Incertezza di misura nei laboratori GMP: interpretazione e utilizzo pratico

L’incertezza di misura descrive quanto resta indeterminato nel valore attribuito a una grandezza, sulla base delle informazioni disponibili. Non è un difetto da nascondere né un numero da copiare automaticamente dal certificato di taratura. Nel laboratorio GMP serve a comprendere la capacità della misura e a interpretare il risultato nel contesto della decisione prevista.

Questa guida sviluppa un bilancio semplificato e un caso numerico originale. L’obiettivo è rendere leggibili ipotesi, contributi e conseguenze; non sostituire una valutazione metrologica specifica o le regole del metodo applicabile. Il caso è simulato, non riguarda un lotto e non produce un “PASS GMP”. Le indicazioni JCGM e ILAC devono essere utilizzate nel loro campo, senza trasformarle in prescrizioni identiche per ogni attività farmaceutica.

Incertezza, errore, tolleranza, risoluzione e accuratezza

Il VIM distingue concetti spesso confusi nelle schede tecniche. L’errore di misura è la differenza tra valore misurato e valore di riferimento; può avere segno. L’incertezza caratterizza invece la dispersione dei valori attribuibili al misurando secondo le informazioni impiegate ed è non negativa. Conoscere una correzione non elimina l’incertezza con cui quella correzione è stata determinata. [1]

La tolleranza definisce valori ammessi da una specifica: non nasce dal bilancio di incertezza. La risoluzione riguarda la capacità di distinguere cambiamenti nell’indicazione; più cifre sul display non dimostrano automaticamente minore incertezza complessiva. Nel lessico VIM, l’accuratezza esprime vicinanza al valore vero e non è una grandezza cui assegnare direttamente un numero. Quando una scheda usa “accuratezza ±…”, occorre chiarire quale prestazione sia effettivamente specificata. [1]

Queste distinzioni cambiano il lavoro quotidiano. Un risultato può essere ripetibile ma influenzato da un effetto sistematico; uno strumento può avere risoluzione fine ma condizioni d’impiego poco controllate. Non si deve usare un’incertezza ampliata per rendere accettabile un errore noto, né sottrarla a un risultato fuori specifica per costruire artificialmente una conformità.

Definire esattamente ciò che viene misurato

Prima dei calcoli, scrivere il misurando: quale grandezza, di quale oggetto, in quali condizioni e riferita a quale momento o intervallo. “Temperatura dell’incubatore” può significare temperatura dell’aria in un punto, media temporale in quel punto, distribuzione nella camera o temperatura nel materiale. Sono risultati diversi e richiedono informazioni diverse.

Descrivere il modello che collega gli input al risultato. Può essere una relazione semplice tra indicazione e correzioni oppure comprendere pesate, diluizioni, risposta strumentale e fattori del metodo. Il modello deve rappresentare l’attività reale e gli effetti significativi, non soltanto ciò che è comodo inserire nel foglio di calcolo. Anche una lettura apparentemente diretta può dipendere da più influenze. [2,3]

Chiarire se si riporta una singola osservazione o una media. La dispersione delle singole letture e l’incertezza della loro media non sono intercambiabili. La riduzione con la radice del numero di osservazioni richiede ipotesi appropriate, tra cui indipendenza e un processo pertinente e stabile; non giustifica ripetizioni opportunistiche finché il risultato appare favorevole.

Individuare i contributi senza contarli due volte

Partire dal percorso del campione e della misura. Considerare, quando pertinenti, riferimento e taratura, ripetibilità, risoluzione, deriva, condizioni ambientali, preparazione, recupero, matrice e operatore. Un elenco lungo non è necessariamente completo; un elenco breve può esserlo soltanto se le esclusioni sono motivate. L’incertezza riguarda il risultato definito, non un inventario astratto di possibili problemi. [3]

Per ogni voce chiedere da quale evidenza proviene, quale intervallo copre e se è già compresa in un’altra stima. Dati di precisione che includono variazioni ambientali non vanno sommati automaticamente a un contributo ambientale identico. Analogamente, una componente di risoluzione potrebbe essere già rappresentata dai dati sperimentali: occorre analizzare il caso prima di aggiungerla.

Le correzioni significative note vanno gestite nel modello; resta da valutare l’incertezza associata. Una correzione stimata pari a zero non significa incertezza nulla. Distinguere inoltre una fonte trascurabile dimostrata da una fonte non investigata: l’assenza di dati è una lacuna da risolvere, non una prova di irrilevanza.

