Cromatografa y regresin lineal: Un par inseparable

http://www.americanlaboratory.com/913-Technical-Articles/38733-Chromatography-and-LinearRegression-An-Inseparable-Pair/
Lynn Vanatta
TUESDAY, MARCH 06, 2012

Los cromatgrafos estn en todas partes; muchos laboratorios analticos pueden

ahora contener ms de esos instrumentos que balanzas analticas. De hecho, los
cromatgrafos de gases y cromatgrafos de lquidos son usados para resolver
problemas de separacin en casi todos los campos de actividad. Sin embargo, a
menos que el trabajo de produccin se est haciendo a escala, la separacin
tpicamente no es un fin en s mismo. Con pocas excepciones, los clientes estn
interesados en saber cunto de un analito(s) est presente en una muestra dada.
Es el momento de entrar en el mundo de la estadstica, especialmente en la
regresin lineal simple.
A diferencia de los instrumentos tales como balanzas, los CGs y LCs no proveen
datos crudos en unidades fciles de usar, la altura del pico o el rea del pico son
la norma. As, el analista debe calibrar el instrumento externamente, mediante la
preparacin de soluciones estndar de concentracin conocida y analizarlas. A
continuacin se puede generar una curva de calibracin para vincular las
respuestas a las concentraciones originales conocidas.
Este proceso de calibracin frecuentemente requiere el uso de una regresin
lineal simple, una tcnica estadstica que puede realizarse fcilmente mediante
paquetera de software apropiado. Sin embargo, el usuario necesita entender los
fundamentos del proceso, o l o ella pueden terminar reportando nmeros de
calidad incierta.
Qu hacer si usted opera tal instrumentacin? Las siguientes sugerencias son
ofrecidas para su consideracin.

Aprenda las bases de cmo: 1) disear un estudio (calibracin o recobro), 2)

seleccione una tcnica adecuada (por ejemplo, mnimos cuadrados ordinarios) y
un modelo (por ejemplo, y = a + bx) para explicar los datos de regresin, y 3)
determine la incertidumbre asociada con cualquier curva resultante.
Dese cuenta de que el ltimo paso (conociendo esta incertidumbre) es
frecuentemente ignorado, pero es el ms importante para que los resultados sean
tiles. Si el nivel de ruido es alto, entonces la habilidad para discriminar entre dos
piezas de datos puede ser muy baja. Teniendo una buena estimacin de la
incertidumbre le permitir tomar decisiones inteligentes.
Ya que siempre hay variabilidad en los datos, recuerde que usted (o su cliente)
debe decidir el grado de confianza que desea estar en un resultado reportado; las
elecciones frecuentes son el 95% o el 99% de confianza, pero las necesidades de
su proyecto especifico ser el factor determinante. La Estadstica no puede tomar
esta decisin por usted. Por lo tanto, si alguien pregunta, Qu tan buen
resultado me puedes dar? responda con Qu tan seguro te gustara estar?.
An si las regulaciones requieren que usted calcule y reporte de cierta manera, y
estos procedimientos no son estadsticamente slidos como deberan ser, recoja
suficientes datos (por ejemplo, rplicas de cada uno de las mltiples
concentraciones) para poder sacar conclusiones slidas. De otra manera, usted
puede no tener la habilidad de defender sus resultados si surgen valores
controversiales. El que tiene datos tiene poder.
Dese cuenta de que la coleccin de datos suficientes para anlisis estadsticos
slidos no tiene por qu ser excesivamente complicado o costoso. Tpicamente,
tales resultados pueden recogerse a travs de la rutina, en los procedimientos en
sitio de control de calidad.
No permita la extrapolacin de una curva de regresin, usted simplemente no
sabe cmo se estn comportando los datos en las regiones donde no se han
obtenido y modelado resultados. La nica excepcin es cuando se est
trabajando a nivel de trazas y no se puede obtener un blanco verdadero, aqu, la
2

nica alternativa puede ser el uso de alguna versin de adicin de estndar, la

cual inherentemente involucra extrapolacin. En tales casos, proceda con
precaucin, y con los ojos abiertos.
Tenga en cuenta que la obtencin de una cromatografa perfecta puede ser una
exageracin. Si una separacin menos que ideal puede ofrecer resultados con un
nivel aceptable de incertidumbre, entonces no se preocupe por la falta de
perfeccin (a menos que una regulacin contenga tales requerimientos como
cumplir el criterio de la forma del pico). Recuerde, (x + 30%x) puede ser precisin
suficiente.
Cuando est involucrado un anlisis de trazas, trate de manejar claramente los
lmites de deteccin (DLs) y enfquese en la incertidumbre general asociada con
los resultados. Tome decisiones en funcin de qu tan aceptable es la
incertidumbre para la situacin actual.
Si tiene que tratar con los lmites de deteccin, comprenda la relacin entre 1) el
lmite de deteccin, 2) la probabilidad de falsos positivos y 3) la probabilidad de
falsos negativos. La expresin matemtica es una ecuacin con tres incgnitas, lo
que significa que no puede seleccionar valores para las tres variables. El algebra
bsica dicta que slo se puede especificar dos de los tres; la ecuacin
determinar el valor restante. As, si selecciona un valor excesivamente bajo de
DL, entonces el valor para al menos una de las dos probabilidades puede surgir
para mantener la igualdad. El resultado puede no ser bonito.
No se quede atrapado en el pensamiento de que es necesario estimar el lmite de
deteccin para cada procedimiento. Si sus muestras siempre contienen altos
niveles del analito (es decir, la sensibilidad el instrumento no es un problema),
entonces tales lmites son irrelevantes.
Haga todo lo posible para educar a la alta direccin sobre la necesidad de
resultados estadsticos slidos. El apoyo verdadero de estas personas es
necesario para inculcar de datos slidos. Para ganar su caso, haga hincapi en
que el no obtener tales datos puede ser muy costoso a largo plazo; mencione la
3

