咱们之前聊过校准品的正确度（En值）、均匀性，这些都是“出厂设置”的考验。今天，咱们要聊一个更“持久”的考验——校准品的稳定性研究，特别是拿到一堆时间点数据后，那个让人头大的问题：到底该用什么统计方法来判定“稳定”还是“不稳定”？你是不是也曾在报告里写下“数据稳定，无显著趋势”，但当审评老师追问：“你用什么方法判定的？方差分析还是t检验？P值多少？斜率多少？如果趋势显著，偏倚是否可接受？”时，突然觉得手里的数据像一团乱麻？我刚开始也犯晕，觉得不就是把数据画条线，看看平不平嘛。直到被几次“补正”打回，我才痛下决心，把关于稳定性评价的统计“秘籍”翻了个底朝天。今天，我就把这些心得掰开揉碎，跟你聊聊校准品稳定性研究的三种核心统计方法，以及那个至关重要的选择逻辑链。在深入方法之前，咱们先统一思想：稳定性统计要回答什么？根据稳定性研究的根本目的，我们需要依次回答两个问题.第一个问题，是有没有显著的趋势？比如，量值是不是随着时间在明显上升或下降？如果有趋势，那么第二个问题就来了，这个趋势导至的偏差（偏倚）能不能接受？比如，即使有下降，但到效期末的下降量是否在临床或分析允许的误差范围内？所有的统计方法，都是围绕这两个问题展开的。搞清这个，你才能看懂为什么会有下面这条“黄金逻辑链”。这是很多指南和标准中隐含的，也是审评老师默认的判定逻辑。我把它总结为三步。第一步，就是趋势显著性判定。它的目的是用统计检验判断，观测到的量值变化是否超出了随机波动的范围（即，是否具有统计学上的显著趋势）。通常使用方差分析（ANOVA）或针对斜率的t检验。如果P > 0.05（或斜率不显著），那就说明“未发现显著趋势”，可以直接得出“在声称条件下稳定”的结论。分析结束。如果P≤0.05（或斜率显著），那就说明“存在显著趋势”。这时，绝不能直接下不稳定的结论！必须进入第二步，偏倚（Bias）可接受性判定。因为即使存在统计上的显著趋势，也要评估这个趋势在实际应用上是否“要紧”。对于稳定性研究来说，就是计算在效期末（或任何关注的时间点），量值的变化是否超出了预设的可接受标准。如果效期末的偏倚≤可接受标准，那就说明趋势虽然显著，但实际影响可控，仍然可以认为在效期内稳定。如果效期末的偏倚>可接受标准，那就说明趋势既显著，影响又不可接受，结论才是“不稳定”。简单点说，P值（或斜率）告诉你“有没有事”，偏倚检验告诉你“事大不大”。跳过第一步直接看偏倚，或者看到P<0.05就慌着下不稳定结论，都是不完整的。下面，咱们把这三种方法具象化，并看看在Excel里怎么实现。第一种方法，是方差分析（ANOVA），它是看“整体”差异的通过比较不同时间点（例如，0月、3月、6月、9月、12月）的测量结果均值，来确定是否存在整体上的统计学差异。方差分析不会直接告诉你趋势是上升还是下降，只告诉你“这些时间点的数据不是来自同一个总体”。当你有多批样品（通常要求至少3批）在多个时间点（通常≥5个）的数据时，这是最经典、最有力的方法。很多指南默认或推荐此法。第一，将数据整理成列：一列是时间（因子），一列是测量值。第二，点击【数据】-【数据分析】（需先加载分析工具库）-选择【方差分析：单因素方差分析】。第三，选择数据区域，设置α水平（通常为0.05）。若P > 0.05：接受原假设，认为各时间点均值无显著差异，趋势不显著。 若P≤0.05：拒绝原假设，认为至少有一个时间点与其他点不同，存在显著趋势，需进入偏倚分析。
