Calcula l'Índex de Desviació Estàndard (IDE) per avaluar l'exactitud dels resultats de les proves en relació amb una mitjana de control. Essencial per a l'anàlisi estadística i el control de qualitat de laboratori.
Calcula l'Índex de Desviació Estàndard (SDI) per avaluar l'exactitud dels teus resultats de prova.
L'Índex de Desviació Estàndard (SDI) és una eina estadística utilitzada per avaluar l'exactitud i la precisió d'un resultat de prova en relació amb una mitjana de control o grup de companys. Quantifica el nombre de desviacions estàndard que un resultat de prova es troba de la mitjana de control, proporcionant informació valuosa sobre el rendiment dels mètodes analítics en entorns de laboratori i altres entorns de prova.
L'SDI es calcula mitjançant la següent fórmula:
On:
Per calcular l'SDI:
Suposem:
Càlcul:
Un SDI de 1.0 indica que el resultat de la prova és una desviació estàndard per sobre de la mitjana de control.
SDI entre -1 i +1: Rendiment acceptable.
Els resultats de les proves es troben dins d'una desviació estàndard de la mitjana de control, indicant una bona alineació amb els valors esperats. Normalment no es requereix cap acció.
SDI entre -2 i -1 o entre +1 i +2: Rango d'advertència.
Els resultats són acceptables però s'han de monitoritzar. Aquest rang suggereix una possible desviació de la norma que pot requerir atenció. Investigar possibles causes i considerar repetir la prova.
SDI inferior a -2 o superior a +2: Rendiment inacceptable.
Es requereix una investigació per identificar i corregir problemes. Els resultats en aquest rang indiquen una desviació significativa dels valors esperats i poden significar problemes sistèmics en el procés de prova o instrumentació. Es recomanen accions correctives immediates.
En laboratoris clínics, l'SDI és crucial per a:
Les indústries utilitzen l'SDI per a:
Els investigadors apliquen l'SDI per a:
El concepte de l'Índex de Desviació Estàndard va evolucionar a partir de la necessitat de mètodes estandarditzats per avaluar el rendiment del laboratori. Amb l'aparició de programes de proves de competència a mitjan segle XX, els laboratoris requerien mesures quantitatives per comparar resultats. L'SDI es va convertir en una eina fonamental, proporcionant una manera senzilla d'avaluar l'exactitud en relació amb les dades del grup de companys.
Figures prominents en estadística, com Ronald Fisher i Walter Shewhart, van contribuir al desenvolupament de mètodes de control de qualitat estadística que fonamenten l'ús d'índexs com l'SDI. El seu treball va establir les bases per a les pràctiques modernes d'assegurament de qualitat en diverses indústries.
1' Calcular SDI en Excel
2' Suposem que el Resultat de la Prova està a la cel·la A2, la Mitjana de Control a B2, la Desviació Estàndard a C2
3= (A2 - B2) / C2
41def calculate_sdi(test_result, control_mean, standard_deviation):
2 return (test_result - control_mean) / standard_deviation
3
4## Exemple d'ús
5test_result = 102
6control_mean = 100
7standard_deviation = 2
8
9sdi = calculate_sdi(test_result, control_mean, standard_deviation)
10print(f"SDI: {sdi}")
111calculate_sdi <- function(test_result, control_mean, standard_deviation) {
2 (test_result - control_mean) / standard_deviation
3}
4
5## Exemple d'ús
6test_result <- 102
7control_mean <- 100
8standard_deviation <- 2
9
10sdi <- calculate_sdi(test_result, control_mean, standard_deviation)
11cat("SDI:", sdi, "\n")
121% Calcular SDI en MATLAB
2test_result = 102;
3control_mean = 100;
4standard_deviation = 2;
5
6sdi = (test_result - control_mean) / standard_deviation;
7disp(['SDI: ', num2str(sdi)]);
81function calculateSDI(testResult, controlMean, standardDeviation) {
2 return (testResult - controlMean) / standardDeviation;
3}
4
5// Exemple d'ús
6const testResult = 102;
7const controlMean = 100;
8const standardDeviation = 2;
9
10const sdi = calculateSDI(testResult, controlMean, standardDeviation);
11console.log(`SDI: ${sdi}`);
121public class SDICalculator {
2 public static void main(String[] args) {
3 double testResult = 102;
4 double controlMean = 100;
5 double standardDeviation = 2;
6
7 double sdi = (testResult - controlMean) / standardDeviation;
8 System.out.println("SDI: " + sdi);
9 }
10}
111#include <iostream>
2
3int main() {
4 double testResult = 102;
5 double controlMean = 100;
6 double standardDeviation = 2;
7
8 double sdi = (testResult - controlMean) / standardDeviation;
9 std::cout << "SDI: " << sdi << std::endl;
10
11 return 0;
12}
131using System;
2
3class Program
4{
5 static void Main()
6 {
7 double testResult = 102;
8 double controlMean = 100;
9 double standardDeviation = 2;
10
11 double sdi = (testResult - controlMean) / standardDeviation;
12 Console.WriteLine("SDI: " + sdi);
13 }
14}
151<?php
2$testResult = 102;
3$controlMean = 100;
4$standardDeviation = 2;
5
6$sdi = ($testResult - $controlMean) / $standardDeviation;
7echo "SDI: " . $sdi;
8?>
91test_result = 102
2control_mean = 100
3standard_deviation = 2
4
5sdi = (test_result - control_mean) / standard_deviation
6puts "SDI: #{sdi}"
71package main
2
3import "fmt"
4
5func main() {
6 testResult := 102.0
7 controlMean := 100.0
8 standardDeviation := 2.0
9
10 sdi := (testResult - controlMean) / standardDeviation
11 fmt.Printf("SDI: %.2f\n", sdi)
12}
131let testResult = 102.0
2let controlMean = 100.0
3let standardDeviation = 2.0
4
5let sdi = (testResult - controlMean) / standardDeviation
6print("SDI: \(sdi)")
7Un diagrama SVG que il·lustra l'SDI i els seus rangs d'interpretació.