Analiz Sonuçlarının Yorumu

Analitik Verilerin Değerlendirilmesi ve Analiz Sonuçlarının Yorumu

Analitik kimyada elde edilen ham sayısal verinin kendi başına bir anlam taşımadığı; bu verinin yalnızca titizlikle kurgulanmış bir istatistiksel çerçeve içinde değerlendirildiğinde güvenilir bilgiye dönüştüğü bilinmektedir. Ölçüm sonuçlarının yorumlanması, belirli bir konsantrasyonu doğru tahmin etmenin çok ötesinde bir süreçtir: rastgele ve sistematik hataların ayrıştırılmasını, belirsizlik bileşenlerinin bütünleşik bir değere dönüştürülmesini, aykırı değerlerin istatistiksel testlerle elenerek kalibrasyon modellerinin sağlamlaştırılmasını ve nihai sonucun güven aralıklarıyla ifade edilmesini kapsar. Bu çerçeve, ISO 5725, ICH Q2(R1) ve GUM gibi uluslararası standartlar tarafından yönlendirilmekte; Eurachem/CITAC rehberleri ise bu standartları analitik kimya laboratuvarlarının günlük pratiğine taşımaktadır.

---

1. Analitik Hata Türleri ve Temel Kavramlar

1.1 Sistematik ve Rastgele Hatalar

Her analitik ölçümde iki temel hata kategorisiyle karşılaşılır: sistematik hatalar (determinist hatalar) ve rastgele hatalar (indeterminist hatalar). Bu iki kategorinin ayrıştırılması, veri kalitesinin değerlendirilmesinin temel adımıdır.

Sistematik hatalar, ölçümün tutarlı biçimde belirli bir yönde sapmasına yol açar. Bu hatalar tekrar sayısı artırılarak azaltılamaz; ancak sapma (bias) olarak nitelendirilen bu kayma, uygun kalibrasyon, sertifikalı referans malzeme kullanımı veya geri kazanım (recovery) deneyleriyle tespit edilip düzeltilebilir. Sapma, şu bağıntıyla ifade edilir:

$$\text{Sapma}=\overline{x}-\mu$$

Burada $\overline{x}$ analitik ölçümün ortalaması, $\mu$ ise gerçek (ya da kabul edilmiş) referans değerdir. ISO 5725-4:2020 bu büyüklüğün belirlenmesi için standart prosedürleri tanımlamaktadır.

Rastgele hatalar ise ölçüm koşullarındaki kontrolsüz dalgalanmalardan kaynaklanır; sıcaklık değişimleri, numune homojenlik farkları, dedektör gürültüsü ve laboratuvar atmosferindeki mikro dalgalanmalar bu dalgalanmaları besleyen etkenler arasındadır. Rastgele hataların büyüklüğü standart sapma ($s$) ile ve göreceli ifadesi olarak bağıl standart sapma (RSD veya CV) ile nicelendirilir:

$$s=\sqrt{\frac{\sum _{i=1}^n(x_i-\overline{x}{)}^2}{n-1}}\text{RSD}=\frac{s}{\overline{x}}\times 100\mathrm{\%}$$

Bu iki büyüklüğün birlikte değerlendirilmesiyle oluşturulan doğruluk (accuracy) kavramı, ISO 5725-1:2023’e göre kesinlik (precision) ve gerçeklik (trueness) olmak üzere iki bileşene ayrılır. Kesinlik, aynı yöntemle aynı koşullarda elde edilen ölçümlerin birbiriyle uyumunu; gerçeklik ise ölçüm ortalamasının kabul edilen gerçek değere yakınlığını ifade eder. Bir analist bu iki kavramı olası hedef ve ok analojisiyle görselleştirerek çok yararlı bir sezgi geliştirebilir: birbirine yakın ama merkezi ıskalamış oklar yüksek kesinlik–düşük gerçeklik; saçılmış fakat merkez çevresinde yoğunlaşan oklar ise düşük kesinlik–yüksek gerçeklik durumunu temsil eder.

