Validazione metodi ISO/IEC 17025 per laboratori
Verificare o validare un metodo significa dimostrare, con dati tecnicamente solidi, che le prestazioni ottenute sono adeguate all’impiego previsto. Non sempre è necessario ripartire da zero: spesso il laboratorio dispone già di prove, controlli qualità, PT/ILC, studi di precisione, recuperi, curve di taratura o dati storici che possono essere riesaminati e organizzati in modo coerente.
DN Consulenze supporta i laboratori nella verifica dei metodi normalizzati, nella validazione dei metodi interni o modificati e nella valutazione dei dati prestazionali già disponibili, costruendo un percorso proporzionato al metodo, alla matrice, al campo di misura e al rischio associato al risultato. La pagina fa parte del percorso di consulenza ISO/IEC 17025 per laboratori.
Devi validare un metodo o verificare dati prestazionali già disponibili?
Descrivici metodo, matrice e criticità: possiamo partire dai dati che possiedi già e identificare le verifiche realmente necessarie.
Verifica, validazione o riesame dei dati: tre esigenze diverse
La prima attività è capire quale livello di studio sia realmente necessario. Per un metodo normalizzato applicato nel proprio campo il punto centrale è dimostrare che il laboratorio sa applicarlo correttamente e raggiunge prestazioni adeguate; per un metodo interno, modificato, non normalizzato o utilizzato fuori campo occorre invece una validazione più estesa. Esiste poi una terza situazione molto frequente: i dati ci sono già, ma non sono stati organizzati e valutati in modo strutturato.
| Situazione | Approccio | Obiettivo |
|---|---|---|
| Metodo normalizzato applicato nel proprio campo | Verifica | Dimostrare prestazioni adeguate nelle condizioni operative del laboratorio |
| Metodo interno, modificato, non normalizzato o fuori campo | Validazione | Dimostrare l’idoneità all’impiego previsto con uno studio prestazionale strutturato |
| Dati già prodotti ma non organizzati | Riesame dei dati prestazionali | Valutare le evidenze esistenti, individuare eventuali lacune e integrare solo ciò che serve |
Dati prestazionali: cosa valutiamo davvero
I parametri non devono essere scelti in modo automatico. Prima di produrre nuove prove definiamo misurando, matrice, campo di misura, uso previsto, criteri di accettazione e modalità statistiche; poi decidiamo quali caratteristiche prestazionali siano realmente pertinenti.
- campo di misura e intervallo di lavoro;
- linearità e modello di taratura, compresi residui, recuperi dei livelli e adeguatezza della ponderazione;
- ripetibilità e precisione intermedia, considerando quando opportuno giorni, operatori, tarature, lotti o strumenti differenti;
- esattezza, bias e recupero mediante materiali di riferimento, fortificazioni, confronti o dati di PT/ILC;
- LOD e LOQ, verificando che rappresentino il metodo completo e non soltanto la risposta strumentale;
- selettività, interferenze, effetti di matrice, robustezza e stabilità quando pertinenti;
- coerenza con l’incertezza di misura e con il controllo qualità di routine.
Hai già i dati? Partiamo da quelli
Molti laboratori dispongono già di doppiette, controlli interni, carte di controllo, prove di recupero, materiali di riferimento, PT/ILC, curve di taratura e dati storici utili. Il nostro lavoro può partire proprio da queste evidenze: verifichiamo la loro rappresentatività e individuiamo quali dati sono già sufficienti e quali prove mancano davvero. In questo modo si evitano ripetizioni senza valore aggiunto e si concentra il lavoro sui punti tecnicamente critici.
LOD e LOQ: non solo numeri di software
I limiti di rivelazione e quantificazione devono essere coerenti con il processo completo e con l’uso del dato. Un LOQ strumentale non coincide necessariamente con il LOQ del metodo, soprattutto quando esistono digestione, estrazione, filtrazione, diluizione, concentrazione o effetti di matrice.
Abbiamo dedicato un approfondimento specifico a LOD e LOQ secondo ISO 8466 e serie ISO 11843. Per la corretta espressione dei limiti nei rapporti di prova, leggi anche l’articolo su LOQ strumentale e diluizioni. Per un esempio di applicazione ai metodi strumentali, consulta le verifiche della UNI EN ISO 17294-2:2023 per ICP-MS e la guida ai fattori di risposta e alle rette di taratura nei metodi EPA.
Precisione, recupero e bias
La precisione deve riflettere condizioni compatibili con l’uso ordinario del metodo. Repliche eseguite nello stesso momento sono utili, ma spesso non rappresentano variazioni tra giorni, operatori, tarature o lotti di reagenti. Per questo è importante distinguere tra ripetibilità e precisione intermedia e scegliere un disegno sperimentale adeguato.
Anche recupero e bias richiedono attenzione alla qualità del riferimento. CRM, materiali fortificati, confronti con metodi di riferimento e dati di PT possono fornire informazioni diverse e complementari.
Validazione su matrici reali e trasferibilità
Uno dei punti più delicati è stabilire quanto una validazione possa essere trasferita tra matrici, strumenti, sedi o operatori. La similarità non dovrebbe essere affermata soltanto in base al nome della matrice: occorre considerare composizione, interferenze, preparazione, livello di concentrazione e comportamento del metodo.
Quando si raggruppano matrici o prove, è utile individuare la condizione più sfavorevole e dimostrare che le prestazioni critiche rimangano accettabili. Una nuova matrice può richiedere soltanto alcune verifiche mirate oppure una rivalidazione più ampia; la decisione dovrebbe essere motivata mediante rischio e dati sperimentali.
