验证报告里常见这样的写法：“平均回收率99.5%，RSD 0.43%，符合接受标准。”
数字很漂亮，但它只回答了”这批实验测到了什么”，没有回答”真值大概在什么范围”。审评时真正被追问的往往是后者。
Q2(R2）在准确度（3.3.1.4节）和精密度（3.3.2.4节）的推荐数据要求中专门澄清了置信区间的使用，培训模块3用了近三十页展开这个话题。本文把计算方式、判定标准和两个完整案例整理出来。
R2澄清了什么
R2的要求可以概括成一句话：用区间而不只是点估计来判定准确度和精密度。点估计（均值、标准差）是手头这个样本算出来的一个数，换一批数据它就会变。
> 置信区间给出的是一个范围，并标明置信系数（1−α）：α=0.05对应95%置信区间，α=0.1对应90%置信区间。
有一个前提要先交代：模块3的算例都假设数据近似正态分布。非正态的数据通常可以转换，生物测定就常用对数转换，代价是要改用几何均值和几何CV这套口径。更复杂的多因素设计，则用方差组分分析及相应的置信区间。
计算方式
精密度的算法是标准差的单侧置信上限。 对来自正态总体的n个独立观测，单侧100(1−α)%置信上限为：
UCL = s × √[(n−1) / χ²(α, n−1)]
其中s是样本标准差，χ²(α, n−1）是自由度n−1的卡方分布临界值。
> 验证关心的是”精密度最坏会差到哪里”，所以取单侧上限，而不是双侧区间。
相对标准偏差（RSD）的近似做法很直接：把标准差的置信上限除以均值；精确做法要用非中心t分布。如果目标浓度已知，也可以直接除以目标浓度。
准确度的算法是均值的置信区间：
x̄ ± t(α, n−1) × s/√n
这里有一个容易被忽略的细节：两个单侧100(1−α)%置信限，合起来等价于双侧100(1−2α)%置信区间。换句话说，报告一个双侧90%置信区间时，t值应取α=0.05那一档，而不是0.10。
区间宽度由两个因素决定：n和α。 n越大，区间越窄；α越大（置信水平越低），区间也越窄。想要窄区间又不想放低置信水平，唯一的路是增加样本量。这就是为什么模块3把样本量计算放在验证设计里，用公式算出来，而不是凭惯例定一个”做6份”。
贝叶斯可信区间是模块3给出的替代路径。
先选一个先验分布并论证其合理性（无论信息量高低），再用贝叶斯定理把先验与验证数据合并为后验分布，从后验分布算可信区间。
先验可以来自方法开发、确认研究、稳定性数据、临床批放行或平台知识。信息性先验能收窄区间——模块3的示意图里，同一个验证数据集，配相对无信息先验时结论是”不确定”，换成信息性先验后转为”通过”。
可接受标准：三种判定结果
判定逻辑不是”均值过线就算过”，而是看点估计和区间的相对位置：
- 点估计和置信区间都在接受标准内 → 通过；
- 点估计在标准内，但置信区间超出标准 → 不确定（inconclusive）；
- 点估计已在标准之外 → 不通过。
落入”不确定”并不等于判死刑。模块3列出五条出路：
– 纳入尚未使用的先验知识；
– 补做实验数据、用新数据集重新评估（具体做法必须在补数据之前书面论证其适用性和统计有效性）；
– 调整重复测定次数以收窄区间；
– 综合考虑准确度与精密度的联合影响；
– 或者论证接受残余风险。
案例一：小分子片剂含量测定
方法用于测定片剂中原料药含量，标示量1000 mg，验证范围900–1100 mg（90%–110%标示量）。接受标准：中间精密度SD不大于1.5%标示量（15 mg），偏倚不大于3.0%标示量（30 mg）。这些标准不是凭空定的，依据的是类似产品和方法的先验知识，以及该产品在预期变异下可接受的OOS率。
样本量是算出来的。精密度验证（对方差建置信区间）的输入为：要求SD 1.5、预期SD 0.7（先验知识）、α=0.05、β=0.2，求满足条件的最小n，得n=8。这里的I类错误是”明明不兼容却判定兼容”，II类错误是”明明兼容却判定不兼容”。
结果
8个可报告结果的SD为0.429%标示量。查卡方分布，χ²(0.05, 7)=2.167，代入公式得95%置信上限 = 0.429 × √(7/2.167) = 0.77%标示量，小于1.5%的标准，精密度通过。准确度方面，9个测定结果（分三组）的平均回收率为99.5%，偏倚估计−0.50%；偏倚的双侧95%置信区间为−1.3%至0.3%，落在−3%至+3%的标准内，通过。
这个例子两项都是”点估计和区间双双在标准内”，属于干脆的通过。假如点估计仍达标、但区间上限顶到标准之外，就落入”不确定”，要回头走那五条出路。
案例二：生物测定，先做对数转换
生物测定的规格往往不对称：相对效价规格为0.75至1.33，上下限互为倒数。取自然对数后变成−0.29至+0.29，关于0对称，统计假设才立得住。接受标准按USP <1033>的口径计算：相对偏倚%RB不大于12%（下限按同样的倒数关系折算为−11%），中间精密度%IP不大于20%。换算到对数尺度，即%RB的90%置信区间须落在(−0.1133, 0.1133)内，%IP的单侧95%置信上限不超过0.1823。
样本量同样由计算得出：假定真实%RB为1%、%IP为10%、检验效能80%，准确度要求每水平n≥9，精密度要求每水平n≥3，取n=9。试验设计为3×3析因（3名分析员×3批培养基），覆盖5个稀释水平（0.5、0.71、1、1.41、2）。
结果
各水平%RB在−1.9%至4.0%之间，90%置信区间全部落在(−11%, 12%)内，准确度通过。中间精密度按跨水平合并计算：合并SD（对数尺度）0.090，单侧95%置信上限0.110，换算回%GCV为9.4%、上限11.7%，小于20%的标准，通过。
个别水平单独的置信区间虽超出标准，但分析中验证了跨水平的一致性，因此以合并区间判定。这个案例顺带说明一件事：区间可以按水平分层计算（如每水平的准确度），也可以跨水平合并（如精密度），前提是方案里预先写清楚。
结语
置信区间改变的是结论的措辞方式。点估计说的是”这次是99.5%“，置信区间说的是”以95%的把握，真值落在这个范围内”。前者是一次实验的运气，后者才是可以拿给审评看的证据。
参考文献
ICH Q2(R2) Validation of Analytical Procedures
ICH Q2(R2)/Q14 Training Module 3
USP <1033> Biological Assay Validation（生物测定案例中相对偏倚与中间精密度的计算口径）
