De statistische evaluatie van laboratoriumdatasets rust op drie samenhangende vragen: is de verdeling van de meetwaarden werkelijk normaal, komt de spreiding of verdeling overeen met een verwachte referentie, en voldoen precisie en juistheid aan de eisen die ISO 5725 aan een analytische methode stelt? Dit artikel behandelt deze drie vragen als één samenhangende workflow. U leest hoe u een dataset toetst met Shapiro-Wilk, Kolmogorov-Smirnov en Anderson-Darling, hoe u de chi-kwadraatverdeling inzet voor toetsen op variantie, verdeling en onafhankelijkheid, en hoe de resultaten worden vertaald naar de precisiematen (herhaalbaarheid r, tussenprecisie en reproduceerbaarheid R) en juistheidsmaten (trueness en bias) van ISO 5725. Uitschieterdetectie, methodevalidatie en interlaboratoriumvergelijking komen aan bod als aanverwante instrumenten in dezelfde kwaliteitsketen.
In elk analytisch laboratorium leiden metingen tot een reeks getallen die op zichzelf nog geen conclusie dragen. Pas na statistische evaluatie wordt zichtbaar of een verschil tussen twee methoden significant is, of een batch binnen specificatie ligt, of de spreiding van een instrument nog binnen de norm valt en of de resultaten uitwisselbaar zijn met die van andere laboratoria. Zonder dat kader worden trends toegeschreven aan toeval, worden echte problemen gemist en dreigt onterechte vrijgave of afkeuring van monsters. Voor laboratoria die werken onder ISO 17025, GMP of GLP is deze evaluatie geen extra dienst maar een norm-eis: elke rapportage moet reproduceerbaar zijn tot op het niveau van de gehanteerde toetsen, de aannames en de rekengang.
De evaluatie kent een vaste volgorde. Eerst wordt de vorm van de verdeling vastgesteld met een normaliteitstoets. Op basis daarvan volgt de keuze tussen een parametrische route (t-toets, ANOVA, F-toets, variantie-chi-kwadraat) en een niet-parametrische route (Mann-Whitney, Kruskal-Wallis, categorische chi-kwadraat). Ten slotte worden precisie en juistheid uitgedrukt in de gestandaardiseerde grootheden van ISO 5725, zodat de resultaten begrijpelijk en toetsbaar zijn voor collega-laboratoria, opdrachtgevers en toezichthouders.
De normaliteitstoets onderzoekt of een dataset redelijkerwijs uit een normaalverdeling afkomstig kan zijn. Deze aanname zit onder vrijwel elke parametrische toets die in het laboratorium wordt gebruikt: de t-toets, de eenweg-ANOVA, de klassieke F-toets voor varianties, de kalibratielijn op basis van kleinste-kwadratenregressie en de bepaling van de meetonzekerheid via de GUM-methode. Wordt de normaliteitsaanname geschonden, dan zijn p-waarden en betrouwbaarheidsintervallen niet langer letterlijk te interpreteren, en moet u overstappen op een robuuste of niet-parametrische techniek.
De centrale-limietstelling zegt dat gemiddelden van grote steekproeven asymptotisch normaal verdeeld zijn, ook wanneer de onderliggende populatie dat niet is. In het laboratorium werkt u echter zelden met grote steekproeven; drie, vijf of tien herhalingen zijn eerder regel dan uitzondering. Bij die aantallen bepaalt de vorm van de verdeling wél degelijk de betrouwbaarheid van uw statistiek. Schending van normaliteit leidt tot te nauwe of te brede betrouwbaarheidsintervallen, tot onterecht significante p-waarden en tot een onjuiste inschatting van de z-score bij interlaboratoriumvergelijking.
De Shapiro-Wilk-toets (1965) is de krachtigste normaliteitstoets voor kleine tot middelgrote steekproeven (3 ≤ n ≤ 50, met uitbreidingen tot n ≈ 5000). De teststatistiek W is gebaseerd op de correlatie tussen de geordende meetwaarden en de verwachte waarden van de standaard-normaalverdeling. W ligt tussen 0 en 1; waarden dicht bij 1 wijzen op normaliteit. De nulhypothese H₀ luidt: de dataset komt uit een normaalverdeling. Wordt de p-waarde kleiner dan het gekozen significantieniveau (meestal α = 0,05), dan wordt H₀ verworpen en is de verdeling aantoonbaar niet normaal.
