化学实验室实验数据质量评估与审核规范

化学实验室实验数据质量评估与审核规范范围本文件规定了化学实验室实验数据质量评估与审核中的数据评估方法与判定准则、审核流程与审核要求、数据记录与溯源性管理及异常数据的识别与处理要求。本文件适用于化学分析实验室（含环境检测、制药、食品、化工等领域）产生的实验数据全生命周期质量管理，覆盖实验数据从记录、评估到审核的全生命周期过程。规范性引用文件本文件没有规范性引用文件。术语和定义下列术语和定义适用于本文件。

实验数据experimentaldata实验过程中获得的各种原始记录、观测值、计算结果和最终报告数据的统称，包括由仪器设备读数、人工记录的观察结果、计算处理后的数据以及相关的图表、谱图等。

数据质量dataquality实验数据满足预期用途和要求的程度，通常从准确性、精密度（重复性/再现性）、完整性、一致性、可追溯性等方面进行衡量和评价。实验数据质量控制原则实验室应建立以预防为主、全过程管控的实验数据质量控制体系，确保数据从产生到存档的每个环节都符合规范要求。实验数据质量控制应遵循以下基本原则：真实性与客观性原则：实验数据必须来源真实、记录客观，不得捏造、篡改或选择性取舍数据。所有原始观测值都应忠实记录，任何对数据的修改都应有据可查并获得授权；全流程控制原则：对实验计划、样品处理、测量实施、数据记录、数据处理、结果报告直至数据归档的全过程实施质量控制。在每个阶段均设置质量把关点，确保上一阶段的问题在进入下一阶段前得到发现和纠正，实现质量问题的早发现、早纠正；标准化与一致性原则：实验室应采用标准的方法和程序进行试验和记录，确保不同人员和不同时间所获取的数据遵循统一格式和规范。通过标准操作规程（SOP）规范实验步骤、记录格式和数据处理方法，减少人为差异，提高数据的一致性和可比较性；准确性与精密度原则：应采取措施保证实验数据的准确可靠，包括使用经过验证的方法、进行必要的仪器校准和质控样品测试等。通过人员培训、仪器设备定期校准维护、空白对照和标准物质比对等手段，将系统误差和随机误差控制在允许范围内，提高测量结果的正确度和精密度；独立审核原则：对实验数据的核查应由与数据产生无直接利益关系的人员进行，以保持审核的客观公正。实验室应建立数据复核制度，例如由第二人或质量监督员对原始数据进行独立检查与确认，避免因个人疏忽导致错误数据未经发现即用于后续分析或报告；可追溯与留痕原则：实验数据及其产生过程应完整留痕，确保出现问题时能够追查源头。包括样品的来源及处理记录、仪器设备的状态及校准记录、环境条件、计算处理过程等均应有记录。数据修改时必须保留原始数据和修改理由，以实现所有数据更改的可追溯性；持续改进原则：将数据评估和审核结果用于持续改进实验室的数据质量管理。通过定期分析审核中发现的问题，采取纠正和预防措施，不断优化实验流程和质量控制措施，提升整体数据质量。质量控制是一个循环改进的过程，应鼓励实验室在遵守本标准的基础上不断提高管理水平。数据评估方法与判定准则重复性评估评估方法：通过对相同样品进行多次平行试验或重复测定来评估数据的重复性。可采用以下方式之一或组合来检查重复性：平行样测试：对同一样品取多个独立平行样品，使用相同方法和条件测定，比较各平行样结果之间的差异；重复测定：由同一操作者在短时间内对同一试样进行多次测定（如连续测量3次或以上），计算结果的相对标准偏差（RSD）或极差来量化重复性；控制图监控：对于持续进行的多批次测定，可使用控制图（如均值-极差控制图）监控重复性趋势，如出现点超出控制限则提示重复性异常。判定准则：实验室应根据所采用方法的精密度要求或相关标准规定确定重复性的判定限值。通常可参考方法验证或文献资料中的精密度数据。例如，计算平行测定结果的RSD，若RSD不超过方法规定的上限（如≤5%或其他规定值），则认为重复性符合要求；若超出限值，则判为不符合，需要查找原因。在标准未规定具体精密度要求时，实验室宜自行通过预实验或历史数据统计确定合理的判断依据。重复性不合格的数据应被标记为异常数据，进入后续异常处理流程。准确性评估评估方法：准确性评估旨在确定实验结果与真实值或参考值的接近程度。