IVD性能参数之CV

1、 CV的含义=标准差/均值，为无量纲

2、 多因素叠加的CV：可采用正交分解的方式进行。

变异系数，英文名Coefficient of Variation，简称CV，是IVD中最常见的性能指标，用于反映变量值的离散程度，也反映了测量结果的随机误差的大小。

从变异系数的计算公式：CV=标准差/平均值 中我们可以看到，与CV的影响因素有关的有两个参数，一个是标准差，另一个是平均值。

标准差也是反映变量值的离散程度的指标，但是它有量纲。标准差越大，正态分布越平缓，离散程度也越大。

平均值也有量纲，两个有量纲的指标相除，可以得到变异系数这个无量纲指标。

变异系数又称“标准差率”，由于其无量纲性，因此可以对单位不同或者平均数不同的多组数据进行离散程度的比较。

变异系数与标准差的最大差异在于，变异系数具有无量纲性和消除平均值的影响。

我们在做测试的过程中，经常会得到以下的数据分布。

表中，大部分数据偏差离在9左右两侧，而有一个数据A比较出挑，它等于20，明显脱离大部队单干了。这样的数据要不要计算在CV之内？

单从CV的计算公式来看，所有的数据都可以计算在内，以表明数据的真实性和完整性。

但从系统设计的角度来看，这个数据A是不能计算在内的。

变异系数通常表征的是随机误差，非系统误差。随机误差的分布特点，是所有数据均布在均值的两侧。如果有一个数据特别出挑，大概率它是一个系统误差。既然是系统误差，就说明我们的系统有问题，我们应该去寻找问题，而不能混水摸鱼。即使上面的数据结果CV是符合要求的，我们也应该寻找“跳孔”的原因。

在IVD的开发中，CV结果的影响因素是非常复杂的，试剂性能、加样精度、放大过程、探测器本身等等都会影响CV的结果。

但是实际操作中，有一些指标是可以直接测得，例如加样精度、最终结果，有些指标是依赖性的指标，例如试剂性能就必须通过仪器或者手工来验证，无法剥离单独验证。

如果结果符合要求，那么万事大吉。

如果结果不符合要求，那么分析CV的影响权重因素就显得非常重要。例如最终结果CV为5%，而加样精度的CV为3%，那么你认为，加样精度是不是影响最终结果CV的最重要的因素？

从表面上看，3%的CV之间5%的CV，权重占比达60%，应该是第一大影响因素，但事实上并不是。

实践证明，用力的正交分解来分析方法来分析变异系数权重是一个比较好的方法。

已知，F1和F1X，求F2Y,高中物理题。

如果最终结果CV=5%，加样精度CV=3%,

那么其他因素总和

也就是说除加样精度以外的影响因素是4%。通过这种方法，层层分解，可以为我们指明优化CV性能的方向。

注意，应用以上的方法有一个前提，即各种因素之间应该是独立的。所谓的正交分解的前提也是XY是相互垂直的，如果不垂直，请多次正交分解，把所有的影响因素独立开。