第二种方法，是t检验（针对回归斜率），它是看“趋势”斜率的。通过将时间作为自变量（X），测量值作为因变量（Y），进行线性回归。然后检验回归线的斜率（b）是否显著地不等于0。如果斜率显著不为0，那就说明存在明确的上升或下降趋势。这个方法特别适合评估长期趋势，即使时间点不多（但至少需要3个点才能做回归），也能给出趋势的方向和大小。它比ANOVA更直接地刻画“变化率”。第一，将时间（如0, 3, 6, 9, 12月）作为X轴，对应测量值作为Y轴。第二，计算斜率，使用=SLOPE(Y值区域, X值区域)函数。得到斜率b。第三，计算斜率的标准误差（SE_b）。这是关键。可以使用=STEYX(Y值区域, X值区域) / SQRT(DEVSQ(X值区域))。STEYX函数计算的是整个回归的标准误差（即残差的标准差）。第五，查t临界值，自由度df = n - 2 (n为数据点个数)。使用=T.INV.2T(0.05, df)函数（Excel 2010+）得到双侧检验的临界值t临界。- 若|t| < t临界，等价于P>0.05，斜率不显著，无显著趋势。
- 若|t|≥t临界，等价于P≤0.05，斜率显著，存在显著趋势，需进入偏倚分析。
第三种方法，是偏倚检验，它是用来看看“终点”影响的。通过计算在效期末（T时刻），测量值的预期变化（偏倚）及其置信区间，来判断这个偏倚是否超过预设的可接受标准。比如，不超过靶值的±5%，或不超过医学决定水平的允许误差）当趋势显著性判定为“显著”后，你必须使用这个方法。它是连接“统计显著”和“临床/分析可接受”的桥梁。第一，确定可接受标准（L）。这是前提！根据产品特性、临床要求或行业共识设定。例如，L =靶值×5%。- 利用线性回归方程：Y_T = INTERCEPT(Y值区域, X值区域) + SLOPE(Y值区域, X值区域) × T。
- 计算预测值的标准误差S_pred较为复杂，通常公式为：S_pred = STEYX(Y值区域, X值区域) × SQRT(1 + 1/n + (T - X_mean)^2 / DEVSQ(X值区域))。其中X_mean是时间点的平均值。
第三，计算偏倚的置信区间。偏倚= Y_T - Y_0（Y_0是0时刻的初始值）。其95%置信区间约为(Y_T - Y_0)±t临界 × S_pred。（此处简化，严格来说需考虑Y_0的不确定度）。- 如果偏倚的整个置信区间都落在[-L, +L]之内，则偏倚可接受。
- 如果置信区间与[-L, +L]范围有重叠甚至完全超出，则偏倚不可接受。
如果有多批（≥3批）、多时间点（≥5个）数据：首选方差分析（ANOVA）。这是最稳健、审评老师最熟悉的方法。先用它做趋势显著性判定。如果只有单批数据，或时间点较少但想看趋势：选择针对斜率的t检验。它能直接给出趋势方向和强度。如果P > 0.05（或斜率不显著），那么恭喜！可以直接得出结论：“在研究的储存条件下，至时间T，未观察到显著的趋势性变化，校准品稳定。”任务完成。如果P≤0.05（或斜率显著），那就需要进入下一环节。此时，无论你用ANOVA还是t检验得到的“显著”结论，都必须强制进行偏倚检验。计算效期末的偏倚及其置信区间，与预设的可接受标准（L）比较。最终结论应基于偏倚检验的结果，而不是仅仅基于P值。首先，偏倚检验里的L，必须在研究方案里预先设定，并有合理的依据（如参考YY/T 1549等标准中对校准品准确度的要求，或基于临床允许总误差）。不能等算完数据再“量身定做”一个L。其次，在偏倚检验中，审评老师关注的是偏倚的置信区间是否全部落在可接受范围内。这比只看“平均偏倚是4.9%＜5%”要严格得多。然后，申报资料中不能只写结论。必须提供原始数据表格、清晰的统计方法描述、关键的中间计算值（如P值、斜率、截距、STEYX值等）以及最终的判定过程。让审评老师能够复核你的逻辑。最后，稳定性结论不是“绝对不变”，而是“任何观察到的变化，在统计上不显著，或在实际上可接受”。吃透这个，你就能理解整个逻辑链的精妙。朋友们，校准品稳定性研究的统计判定，就像一位严谨的法官。方差分析或t检验是“陪审团”，裁定是否有罪（显著趋势）；偏倚检验是“法官本人”，在陪审团裁定有罪后，最终量刑（判定影响是否可接受，即是否“稳定”）。掌握这三种方法及其选择策略，你就能从一堆枯燥的数据中，提炼出令人信服的稳定性证据，为产品的有效期声明，筑起坚实的统计防线。
| 
/3 
浙公网安备33010802005999号 