Voor de meeste analytische toepassingen — kalibratieresiduen, meetreeksen, gehalten in QC-monsters — is Shapiro-Wilk de eerste keuze. De toets wordt in het NIST/SEMATECH e-Handbook of Statistical Methods aangewezen als voorkeurstoets bij n < 50. Populaire software (R, Python scipy.stats.shapiro, Minitab, Excel via add-in) rekent W en de p-waarde automatisch uit.
De Kolmogorov-Smirnov-toets (K-S) toetst de maximale afstand D tussen de empirische cumulatieve verdelingsfunctie (ECDF) van de dataset en de theoretische cumulatieve verdelingsfunctie van de referentie. De klassieke K-S-toets vereist dat gemiddelde en standaardafwijking van de referentieverdeling vooraf bekend zijn — een voorwaarde die in het laboratorium bijna nooit is vervuld. Wanneer u μ en σ uit de dataset zelf schat, gebruikt u de Lilliefors-correctie (Lilliefors, 1967), die de kritische waarden herrekent en zo een correcte toets levert. K-S is minder gevoelig dan Shapiro-Wilk bij kleine n, maar breder toepasbaar: hij kan tegen elke veronderstelde verdeling worden getoetst (log-normaal, Poisson, exponentieel).
De Anderson-Darling-toets (A-D) is een gewogen variant van K-S waarin de staarten van de verdeling zwaarder meewegen. Voor het laboratorium is dat een belangrijke eigenschap, want juist de staarten bevatten de meest problematische afwijkingen — de uitschieters die met Grubbs of Dixon Q worden opgespoord. Bij een significante A-D-uitkomst zijn scheefheid en piek van de verdeling veelal de oorzaak. A-D wordt in de NIST-handleiding aanbevolen als de standaardtest wanneer een gedetailleerde beoordeling van de staarten gewenst is.
Elke formele normaliteitstoets moet worden geflankeerd door een visuele controle. Een quantile-quantile-plot (QQ-plot) zet de empirische quantielen tegen de theoretische quantielen van de normaalverdeling; bij normaliteit vallen de punten op een rechte lijn. Systematische afwijkingen wijzen op scheefheid (asymmetrische afwijking) of te dikke staarten (S-vorm). Een histogram met opgelegde normaalcurve laat in één oogopslag zien of de klokvorm plausibel is. De combinatie van visuele en formele beoordeling is de facto standaard: een toets zonder plot mist context, een plot zonder toets mist objectiviteit.
Bij aangetoonde niet-normaliteit zijn er drie routes. De transformatie-route past een wiskundige bewerking toe (logaritme, wortel, Box-Cox) om de verdeling symmetrisch te maken; de niet-parametrische route gebruikt toetsen die geen verdelingsaanname vereisen (Mann-Whitney U, Wilcoxon, Kruskal-Wallis); de robuuste route vervangt gemiddelde en SD door mediaan en median absolute deviation (MAD). Voor proficiency testing volgens ISO 13528 zijn robuuste schatters de standaardkeuze wanneer uitschieters aanwezig zijn.
De chi-kwadraatverdeling (χ²) is een continue kansverdeling die ontstaat als u k onafhankelijke standaard-normaal verdeelde variabelen kwadrateert en optelt. De vorm van de verdeling wordt volledig bepaald door het aantal vrijheidsgraden (df, degrees of freedom). Voor kleine df is de verdeling sterk scheef naar rechts; voor grote df nadert zij een normaalverdeling. Deze verdeling ligt onder drie zeer verschillende toetsen die in het laboratorium regelmatig voorkomen: een toets op de variantie, een goodness-of-fit-toets op een categorische verdeling, en een onafhankelijkheidstoets tussen twee categorische variabelen.
Een chi-kwadraattoets vergelijkt waargenomen waarden met verwachte waarden en drukt het verschil uit in eenheden van de chi-kwadraatverdeling. De algemene vorm is χ² = Σ (O − E)² / E, waarbij O de waargenomen frequentie en E de verwachte frequentie is. Bij overschrijding van de kritische waarde χ²krit (afhankelijk van df en α) wordt de nulhypothese verworpen. In de laboratoriumpraktijk worden drie varianten onderscheiden.
