Publicación de Laura Martínez Quijano

Todo lo que necesitas saber sobre Calibraciones Repasos y ejemplos del tema dónde se mezcla la física, la química, la matemática y la estadística dentro del laboratorio de análisis. - PARTE 1- Hoy, el pHmetro, un ejemplo para todos ;) Lamento si aún te toca medir con la tirita 😓 Cada vez que hacemos un análisis físico químico donde la variable que mide el equipo (Y) es indirecta y proporcional a lo que queremos determinar (X), estaremos usando una calibración lineal. ¿Qué significa eso? Le daremos al equipo uno o varios valores de referencia confiable (preferentemente je) de nuestra X, el equipo medirá la magnitud física que "sabe" medir (Y), con cálculos estadísticos estimará una ÚNICA recta (¿la mejor?) y nos dará una ley/ecuación que vincula a ambas magnitudes (función lineal de grado 1; Y= a.X + b) Luego, usaremos dicha ecuación para averiguar X de una muestra incógnita a la cuál la pudimos procesar en el equipo, obtener su Y y realizar los cálculos despejando nuestra X de la pendiente y ordenada al origen. No siempre la relación es de grado 1, eso dependerá de la física. A veces puede ser de grado 2, otras veces logarítmica y transformarse en algo lineal, como lo hace un pHmetro ¿Usaste un pHmetro alguna vez, no 😁? El phmetro es un potenciómetro, mide diferencia de potencial ΔV entre electrodos. Según la ecuación de Nerst, la diferencia de potencial es proporcional al ln[H], que vendría a ser como el -pH. Es decir, el phmetro UTILIZA CURVA DE CALIBRACIÓN que relaciona pH (variable X) y ΔV (variable Y). Claro, quién no calibró un phmetro en su carrera de analista de laboratorio Como verás en la imagen, la recta es decreciente. No estamos acostumbrados a ver ese tipo de recta cuando calibramos, pero como te expliqué, tiene que ver con leyes de la físico química. Con los buffers le damos valores de referencia (Ejemplo: pH 4 - 7 y 10), el equipo mide diferencia ΔV, traza la curva de calibración (es probable que no te enteres) y ya está listo para trabajar (con la curva guardada en la memoria hasta que se sobrescriba). ¿Por qué es importante la temperatura en la medición de pH? Pues ni más ni menos que es parte de la estimación de la pendiente. Si calibramos a una temperatura y luego medimos a otra, bueno, no tendrá mucho sentido. Por suerte los equipos traen la compensación automática. Las calibraciones también pueden ser puntual (por ejemplo si calibras el pHmetro sólo en pH 7). Lo que hace el equipo es directamente aplicar una regla de 3. Es más simple pero mucho más peligroso. Si la medición del valor de referencia tuvo un desvío, tu resultado será poco confiable (no te vas a enterar). En los próximos días voy a continuar este hilo para charlar sobre los métodos más comunes de calibración, como ser estándar interno, externo o agregado de patrón. En cada curso de re-dox donde se apliquen curvas de calibraciones, como las cromatografías o las espectrofotometrías, tendrás este tema bien desarrollado. Hasta la próxima

SIIIII, llevo bastante tiempo mencionando la incertidumbre no solo de la pureza de los calibradores, sino también del error humano en la realización de estándares. Lo peor es que hay personas que niegan esta parte estadística y solamente se enfrascan en la detección del error total y relativo de la respuesta instrumental. El error puede ser mínimo, pero en la interpolación solamente se toman en cuenta los valores del eje Y como dice el post. En mi tesis se procuró realizar el ajuste de los valores en X realizando la misma medición con distintos estándares preparados en momentos diferentes, de esa forma se puede observar más el error humano y el del calibrador madre (en segundo plano).