1.2 Tekrarlanabilirlik ve Yeniden Üretilebilirlik

Kesinliğin farklı koşullar altında ölçülmesi, önemli pratik bilgiler sunar. Tekrarlanabilirlik ($s_r$, within-run precision), aynı analist tarafından aynı ekipmanla, aynı ortamda kısa zaman aralıklarında gerçekleştirilen ölçümlerin uyumunu niteler ve kesinliğin alt sınırını oluşturur. Yeniden üretilebilirlik ($s_R$, reproducibility) ise farklı laboratuvarlar, farklı analistler veya farklı günlerde elde edilen ölçümlerin uyumunu kapsar ve analitik yöntemin daha geniş kapsamlı güvenilirliğini değerlendirir. ISO 5725-2:2019 bu iki büyüklüğü halkalararası çalışmalarla belirleme yöntemlerini sistematize etmektedir.

Klinik ve gıda laboratuvarlarında ise bu iki aşırı uç arasında kalan ara hassasiyet (intermediate precision) değeri pratik açıdan çok kritiktir: farklı analistlerin, farklı gün ve farklı kalibrasyon serilerinde aynı analiti ölçmesi sırasında ortaya çıkan değişkenliği kapsar.

---

2. Kalibrasyon ve Analitik Sınırlar

2.1 Kalibrasyon Eğrisi ve Doğrusallık

Analitik ölçümlerin büyük çoğunluğu dolaylı ölçüm niteliğindedir: bir alet sinyali (absorbans, akım, pik alanı vb.) konsantrasyon cinsinden yorumlanır. Bu dönüşüm, bilinen konsantrasyonlardaki standartlarla oluşturulan kalibrasyon eğrisi aracılığıyla gerçekleştirilir. Doğrusal kalibrasyon modeli şu biçimde yazılır:

$$y=mx+b$$

Burada $y$ alet sinyalini, $x$ analit konsantrasyonunu, $m$ eğimi (duyarlılık, sensitivity) ve $b$ kesimi (blank sinyali) temsil eder. En küçük kareler yöntemiyle (OLS) belirlenen bu parametreler, eğim ve kesim standart hataları ile birlikte raporlanmalıdır.

Kalibrasyon matris etkisi ciddi sistematik hata kaynağıdır: örnek matriksi standartların matriksinden farklıysa, sinyalin yalnızca analit konsantrasyonuna değil matriksine de bağlı olduğu görülmektedir. Bu durumda standart ekleme yöntemi (standard addition) uygulanarak matriksin analit sinyali üzerindeki sistematik etkisi giderilmeye çalışılır.

Doğrusal kalibrasyon aralığının belirlenmesi, doğrusallık varsayımının test edilmesini gerektirir. Kalibrasyon noktaları arasındaki artıkların (residuals) belirli bir konsantrasyona bağımlı sistematik desen sergilemesi, modelin uygunsuzluğuna işaret eder. Bu tür durumlarda logaritmik dönüşüm, ağırlıklı doğrusal regresyon veya ikinci dereceden polinom modeller devreye sokulabilir.

2.2 Saptama Sınırı (LOD) ve Nicemleme Sınırı (LOQ)

Analitik yöntemin en düşük güvenilir konsantrasyon düzeylerini belirlemek, verinin yorumlanması açısından kritik öneme sahiptir. Blanklık sınırı (LoB), analit içermeyen örneklerin tekrarlı ölçümlerinde gözlemlenen en yüksek görünür analit konsantrasyonudur:

$$\text{LoB}={\overline{x}}_{\text{blank}}+1.645\cdot s_{\text{blank}}$$

Saptama sınırı (LoD), analit sinyalinin blanklıktan istatistiksel olarak ayırt edilebildiği en düşük konsantrasyon düzeyi olarak tanımlanır. ICH Q2(R1) çerçevesinde LoD hesabı kalibrasyon eğrisinin eğimi ($S$) ve blank varyasyonu ($\sigma$) üzerinden gerçekleştirilir:

$$\text{LOD}=\frac{3.3\sigma }{S}$$

Nicemleme sınırı (LoQ), analit konsantrasyonunun kabul edilmiş kesinlik ve gerçeklik hedefleri dahilinde güvenilir biçimde raporlanabildiği en düşük düzeydir:

$$\text{LOQ}=\frac{10\sigma }{S}$$

Ancak bu tek-nokta yaklaşımının önemli sınırlılıkları bulunmaktadır. Standart sapmanın konsantrasyona bağımlı olduğu heterokedasik sistemlerde, yalnızca blank düzeyinde ölçülen $\sigma$ değerinden hareket etmek yanıltıcı sonuçlar verebilir. Bu nedenle ağırlıklı en küçük kareler regresyonuna dayalı yaklaşımlar, tüm kalibrasyon aralığındaki varyans profilini hesaba katan daha gürbüz (robust) LOD/LOQ tahminleri sunmaktadır. CLSI EP17 rehberi, bu büyüklüklerin deneysel olarak belirlenmesi için kapsamlı bir protokol sağlamaktadır.

---

3. Ölçüm Belirsizliği

3.1 GUM Çerçevesi ve Belirsizlik Bileşenleri

Ölçüm belirsizliği kavramı, “hatadan” kavramsal olarak farklıdır: hata bilinemeyen gerçek değerden sapma iken, belirsizlik ölçüm sonucuna atfedilen değer aralığını tanımlayan istatistiksel bir büyüklüktür. BIPM/JCGM tarafından yayımlanan GUM (Guide to the Expression of Uncertainty in Measurement) belgesi ve onun 2023 yılında güncellenen birinci kısmı, bu çerçevenin uluslararası referansı olma niteliğini korumaktadır.

GUM iki tür belirsizlik değerlendirmesi tanımlar:

• Tip A değerlendirmesi: Yinelemeli ölçümlerden elde edilen verilerin istatistiksel analizi aracılığıyla gerçekleştirilir. Ölçüm ortalamasının standart hatası ($u_A=s/\sqrt{n}$) Tip A belirsizliğini verir.
• Tip B değerlendirmesi: Kalibrasyon sertifikaları, cihaz teknik özellikleri, referans malzeme belgeleri veya önceki deneyim gibi istatistiksel dışı bilgi kaynaklarından yararlanılır.

Birleşik standart belirsizlik ($u_c$), tüm belirsizlik bileşenlerinin kareköklerin toplamı kuralıyla (RSS) birleştirilmesiyle elde edilir:

$$u_c(y)=\sqrt{\sum _{i=1}^n{\left(\frac{\partial f}{\partial x_i}\right)}^2{u}^2(x_i)}$$

Burada $\partial f/\partial x_i$ duyarlılık katsayılarını temsil eder. Analitik bir konsantrasyon hesabının ($C_A$) belirsizliği, sinyal ölçümü, blank düzeltmesi ve kalibrasyon eğrisi parametrelerinin belirsizliklerinden oransal hatalar kuralıyla bileştirilir:

$$\frac{u_c(C_A)}{C_A}=\sqrt{{\left(\frac{u(S_{\text{total}}-S_{\text{blank}})}{S_{\text{total}}-S_{\text{blank}}}\right)}^2+{\left(\frac{u(k_A)}{k_A}\right)}^2}$$

Genişletilmiş belirsizlik ($U$) ise belirli bir güven düzeyi (genellikle %95) için kapsam faktörü ($k$) ile çarpılarak elde edilir:

$$U=k\cdot u_c(k=2\text{ için }\approx \mathrm{\%}95\text{ güven düzeyi})$$

IUPAC’ın 2024 yılında yayımladığı kısa GUM rehberi, bu metodolojiye Bayes istatistiksel yöntemlerini de entegre ederek hem frekansçı hem Bayes çerçevelerinin analitik kimyada nasıl kullanılabileceğini sistemleştirmektedir.