De chi-kwadraattoets voor variantie is de statistische tegenhanger van de t-toets: waar de t-toets gemiddelden vergelijkt, vergelijkt χ² de variantie van een dataset met een norm- of referentievariantie σ₀². De teststatistiek luidt:
χ² = (n − 1) × s² / σ₀² df = n − 1
De waarde wordt vergeleken met een tweezijdige kritische regio [χ²ondergrens, χ²bovengrens]. Ligt de berekende χ² buiten dat interval, dan wijkt de dataspreiding significant af van de referentie. Deze toets wordt gebruikt om aan te tonen dat een nieuw instrument dezelfde precisie levert als een bestaand instrument, dat een pipetteerprocedure binnen de vereiste RSD blijft, of dat de tussenprecisie van een gevalideerde methode over de tijd stabiel is.
Rekenvoorbeeld. Een nieuw aangeschafte HPLC wordt gevalideerd tegen een referentiestandaard met σ₀ = 0,5 mg/L (dus σ₀² = 0,25). U meet tien maal (n = 10) en vindt s = 0,68 mg/L, s² = 0,462. Dan is χ² = 9 × 0,462 / 0,25 = 16,63. Bij α = 0,05 tweezijdig en df = 9 zijn de kritische waarden 2,70 en 19,02. De berekende 16,63 ligt binnen dat interval: de spreiding wijkt niet significant af van de norm.
De goodness-of-fit-toets van Pearson (1900) beoordeelt of een waargenomen frequentieverdeling overeenkomt met een verwachte theoretische verdeling. In het laboratorium is dit de standaardtoets voor genotypering (Hardy-Weinberg-evenwicht bij SNP-genotypering), voor kolonietelling in de microbiologie (Poisson-verdeling), en voor het toetsen of de residuen van een kalibratielijn uniform of normaal verdeeld zijn. Praktische vuistregel: elke verwachte frequentie Ei ≥ 5, anders klasseer categorieën samen of gebruik de exacte toets van Fisher.
De onafhankelijkheidstoets werkt op een kruistabel en toetst of twee categorische variabelen statistisch onafhankelijk zijn. Voorbeelden: is er een verband tussen batchoperator en aantal afgekeurde monsters, tussen leverancier van reagens en het aantal QC-out-of-specification (OOS)-gevallen, of tussen incubatietemperatuur en het aantal positieve ELISA-uitslagen. Vrijheidsgraden bedragen (r − 1) × (c − 1) waarbij r en c het aantal rijen en kolommen zijn. Een significante uitkomst wijst op een verband, maar niet op de richting of oorzaak — daarvoor is aanvullend onderzoek nodig.
Elke variant kent aannames. De variantietoets vereist een normaal verdeelde onderliggende populatie; is die aanname geschonden, dan is de toets onbetrouwbaar en verdient de Levene-toets of Brown-Forsythe-toets de voorkeur. De Pearson-toetsen (goodness-of-fit en onafhankelijkheid) vereisen categorische data, onafhankelijke waarnemingen en voldoende grote verwachte frequenties. Bij kleine verwachte celwaarden geeft de Yates-continuïteitscorrectie of de exacte toets van Fisher een correcter resultaat.
Een t-toets vergelijkt gemiddelden bij continue, normaal verdeelde data. De chi-kwadraatvariantetoets vergelijkt varianties bij dezelfde data-aannames. De chi-kwadraat goodness-of-fit en onafhankelijkheidstoets werken op categorische frequenties. Kort samengevat: gaat het om ligging (gemiddelde) — gebruik t-toets. Gaat het om spreiding (variantie) — gebruik chi-kwadraatvariantetoets. Gaat het om verdelingen of associaties tussen categorieën — gebruik Pearson chi-kwadraat.
De normreeks ISO 5725 (Accuracy — trueness and precision — of measurement methods and results) geeft de formele definities en de statistische rekengang voor het beschrijven van meetprestaties. De norm bestaat uit zes delen: ISO 5725-1 (algemene beginselen), 5725-2 (herhaalbaarheid en reproduceerbaarheid via een gestandaardiseerd interlaboratoriumexperiment), 5725-3 (tussenprecisie), 5725-4 (bepaling van trueness), 5725-5 (alternatieve methoden en robuuste statistiek) en 5725-6 (praktische toepassing van de resultaten). ISO 5725 vormt samen met ICH Q2(R2) en de ISO 13528-standaard voor proficiency testing het statistische fundament onder analytische kwaliteitsborging.
