方法偵測極限Method Detection Limit及最低可偵測極限Minimum Detectable Limit

更新 發佈閱讀 7 分鐘

通常從事儀器分析的人都有方法偵測極限(Method Detection Limit,簡稱MDL)的概念,但在高解析質譜法戴奧辛呋喃、戴奧辛類多氯聯苯、及多溴二苯醚分析的領域中,有個特別的名詞為最低可偵測極限(Minimum Detectable Limit,簡稱MinDL),兩者的差別為何?這篇文章就是以戴奧辛呋喃為例從下面這四個面向來說明MDL與MinDL的差別

一、什麼是MDL?

二、什麼是MinDL?

三、MDL與MinDL的差別?

四、MinDL的優點?

文中的理論基礎是來自行政院環境保護署環境檢驗所(以下簡稱環檢所)公布的文件:包括NIEA PA107(94年版)、NIEA M801.13B、NIEA A810.13B、和NIEA A808.75B,加上我自己這些年來實務上的作法及心得。

一、什麼是方法偵測極限(Method Detection Limit,簡稱MDL)

依據PA-107的程序,MDL的作法如下:

1. 預估一個接近零的濃度去配製空白基質添加樣本,依照檢測程序進行第1組七重覆檢測,以檢測結果求得的標準差乘以3作為預估MDL。

2. 以此預估MDL的濃度配製樣本進行第2組七重覆檢測,此稱為確認MDL。

3. 以F檢定這2組的標準差,若這2組七重覆的標法差沒有差異,就代表這14個樣本是同一母群體,再以這14個樣本計算共同標準偏差(Pooled standard deviation,Spool),最後的MDL則為 t (n-1,1-α=0.99)×Spool,此時的自由度為2*(7-1)=12,t (12,1-α=0.99)=2.681。

MDL的意義在於當樣本等於小於此MDL濃度時可視為未檢出(Non-detectable,簡稱N.D.)。

環境檢驗測定機構管理辦法第十七條第四項中規定,檢測機構執行環境檢驗測定業務時,應在每年一月三十一日前提報該年之品質管制數據資料---包括MDL值。依照申報系統中的欄位,戴奧辛(PCDDs)及呋喃(PCDFs)測項在申報時所只需申報MDL的總TEQ值,而無需申報17個PCDD/Fs待測物的MDL。因為此一MDL每年通常只修訂一次,我習慣稱此「年度MDL」。

在我實務的作法上,PCDD/Fs的年度MDL只用於制定空白樣本限值的總TEQ值,而沒有用在17個待測物。在實際樣本判定是否未檢出時,判定依據並非此年度MDL作為,而是MinDL。

二、什麼是最低可偵測極限(Minimum Detectable Limit,簡稱MinDL)

在環檢所公告的PCDD/Fs檢測方法中,以下三個我比較熟悉的檢測方法中皆有提到MinDL的使用時機

1. NIEA A808.75B中八、(十二):任何PCDDs和PCDFs其結果若為未檢出時(低於MinDL),則將其結果以零計算,以便計算樣品中PCDDs和PCDFs的總濃度值。

2. NIEA A810.13B中八、(十二):任何 PCDDs 和 PCDFs 其結果若為未檢出時(低於 MinDL),則將其結果以零計算(或依相關規定採MinDL或二分之一MinDL計算),以便計算樣品中PCDDs 和PCDFs 的總濃度值。

3. NIEA M801.13B中九、(十二):任何PCDDs和PCDFs其結果若為未檢出時(低於MinDL),則將其結果以零計算(或依相關規定採MinDL或二分之一MinDL計算),以便計算樣品中PCDDs和PCDFs的總濃度值。

MinDL的概念類似儀器偵測極限(Instrument Detection Limit,IDL),兩者同樣都是用儀器分析結果的SN = 2.5計算出來的濃度,差別在於IDL的作法是以標準液直接注入儀器,而MinDL則是在樣本經完整的檢測方法處理後,儀器得到的基線SN = 2.5的濃度,後者是用經過前處理的結果。此一MinDL是儀器軟體自動在待測物波峰附近擷取一小段雜訊計算SN值,再以2.5*SN值的結果作為此待測物在「此次分析」的MinDL。公告法方中,待測物判定未檢出的依據是用MinDL,而非MDL。

三、MDL與MinDL的差別?