opcin libre de usar resultados de control de calidad, como se mencion

anteriormente.
En el mismo sentido, inste a los fabricantes de instrumentos a incorporar anlisis
estadsticos slidos en su software. Si bien existen excelentes programas
independientes para realizar este tipo de clculos, la vida es mucho ms simple si
tanto la recogida y procesamiento de datos puede hacerse con un solo paquete.
Si est asociado con el departamento de qumica de una universidad, trabaje para
establecer una clase de curso o taller en regresin de anlisis slido; la educacin
es la clave. Como usted conseguir conocer a los profesores que ensean
qumica analtica, anmeles a ser competentes en el tema y luego usar las
tcnicas en sus investigaciones.
Incluso si slo recibe resultados de los cromatgrafos, aprenda los conceptos
bsicos de la regresin lineal simple. A continuacin entreviste a candidatos
para laboratorios de prueba (o en su propio laboratorio), para asegurarse de que
entienden (y entregarn) resultados slidos. Despus de todo, es su dinero!
(Usted no compra una casa sin pedir detalles acerca de cada posible propiedad).
Si a estas alturas usted se pregunta A donde voy para obtener informacin
especfica sobre el anlisis de regresin en qumica? Puede ser que intente en
las siguiented referencias. Statistics for Analytical Chemists by Caulcutt and
Boddy incluye una til discusin sobre el tema, por desgracia, el libro est
descatalogado, por lo que buscar una copia usada sera la ruta a tomar. Statistical
Methods in Analytical Chemistry by Meier and Zund tambin contiene material
sobre regresin, pero este libro es bastante pesado. Desde sus inicios en
Septiembre del 2002, la columna de American Laboratory column, Statistics in
Analytical
Chemistry
(http://new.americanlaboratory.com/1403-Statistics-inAnalytical-Chemistry/), se ha dedicado a los detalles de la regresin lineal simple
(y sus tpicos relacionados). Estos artculos son una contribucin gratis de los
autores para ayudar a cumplir su misin: proporcionar a los cientficos fcil
acceso a los procedimientos estadsticos slidos.
Si tiene alguna duda acerca de cmo realizar un anlisis estadstico, consulte a
un estadstico que tenga conocimiento en el campo correspondiente. Tomando

una frmula que parece correcta (es decir, tiene todas las condiciones necesarias)
no garantiza un buen resultado.
Finalmente, tanto en cromatografa como en estadstica, (y toda la ciencia, para
esa materia) evite el sndrome de recuadro negro el cual se puede explicar con
la siguiente historia verdica. Hace muchos aos, un grupo de cromatografistas
estaban discutiendo todas las funciones que son estndar en la instrumentacin
moderna y el software. El ambiente general era de satisfaccin ya que tal equipo
ahora era muy fcil de usar y accesible an para los novatos, requiriendo poca
atencin en la prctica. Larry Taylor (en ese momento el profesor de qumica en la
Universidad de Virginia Tech, y ahora profesor emrito) estaba presente y haba
escuchado en silencio en todo momento. A medida que la discusin comenz a
apagarse, el habl. s, dijo, pero usted an tiene que pensar.
El mensaje es claro. No acepte cromatgrafos o sus datos en su valor nominal.
Slo porque algo es nuevo o caro, y controlado por ordenador, no quiere decir
que necesariamente se comporta de la manera que usted piensa que es. Los
cromatgrafos y sus accesorios son altamente confiables y piezas tpicamente
estables del equipo de laboratorio. Sin embargo, es necesario llevar un control
sobre todo, los gnomos pueden haber estado jugando durante el proceso de
fabricacin mientras se estaban corriendo muestras. Los datos que generan estos
instrumentos pueden ser tan slidos, pero solo si las tcnicas estadsticas
adecuadas son entendidas y usadas.

Lynn Vanatta is an Analytical Chemist and long-time contributor of the Statistics in Analytical
Chemistry

articles

with

co-author

David

Coleman.

She

can

be

reached

at

statistics@americanlaboratory.com.