Tipo A e tipo B: come si ottiene la stima

Tipo A e tipo B classificano il metodo di valutazione dell’incertezza, non separano automaticamente errori casuali e sistematici. Il tipo A utilizza l’analisi statistica di osservazioni; il tipo B utilizza altre informazioni, come certificati, dati precedenti, conoscenze tecniche o limiti motivati. Entrambi possono contribuire allo stesso risultato e richiedono giudizio competente. [2,3]

Prima di combinare, esprimere i contributi come incertezze standard. Se un certificato dichiara un’incertezza estesa U e il relativo fattore k, la corrispondente componente standard si ricava da U/k, nel contesto cui il dato si applica. Se si assumono valori equiprobabili entro limiti simmetrici ±a, il modello rettangolare porta ad a/√3. La distribuzione va giustificata, non scelta per ottenere un numero più piccolo.

Il coefficiente di sensibilità esprime quanto una variazione dell’input modifica l’output e consente di riportare i contributi all’unità del risultato. Se gli input sono correlati, la combinazione deve includere le covarianze: una radice della somma dei quadrati non è una ricetta universale. L’amendamento GUM del 2026 richiama inoltre il trattamento appropriato della non linearità significativa, anche mediante metodi Monte Carlo quando adatti. [2,4]

Bilancio originale: una misura di temperatura simulata

Si considera la temperatura in un punto e in un istante definiti, stimata da una singola indicazione di 25,9 °C cui si applica una correzione di +0,02 °C: il risultato corretto è 25,92 °C. Il modello didattico include quattro contributi residui additivi indipendenti, tutti con coefficiente di sensibilità pari a 1. Non rappresenta la mappatura di una camera né una procedura reale di taratura.

Si assume che una serie storica sufficientemente ampia e pertinente fornisca una deviazione standard di ripetibilità di 0,03 °C per una singola misura. Per questo esempio, tale componente è distinta dall’arrotondamento della lettura corrente: si assume esplicitamente assenza di doppio conteggio. Il contributo del riferimento alla correzione deriva da U = 0,04 °C con k = 2. Gli altri effetti significativi sono assunti assenti o trascurabili soltanto nella simulazione.

La tabella mostra valori arrotondati per la lettura; il calcolo conserva le cifre intermedie. Con le ipotesi dichiarate, la varianza composta è 0,003333… °C² e l’incertezza standard composta è u_c = 0,057735… °C. Il termine ambientale rappresenta un’influenza residua sul risultato, non un ulteriore intervallo operativo ammesso per il locale.

Nell’uso reale servirebbero evidenze per ciascuna ipotesi: dati di ripetibilità, significato del certificato, comportamento del display, modello dell’influenza ambientale e verifica degli effetti esclusi. Non copiare questi numeri in un bilancio aziendale. La struttura è riutilizzabile; i valori appartengono esclusivamente al caso simulato.

Incertezza estesa e significato del fattore di copertura

Per illustrare il passaggio all’incertezza estesa si sceglie k = 2: U = k × u_c = 0,115470… °C, riportabile come 0,12 °C con un arrotondamento coerente. Il risultato può quindi essere espresso come (25,92 ± 0,12) °C, specificando k, modello e condizioni. Il segno ± non significa che ogni errore possibile sia sicuramente contenuto nell’intervallo.

La corrispondenza tra k = 2 e una copertura di circa il 95% richiede condizioni appropriate, tra cui forma della distribuzione del risultato e adeguatezza dei gradi di libertà. Non è un’identità valida per qualsiasi bilancio. In questo esempio k è una scelta didattica: non si attribuisce una probabilità di copertura esatta. Un caso reale deve giustificare il fattore e l’affermazione probabilistica utilizzata. [2]

Non confrontare direttamente due valori U senza leggere k, misurando, campo, condizioni e modello. Un valore più basso può riflettere condizioni diverse o un campo più ristretto. L’incertezza è informazione sulla misura descritta, non una graduatoria autonoma della qualità dei laboratori.

Risultato vicino al criterio: che cosa consente di dire

Per il solo caso simulato si stabilisce prima della valutazione un intervallo ammesso da 25,80 a 26,00 °C e una regola illustrativa: accettare soltanto se l’intervallo y ± U è interamente contenuto nei limiti. Questi valori e questa regola non sono requisiti GMP, farmacopeici o di incubazione e non devono essere trasferiti a un metodo reale.

Usando i valori non arrotondati, l’intervallo calcolato è circa 25,8045–26,0355 °C. Il valore centrale di 25,92 °C rientra nei limiti, ma l’estremo superiore supera 26,00 °C; il caso non soddisfa la regola di accettazione prescelta. Questo non prova che il valore vero sia fuori specifica e non autorizza una decisione sul rilascio di un lotto.