Curvas de calibración (calibración inicial) según la EPA ☠ Hace tiempo quería tocar este tema de las curvas de calibración debido a que la mayoría de los profesionales solo tiende a fijarse en la regresión lineal como la única forma para poder obtener una idea si nuestros datos son correlativos, y así dar a entender que la señal del detector cromatográfico tiene relación con la cantidad de estándar de concentración conocida inyectado. Vamos a escoger como ejemplos pesticidas organoclorados, los cuales fueron los seleccionados para la realización de mi tesis de grado. ¿Qué dice la EPA? ✳ Según la EPA 8000d indica que se debe tomar en cuenta la progresión de los estándares a usar, y que se recomienda que se sigan progresiones aritméticas y no geométricas, debido al enmascaramiento de saturación analítica en el detector que pueda causar carryover en el sistema o picos fantasma en futuras corridas. Sin embargo, lo que realmente interesa viene después; la EPA indica que puede calibrarse a través de 3 metodologías: - Calibración lineal a través de factores de calibración o factores de respuesta - Calibración a través de regresión lineal. - Calibración no lineal usando ecuaciones polinómicas de hasta tercer grado. 🎯 Lo curioso de esto es que en la gran mayoría de los casos se usa la calibración por regresión lineal, el típico ax+b. Pero, que pasaría si el detector genera datos que asemejan una ecuación polinómica de mayor grado? ⁉ Esto fue exactamente lo que nos pasó a mi colega y a mi en el análisis de datos, algunos pesticidas mostraban un comportamiento cuadrático, mientras que otros eran lineales. Lo primero que hicimos fue verificar que no exista un error al momento de la integración y además que el instrumento (en lo que se podía) tenga una capacidad analítica aceptable. Después de verificar por un posible error humano o analítico, los picos seguían generando integraciones cuadráticas. A lo que decidimos investigar, y resulta que el detector puede dar respuestas físicas cuadráticas en ciertos compuestos. 🤔 La EPA indica que la aceptación de curvas no lineales NO debería compensar la falta de mantenimiento en el detector o la saturación del mismo. 😯 Una de las ventajas del uso de este tipo de curvas polinómicas, es que disminuye matemáticamente las residualidades entre los analitos y la respuesta del instrumento. ✅ Y OJO, eso no significa que la curva este mal calibrada. Al contrario, si tiene los requerimientos de acreditación se cumplen, como el de tener un R igual o mayor a 0.99, se considera valido. 📑 Espero este post llegue a expertos que sepan mucho más de metrología química y de análisis instrumental que yo, para que se pueda discutir su validez estadística en una futura acreditación de cualquier método de detección y cuantificación. 📢 Gracias por leer! Si desean, se pueden suscribir a mi newsletter en WS donde encontraran posts similares a este y novedades de metrología química. https://shorturl.at/UWWiV

¿Escuchaste hablar de outliers? Cuando realizamos mediciones en el laboratorio muchas veces obtenemos valores que parecen ser atípicos porque no están cerca del grupo de valores medidos. estos valores los llamamos outliers. Pero..¿Cómo darme cuenta si ese valor es realmente atípico? Existen diferentes técnicas, siendo las más utilizadas: ✔Visualización de gráficos, como histogramas o dispersión ✔Test estadísticos: Prueba de Grubb´s y prueba de Dixon Generalmente cuando pensamos en outliers se nos viene a la mente la curva de calibrado y el estudio de linealidad desarrollado en las validaciones de métodos, pero no solamente en ese estudio aparecen estos atrevidos datos atípicos, sino también en: ▪ titulaciones ▪ ensayos gravimétricos ▪ ensayos por equipos como absorción atómica, UV-Vis o HPLC Pero también es importante preguntarse ¿Porque obtuve ese valor atípico? Vas a ver que las respuestas pueden ser sorprendentes... ❌Errores humanos: ▪ Proceso analítico ▪ Preparación en la curva de calibrado ▪ Enrases ▪ Alícuotas ❌Errores analíticos: ▪ Pérdida de calibración ▪ Incorrecta verificación ▪ Suciedad ▪ Rotura ▪ Desgaste ⚠⚠Una vez que tengas las evidencias estadísticas para confirmar que estás frente a un outlier resta que te preguntes... ¿Qué haré con él? Si querés conocer más sobre las técnicas estadísticas para detectar outliers te invitamos al CA72 - Cálculo y análisis de outliers 👉👉 https://lnkd.in/dKVTTjpG

¿Escuchaste hablar de outliers? Cuando realizamos mediciones en el laboratorio muchas veces obtenemos valores que parecen ser atípicos porque no están cerca del grupo de valores medidos. estos valores los llamamos outliers. Pero..¿Cómo darme cuenta si ese valor es realmente atípico? Existen diferentes técnicas, siendo las más utilizadas: ✔Visualización de gráficos, como histogramas o dispersión ✔Test estadísticos: Prueba de Grubb´s y prueba de Dixon Generalmente cuando pensamos en outliers se nos viene a la mente la curva de calibrado y el estudio de linealidad desarrollado en las validaciones de métodos, pero no solamente en ese estudio aparecen estos atrevidos datos atípicos, sino también en: ▪ titulaciones ▪ ensayos gravimétricos ▪ ensayos por equipos como absorción atómica, UV-Vis o HPLC Pero también es importante preguntarse ¿Porque obtuve ese valor atípico? Vas a ver que las respuestas pueden ser sorprendentes... ❌Errores humanos: ▪ Proceso analítico ▪ Preparación en la curva de calibrado ▪ Enrases ▪ Alícuotas ❌Errores analíticos: ▪ Pérdida de calibración ▪ Incorrecta verificación ▪ Suciedad ▪ Rotura ▪ Desgaste ⚠⚠Una vez que tengas las evidencias estadísticas para confirmar que estás frente a un outlier resta que te preguntes... ¿Qué haré con él? Si querés conocer más sobre las técnicas estadísticas para detectar outliers te invitamos al CA72 - Cálculo y análisis de outliers 👉👉 https://lnkd.in/dKVTTjpG

