Dominando la Incertidumbre en Mediciones Analíticas

En el corazón de cada resultado de laboratorio, cada análisis químico y cada dato experimental, reside una verdad fundamental: ninguna medición es perfectamente precisa. Siempre hay un grado de duda, una variabilidad inherente que conocemos como incertidumbre. Lejos de ser un defecto, la incertidumbre es una característica intrínseca de la medición que, cuando se cuantifica y se comprende adecuadamente, se convierte en una poderosa herramienta para evaluar la fiabilidad y la calidad de nuestros resultados. Este artículo te guiará a través de los conceptos clave y los métodos para estimar la incertidumbre en tus mediciones, transformando la variabilidad en un indicador de confianza.

Si bien la pregunta sobre cómo 'calcular las unidades experimentales' puede surgir al inicio de cualquier estudio, es importante aclarar que las unidades experimentales no se 'calculan' en el sentido matemático. Más bien, se definen como los elementos individuales o las muestras sobre las cuales se realizan las mediciones. Por ejemplo, en un estudio con amoxicilina, cada cápsula individual o cada alícuota de una solución preparada sería una unidad experimental. La clave, entonces, no es calcularlas, sino asegurar que estén bien definidas y que las mediciones realizadas sobre ellas sean representativas, para poder luego cuantificar la incertidumbre asociada a esas mediciones.

¿Qué es la Incertidumbre Experimental?

La incertidumbre de la medición es, en esencia, la cuantificación de la duda sobre el resultado de una medición. Es un parámetro asociado al resultado que caracteriza la dispersión de los valores que podrían ser atribuidos de forma razonable al mensurando (la cantidad que se mide). Es irreducible, no importa cuán precisos o exactos sean los instrumentos, y puede ser el resultado de múltiples factores como la sensibilidad del equipo, la precisión de la calibración, las derivas por turbulencias ambientales o incluso la manipulación de los datos registrados.

Generalmente, se distinguen dos tipos principales de incertidumbres en las mediciones:

• Incertidumbre Aleatoria: Captura la variación aleatoria en las mediciones. Se debe a factores impredecibles que varían en cada repetición del experimento. Por ejemplo, instrumentos con precisión finita o mediciones tomadas en un rango limitado que no revelan todas las variaciones físicas. Se puede reducir aumentando el número de mediciones.
• Incertidumbre Sistemática: Cuantifica las imprecisiones inherentes al sistema. Se produce por errores constantes o predecibles, como la falta de consideración de todos los factores controlables o las derivas de los instrumentos. Este tipo de incertidumbre requiere una corrección o un ajuste del método para ser minimizada.

La Guía GUM: Un Estándar Internacional para la Incertidumbre

La GUM (del inglés Guide to the expression of uncertainty in measurements) es una guía fundamental que representa un esfuerzo internacional para unificar la forma en que se reporta la incertidumbre en la medición de un mensurando. Su origen se remonta a 1977, cuando el Comité Internacional de Pesas y Medidas (CIPM) solicitó al Bureau Internacional de Pesas y Medidas (BIPM) que, junto con los laboratorios nacionales de estándares, presentara una recomendación al respecto. El objetivo principal de esta guía es promover el acceso a información completa sobre cómo llegar al valor de la incertidumbre y proporcionar las bases para la comparación internacional de medidas.

Según la GUM, la incertidumbre se clasifica en dos categorías principales:

• Incertidumbre Tipo A: Corresponde a toda incertidumbre que se ha determinado a partir de la aplicación de métodos estadísticos a una serie de medidas repetidas del mensurando. Por ejemplo, la desviación estándar de un conjunto de mediciones repetidas se clasifica como Tipo A.
• Incertitud Tipo B: Es toda incertidumbre que no cumple con la condición del Tipo A. Esto incluye incertidumbres obtenidas de fuentes externas como certificados de calibración, especificaciones del fabricante, datos de literatura científica, o estimaciones basadas en la experiencia del analista. Un ejemplo claro es la resolución de un instrumento de medida o un valor de pureza certificado de una sustancia de referencia. Es importante destacar que una incertidumbre que fue Tipo A para quien la generó, puede ser Tipo B para quien la utiliza como un dato ya existente.

La adopción de la GUM ha sido crucial para estandarizar la forma en que los laboratorios de todo el mundo evalúan y reportan la incertidumbre, facilitando la comparabilidad y la confianza en los resultados.