3.2 Hata Yayılımı: Toplam Analitik Hata Yaklaşımı

Belirsizliğin hesaplanması aşamasında, tüm analitik sürecin bir ölçüm modeli olarak kurgulanması gerekmektedir. Taylor serisi açılımına dayanan hata yayılımı formülleri, farklı matematiksel işlemler için belirli kurallara dönüşür. Toplama/çıkarma işlemlerinde:

$$u_c=\sqrt{u_1^2+u_2^2}$$

Çarpma/bölme işlemlerinde ise göreceli belirsizlikler toplanır:

$$\frac{u_c}{R}=\sqrt{{\left(\frac{u_A}{A}\right)}^2+{\left(\frac{u_B}{B}\right)}^2}$$

Logaritmik işlemlerde (ör. pH hesabı) özel türevleme kuralları geçerlidir:

$$u(\text{pH})=\frac{u[{\text{H}}^{+}]}{[{\text{H}}^{+}]}\cdot {\log }_{10}e\approx 0.4343\cdot \frac{u[{\text{H}}^{+}]}{[{\text{H}}^{+}]}$$

Bu formüllerin titiz uygulaması, hem hatanın hangi bileşenden kaynaklandığını hem de yöntemi iyileştirmek için hangi adımın öncelikli olduğunu açıkça ortaya koymaktadır.

Etanol analizine ilişkin 2025 yılında yayımlanan bir çalışma, Nordtest ve ISO/TS 20914 kılavuzlarıyla hesaplanan MU değerlerinin birbirinden farklılaştığını ve yasal eşik değerlerin yakınındaki ölçümler için bu farkın klinik-hukuki anlam taşıdığını göstermektedir. Bu bulgu, belirsizlik hesaplama metodolojisinin salt akademik bir tercih olmadığını; gerçek kararlar üzerinde ölçülebilir etkileri olan pratik bir seçim olduğunu örneklemektedir.

---

4. Aykırı Değer Tespiti ve İstatistiksel Testler

4.1 Grubbs ve Dixon Testleri

Gerçek popülasyondan kaynaklanmayan, olası ölçüm ya da kayıt hatalarını yansıtan aykırı değerler (outlier), hem kalibrasyon eğrisi parametrelerini hem de belirsizlik hesaplarını çarpıtır. Bu nedenle verinin değerlendirilmesi öncesinde aykırı değerlerin istatistiksel olarak belirlenmesi zorunludur. ISO 17025 uyumlu laboratuvar pratiğinde bu amaçla Grubbs testi tercih edilmektedir.

Grubbs (G) testi, veri kümesinin aritmetik ortalama ve standart sapmasına dayalı olarak en aşırı değerin popülasyona ait olup olmadığını sorgular:

$$G_{\exp }=\frac{|x_{\text{şüpheli}}-\overline{x}|}{s}$$

$G_{\exp }>G_{\text{kritik}}$ koşulunun sağlanması durumunda şüpheli değer %95 güven düzeyinde aykırı sayılır ve bu kararın hatalı olma olasılığı $\alpha =0.05$ ile sınırlıdır. Testin önemli bir kısıtı, aynı veri kümesinde yalnızca tek bir değerin reddedilebilmesidir. Birden fazla olası aykırının bulunduğu durumlarda genelleştirilmiş ESD (Extreme Studentized Deviate) testi veya Tietjen-Moore testi devreye girmektedir.

Dixon Q testi, küçük veri setlerinde ($n\le 30$) standart sapma hesaplanmadan uygulanabilmesi bakımından pratik bir avantaj sunar:

$$Q_{\exp }=\frac{x_{\text{şüpheli}}-x_{\text{komşu}}}{x_{\max }-x_{\min }}$$

Ancak bu testin kritik değer tablosunun hassasiyetine dair metodolojik tartışmalar sürmektedir; bu nedenle ISO 17025 standardı Grubbs testini öncelikli seçenek olarak önermektedir.

NIST’in 2024 tarihli NISTIR 8526 raporu, her iki testin pratik uygulamalarını ve çok aykırılı senaryolardaki uzantılarını ayrıntılandırmakta; aykırı değer tespitinin tek başına mekanik bir hesaplama olmadığını, fiziksel gerekçe arayışıyla desteklenmesi gerektiğini vurgulamaktadır.