Taratura, linearità e modello di calibrazione
Un coefficiente di correlazione elevato non è sufficiente a dimostrare l’idoneità della taratura. Il laboratorio dovrebbe valutare residui, distribuzione della varianza, recupero dei livelli, intercetta, comportamento vicino al LOQ ed eventuale necessità di ponderazione o di suddividere il campo di misura.
Quando il metodo copre più ordini di grandezza, una singola retta non deve essere utilizzata automaticamente. La scelta del modello deve essere coerente con il comportamento sperimentale e con le concentrazioni realmente analizzate.
Robustezza e cambiamenti del metodo
La robustezza serve a capire quanto il risultato sia sensibile a variazioni realistiche di parametri operativi: tempi, temperature, pH, volumi, composizione dei reagenti, condizioni strumentali o altri fattori pertinenti. È particolarmente utile quando il metodo verrà applicato da operatori diversi o in condizioni di routine non perfettamente identiche.
Quando cambia uno strumento, un software, un passaggio di preparazione o un fornitore critico, il laboratorio dovrebbe riesaminare quali prestazioni possano essere influenzate e progettare una verifica proporzionata al cambiamento, evitando sia di rifare inutilmente tutta la validazione sia di limitarsi a una verifica puramente documentale.
Dati e fogli di calcolo della validazione
I risultati di validazione devono essere tracciabili fino ai dati grezzi. Fogli Excel, formule, macro e software utilizzati per calcolare regressioni, deviazioni standard, recuperi, LOD/LOQ e incertezze devono essere verificati con casi noti o calcoli indipendenti. Anche una formula statisticamente corretta può produrre un risultato errato se fa riferimento alla cella sbagliata o gestisce male unità e diluizioni.
Dai dati prestazionali all’assicurazione della validità dei risultati
La verifica o validazione non termina con la firma del rapporto. Le prestazioni dichiarate devono tradursi nel controllo qualità di routine: materiali di controllo, bianchi, duplicati, carte di controllo, PT/ILC e criteri di accettazione devono restare coerenti con quanto dimostrato sperimentalmente.
Per rendere questo collegamento operativo, consulta anche il servizio DN sul controllo qualità statistico ISO/IEC 17025 e quello sull’incertezza di misura.
Se il metodo mostra bianchi critici o contaminazioni ricorrenti, è utile distinguere prima le cause. Vedi anche la guida sul bianco di metodo in ICP-OES e ICP-MS.
Come lavoriamo
- Analisi del metodo e dell’impiego previsto: matrice, misurando, campo, livelli decisionali e requisiti applicabili.
- Raccolta e riesame dei dati disponibili: validazioni precedenti, QC, PT/ILC, CRM, doppiette, recuperi, curve e dati storici.
- Gap analysis: individuiamo quali caratteristiche prestazionali sono già coperte e quali richiedono nuove prove.
- Piano sperimentale mirato: livelli, repliche, giornate, matrici, operatori e criteri di accettazione.
- Elaborazione statistica e verifica dei calcoli: fogli Excel, formule, regressioni, deviazioni standard, recuperi, LOD/LOQ e confronti.
- Relazione tecnica finale: conclusioni, campo di applicazione, limiti e collegamento con il controllo qualità di routine.
Cosa può ricevere il laboratorio
| Esigenza | Attività DN | Output |
|---|---|---|
| Metodo normalizzato | Definizione e verifica delle prestazioni essenziali | Protocollo e relazione di verifica |
| Metodo interno o modificato | Piano di validazione e valutazione statistica | Relazione di validazione completa |
| Dati prestazionali già disponibili | Riesame, organizzazione e integrazione delle evidenze | Documento tecnico strutturato e gap analysis |
| Nuova matrice o nuovo campo | Studio mirato delle prestazioni critiche | Evidenze per l’estensione del campo di applicazione |
| LOD/LOQ da confermare o ridurre | Studio delle basse concentrazioni e verifica sperimentale | Limiti tecnicamente difendibili |
| Fogli di calcolo esistenti | Verifica di formule, unità, riferimenti e logica di calcolo | File controllato e coerente con il processo analitico |
L’obiettivo è usare bene i dati che il laboratorio possiede già e produrre nuove evidenze soltanto dove servono, evitando studi sovradimensionati o parametri scelti senza una reale necessità tecnica.
Per applicazioni specifiche consulta anche la guida alla validazione dei file Excel utilizzati nei calcoli, l’approfondimento su verifica e affidabilità delle prove qualitative e la guida su LOD e LOQ.
Domande frequenti
Un metodo normato deve sempre essere validato da zero?
No. La profondità delle attività dipende da come il metodo viene applicato e dal suo campo di utilizzo. È comunque necessario dimostrare che il laboratorio ottiene prestazioni adeguate nelle proprie condizioni operative.
Posso estendere una validazione a una nuova matrice?
Solo se i dati disponibili giustificano l’estensione. In molti casi è necessario verificare almeno gli effetti di matrice e i parametri prestazionali più sensibili.
La validazione può essere svolta da remoto?
Sì. Pianificazione, revisione dati, definizione dei criteri e redazione possono essere gestite da remoto; quando serve osservare fasi operative o strumentazione, il supporto può essere svolto anche presso il laboratorio.
Hai un metodo da verificare o validare, oppure dati prestazionali da riesaminare?
Possiamo partire dal materiale che hai già: protocolli, fogli Excel, PT/ILC, prove di recupero, curve di taratura, doppiette, carte di controllo o validazioni storiche.