3.1.3 Indicatori della Qualità dei Dati (DQI)

La Qualità dei dati è un termine generale utilizzato per misurare il grado di accettabilità o utilità dei dati per un determinato scopo per mezzo di attributi che possono essere misurati Quantitativamente e Qualitativamente. I principali attributi da utilizzarsi per le analisi ambientali sono:

la Precisione, il Bias (Deviazione), la Rappresentatività, la Completezza e la Comparabilità

I DQI non sono loro stessi gli attributi della Qualità dei Dati ma possono essere definiti per fornire delle misure quantitative o qualitative degli attribuiti (il Bias non è un DQI, ma può essere definito per dare una misura del bias di un progetto di monitoraggio).

Lo stabilire dei “Criteri di Accettabilità” per i DQI vuol dire definire degli obiettivi quantitativi per la Qualità dei Dati.

Gli Obiettivi di Qualità della Misura (MQOs Measurements Qualità Objectives) individuali costituiscono per ciascun analista i criteri di accettabilità (possono essere quelli di metodi ufficiali AFCEE QAPP rev 3.1 o specifici per progetto, in questo caso il laboratorio dovrà modificare in metodi analitici per una risposata basata sulla performance richiesta PBMS).

3.1.3.1  Precisione

E’ definita come il grado di accordo di misurazioni ripetute in modo indipendente, tramite lo stesso processo ed in condizioni ripetibili (errore casuale, variabilità della misura). La “Precisione totale” del metodo analitico è la misurazione della variabilità della misura introdotta sia dalle operazioni di laboratorio (preparativa ed analisi) sia da quelle di campo (prelievo, trasporto e stoccaggio). Il calcolo della Precisione viene fatto confrontando i risultati ottenuti da analisi di campioni “duplicati” generati al livello di cui sia di interesse valutarne il valore.

Esempio relativo al monitoraggio di campioni di Suolo (esempio più complesso)


T = Totale,  TU = variabilità tra Unità Campionate (Between Unit), NU = variabilità nella Singola Unità Campionata (Within Unit), C = variabilità nel Campione Analizzato, M = variabilità nella Misura del Campione, V = variabilità inerente del campione, O = variabilità nella  Omogenizzazione, P = variabilità nella Preparativa, S = variabilità nello Strumento

I principali indicatori QC sono:

Il fatto che una misura sia precisa costituisce condizione necessaria ma non sufficiente perché una misura sia accurata “giusta”; … sono sicurissimo (elevata precisione) di avere un dato sbagliato.

L’accuratezza della misura è pertanto anche funzione del bias.

3.1.3.2 Bias (deviazione)

È definito come l’errore sistematico e persistente di una misura o di un processo in un’unica direzione e descrive la deviazione dal valore vero della misura stessa. 

Si misura comparando i valori ottenuti in campioni di indagine con campioni (della stessa matrice) caratterizzati da un valore noto.

Si esprime generalmente come percentuale di recupero.

I principali indicatori QC sono:

.

3.1.3.3  Accuratezza


L’Accuratezza è una misurazione statistica della correttezza dell’esecuzione della prova (l'errore totale associato con una misura: rapporto tra il valore trovato ed il valore vero o il valore della concentrazione nota di una aggiunta o di uno standard) e include componenti di errori casuali (dovuti all’imprecisione) ed errori sistematici.


Elevato Bias + Bassa Precisione = Bassa Accuratezza             Basso Bias + Bassa Precisione = Bassa Accuratezza

Elevato Bias + Elevata Precisione = Bassa Accuratezza           Basso Bias + Elevata Precisione = Elevata Accuratezza

3.1.3.4 Rappresentatività

La rappresentatività è il grado di accuratezza con cui il campione rappresenta le caratteristiche di una popolazione di campioni o di una matrice di interesse; essa è perseguita a mezzo dell’adozione di un appropriato programma di prelievo dei campioni, da realizzarsi con tecniche e procedure ben definite. La rappresentatività può naturalmente essere influenzata da fattori quali l’omogeneità del sito, l’omogeneità del campione rispetto ad un punto preciso dell’area campionata e la completezza delle informazioni sulle quali è preparato il piano di campionamento stesso. Anche l’utilizzo di più metodiche analitiche può risultare nella non-rappresentatività dei dati analitici nei confronti della matrice analizzata.

3.1.3.5 Completezza

E’ la misura dell’ammontare di misure valide comparate al totale generale dei  dati generati. Essa sarà determinata per ciascun metodo analitico, matrice e combinazione di analiti. Gli obiettivi di completezza di ciascun progetto devono essere ottimizzati al fine di soddisfare i Data Qualità Objectives; normalmente i DQO sono in percentuale del 95% per i campioni acquosi e del 90 % per i terreni, ma tali valori possono variare anche considerevolmente in funzione di fattori quali il protocollo di campionamento su campo ed il DQO.

3.1.3.6 Comparabilità

La comparabilità è la confidenza con la quale un set di dati può essere comparato con un altro set di dati. L'obiettivo dei programmi di QC è produrre dati col maggior grado di comparabilità. Essa è ottenuta utilizzando metodi standard per campionamento ed analisi, riportando i dati in unità standard, normalizzando i risultati alle condizioni standard e utilizzando formati di report standard. Altre informazioni per accertare la comparabilità dei dati saranno fornite dalle risultanze degli audit effettuati a carico del/dei laboratori coinvolti nel progetto e dalla verifica delle performance ottenute sui diversi metodi analitici con l’utilizzo di campioni di valutazione predisposti “ad hoc” (PE, Performance Evaluation samples).

 

Usa il motore di ricerca!