常用的方法包括：使用标准物质（CRM）：选用适当的具有认证值的标准物质或参比样品，与未知样品同时测定，以比较测定值与认证值之间的差异。计算回收率（测定值/真实值×100%）作为准确性指标；加标回收试验：在样品中加入已知量的标准物质（加标），再进行测定，计算加标回收率，以检验方法的准确性是否受到基质影响；方法比对：将同一样品采用两种不同方法测定，比较两方法所得结果的一致程度。如果标准方法或更高准确度的方法存在，可用其结果作为参考进行对比评估；分析质控样品：测定实验室自制或外部提供的质控样品（其参考值已知或稳健值可通过实验室间比对确定），评估所得结果与参考值的偏差。判定准则：实验室应依据方法学要求或相关行业规范设定准确性的判定标准。例如，在环境监测领域，加标回收率通常要求在某一范围（如80%～120%）；在分析化学实验中，标准物质测定值相对于认证值的偏差应在±若干个百分点以内（例如±5%）。如果测定结果与真实值的偏差超出预定允差范围，则判定准确性不符合要求。出现此情况应查明原因（如仪器校准偏差、试剂失效、方法系统误差等），在纠正问题后重新采集数据。对于无法获取真值的情况，可通过定期的能力验证或实验室间比对来间接评估数据准确性是否在合理范围。完整性评估评估方法：完整性评估检查实验数据记录是否全面、无遗漏。评估可采用核对清单的方式，将实验记录的要求项目逐一列出，包括但不限于：样品信息：样品编号、名称、来源、批次等是否记录完整；实验条件：试剂批号、仪器设备编号及校准状态、环境条件（如温度、湿度）等必要条件是否有记录；过程记录：关键实验步骤、有无偏离既定方法的情况，是否有详细记录或偏差说明；结果数据：所有测量结果数值是否记录，无任何遗漏；数据单位、有效位数是否规范；计算过程（如有）是否有迹可循；人员与时间：实验执行人、审核人、实验日期和时间等信息是否填写。判定准则：实验数据的任何关键要素不应缺失，完整性要求通常是100%，即所有必需的信息都必须填写和记录。在审核中，如发现记录中存在空白项、漏项或信息不明确之处，即判定为数据完整性不符合要求。此时应要求相关人员立即补充完善；无法补充的，则该数据集视为有缺陷，不得作为有效数据用于进一步分析或对外报告。当数据完整性存在系统性问题时，实验室需加强培训和管理，确保后续实验数据的记录完整。一致性评估一致性评估包括记录格式的一致性和数据逻辑的一致性两个方面：格式一致性：检查不同批次、不同人员记录的数据格式是否统一。例如日期格式、单位符号、命名规则是否按照实验室规范执行；小数点位数是否按要求保留；各项内容的书写顺序和符号使用是否前后一致；数据逻辑一致性：检查同一实验或关联实验所得的数据在逻辑上是否相互吻合、不矛盾。判定准则：对于格式一致性，应达到实验室既定规范的要求，例如100%使用统一的计量单位和符号，报告格式无不符合之处。若存在格式不一致（如单位前后不统一、记录潦草难以辨认等），则判定该记录不符合一致性要求，应予以纠正。对于数据逻辑一致性，如发现数据间矛盾或不合理之处，即判为一致性不符合。需进一步查证是记录错误、计算错误，还是实验本身问题，并根据情况进行更正或重做实验。保持高度一致性可提高数据的可信度，任何不一致迹象都应引起重视并在审核时解决。审核流程与审核要求实验数据质量审核包括实验室内部审核和外部审核两个层次。审核工作应有规范的流程和要求，以确保发现问题并持续改进。本标准对审核流程的要求如下。内部审核内部审核规划实验室应制定文件化的内部审核程序和年度审核计划。内部审核应覆盖实验数据质量管理体系的所有要素，并特别关注对检测结果质量有重大影响的关键环节。审核计划应保证每年至少进行一次全面的内部审核；遇有重大异常事件或质量事故时，应及时组织临时的专项内部审核。审核人员要求内部审核应由经过培训且具备胜任能力的人员执行。为确保客观性，审核人员应尽可能独立于所审核的活动，即审核人不审核自己直接负责的工作。实验室应指定质量负责人或主管负责组织内部审核工作，包括制定审核计划、选派审核员、确保审核按期进行。审核实施与内容内部审核应采用检查表或审核提纲的形式，有计划地检查实验数据质量管理的各个方面。