Σ
SDCalc
PrincipianteApplicazioni·10 min

Guida completa alla deviazione standard relativa (DSR)

Guida completa alla deviazione standard relativa (DSR) con formula, esempi di calcolo, criteri di accettazione FDA e applicazioni nei laboratori farmaceutici e di chimica analitica.

Che cos’è la deviazione standard relativa?

La deviazione standard relativa (DSR), nota anche come coefficiente di variazione (CV), è una misura standardizzata della dispersione che esprime la deviazione standard come percentuale della media. È il gold standard per valutare la precisione nella chimica analitica, nei test farmaceutici e nei laboratori di controllo qualità.

A differenza della deviazione standard assoluta, la DSR permette di confrontare la variabilità tra misurazioni con scale o unità diverse. Una deviazione standard di 5 mg/L potrebbe essere eccellente per un’analisi ma inaccettabile per un’altra: la DSR riporta tutto su una scala comune.

DSR vs CV

DSR e coefficiente di variazione (CV) sono matematicamente identici. La DSR è tipicamente espressa in percentuale (es. 5,2%), mentre il CV può essere espresso come decimale (0,052). In ambito laboratoristico, DSR è la terminologia più comune.

Formula e calcolo della DSR

Deviazione standard relativa

RSD (%) = (s / x̄) × 100

Dove s è la deviazione standard campionaria e x̄ è la media campionaria. Il calcolo è diretto:

1

Calcolare la media

Sommare tutti i valori e dividere per il numero di misurazioni.
2

Calcolare la deviazione standard

Trovare la radice quadrata della varianza (somma degli scarti al quadrato dalla media, divisa per n-1).
3

Dividere e moltiplicare

Dividere la DS per la media, poi moltiplicare per 100 per esprimere in percentuale.
python
import numpy as np

def calculate_rsd(data):
    """Calculate Relative Standard Deviation"""
    mean = np.mean(data)
    std = np.std(data, ddof=1)  # Sample SD with Bessel's correction
    rsd = (std / mean) * 100
    return rsd

# Example: Analytical measurements
measurements = [98.5, 101.2, 99.8, 100.5, 99.1]
rsd = calculate_rsd(measurements)
print(f"RSD = {rsd:.2f}%")  # Output: RSD = 1.11%

Interpretare i valori di DSR

La DSR accettabile dipende dall’applicazione, dai livelli di concentrazione e dai requisiti normativi:

  • DSR < 2%:Precisione eccellente; tipica per saggi HPLC ben validati e standard di riferimento
  • DSR 2-5%:Buona precisione; accettabile per la maggior parte dei test di uniformità di contenuto farmaceutico
  • DSR 5-10%:Precisione moderata; accettabile per saggi biologici o analisi in tracce
  • DSR 10-15%:Variabilità più elevata; tipica per immunosaggi e metodi bioanalitici
  • DSR > 15%:Scarsa precisione; può indicare problemi nel metodo o disomogeneità del campione

La concentrazione conta

La DSR tipicamente aumenta a concentrazioni più basse a causa del maggiore impatto relativo dell’incertezza di misura. L’equazione di Horwitz predice questa relazione: la DSR raddoppia per ogni diminuzione di 10 volte della concentrazione dell’analita.

Requisiti normativi

Le agenzie regolatorie stabiliscono requisiti specifici di DSR per diversi tipi di test:

Linee guida FDA/ICH

Idoneità del sistema: DSR ≤ 2% (5 iniezioni) · Precisione del metodo: DSR ≤ 2% tipicamente · Uniformità di contenuto: requisiti DSR in USP <905> · Dissoluzione: DSR ≤ 20% ai primi tempi

Metodi bioanalitici

Campioni QC: DSR ≤ 15% (≤20% al LLOQ) · Calibratori: almeno il 75% entro ±15% · Rianalisi dei campioni: 67% entro il 20%

Applicazioni di laboratorio

La DSR è essenziale nelle scienze analitiche:

  • Validazione del metodo:Dimostrazione della precisione, ripetibilità e precisione intermedia durante lo sviluppo del metodo
  • Idoneità del sistema:Verifica quotidiana che i sistemi HPLC operino entro le specifiche
  • Studi di stabilità:Monitoraggio della precisione analitica nei programmi di stabilità a lungo termine
  • Trasferimento del metodo:Confronto della precisione tra laboratori o strumenti diversi
  • Controllo qualità:Coerenza lotto-lotto nella produzione e nei test di rilascio

Esempi svolti

Esempio 1: Idoneità del sistema HPLC

Cinque iniezioni replicate danno aree dei picchi: 1.245.678; 1.251.234; 1.248.901; 1.244.567; 1.249.890 Media = 1.248.054 | DS = 2.689 | DSR = 0,22% - Supera il criterio ≤2%

Esempio 2: Uniformità di contenuto

Dieci saggi su compresse: 99,2%; 101,5%; 98,8%; 100,3%; 99,7%; 100,8%; 99,1%; 101,2%; 100,1%; 99,5% Media = 100,02% | DS = 0,91% | DSR = 0,91% - Uniformità eccellente

Further Reading

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.