Cálculo de la Incertidumbre Combinada en el Método Analítico

La incertidumbre de la medición (U_y) es la probabilidad de que el valor verdadero de una medición (mensurando, Y) se encuentre dentro de un intervalo de confianza, usualmente a un nivel del 95% (IC95%), expresado como: Y ± U_y. Para estimar esta incertidumbre en un método analítico, se siguen generalmente cinco pasos rigurosos:

Paso 1 – Especificación del Mensurando (Analito)

El primer paso es definir claramente la cantidad que se va a medir, es decir, el mensurando. Esto se logra obteniendo la fórmula indicada en el método analítico. Por ejemplo, para la valoración por Cromatografía Líquida de Alta Resolución (CLAR) de cápsulas de Amoxicilina de 500 mg, la cantidad del analito en porcentaje en la muestra se calcula con la siguiente ecuación, que es la ecuación del mensurando:

Y = (Am / Aref) × (mref / mm) × (Vm / Vref) × Pref

Donde:

• Y: Porcentaje de Amoxicilina en el promedio de las muestras analizadas.
• Am: Área bajo el pico obtenida con la preparación de la muestra.
• Aref: Área bajo el pico obtenida con la preparación de la referencia.
• mm: Masa de la muestra.
• mref: Masa de referencia.
• Vm: Volumen de aforo de la masa de la muestra.
• Vref: Volumen de aforo de la masa de la referencia.
• Pref: Pureza de la sustancia de referencia.

Paso 2 – Identificación de las Fuentes de Incertidumbre

Una vez definido el mensurando, es crucial identificar todas las posibles fuentes de incertidumbre que pueden afectar el resultado final. Esto se facilita describiendo el método analítico mediante flujogramas (por ejemplo, para la preparación de la solución de referencia y la solución de la muestra). A partir de la ecuación del mensurando y de estos flujogramas, se elabora un Diagrama de Ishikawa (también conocido como diagrama de espina de pescado o causa-efecto). Este diagrama ayuda a visualizar y clasificar las diferentes fuentes de variación que contribuyen a la incertidumbre total del método analítico.

Paso 3 – Cuantificación de los Componentes de la Incertidumbre

En este paso, se cuantifica la contribución de cada fuente de incertidumbre identificada en el Diagrama de Ishikawa. Para el ejemplo de la Amoxicilina por CLAR, las incertidumbres estándar asociadas se calcularían para los siguientes componentes:

• Lectura por el detector (Am y Aref): Se consideran la exactitud del detector, la resolución o legibilidad, la repetibilidad, la linealidad y la reproducibilidad.
• Masa de la muestra (mm) y de la referencia (mref): Se evalúan la exactitud de la balanza, su resolución o legibilidad, la repetibilidad, la linealidad y la reproducibilidad.
• Volumen de aforo de la masa de la muestra (Vm) y de la referencia (Vref): Aquí se tienen en cuenta la exactitud del matraz, la repetibilidad, la reproducibilidad y la influencia de la temperatura de aforo.
• Filtración de la solución muestra (Fm): La incertidumbre estándar asociada a la filtración se obtiene generalmente de estudios de recobro, dividiendo la Desviación Estándar del recobro entre la raíz cuadrada del número de determinaciones (n).
• Pureza de la referencia (Pref): La incertidumbre estándar asociada a la pureza se obtiene de dividir la incertidumbre expandida de la pureza certificada entre el factor de cobertura (si no se informa en el certificado, se suele considerar un factor k = 2).

Paso 4 – Cálculo de la Incertidumbre Combinada

La incertidumbre combinada (u_c) es una medida de la incertidumbre total del mensurando, que integra las contribuciones de todas las fuentes de incertidumbre cuantificadas en el paso anterior. Se calcula como la raíz cuadrada de la suma de las varianzas de las fuentes de variación relativas a su magnitud. Esto significa que cada incertidumbre estándar (u_i) se divide por su magnitud respectiva (x_i), se eleva al cuadrado para obtener la varianza relativa de cada fuente, y luego se suman todas estas varianzas relativas. Finalmente, se toma la raíz cuadrada de esta suma:

u_c = √∑(u_i / x_i)²

Donde u_i es la incertidumbre estándar de cada componente y x_i es el valor de ese componente. Este cálculo proporciona una única cifra que resume la incertidumbre de todo el proceso de medición.

Paso 5 – Cálculo de la Incertidumbre Expandida

Para obtener la incertidumbre expandida (U_y), que es el valor que se reporta comúnmente, se multiplica la incertidumbre combinada (u_c) por un factor de cobertura (k). Este factor de cobertura se elige para proporcionar un nivel de confianza específico, usualmente del 95%. El factor de cobertura más común para este nivel de confianza es k = 2, asumiendo una distribución normal de los datos.