ISO 5725 splitst nauwkeurigheid (accuracy) in twee componenten. Trueness — in het Nederlands vaak vertaald als juistheid — beschrijft de mate waarin het gemiddelde van een groot aantal metingen de ware waarde benadert. Trueness wordt gekwantificeerd door de bias δ: de systematische afwijking van het gemiddelde t.o.v. de ware of geaccepteerde referentiewaarde. Precisie beschrijft de spreiding van herhaalde metingen om hun eigen gemiddelde, ongeacht of dat gemiddelde de ware waarde treft. Beide componenten zijn nodig: een instrument kan precies zijn zonder juist te zijn (kleine spreiding, grote bias) en omgekeerd. Voor conformiteit met specificatie moet de meting zowel precies als juist zijn.
ISO 5725-2 en 5725-3 definiëren drie precisieniveaus, elk gekoppeld aan een verandering in de meetomstandigheden.
Herhaalbaarheid (repeatability, r): meetreeks in kortst mogelijke tijd, dezelfde analist, hetzelfde instrument, dezelfde reagenspartij, hetzelfde monster. De standaardafwijking heet sr; de repeatability limit r = 2,8 × sr is het maximale verschil tussen twee metingen dat statistisch nog acceptabel is (95%-niveau).
Tussenprecisie (intermediate precision, sI): binnen hetzelfde laboratorium maar met wisselende factoren — verschillende dagen, verschillende analisten, verschillende instrumenten, verschillende reagenspartijen. Dit is de within-laboratory reproducibility RL en wordt vaak gerapporteerd bij validatie omdat zij de realistische operationele spreiding beschrijft.
Reproduceerbaarheid (reproducibility, R): tussen laboratoria, met alle verschillen die daarbij horen (personeel, apparatuur, omgeving, kalibratiematerialen). De standaardafwijking is sR; de reproducibility limit R = 2,8 × sR. Alleen een interlaboratoriumexperiment volgens ISO 5725-2 levert een gevalideerde sR.
Er geldt altijd: sr ≤ sI ≤ sR. Wanneer twee laboratoria dezelfde methode gebruiken en het verschil tussen hun resultaten de reproducibility limit R overschrijdt, is het verschil statistisch niet meer verklaarbaar uit random variatie alleen — een indicatie voor een systematische afwijking of methodefout.
Trueness wordt bepaald met een gecertificeerd referentiemateriaal (CRM) of via een reeks van erkende methoden. De bias δ = x̄ − μref wordt getoetst met een t-toets (H₀: δ = 0). Wanneer het 95%-betrouwbaarheidsinterval om δ heen de nul bevat, wordt er geen significante bias aangetoond. Voor accreditatiedoeleinden wordt de bias vervolgens meegenomen in de meetonzekerheid volgens de GUM-methodiek.
ICH Q2(R2) geeft de validatieparameters waarmee een methode wordt beoordeeld (specificiteit, lineariteit, LOD, LOQ, precisie, nauwkeurigheid, robuustheid). ISO 5725 geeft de statistische definities en rekenmethoden voor precisie en trueness. ISO/IEC 17025 stelt de organisatorische en kwaliteitsvereisten aan het geaccrediteerde laboratorium. De drie normen zijn complementair: een ISO 17025-geaccrediteerd laboratorium valideert conform ICH Q2 en rapporteert de precisie in termen van ISO 5725. Bij interlaboratoriumvergelijking volgens ISO 13528 wordt de gerapporteerde sR uit ISO 5725 gebruikt om z-scores te berekenen en outliers te identificeren met de Cochran C-toets (variantie) en de Grubbs-toets (gemiddelde).
Acht laboratoria (p = 8) analyseren elk het referentiemateriaal in duplo (n = 2) op drie concentratieniveaus. Per niveau berekent u het gemiddelde en de standaardafwijking per laboratorium (si). Cochran C-toets wijst één laboratorium aan met significant hogere spreiding: dit wordt geflagd als straggler. Grubbs-toets op de labgemiddelden wijst geen gemiddelde-outlier aan. De gepoolde herhaalbaarheidsvariantie sr² = Σ si² / p = 0,081, de tussen-lab-variantie sL² = 0,124. De reproduceerbaarheidsstandaardafwijking wordt: sR = √(sr² + sL²) = √0,205 = 0,453. De reproducibility limit R = 2,8 × 0,453 = 1,27 concentratie-eenheden. Twee resultaten uit verschillende laboratoria mogen dus tot 1,27 eenheden verschillen zonder dat het verschil statistisch significant is.
