药品检验常用统计学方法与其运用分析
药学专业药学统计学的要点与案例分析
药学专业药学统计学的要点与案例分析导言：药学统计学是药学专业中的一门重要课程，通过统计学方法对药物研究和临床应用进行分析和评估。
本文将介绍药学统计学的基本要点和一些案例分析，以帮助读者更好地理解和应用这门学科。
一、药学统计学的基本概念药学统计学是统计学在药学领域的应用，它主要研究药物的疗效、安全性和质量等方面的问题。
药学统计学的基本概念包括以下几个方面：1.1 样本和总体在药学统计学中，样本指的是从总体中随机选择的一部分个体或实验单位，而总体则是指所有可能的个体或实验单位的集合。
通过对样本的研究和分析，可以推断出总体的特征。
1.2 参数和统计量参数是总体的特征值，如平均数、标准差等，而统计量是样本的特征值，通过对样本数据的计算得到。
通过对统计量的分析，可以推断出总体的参数。
1.3 假设检验假设检验是药学统计学中常用的方法之一，它用于判断一个假设是否成立。
在药学研究中，常用的假设检验包括均值检验、方差检验、相关性检验等。
1.4 置信区间置信区间是对参数估计的一种方法，它表示参数的真实值有一定的概率落在某个区间内。
通过置信区间的计算，可以对参数进行估计，并评估估计的准确性。
二、药学统计学的应用案例分析为了更好地理解药学统计学的应用，下面将通过几个案例来进行分析。
2.1 药物疗效评价某药物在临床试验中用于治疗高血压，研究人员随机选择了100名患者进行实验。
他们将患者分为两组，一组服用该药物，另一组服用安慰剂。
通过对两组患者的血压进行测量，得到了以下结果：药物组：平均血压降低10mmHg，标准差为5mmHg安慰剂组：平均血压降低5mmHg，标准差为3mmHg通过对这些数据进行统计分析，可以使用假设检验来评估该药物的疗效是否显著。
假设检验的零假设为“该药物的疗效与安慰剂相同”，备择假设为“该药物的疗效优于安慰剂”。
通过计算得到的P值为0.001，小于显著性水平0.05，因此可以拒绝零假设，认为该药物的疗效显著优于安慰剂。
药物疗效评价的统计分析方法研究
药物疗效评价的统计分析方法研究药物的疗效评价是临床研究的一项重要内容，其涉及到很多专业的知识和技能，其中统计学分析方法是非常关键的一环。
在药物疗效评价中，统计学分析方法的应用可以帮助我们更加准确地评估药物的治疗效果，提高研究结果的可信度和科学性。
本文将从多个方面入手，介绍药物疗效评价的统计分析方法研究。
一、基础统计学方法在药物疗效评价中，最基础的统计学方法是描述统计学方法。
描述统计学方法主要通过一些常用的指标来描述和总结数据的分布情况，如均值、中位数、标准差、百分位数等等。
这些指标可以帮助我们更加直观地了解研究数据的集中性、分散性和偏态性等特征，从而为后续的统计推断提供重要的依据。
二、双盲、随机、对照药物临床研究中，涉及到很多随机、对照的设计方法，这些方法可以保证研究结果的可靠性和可重复性。
其中最常用的方法是双盲、随机、对照实验设计，即将研究对象随机分组，部分研究对象接受药物治疗，部分研究对象接受安慰剂或其他控制条件，同时实验组和对照组的研究对象均不知道自己属于哪一组，以避免心理因素的影响。
这种设计方法可以有效地减少各种潜在干扰因素的影响，提高研究结果的可靠性。
三、变量的选择与分析药物疗效评价涉及到很多变量的选择和分析，其中最常用的变量包括治疗效果、治疗剂量、治疗时间、不良反应等等。
在进行变量选择时，需要考虑到变量之间的相关性，并尽可能选择具有较高效应的变量进行分析。
在进行变量分析时，可以采用多元线性回归、主成分分析、生存分析等多种方法，以分析变量之间的关系和预测治疗效果。
四、数据的整理和转换在药物疗效评价中，数据的整理和转换也是非常关键的一步，数据的整理和清洗可以保证分析结果的准确性和可靠性。
常用的数据整理和转换方法包括缺失值的处理、离群点的处理、数据标准化、数据归一化等方法，这些方法可以有效地提高数据的质量和可分析性。
五、信度和效度分析在药物疗效评价中，信度和效度分析也是非常重要的部分。
信度分析主要是分析测量工具的稳定性和重复性，效度分析则是分析测量工具的有效性和相关性。
临床试验中的统计分析方法
临床试验中的统计分析方法临床试验是评估新药物、治疗方法或其他医疗干预措施疗效和安全性的重要手段。
在进行临床试验时，统计分析方法起到了关键的作用，它帮助研究人员从海量数据中提取有价值的信息，并进行科学、客观的评估和判断。
本文将介绍一些常用的统计分析方法，以及它们在临床试验中的应用。
1. 描述性统计分析描述性统计分析是对试验数据进行整体概括的方法。
它通过计算平均值、中位数、标准差等指标，来描述数据的集中趋势、离散程度等特征。
在临床试验中，描述性统计分析常用于对受试者的基线特征进行总结，以及对治疗组和对照组的基本情况进行比较。
2. 假设检验假设检验是判断试验结果是否具有统计显著性的方法。
它基于概率统计原理，通过比较试验组和对照组之间的差异，判断这种差异是否仅仅是由于随机因素引起的，还是真实存在的。
常见的假设检验方法包括t检验、卡方检验、方差分析等。
在临床试验中，假设检验一般用于比较两种治疗方法的疗效，或者评估新药物与安慰剂之间的差异。