就以上所述及我個人的使用經驗來說,兩者的差別如下:

1. MDL是每年評估一次,MinDL是每個樣本皆作一次評估。

2. MDL主要用來制定空白樣本的管制值。MinDL是用來判定待測物檢測結果是否為未檢出。

3. MDL只會用在總TEQ值,但MinDL是用在待測物。

4. MDL的製訂有較複雜的統計計算過程,MinDL則是在儀器積分參數上設定MinDL = 2.5*SN即可。

四、MinDL的優點

MinDL的優點在於它可以精確的評估此時此處的雜訊狀況。因為它是由前處理之後的每個樣本每個待測物波峰附近的SN值所計算出來的。所以它可以精確的評估出前處理及上機時的雜訊影響,且是每個樣本待測物逐一作評估。

相較下依據PA-107(94年版)的規範,MDL是每年評估一次,且並未規定在每年之間作持續評估。雖然在PA-107(112年版草案)中已在持續評估上作了大幅度的改良,增加了持續的數據收集(Ongoing Data Collection)、確證(validated)、以及年度查證(Ongoing Annual Verification),但仍無法即時的監測每個樣本的逐時變化。

五、PA-107(94年版)通則與公告檢測方法的折衷

最後說說我自己實務上在面對PA-107(94年版)通則與公告檢測方法的折衷作法。我的作法是檢測實際樣本及品管樣本的PCDD/Fs的17種待測物時,未檢出的判定必須符合MinDL之規定,而空白樣本中的總TEQ值必須符合MDL之規定。目的是為了同時符合PA-107(94年版)規範以及公告檢測方法A808.73B、A810.12、及M801.11B之規定。

參考文獻

環境檢驗測定機構管理辦法

環境檢驗方法偵測極限測定指引(NIEA-PA107)

空氣中戴奧辛及呋喃檢測方法 (NIEA A810.13B)

排放管道中戴奧辛及呋喃檢測方法 (NIEA A808.75B)

戴奧辛及呋喃檢測方法-同位素標幟稀釋氣相層析/高解析質譜法(NIEA M801.13B)