4.2 Anlamlılık Testleri: t-Testi ve F-Testi

Analitik kimyada iki farklı anlamlılık testi, bağımsız kullanım amaçlarına sahiptir:

t-testi, iki ortalama arasındaki farkın rastgele hatadan kaynaklanıp kaynaklanmadığını belirler. En yaygın uygulaması, yeni bir analitik yöntemin sonuçlarının ($\overline{x}$) referans bir değerden ($\mu$) istatistiksel olarak anlamlı biçimde farklı olup olmadığının sınanmasıdır:

$$t_{\exp }=\frac{|\overline{x}-\mu |}{s/\sqrt{n}}$$

$t_{\exp }>t_{\text{kritik}}$ ise sıfır hipotezi ($H_0:\overline{x}=\mu$) reddedilir; yöntemin sistematik sapma içerdiği sonucuna varılır. İki farklı yöntem karşılaştırılırken birleşik standart sapma ve toplam serbestlik derecesi hesaba katılır:

$$t_{\exp }=\frac{|{\overline{x}}_A-{\overline{x}}_B|}{s_{\text{hav}}\sqrt{1/n_A+1/n_B}}$$

Analitik kimyada genellikle iki kuyruklu test (two-tailed) tercih edilir; zira araştırmacı hangi yöntemin daha büyük ya da küçük sonuç verdiğini önceden bilemez.

F-testi (Levene veya Bartlett testleri), iki yöntemin varyanslarının eşitliğini test eder ve yeni bir yöntemin tekrarlanabilirliğini mevcut yöntemle karşılaştırmak için kullanılır:

$$F_{\exp }=\frac{s_A^2}{s_B^2}(s_A\ge s_B)$$

Çok gruplu karşılaştırmalar için ise ANOVA (tek yönlü veya çok yönlü varyans analizi) devreye girer; laboratuvarlar arası, analistler arası veya gün içi/günler arası varyansın ayrıştırılması bu yöntemle gerçekleştirilir.

---

5. Yöntem Validasyonu ve Sonuçların Raporlanması

5.1 Validasyon Parametrelerinin Sistematik Değerlendirilmesi

ICH Q2(R1) kılavuzu analitik yöntemlerin validasyonunu sistematize etmekte; doğruluk (doğrusallık, gerçeklik, kesinlik, özgüllük) parametrelerinin belirli konsantrasyon düzeylerinde ve tekrar sayılarında deneysel olarak doğrulanmasını şart koşmaktadır. En güncel Eurachem rehberi (2025, 3. baskı) bu süreci doğruluk profili kavramıyla zenginleştirmektedir: $\beta$-beklenti tolerans aralıkları kullanılarak her konsantrasyon düzeyinde hem sistematik hem rastgele hatanın bütünleşik etkisi tek bir grafik üzerinde görselleştirilir ve yöntemin amaca uygunluğu kanıtlanır.

Geri kazanım (% recovery) ise gerçekliğin nicel ifadesidir:

$$\mathrm{\%}\text{ Geri Kazanım}=\frac{{\overline{x}}_{\text{deneysel}}}{c_{\text{teorik}}}\times 100$$

ICH rehberi, doğruluk çalışmalarında en az 3 konsantrasyon düzeyinde ve her düzeyde en az 3 tekrar (toplam 9 ölçüm) yapılmasını ve güven aralıklarının sunulmasını öngörmektedir.

5.2 Sonuçların Yorumlanması ve Raporlama

Analitik sonucun tam ve şeffaf biçimde raporlanması, sonucu kullananların kararlarını bilinçli biçimde vermesi için zorunludur. Kabul gören format şudur:

$$\text{Sonuç}=\overline{x}\pm U(\mathrm{\%}95\text{ güven düzeyi},k=2)$$

Bu gösterim, ölçüm değerinin yanı sıra genişletilmiş belirsizliği de açıkça sunmaktadır. Özellikle yasal eşik değerlere yakın sonuçlarda belirsizliğin rapor edilmemesi, eşik altı/üstü kararlarının güvenilirliğini ciddi biçimde sarsar. Nordtest ve ISO/TS 20914 kılavuzlarının karşılaştırmalı analizinden elde edilen bulgular, yasal eşik yakınındaki ölçümlerde metodoloji seçiminin %3–5 oranında farklı MU değerleri ürettiğini ortaya koymaktadır.

