差是造成误差分布超过总误差规范在误差分布平均值上的偏移。

图10-6阐明了医学上重要的随机误差和系统误差的临界大小。如果临界大小定义为误差造成最大缺陷率为5%，达到5%的误差分布尾端能超过TEa。对于随机误差，问题是计算在分布的两侧尾端超过规定量总误差限(5%)之前能增加多少个标准差。对于系统误差，问题是计算在分布一侧尾端超过规定量的总误差限(5%)之前分布的平均值能有多大的偏移。

对于5%的最大缺陷率(95%误差限)，由下式能计算临界随机误差(△REc):

其中s _a是规定的允许标准差，s是观测到的测定方法标准差。对于在此规定5%的最大缺陷率，TEa被解释为95%的界限，意思是TEa为1.96s _a;因此，s _a= TEa/1.96。代入公式10-1中得出如下公式:

对于规定的5%最大缺陷率，从公式10-1由s _a或从公式10-2中由TEa能计算出临界随机误差。如果规定1%最大缺陷率，则在公式中的1.96由2.58代替。如果偏倚存在，及稳定的平均值与真值不一致，则必须从TEa中减去偏倚(bias)，公式如下:

由于一侧尾端5%的面积超过总误差规范，平均值偏移了1.65s(图10-6和图10-2; 90%可信限允许在分布的每一尾端5%):

除以s把SEc表达为s的倍数，而不是浓度单位:

把SEc/s表达为△SEc得出如下公式:

当规定了5%的最大缺陷率时，从公式8-6由TEa能计算出临界系统误差的大小(△SEc)。如果最大缺陷率为1%，由2.33代替1.65。如果偏倚存在，且稳定的平均值与真值不一致，则应该从TEa中减去偏倚(bias)，如下所示:

以尿素氮测定方法为例，Ross已推荐医学上允许的标准差(s _a)为2.664mmol/L。如果观测到每月的标准差(s)为1.499mmol/L，由控制方法必须检出的临界随机和系统误差的大小是多少?

从公式10-1由s _a除s:2.668/1.499= 1.78能计算出临界随机误差(△REc)。控制方法必须能够检出方法标准差1.78倍的增加。

一旦由总误差形式表达规范，公式10-6能计算临界系统误差的大小(△SEc)。对于5%的最大缺陷率，95%的误差被包括在误差规范界限之内。因此，95%限的TEa是1.96s _a，或5.22mmol/L。由允许总误差5.22mmol/L除以观测到的每月标准差1.499mmol/L，再减去1.65得出1.83s的临界系统误差。控制方法必须能够检出相当于1.83倍方法标准差的系统偏移。