审核内容包括但不限于：数据记录是否符合规范、原始记录和报告结果是否一致；数据评估程序的执行情况，近期有无数据质量问题及其处理情况；仪器设备校准和维护记录，是否支持数据的准确性要求；人员培训和资质情况，是否满足所承担实验的要求；实验方法和SOP的执行情况，有无未按规程操作的现象；质量控制样品或比对试验结果，评价实验过程受控程度；之前审核或评审发现问题的纠正措施落实情况等。审核过程中发现的每项问题应做好详细记录，作为审核发现。对于较轻微的问题，可现场给予指导纠正；对于严重不符合（如可能影响数据准确性的），应开具不符合项报告。审核报告与整改内部审核结束后，审核组应汇总审核发现，形成书面审核报告提交实验室管理层。对审核中发现的不符合项，实验室应及时分析原因，制定纠正措施计划。必要时应对受到不符合项影响的数据进行评估，若有证据表明某些检测结果可能受到影响，应通知相关方并视情况采取补救措施。实验室应在规定期限内完成所有纠正措施，并由质量负责人或审核组对措施的实施情况和有效性进行跟踪验证。所有内部审核活动及其发现、结论、纠正措施和跟踪验证结果都应予以记录归档。内部审核的结论还应提交管理评审会议参考，以推动管理体系的持续改进。外部审核外部审核类别外部审核主要包括由实验室外部的独立机构进行的审核和评定活动。常见的外部审核形式有：认可审核：如由国家认可机构（例如CNAS）依据ISO/IEC17025等标准对实验室进行的能力认可评审。这类审核通常包括文件审核和现场评审，重点检查实验室管理体系和技术能力是否满足要求；资质认定（CMA）审核：针对依法需要取得计量认证/审查认可的实验室，由政府主管部门组织的评审，依据相关评审准则检查实验室的数据质量保障能力等；客户或第三方审核：一些委托方或认证机构可能会对实验室进行现场考察或审核，关注实验数据的质量控制是否符合其特定要求（例如GLP规范、GMP实验室要求，或企业内审）；同行评审：在某些团体标准或实验室间合作中，也可能组织同行专家对实验室的数据质量体系进行审核评价。审核配合要求实验室应积极配合外部审核工作，提供所需的文件和记录，包括质量手册、程序文件、原始数据记录、校准和检测报告、内部审核和管理评审记录等。对于审核组提出的现场试验要求（如现场演示某项测试或校准操作），实验室应安排有资质的人员按照标准方法进行，以验证其实际操作能力。审核结果处理外部审核结束后，审核机构通常会给出审核报告或评定结论。实验室应认真学习审核报告中指出的不足或不符合项，并按要求在规定时间内提交整改措施计划和实施证据。对于外部审核发现的问题，实验室应分析根本原因，采取纠正措施并防止问题再次发生。必要时，可邀请相关审核机构对重大整改项目进行复查验证。对于外部审核中给予的改进建议，实验室也应予以重视，在条件允许时加以采纳以提升自身的数据质量管理水平。持续符合性实验室在通过某项认可或审核后，并不意味着可以放松要求，而应持续维持符合标准的状态。包括按期进行内部审核、自我检查，密切关注标准更新动态，确保实验数据质量管理始终满足最新要求。对于认可有效期届满前，实验室应提前准备迎接复评审，确保顺利通过续认。通过将内部审核和外部审核结果相结合，实验室可以不断完善质量体系，巩固和提升其实验数据的质量和可信度。数据记录与溯源性管理原始数据记录实验操作过程中产生的原始数据应及时、准确地记录在指定的原始记录载体上（纸质记录本或电子记录系统）。记录应做到字迹清晰、不易擦除，并按顺序逐项填写，不得事后补记或倒填。对于纸质原始记录，要求使用耐久墨水书写，不得使用铅笔或易褪色的书写工具。任何对原始记录的修改不得使用涂改液、橡皮擦等方式粗暴更改；如需修改，应划单线保留原始内容，使其仍清晰可辨，并在旁边填写更正后的值、更改日期和更改人签名，以保证修改过程的可追溯性。数据标识与关联每份原始数据记录都应有唯一标识，方便与样品、试验任务等关联。每个样品或试验应有唯一的编号，该编号应写在该试验的所有记录和报告上。记录中应注明实验日期时间、操作者姓名或代号、所用仪器设备的标识（及其校准状态）等信息。对于需要多次处理的数据，应在每一阶段记录中引用前一阶段记录的编号，以建立起数据处理链的连接。