留言
avatar-img
d88844002的沙龍
2會員
7內容數
鐵道旅遊為主,久久才會更新一次
你可能也想看
Thumbnail
在 vocus 與你一起探索內容、發掘靈感的路上,我們又將啟動新的冒險——vocus App 正式推出! 現在起,你可以在 iOS App Store 下載全新上架的 vocus App。 無論是在通勤路上、日常空檔,或一天結束後的放鬆時刻,都能自在沈浸在內容宇宙中。
Thumbnail
在 vocus 與你一起探索內容、發掘靈感的路上,我們又將啟動新的冒險——vocus App 正式推出! 現在起,你可以在 iOS App Store 下載全新上架的 vocus App。 無論是在通勤路上、日常空檔,或一天結束後的放鬆時刻,都能自在沈浸在內容宇宙中。
Thumbnail
vocus 慶祝推出 App,舉辦 2026 全站慶。推出精選內容與數位商品折扣,訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包,以及全站徵文,並邀請你一起來回顧過去的一年, vocus 與創作者共同留下了哪些精彩創作。
Thumbnail
vocus 慶祝推出 App,舉辦 2026 全站慶。推出精選內容與數位商品折扣,訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包,以及全站徵文,並邀請你一起來回顧過去的一年, vocus 與創作者共同留下了哪些精彩創作。
Thumbnail
物管的日常收料,到底要全檢、不檢、還是抽檢? 全檢曠日廢時,不檢又存在潛在異常所造成重工的成本與風險,而抽檢又該抽多少呢? 抽 5 個、10 個、還是 100 個? (丟銅板擲筊決定?) 有沒有快速實用、不用會統計就可以實施的抽樣檢驗工具阿? 還真的有! 你可以使用 105E 表~ 啥是 105E表
Thumbnail
物管的日常收料,到底要全檢、不檢、還是抽檢? 全檢曠日廢時,不檢又存在潛在異常所造成重工的成本與風險,而抽檢又該抽多少呢? 抽 5 個、10 個、還是 100 個? (丟銅板擲筊決定?) 有沒有快速實用、不用會統計就可以實施的抽樣檢驗工具阿? 還真的有! 你可以使用 105E 表~ 啥是 105E表
Thumbnail
「NIEA PA-107偵測極限測定指引112年版草案」的重點筆記,草案內容仍有可能會修改。整個指引內容分成四大重點 一、初始MDL製作 二、持續的數據收集 三、新儀器的確證 四、年度查證
Thumbnail
「NIEA PA-107偵測極限測定指引112年版草案」的重點筆記,草案內容仍有可能會修改。整個指引內容分成四大重點 一、初始MDL製作 二、持續的數據收集 三、新儀器的確證 四、年度查證
Thumbnail
在使用Mplus進行統計分析時,我們需要設定各種估計方法,但很多同學可能不知道各種估計方法的適用時機,本文將簡介各種常見的估計法。
Thumbnail
在使用Mplus進行統計分析時,我們需要設定各種估計方法,但很多同學可能不知道各種估計方法的適用時機,本文將簡介各種常見的估計法。
Thumbnail
潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式。本文將介紹潛在類別/剖面/混合分析操作1:找出最佳組數
Thumbnail
潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式。本文將介紹潛在類別/剖面/混合分析操作1:找出最佳組數
Thumbnail
如同跨組比較一樣,跨時間時也需要考量縱向測量衡等性,在分析縱向數據時考慮 測量衡等性 很重要,因為不具有縱向測量衡等性的量表,對結果的有效性和正確性有所影響。縱向衡等性和多群組衡等性的分析策略相似,但在參數設定有些差異,本文將簡介其概念和和Mplus操作。
Thumbnail
如同跨組比較一樣,跨時間時也需要考量縱向測量衡等性,在分析縱向數據時考慮 測量衡等性 很重要,因為不具有縱向測量衡等性的量表,對結果的有效性和正確性有所影響。縱向衡等性和多群組衡等性的分析策略相似,但在參數設定有些差異,本文將簡介其概念和和Mplus操作。
Thumbnail
統計檢定異常值的方法頗多,本文介紹的是小樣本極端值的Dixon檢定,本方法使用的限制為(a). 樣本數至少三個、(b). 樣本採自常態分配,檢定方法程序如下 : 將n個樣本由大而小依序排列,排列後為X(1)、X(2)、...、X(n),檢定統計量為
Thumbnail
統計檢定異常值的方法頗多,本文介紹的是小樣本極端值的Dixon檢定,本方法使用的限制為(a). 樣本數至少三個、(b). 樣本採自常態分配,檢定方法程序如下 : 將n個樣本由大而小依序排列,排列後為X(1)、X(2)、...、X(n),檢定統計量為
Thumbnail
Durbin-Watson test,對模組的殘差項進行相關聯性檢定,常應用於迴歸分析以及需要限制殘差項要為獨立常態分配。不過我在應用上更關心價格資料是否有聚集在均線附近,若有則可以判定盤整盤,反之則有趨勢發生,相關統計檢定計算步驟詳列如下
Thumbnail
Durbin-Watson test,對模組的殘差項進行相關聯性檢定,常應用於迴歸分析以及需要限制殘差項要為獨立常態分配。不過我在應用上更關心價格資料是否有聚集在均線附近,若有則可以判定盤整盤,反之則有趨勢發生,相關統計檢定計算步驟詳列如下
Thumbnail
承續前篇內容,另外使用第二種隨機性檢定方式,來判斷價格是否處於盤整盤,假若為盤整盤,價格應集中在均線位置附近或是前後相鄰的數值差異很小,數據計算方法如下
Thumbnail
承續前篇內容,另外使用第二種隨機性檢定方式,來判斷價格是否處於盤整盤,假若為盤整盤,價格應集中在均線位置附近或是前後相鄰的數值差異很小,數據計算方法如下
Thumbnail
在ADX、DMI,這指標同時處理波動度與方向力道大小程度,不愧是指標中的第一名首選濾網 ! 以下先介紹計算流程與公式
Thumbnail
在ADX、DMI,這指標同時處理波動度與方向力道大小程度,不愧是指標中的第一名首選濾網 ! 以下先介紹計算流程與公式
Thumbnail
利用常態分配亂數,模擬10萬次,產生極值新創造的價格空間與母體數據的距離比值。以下表為例,0.2794之意即為8日以來24筆高、低、收數據的(最高價-次高價)/(最高價-最低價)統計式,只有5%的機會超過27.94%這個比例。 實務上,日K棒資料若有看到超過該水準值,可以判斷出現異常的新高、新低價格
Thumbnail
利用常態分配亂數,模擬10萬次,產生極值新創造的價格空間與母體數據的距離比值。以下表為例,0.2794之意即為8日以來24筆高、低、收數據的(最高價-次高價)/(最高價-最低價)統計式,只有5%的機會超過27.94%這個比例。 實務上,日K棒資料若有看到超過該水準值,可以判斷出現異常的新高、新低價格
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News