U_y = u_c × k

La incertidumbre informada en el certificado analítico debe ser el intervalo de confianza del 95% del resultado analítico, expresado como: Y ± U_y. Donde Y es el valor del mensurando (resultado promedio del analito en la muestra analizada) y U_y es el valor estimado de la incertidumbre expandida del método analítico.

La Importancia de la Incertidumbre en la Calidad del Laboratorio

La determinación de la incertidumbre de la medición de los métodos analíticos, ya sean validados o verificados, no debe percibirse como una carga adicional, sino como una práctica valiosa que añade un significativo valor agregado a los resultados. Una incertidumbre de medición baja es un indicador directo de la calidad del trabajo meticuloso realizado en el laboratorio. Cuanto más pequeña sea la incertidumbre, mayor será la confianza en la precisión del laboratorio.

Sin embargo, es crucial que incertidumbres muy bajas no estén subestimadas, y en todos los casos, deben ser razonablemente atribuibles al mensurando. El seguimiento riguroso de las Buenas Prácticas de Laboratorio (BPL) contribuye significativamente a la obtención de incertidumbres de medición reducidas. Además, normas internacionales como la ISO 17025 exigen explícitamente la evaluación de la incertidumbre de la medición a los laboratorios que realizan ensayos y calibraciones, subrayando su papel fundamental en la acreditación y el reconocimiento de la competencia técnica.

Preguntas Frecuentes sobre la Incertidumbre en Mediciones

A continuación, respondemos algunas de las preguntas más comunes sobre la incertidumbre en el ámbito de las mediciones y el análisis:

¿Por qué es importante calcular la incertidumbre en mis resultados?

Calcular la incertidumbre es crucial porque proporciona una medida cuantitativa de la fiabilidad de un resultado. Permite al usuario del resultado comprender el rango de valores dentro del cual se espera que se encuentre el valor verdadero, lo cual es esencial para tomar decisiones informadas, evaluar la conformidad con especificaciones y comparar resultados entre diferentes laboratorios o métodos.

¿Cuál es la diferencia clave entre la incertidumbre Tipo A y Tipo B?

La diferencia clave radica en el método de evaluación. La incertidumbre Tipo A se evalúa mediante análisis estadístico de una serie de observaciones repetidas (por ejemplo, desviaciones estándar). La incertidumbre Tipo B se evalúa por otros medios, como la información de certificados de calibración, especificaciones del fabricante, datos de referencia, o estimaciones basadas en la experiencia y el conocimiento general del comportamiento del instrumento o del proceso.

¿Qué significa el factor de cobertura (k) en el cálculo de la incertidumbre expandida?

El factor de cobertura (k) es un multiplicador que, cuando se aplica a la incertidumbre estándar combinada, produce un intervalo (la incertidumbre expandida) que define el rango alrededor del resultado de la medición dentro del cual se espera que se encuentre el valor verdadero del mensurando con un nivel de confianza específico. Para un nivel de confianza del 95%, el valor de k = 2 es comúnmente utilizado, asumiendo una distribución normal de los errores.

¿Cómo se relaciona una incertidumbre de medición baja con la calidad del laboratorio?

Una incertidumbre de medición baja indica que los resultados obtenidos son más consistentes y están más cerca del valor verdadero del mensurando. Esto refleja un alto nivel de control del proceso, el uso de equipos bien calibrados, personal competente y el seguimiento riguroso de los procedimientos. En resumen, una incertidumbre baja es un claro indicador de la alta calidad y competencia técnica de un laboratorio.

¿Es posible estimar la incertidumbre sin replicar experimentos?

Tradicionalmente, la incertidumbre aleatoria se estima a partir de la replicación de experimentos. Sin embargo, en ciertos escenarios donde la replicación es costosa o inviable (como en algunos estudios de campo), se están desarrollando enfoques innovadores. Estos métodos, como la utilización de análisis de regresión para modelar la relación entre variables y agregar residuos modificados, buscan estimar la distribución de la incertidumbre sin necesidad de múltiples mediciones repetidas directas. Esto es un área de investigación activa que busca hacer la estimación de la incertidumbre más accesible en condiciones limitadas.

Conclusión

La cuantificación de la incertidumbre es una pieza indispensable en la ciencia de la medición. No solo nos permite reportar resultados con un nivel de confianza definido, sino que también impulsa la mejora continua de los métodos y procesos analíticos. Al comprender y aplicar sistemáticamente los principios de la GUM y los pasos para el cálculo de la incertidumbre combinada y expandida, los laboratorios pueden asegurar la trazabilidad y la comparabilidad de sus resultados a nivel global, fortaleciendo así la confianza en la ciencia y la tecnología.

Si quieres conocer otros artículos parecidos a Dominando la Incertidumbre en Mediciones Analíticas puedes visitar la categoría Cálculos.