Kwaliteitszorg samenvatting

1


Kwaliteitszorg

LES 1

Methodevalidatie

 ISO-norm:
-je moet valideren, iets veranderen aan een techniek om een bepaalde methode te
gebruiken
-het is geen wet, wel een norm
-je moet het kunnen aantonen
-ISO 17025 -> nummer onthouden, want nummer van labo!!!

 Acriditatie -> je gaat meer geld verdienen, groter aanzien, want er plakt een stikker op je labo
dat je helemaal gecontroleerd bent

Wat is methodevalidatie?
 Statistiek gaan doen op de resultaten, je wilt geacriditeerd worden, hoger aanzien, meer
verdienen,…

Kwantitatief:
 Precisie
 Juistheid
 Bepalen van totale fout
Kwalitatief:
 Meetbereik
 Aantoonbaarheidgrens
 Recovery
 Modelafwijking
 Selectiviteit
 robuustheid
Kwaliteitscontrole:
 Intern
 Extern

Waarnemingsresultaat: info over onderzochte staal
Onzekerheid blijft:
-staalname
-staal zelf
-analysemethode op zich
-analyse
-> statistiek biedt hulpmiddelen om om te gaan met onzekerheden


HERHALING VORIG JAAR

Steekproef & populatie

Hoe breder de gausscurve, hoe groter de spreiding

Standaarddeviatie: maat voor de spreiding, we willen een kleine spreiding

,2


Variatiecoefficient mag je wel vergelijken, relatieve parameter, je kan de eenheden wegschrappen

Representatief:
 1 resultaat moet weerspiegelen aan de helen groep
 ad random

Variabelen
 Onafhankelijke variabelen: je hebt het zelf in de hand
 Afhankelijke variabelen: het is afhankelijk van een apparaat=onafhakelijke variabele, je gaat
niets zelf meten

AFHANKELIJKE VARIABELE
1. Nominale schaal
-geen rangorde
2. Ordinale schaal
-rangorde
3. Intervalschaal
-rangorde van intervallen
4. ratioschaal
-verschillende waarden

Ware waarde
 waarde naartoe we streven
 hoe nauwkeuriger onderzoek, hoe beter

Mediaan en Modus -> robuuste parameters, nauwkeurige parameters

Gemiddelde:
 eenheden
 rekenkundige gemiddelde
 wanneer we veel metingen hebben

Mediaan:
 van klein naar groot
 oneven? Middelste
 even? Gemiddelde van de 2 middelste getallen
 doen wanneer er een klein aantal deelnemers is

Modus:
 klasse met de grootste absolute frequentie

Variantie:
 belangrijke info ivm spreiding van bekomen data
 rekenkundige gemiddelde en spreiding vergelijken

Standaarddeviatie:
 meest gebruikte maat voor spreiding van waarnemingsgetal



Variatiecoëfficiënt:

,3

 vergelijking van de spreiding van verschillende onderzoeken
 werken met relatieve waarde
 uitgedrukt in %

Normaalverdeling
 gauss-curve
 in de midden de ware waarde
 y-as: frequentie
 x-as: verschillende waarden

Waarnemingsresultaten
 mooi ordenen
 bv. Frequentietabel
 bv. Grafiek -> staafdiagram of histogram
 bv. Lijndiagram

Hoe frequentietabel opstellen?
 Spreidingsbreedte R (range) bepalen -> verschil tussen hoogste en laagste waarneming
 Aantal klassen k -> wortel uit aantal waarnemingsresultaten
 Klassebreedte b -> spreidingsbreedte op het aantal klassen

Afbeelding met frequentietabel

Histogram vs frequentiepolygoon

Eigenschappen van normale verdeling:
 Voldoende metingen? Symmetrisch
 Totale ding 100 of 1%
 Midden is ware waarde
 Eerste buigpunt -> gemiddelde min standaarddeviatie of plus

De 68-95-99,7%-regel
 Kijk afbeelding

Hoe kleiner standaarddeviatie, hoe smaller uw curve -> wij willen een kleine standaarddeviatie

Beperkt aantal metingen = T-verdeling

-We streven naar een hoog aantal waarnemingen-


LES 2

International normen die willen aantonen dat alles werkt
 ISO-norm 17025
 Code
 Science exchange



Hoe valideren? Kijk tabel
 Nieuwe methode?

, 4

 Gewijzigde methode?
 Valideren van prestatiekenmerken, staan links -> juistheid, meetbereik,…
 2 de kolom helemaal nieuw? Juistheid, reproduceerbaarheid -> altijd veranderen, blauwe
kolom

Validatie: bepalen van prestatiekenmerken
 Kwalitatief
-precisie -> Herhaalbaarheid (identiek) en Reproduceerbaarheid (wisselend)
-juistheid of accuraatheid
-betrouwbaarheidsintervallen
-hypothesetesten
 Kwantitatief
-mate waarin resultaten afwijken van ware waarde

Meetonzekerheid kwantitatief
 Toevallige fouten -> precisie
 Systematische fouten -> accuraatheid

Waarom belangrijk meetonzekerheid bepalen?
 Nagaan welke fout
-Blunders -> foute stof gebruikt
-Toevallige fouten -> moeilijk te achterhalen
-Systematische fouten -> oorzaak trachten weg te werken, frigo in labo die niet meer
voldoende sluit

Toevallige fouten en precisie
 Niet te voorspellen, niet te vermijden
 Niet in 1 bepaalde richting afwijken
 Hoe groter de toevallige fouten, hoe kleiner de precisie

KIJK GRAFIEK
 Y -> aantal resultaten
 X ->
 Methode B heeft slechtere precisie en grotere spreiding

Toevallige fout berekenen
 s
 lage CV
 We willen methode met kleine toevallige fouten en grote precisie

Precisie bepalen:
 Herhaalbaarheid/ within-run precision
-op 1 dag, dicht bij elkaar, door dezelfde
 Reproduceerbaarheid/ between-run precision
-in andere labo’s, door andere mensen




Hoe in praktijk?
 Je kiest een staal
-controlestaal -> bias bepalen, precisie mss vals laag