Anlamlı rakam (significant figure) seçimi de yorumlama sürecinin ayrılmaz bir parçasıdır: ölçüm belirsizliğinin bir ya da iki anlamlı rakamı, raporlanan sonucun son basamağını belirler. Ölçüm cihazının çözünürlüğünü aşan basamakların sunulması, sahte kesinlik yanılsaması yaratır.

---

6. Güncel Araştırmalardan Bulgular

Belirsizlik hesaplamalarının öğretimi, analitik eğitimde güncel bir öncelik haline gelmiştir. 2024 yılında Journal of Chemical Education’da yayımlanan bir çalışma, Excel tabanlı otomatik bir belirsizlik hesaplama makrosunun çevre kimyası öğrencilerine düşük maliyetli ozon izleme yöntemlerinin validasyonu sürecinde öğretildiğini raporlamaktadır; bu yaklaşımın öğrencilerin hem istatistiksel araçlara hakimiyetini hem de alan ölçümlerindeki belirsizlik kaynaklarını somut biçimde kavramasını kolaylaştırdığı gözlemlenmiştir.

Çok değişkenli kalibrasyon (PLS) bağlamında saptama sınırlarının tanımlanması, tek değişkenli IUPAC metodolojisinin doğrudan genişletilmesinin yetersiz kaldığı gösterilmiş; bunun yerine kalibrasyon uzayındaki arka plan bileşiminin değişkenliğine bağlı bir LOD aralığı tanımlanmıştır. Bu gelişme, modern enstrümantal analizde tek sayısal eşik yerine bir saptama aralığı raporlamanın daha gerçekçi bir yaklaşım olduğuna işaret etmektedir.

Klinik kimyada ise Toplam Analitik Hata (TAE) ile GUM temelli ölçüm belirsizliğinin karşılaştırmalı değerlendirmesi sürmekte; bu iki yaklaşımın rutin laboratuvar pratiğinde nasıl bütünleştirileceği tartışılmaktadır. Harran Üniversitesi’nden araştırmacıların 2024-2025 tarihli çalışması, etanol testlerinde iki yöntemin farklı MU tahminlerine ulaştığını ve bu farkın yasal eşik değerinin yakınındaki sonuçların raporlanmasını doğrudan etkilediğini göstermektedir.

---

7. Kavramsal Analiz

7.1 Nizam, Gaye ve Sanat Analizi

Analitik veri değerlendirmesinin bütünsel yapısına bakıldığında, birbirinden görünürde bağımsız olan güven aralığı, aykırı değer testi ve hata yayılımı prosedürlerinin son derece uyumlu bir işlevsel sistem oluşturduğu fark edilmektedir. Bu sistemin her katmanı diğerini tamamlar niteliktedir: Grubbs testi, kalibrasyon eğrisinin güvenilirliğini artırmak için devreye girer; hata yayılımı, hangi bileşenin toplam belirsizliğe en fazla katkı yaptığını ortaya koyar; t-testi, sistematik sapmanın varlığını istatistiksel kesinlikle belirler. Her aşama, bir öncekinin sonuçlarını besleyen ve bir sonrakinin zeminini hazırlayan bir işlevle tasarlanmıştır.

Ölçüm belirsizliğinin bir sayı değil, istatistiksel bir dağılım olarak tanımlanması da dikkat çekicidir. Tek bir ölçüm, bir sayı verir; ancak o sayının anlam kazanabilmesi için onun etrafında inşa edilen olasılık çerçevesi gereklidir. Böylesine iç içe geçmiş katmanlı bir epistemolojik yapının ortaya çıkmış olması düşündürücüdür.

7.2 İndirgemeci Safsataların Eleştirisi

Analitik veri yorumlamasına ilişkin yaygın bir dilsel hata, istatistiksel kavramlara fail atfedilmesidir. “Güven aralığı, gerçek değeri içeriyor” ifadesi bu türden bir kısayoldur; gerçekte güven aralığı, kullanılan yöntemin uzun dönemde aynı yöntemle türetilen değerlerin belirli bir oranını içine alacak şekilde inşa edildiğini ifade eder; “içerme” eylemi bir soyut kavramın fiiline değil, hesaplama prosedürünün çıktısına aittir.