¿calibración? ¿de equipos? ¿de métodos? 😱 Repasos y ejemplos del tema dónde se mezcla la física, la química, la matemática y la estadística dentro del laboratorio de análisis. - PARTE 1- Hoy, el pHmetro, un ejemplo para todos ;) Lamento si aún te toca medir con la tirita 😓 Cada vez que hacemos un análisis físico químico donde la variable que mide el equipo (Y) es indirecta y proporcional a lo que queremos determinar (X), estaremos usando una calibración lineal. ¿Qué significa eso? Le daremos al equipo uno o varios valores de referencia confiable (preferentemente je) de nuestra X, el equipo medirá la magnitud física que "sabe" medir (Y), con cálculos estadísticos estimará una ÚNICA recta (¿la mejor?) y nos dará una ley/ecuación que vincula a ambas magnitudes (función lineal de grado 1; Y= a.X + b) Luego, usaremos dicha ecuación para averiguar X de una muestra incógnita a la cuál la pudimos procesar en el equipo, obtener su Y y realizar los cálculos despejando nuestra X de la pendiente y ordenada al origen. No siempre la relación es de grado 1, eso dependerá de la física. A veces puede ser de grado 2, otras veces logarítmica y transformarse en algo lineal, como lo hace un pHmetro ¿Usaste un pHmetro alguna vez, no 😁? El phmetro es un potenciómetro, mide diferencia de potencial ΔV entre electrodos. Según la ecuación de Nerst, la diferencia de potencial es proporcional al ln[H], que vendría a ser como el -pH. Es decir, el phmetro UTILIZA CURVA DE CALIBRACIÓN que relaciona pH (variable X) y ΔV (variable Y). Claro, quién no calibró un phmetro en su carrera de analista de laboratorio. Como verás en la imagen, la recta es decreciente. No estamos acostumbrados a ver ese tipo de recta cuando calibramos, pero como te expliqué, tiene que ver con leyes de la físico química. Con los buffers le damos valores de referencia (Ejemplo: pH 4 - 7 y 10), el equipo mide diferencia ΔV, traza la curva de calibración (es probable que no te enteres) y ya está listo para trabajar (con la curva guardada en la memoria hasta que se sobrescriba). ¿Por qué es importante la temperatura en la medición de pH? Pues ni más ni menos que es parte de la estimación de la pendiente. Si calibramos a una temperatura y luego medimos a otra, bueno, no tendrá mucho sentido. Por suerte los equipos traen la compensación automática. Las calibraciones también pueden ser puntual (por ejemplo si calibras el pHmetro sólo en pH 7). Lo que hace el equipo es directamente aplicar una regla de 3. Es más simple pero mucho más peligroso. Si la medición del valor de referencia tuvo un desvío, tu resultado será poco confiable (no te vas a enterar). En los próximos días voy a continuar este hilo para charlar sobre los métodos más comunes de calibración, como ser estándar interno, externo o agregado de patrón. En cada curso de re-dox donde se apliquen curvas de calibraciones, como las cromatografías o las espectrofotometrías, tendrás este tema bien desarrollado. Hasta la próxima

