Límits de detecció en l'anàlisi multivariant

  1. Boqué Martí, Ricard
Dirigida por:
  1. Francesc Xavier Rius Ferrus Director/a

Universidad de defensa: Universitat Rovira i Virgili

Año de defensa: 1997

Tribunal:
  1. Josep Guasch Torres Presidente/a
  2. Adela Sevillano Cabeza Secretario/a
  3. Luis Fermín Capitán Vallvey Vocal
  4. Marcel Blanco Romia Vocal
  5. Félix Hernández Hernández Vocal

Tipo: Tesis

Teseo: 63402 DIALNET lock_openTDX editor

Resumen

La normativa internacional referent a la qualitat en els laboratoris d'anàlisi estableix que un mètode analític, abans de poder ser utilitzat com a mètode de rutina, ha d'estar validat. S'entén com a validació l'establiment de que els paràmetres de qualitat associats a un mètode compleixen els requeriments especificats per a una aplicació analítica determinada. Dins els paràmetres de qualitat importants es troba el límit de detecció (LDD).Els mètodes analítics que utilitzen tècniques capaces de generar dades multivariants són cada vegada més habituals i és, per tant, important el derivar-ne els paràmetres de qualitat associats. En la present Tesi Doctoral es va abordar l'estudi dels límits de detecció. En el primer capítol es presenta una evolució històrica del concepte de LDD, amb les diferents aproximacions per al seu càlcul en mètodes d'anàlisi que utilitzen el calibratge univariant. També es descriuen els diferents factors que influeixen en el càlcul del LDD. Les diferents tècniques d'anàlisi multivariant existents, junt amb els diversos models matemàtics utilitzats, ha fet que s'hagin desenvolupat diferents aproximacions al càlcul dels LDD multivariants. En el segon capítol es revisen críticament aquestes aproximacions. En el tercer capítol es presenta una aproximació per calcular el LDD a unes dades obtingudes mitjançant l'acoblament cromatografia de gasos-espectrometria de masses, que es basa en l'ús de la recta de calibratge dels scores del primer component principal (obtinguts per descomposició mitjançant anàlisi de components principals de la matriu de respostes original) respecte les concentracions dels patrons de calibratge. Aquest mètode és aplicable només en absència de substàncies interferents i quan el primer component principal explica un percentatge molt elevat de la informació continguda en les dades originals. Per tal de solucionar aquesta limitació, es va procedir a desenvolupar un estimador del LDD aplicat a models directes de calibratge multivariant, on les respostes es modelen en funció de les concentracions. En aquests models, l'etapa de calibratge pot dur-se a terme a partir de mostres consistents en els analits purs o mostres consistents en mescles dels diferents analits. Els estimadors derivats per ambdós casos, juntament amb una aplicació a dades reals, configuren el quart capítol.Els mètodes de calibratge basats en els models directes tenen l'inconvenient que cal conèixer les concentracions de totes les substàncies que produeixen senyal o, almenys, cal disposar dels espectres dels analits i els interferents purs. Aquesta condició no és la més habitual en els laboratoris, on la majoria de mostres analitzades són matrius complexes, de composició parcialment desconeguda, i en les quals sovint només interessa determinar un analit en concret. Amb aquests tipus de mostres s'ha de recórrer als models inversos, en els quals la concentració d'analit es modela en funció de la resposta obtinguda. Aquests models tenen l'avantatge que només cal conèixer la concentració de l'analit d'interès per construir el model de calibratge. Es va derivar un mètode de càlcul dels LDD per a models inversos de calibratge multivariant i que pogués servir per un ventall més ampli de mostres reals (mediambientals, alimentàries,...). En un primer treball, l'estimador del LDD es calcula a partir dels intervals de confiança del model de calibratge multivariant. En una segona aproximació, l'estimador es basa en la teoria dels tests d'hipòtesi i utilitza la incertesa de les concentracions predites. Aquests continguts, juntament amb les aplicacions a dades reals, són els que conformen el capítol cinquè.Finalment, a les conclusions es discuteixen els avantatges i les limitacions dels estimadors presentats i es donen una sèrie de pautes de com s'ha d'enfocar l'estudi de la seva millora en futurs treballs. Com a perspectiva de futur, es proposa l'aplicació dels coneixements adquirits al desenvolupament d'estimadors de càlcul del LDD en mètodes d'anàlisi que utilitzen el calibratge de segon ordre.