Benzer biçimde, “t-testi iki ortalama arasında fark buluyor” yerine “t-testi, iki ortalamanın eşitliği hipotezinin belirli bir güven düzeyinde reddedilip reddedilmediğini sınayan bir oran hesaplar” ifadesinin kullanılması daha isabetlidir. İlk ifade, testin nedensel bir keşif yaptığını ima eder; oysa test yalnızca belirli bir olasılık modelinin veriye ne ölçüde uyduğunu sayısal bir değerle özetler.

Bu ayrımın pratik önemi büyüktür: p < 0.05 değerinin “sonuç gerçektir” anlamına gelmediği, yalnızca sıfır hipotezinin geçerli olduğu varsayımı altında bu denli aşırı bir verinin gözlemlenme olasılığının %5’ten düşük olduğu anlamına geldiği pek çok bağlamda göz ardı edilmektedir. Bu yanılgı, anlamlılık testlerinin Nature gibi önde gelen dergilerde dahi yaygın biçimde yanlış yorumlandığı gerçeğiyle belgelenmiştir.

7.3 Hammadde ve Sanat Ayrımı Analizi

Analitik veri değerlendirmesinin bütünsel metodolojik çerçevesi, hammadde-sanat ayrımının çarpıcı bir örneğidir. Bir ölçüm serisinin hammaddesi, birbirinden bağımsız sayısal değerlerden oluşan ham veridir; her biri kendi başına anlamsız ya da çok sınırlı anlam taşır.

Ancak bu ham veri üzerine sistematik biçimde uygulanan istatistiksel prosedürlerin toplamından—yani normallik testleri, varyans homojenliği, aykırı değer analizi, regresyon, belirsizlik bileşimleme ve anlamlılık testlerinin belirli bir sırayla ve birbirine bağlı biçimde uygulanmasından—ortaya çıkan bütün, tek tek sayısal değerlerin hiçbirinde mevcut olmayan özellikler kazanır: belirli bir güven düzeyiyle doğrulanmış bir konsantrasyon değeri; bu değerin yasal düzenlemelerle, referans aralıklarıyla ve klinik kararlarla karşılaştırılabilmesi; iki analitik yöntem arasında sistematik farklılığın varlığı ya da yokluğu hakkında istatistiksel bilgi.

Ham sayısal verinin kendi başına taşımadığı bu anlamsal içerik—güvenilirlik, karşılaştırılabilirlik, karar verilebilirlik—yalnızca belirli bir prosedürel düzenin içinden geçildiğinde ortaya çıkmaktadır. Bu düzenin kendisi, hammadde olan sayılarda değil, sayıların nasıl tertip edildiğinde saklıdır.

---

8. Sonuç

Analitik verinin değerlendirilmesi ve yorumlanması, birbirine bağlı birkaç prosedürel katmanın toplamından oluşan bir bütündür. Sistematik-rastgele hata ayrımı, kalibrasyon modelinin optimizasyonu, LOD ve LOQ belirlenmesi, GUM temelli belirsizlik bileşimlenmesi ve istatistiksel anlamlılık testleri, her biri diğerinin tamamlayıcısı olan işlevsel unsurlar olarak bu bütünü oluşturur.

Bu metodolojik çerçevenin içinden geçen ham sayısal veri; yasal eşiklerle karşılaştırılabilir, farklı yöntemler arasında anlamlı biçimde kıyaslanabilir ve klinik ya da mühendislik kararlarının temeline yerleştirilebilir bir bilgiye dönüşmektedir. Böylesine katmanlı ve işlevsel bir düzenin, parçalarının toplamından fazlası olan bir yapısal bütünlük içinde kendiliğinden ortaya çıkmış olup olmadığı sorusu; deliller ışığında okuyucunun kendi aklına ve vicdanına bırakılmaktadır.

---