Il risultato richiede la risposta definita dalla procedura applicabile, considerando contesto, rischio e ulteriori evidenze pertinenti. Non si cambia regola dopo aver visto il numero, né si ripetono misure selezionando soltanto quelle favorevoli. ILAC G8 tratta diverse regole e i relativi rischi: non prescrive una banda di guardia unica per tutti gli impieghi. [5]

I calcoli sono stati controllati con due implementazioni separate: aritmetica in virgola mobile e calcolo razionale con precisione decimale elevata. Entrambe restituiscono la stessa varianza, gli stessi estremi entro l’arrotondamento e la stessa mancata accettazione secondo la regola illustrativa.

Dal certificato alla misura nelle condizioni d’impiego

L’incertezza riportata sul certificato riguarda il risultato della taratura nelle condizioni descritte. Può essere un input fondamentale per l’uso successivo, ma non include automaticamente deriva futura, installazione, ambiente, operatore, campione o metodo del laboratorio. Occorre identificare quali influenze cambiano e come vengono valutate senza duplicare componenti già comprese.

La catena documentale deve collegare strumento, configurazione, correzioni e campo effettivamente utilizzato. Se si impiega un’altra sonda, un altro canale, un diverso intervallo o una configurazione non coperta, la pertinenza del dato va riesaminata. Per il collegamento ai riferimenti riconosciuti, consulta la guida sulla riferibilità metrologica dei risultati di laboratorio.

Documentare, riesaminare e migliorare il bilancio

Un bilancio utile consente a un’altra persona competente di ricostruire il risultato. Conservare misurando, modello, input, unità, dati sorgente, distribuzioni, sensibilità, correlazioni, criteri di esclusione, fattore di copertura e regola decisionale quando applicabile. Collegare versioni di strumenti di calcolo, verifiche eseguite, autore, revisore e data di validità della valutazione. [2,3]

• Il risultato descritto coincide con quello usato nella decisione?
• Le evidenze coprono intervallo, configurazione e condizioni reali?
• Ogni componente è standardizzata e riportata nell’unità corretta?
• Sono motivate indipendenza, correlazioni ed esclusioni?
• Sono evitati doppio conteggio e riduzioni statistiche improprie?
• Fattore di copertura, arrotondamento e regola sono espliciti?

Riesaminare dopo modifiche del metodo, riparazioni, nuove condizioni, variazioni significative della precisione o nuove evidenze. Assegnare responsabilità e criteri di aggiornamento; non limitarsi a cambiare la data. Per ridurre l’incertezza, intervenire prima sui contributi dominanti e verificare il beneficio ottenuto, invece di aumentare indiscriminatamente il numero di ripetizioni.

Il catalogo BIPM comprende oggi l’amendamento 2026 alla GUM e GUM-5:2026 sugli esempi. Non si deve presentare ogni documento nuovo come sostituzione dell’intero sistema, né adottare una bozza come testo definitivo. L’HUB Calibration & Laboratory Metrology collega questi concetti alla gestione operativa della misura. [6]

Fonti e limiti

1. JCGM/BIPM. JCGM 200:2012 — International Vocabulary of Metrology, VIM3. Termini 2.13, 2.16, 2.26, 4.14 e 4.15.
2. JCGM/BIPM. JCGM 100:2008 — Guide to the expression of uncertainty in measurement, sezioni 4–8, da leggere con l’amendamento 2026. Valutazione, combinazione, copertura e presentazione.
3. JCGM/BIPM. JCGM GUM-1:2023 — Introduction, sezioni 2–5. Modello, informazioni e scelta dell’approccio.
4. JCGM/BIPM. JCGM 100:2008/Amd.1:2026 — Nonlinearity in measurement models. Amendamento finale consultato; nessuna formula avanzata è riprodotta.
5. ILAC. ILAC G8:09/2019 — Guidelines on Decision Rules and Statements of Conformity. Guida per il contesto ISO/IEC 17025; non una regola universale di rilascio GMP.
6. BIPM. Catalogo ufficiale Guides in Metrology. Stato delle pubblicazioni verificato; gli esempi GUM-5:2026 non sono riprodotti né utilizzati nel caso originale.

Fonti verificate il 30 settembre 2026. Bilancio, checklist e caso sono elaborazioni originali GuideGxP. I numeri simulati non rappresentano dati sperimentali o limiti normativi.