De workflow uit de illustratie hierboven volgt in de praktijk zeven stappen. Stap 1 — genereer de meetreeks onder gedefinieerde condities en documenteer alle randvoorwaarden. Stap 2 — bereken gemiddelde, mediaan, standaardafwijking, IQR en variatiecoëfficiënt; plot een histogram en een QQ-plot. Stap 3 — voer een normaliteitstoets uit (Shapiro-Wilk als eerste keuze). Stap 4 — kies parametrisch (t-toets, ANOVA, chi-kwadraatvariantie) of niet-parametrisch (Mann-Whitney, Kruskal-Wallis, categorische chi-kwadraat). Stap 5 — controleer op uitschieters met de Grubbs- of Dixon Q-toets en documenteer elke verwijdering onderbouwd. Stap 6 — bereken de ISO 5725-precisiematen (sr, sI, sR) en toets bias tegen een gecertificeerde referentie. Stap 7 — rapporteer conform de kwaliteitskaders (ICH Q2, ISO 17025) en initieer corrigerende acties bij bevindingen buiten specificatie.
Voor de eenvoudige toepassingen — t-toets, éénweg-ANOVA, betrouwbaarheidsinterval, Grubbs- en IQR-uitbijterdetectie — biedt de Labvakhandel Statistiek & Data-analyse Calculator een browser-gebaseerde oplossing zonder installatie. Voor uitgebreide analyses (Shapiro-Wilk, Anderson-Darling, Levene, Cochran C, chi-kwadraatvarianten, ISO 5725-experimenten met meerdere laboratoria) gebruikt u statistische pakketten zoals R (functies shapiro.test, chisq.test, var.test, pakket metRology), Python (scipy.stats, statsmodels) of Minitab. Voor GLP/GMP-gebonden werk is 21 CFR Part 11-compliance van de gebruikte software een randvoorwaarde; zie ook het artikel over ALCOA en data-integriteit.
De meest voorkomende fouten in de statistische evaluatie zijn goed te vermijden mits u ze kent. Vergeten normaliteit te toetsen voordat parametrische toetsen worden toegepast, is de meest voorkomende. Verwijderen van uitschieters zonder onderbouwing — bekend als testing into compliance — wordt door FDA en RvA structureel gesignaleerd; verwijdering vereist een aanwijsbare oorzaak in de root-cause-analyse. Verwarring tussen precisie en trueness: een lage RSD zegt niets over de bias; beide moeten afzonderlijk worden aangetoond. Onvoldoende steekproefgrootte: met n = 3 is elke normaliteitstoets bij voorbaat te weinig gevoelig om een niet-normale verdeling aan te tonen. Onjuiste vrijheidsgraden bij chi-kwadraat: bij een r × c kruistabel is df = (r − 1)(c − 1), niet r × c. Documenteer bij elke toets welke aannames zijn gecheckt, welke software werd gebruikt en met welke versie, zodat het resultaat reproduceerbaar en verdedigbaar blijft.
Voor aanverwante onderwerpen binnen deze kennisbank raadpleegt u statistiek en data-analyse (t-toets, ANOVA, betrouwbaarheidsintervallen), outlier-tests Grubbs, Dixon Q en Q-test, interlaboratoriumvergelijking, ringonderzoek en z-score, validatie van analytische methoden volgens ICH Q2, kalibratie en meetnauwkeurigheid en de overkoepelende kwaliteitskaders ISO 17025, GLP en GMP.
Betrouwbare statistiek begint bij betrouwbare metingen. Bekijk het assortiment analytische balansen en precisieweegschalen, pipetten voor herhaalbare volumes en pH-meters en elektrochemische meetapparatuur. Neem contact op voor advies bij de keuze van apparatuur die past bij uw ISO 5725-eisen.
Disclaimer: De informatie in dit artikel is bedoeld als algemene technische toelichting. Canidae Seal B.V. / Labvakhandel.nl aanvaardt geen aansprakelijkheid voor de toepassing van deze informatie in specifieke analytische, klinische of industriële situaties. Raadpleeg voor uw eigen toepassing altijd de geldende normen, vakliteratuur en de documentatie van fabrikant en apparatuur.
Inloggen
Wachtwoord vergeten
Account aanmaken
Uw winkelwagen is leeg.