¡¡¡PRIMER POST!!! Curvas de calibración (calibración inicial) según la EPA ☠ Hace tiempo quería tocar este tema de las curvas de calibración debido a que la mayoría de los profesionales solo tiende a fijarse en la regresión lineal como la única forma para poder obtener una idea si nuestros datos son correlativos, y así dar a entender que la señal del detector cromatográfico tiene relación con la cantidad de estándar de concentración conocida inyectado. Vamos a escoger como ejemplos pesticidas organoclorados, los cuales fueron los seleccionados para la realización de mi tesis de grado. ¿Qué dice la EPA? ✳ Según la EPA 8000d indica que se debe tomar en cuenta la progresión de los estándares a usar, y que se recomienda que se sigan progresiones aritméticas y no geométricas, debido al enmascaramiento de saturación analítica en el detector que pueda causar carryover en el sistema o picos fantasma en futuras corridas. Sin embargo, lo que realmente interesa viene después; la EPA indica que puede calibrarse a través de 3 metodologías: - Calibración lineal a través de factores de calibración o factores de respuesta - Calibración a través de regresión lineal. - Calibración no lineal usando ecuaciones polinómicas de hasta tercer grado. 🎯 Lo curioso de esto es que en la gran mayoría de los casos se usa la calibración por regresión lineal, el típico ax+b. Pero, que pasaría si el detector genera datos que asemejan una ecuación polinómica de mayor grado? ⁉ Esto fue exactamente lo que nos pasó a mi colega y a mi en el análisis de datos, algunos pesticidas mostraban un comportamiento cuadrático, mientras que otros eran lineales. Lo primero que hicimos fue verificar que no exista un error al momento de la integración y además que el instrumento (en lo que se podía) tenga una capacidad analítica aceptable. Después de verificar por un posible error humano o analítico, los picos seguían generando integraciones cuadráticas. A lo que decidimos investigar, y resulta que el detector puede dar respuestas físicas cuadráticas en ciertos compuestos. 🤔 La EPA indica que la aceptación de curvas no lineales NO debería compensar la falta de mantenimiento en el detector o la saturación del mismo. 😯 Una de las ventajas del uso de este tipo de curvas polinómicas, es que disminuye matemáticamente las residualidades entre los analitos y la respuesta del instrumento. ✅ Y OJO, eso no significa que la curva este mal calibrada. Al contrario, si tiene los requerimientos de acreditación se cumplen, como el de tener un R igual o mayor a 0.99, se considera valido. 📑 Espero este post llegue a expertos, para que se pueda discutir su validez estadística en una futura acreditación de cualquier método de detección y cuantificación. 📢 Gracias por leer! Si desean, se pueden suscribir al newsletter de Chroma Digest en WHATSAPP donde encontraran posts similares a este y novedades de metrología química. https://shorturl.at/UWWiV

El saber de la ciencia Capsula 26 Validación Continuamos con las cápsulas, en esta ocasión veremos cómo hacer un análisis de reducción de dimensiones o bien la validación de un instrumento de acuerdo a la prueba de kaiser meyer olkin mejor conocida como KMO. Le vamos a dar en la opción analizar en nuestra base de datos, luego le vamos a dar en la opción reducción de dimensiones donde dice factor seleccionamos y aquí en este caso tenemos un instrumento de 12 preguntas vamos a seleccionar las 12 preguntas y las pasamos al apartado de variables, posteriormente seleccionamos la opción de: descriptivos y vamos a seleccionar la prueba de KMO y prueba de esfericidad de bartlett y en este caso vamos a seleccionar también la matriz anti imagen le damos continuar posteriormente vamos a darle la opción extracción donde aquí le vamos a dejar así como viene matriz de correlaciones análisis del método, el método tiene que decir componentes principales y le damos la opción continuar, en rotación le vamos a dar a la opción vari max posteriormente seleccionamos solución rotada y le damos continuar y en opciones le vamos a dar ordenar por tamaño posteriormente que hacemos todo este procedimiento le damos aceptar y con esto nos va a aparecer en la parte de resultados la prueba de KMO y de barlet donde la adecuación muestral de este instrumento en este caso es de .878, aquí es importante que la adecuación muestral este arriba del 8, la adecuación muestral significa que el instrumento sí se puede proceder para que se continúe con el análisis de la validación, la matriz anti imagen nos sirve para identificar en la correlación ante todas las variables tengan una buena correlación en caso de no tenerla se recomienda eliminar la pregunta para mejorar el instrumento que nosotros estamos diseñando; posteriormente nos aparece la tabla de comunidades donde aparecen las 12 preguntas; después la varianza total es explicada en esta varianza total explicada nos muestra que todo el instrumento esas 12 preguntas se tienen que evaluar únicamente en 2 variables es decir en 2 dimensiones y la teoría nos dice que tiene que ser en 5 principios pero ya con este análisis estamos viendo que únicamente se tienen que evaluar con 2 dimensiones; aquí nos aparece la matriz de componente o componente número 1, componente número 2 aparece su correlación y si nos vamos un poquito más para abajo, aquí ya aparece el orden en la matriz de componentes rotado, nosotros podemos observar que de la pregunta que corresponde a la primera variable viene siendo la pregunta número 3 posteriormente las 5 posteriormente la número 2 después de la número 2 la número 3 posteriormente la número 4, después la 8 y la 10 en este caso que vienen siendo las de mayor correlación y el resto de las preguntas podemos observar que la correlación se inclina en el segundo componente y aquí con esto nosotros estamos terminando de hacer una reducción de dimensiones en cuanto a nuestros instrumento de medición según sea el caso.

Aspectos a tener en cuenta a nivel de aseguramiento de calidad 👇🏻

Descubre el nuevo método para estimar la incertidumbre en mediciones analíticas con variabilidad de concentración. Simplifica la precisión y análisis en laboratorio.