电子数据管理对于以电子形式采集或存储的实验数据，实验室应确保其安全性、一致性和完整性。应采用经过验证的实验室信息管理系统（LIMS）或数据库对电子数据进行管理，并设置适当的访问权限控制，确保只有授权人员才能查看或修改相关数据。重要的数据文件应定期备份，备份介质应异地保存或采用云备份，以防止因硬件故障、病毒或误操作导致数据丢失。电子数据在传输和存储过程中应采取加密等措施防止被未授权篡改。对于关键的数据处理软件，应定期验证其算法正确性和版本一致性，防止软件更新或错误导致的数据异常。数据存档与保留期限实验室应保存所有与检测有关的原始数据和记录，包括原始观测记录、计算分析过程、校准证书与记录、检测报告等。记录的保存期限应符合国家法规或行业要求以及实验室自身质量管理体系的规定。保存期内，所有档案应分类归档，妥善保管，防火防潮防虫蛀，并定期检查载体介质的完好性，确保数据可读。数据检索与追溯实验室应建立有效的记录索引和检索机制，确保在需要时能够快速定位和提取相关数据。例如，可采用台账、电子数据库索引等方式登记每次试验的基本信息（样品编号、试验项目、日期、记录存放位置等）。当内部质量检查或外部审核、客户查询需要特定数据时，能够通过索引迅速找到对应的原始记录和报告。实验室在人员变动或系统升级时，应保证已有数据及其索引不会丢失或失效。计量溯源对于定量测量数据，实验室应确保测量结果具有计量溯源性。每一项测量所用的计量器具均应经过有溯源资质的机构校准或核准，其量值能够溯源至国家基准或国际单位制（SI）单位。在数据记录中应保存这些校准的证书编号和有效期信息，以佐证测量结果的有效性和可比性。如果实验数据涉及使用标准溶液、标准品等，也应记录其来源和有效期，并在需要时提供相关证明文件。异常数据的识别与处理识别异常数据实验室应根据经验和统计方法设定判定异常值的标准。常用的识别方法有：统计学检验：采用Grubbs检验、Dixon检验等统计工具，对一组平行数据进行离群值检验。当某个数据点偏离均值超过一定阈值且通过统计检验被判定为离群值时，则认为其异常；控制样/质控图：通过分析质控样品结果或绘制控制图来监测实验过程稳定性。如质控样结果落在控制限之外，提示本批数据可能存在异常，需要重点核查；经验判断：有经验的实验人员对结果进行初步审核，凡是发现某结果与预期规律明显不符（例如某个样品的测定值异常偏高或偏低），应引起重视。实验室宜培养人员对异常数据保持敏感，发现可疑值时及时标记出来；软件自动校验：对于自动化数据采集系统，可设置合理的阈值或规则，由系统自动标记超出合理范围的读数（如“>上限”或“<下限”等提示），以辅助人工识别。暂停与隔离当发现疑似异常数据时，应暂缓对该数据的进一步使用（如不立即用于计算最终结果或对外报告），并对相关样品/试验的后续流程采取暂时中止或隔离措施。这是为了避免异常数据在未经处理前影响结论。与此同时，应通知实验室主管和质量负责人，启动异常数据调查流程。调查分析由具有经验的人员或质量管理小组对异常数据进行调查，查明可能的原因。调查内容包括：核对原始记录：查看原始数据记录是否存在笔误、单位换算错误或抄录错误。很多异常可能源于人为记录或计算差错，核对能首先排除这类问题；检查仪器设备：确认采集该数据时仪器设备运行是否正常。如查看仪器日志、校准曲线、背景值，判断仪器是否存在漂移、故障或超出校准周期等情况。必要时可对仪器进行功能检查或重新校准；复测验证：对同一样品重新测定一次，或请他人使用相同方法重新测定，以验证原结果是否重复出现。如果复测结果与原异常值相差很大，说明原测定可能有偶然误差；相关数据比对：将该异常结果与同批其他样品结果或历史数据进行对比，看其偏离程度。如果实验室参加过能力验证或比对试验，可将异常数据与能力验证结果比较，评估其可信度；人员访谈：询问当班操作人员当时的实验情况，是否察觉任何异常现象（如试剂加入顺序错误、样品状态异常等），以获取可能的线索。处理与处置根据调查结果对异常数据进行分类处理：属于记录或计算错误：如果确认异常源于记录笔误或计算失误且有可靠依据，则可更正数据，并由复