3. 生存分析生存分析是评估试验结果中患者生存时间或发生事件的概率的方法。
它考虑到了不同患者间观察时间的差异，通过构建生存曲线和风险比等指标，来评估治疗干预对患者生存的影响。
生存分析常用于研究药物对患者的治疗效果，尤其对于肿瘤临床试验来说具有重要意义。
4. 回归分析回归分析是通过建立数学模型，来探究自变量与因变量之间的关系。
在临床试验中，回归分析可以用来评估治疗干预对预后结局的影响，并控制其他干预因素的干扰。
常见的回归分析方法包括线性回归、逻辑回归、Cox回归等。
5. 效应量计算效应量是一个衡量试验结果差异大小的指标，它可以用于评估治疗效果的临床意义和实用价值。
常用的效应量计算方法有Cohen's d、相对风险等。
临床试验中，选择合适的效应量计算方法，有助于研究人员更准确地评估治疗干预的疗效。
在临床试验中，合理选择和应用统计分析方法，对于得出准确、可靠的结论至关重要。
分析药学中的常见统计学方法及其应用
分析药学中的常见统计学方法及其应用药学中的常见统计学方法及其应用引言：在药学领域，统计学是一种重要的工具，用于分析和解释药物研究和临床试验的数据。
本文将介绍药学中常见的统计学方法及其应用，包括描述性统计、推断统计和生存分析等。
一、描述性统计描述性统计是对数据进行总结和描述的方法，主要包括测量中心趋势、测量离散程度和展示数据分布等。
在药学研究中，常用的描述性统计方法有均值、中位数、标准差和百分位数等。
1. 均值：均值是一组数据的平均值，用于衡量数据的集中趋势。
在药学研究中，可以用均值来描述药物的平均效果或剂量响应关系。
2. 中位数：中位数是将一组数据按大小排列后，位于中间位置的数值。
与均值相比，中位数更能反映数据的中心位置，尤其对于存在极端值的数据。
3. 标准差：标准差是衡量数据离散程度的指标，表示数据与均值之间的平均差异。
在药学研究中，标准差可以用来评估药物效果的变异程度。
4. 百分位数：百分位数是将一组数据按大小排列后，处于特定位置的数值。
在药学研究中，常用的百分位数有四分位数和中位数，用于描述药物的剂量分布和效果分布。
二、推断统计推断统计是通过对样本数据进行分析，对总体参数进行推断的方法。
在药学研究中，常用的推断统计方法有假设检验和置信区间等。
1. 假设检验：假设检验用于判断样本数据与某个假设值之间是否存在显著差异。
在药学研究中，可以利用假设检验来评估药物的疗效是否显著，或者比较不同治疗方案的差异。
2. 置信区间：置信区间是对总体参数的一个范围估计，用于表示样本估计值的不确定性。
在药学研究中，可以通过置信区间来估计药物的效果大小，并评估其统计显著性。
三、生存分析生存分析是一种用于研究时间至事件发生之间关系的方法，常用于药物研究中评估治疗效果和预测患者生存时间。
生存分析主要包括生存曲线、生存率和风险比等。
1. 生存曲线：生存曲线是描述患者生存时间与事件发生之间关系的图形。
在药学研究中，可以通过生存曲线来比较不同治疗组的生存情况，评估药物的治疗效果。
药物分析中涉及的统计方法
药物分析中涉及的统计方法药物分析是一个复杂的过程，需要涉及到各种各样的技术手段，其中统计方法就是其中之一。
统计方法在药物分析中具有非常重要的作用，可以有效地对药物的质量进行评估和控制。
本文将从均值、方差、标准差、置信区间和假设检验几个方面，介绍药物分析中涉及的统计方法。
一、均值均值是指一组数据的平均值。
在药物分析中，我们经常需要计算样品中某种物质的含量，并且需要将多个数据进行平均，得到最终的结果。
这时候，均值就非常重要了。
药品的含量如果能够保持在一定范围内，那么它的药效就会比较稳定。
因此，正确计算均值非常重要。
二、方差方差是指一组数据与均值的离散程度。
在药物分析中，我们需要判断药品的含量是否均匀地分布在样品中。
如果药品的含量分布不均匀，那么可能会导致药效不稳定。
因此，方差在药品分析中也是非常重要的。
三、标准差标准差是方差的平方根，用来衡量一组数据与均值的差距。
在药物分析中，我们需要使用标准差来评估药品含量的变化范围，从而判断药品的稳定性。
四、置信区间置信区间是指在一定置信水平下，真实值可能存在的区间。
在药物分析中，我们需要使用置信区间来判断样品中药品含量的真实值。
如果置信区间较窄，说明药品含量比较稳定；如果置信区间较宽，说明药品含量比较不稳定。
五、假设检验假设检验是一种常用的统计方法，用于判断某个假设是否成立。
在药物分析中，我们经常需要做出判断，例如药品是否符合标准，药品含量是否在规定范围内等等。
这时候，假设检验就非常有用了。
综上所述，统计方法在药物分析中具有非常重要的作用。
通过统计方法，我们可以对药品的含量进行评估和控制，从而保证药品的质量和稳定性。
在药物分析的过程中，我们需要根据实际情况，选择合适的统计方法，并且正确地进行运用，以便得到准确的结果。
药物分析中的统计学方法应用
药物分析中的统计学方法应用1. 引言药物分析是指对药物化学成分进行定性和定量分析的一种科学技术。
在药物研发、制造和监测过程中，统计学方法的应用对于保证药物质量的稳定性和可靠性至关重要。
本文将介绍药物分析中常用的统计学方法及其应用。
2. 药物样品的统计学参数计算在药物分析中，样品数量通常较多，为了准确描述数据特征，需要进行统计学参数的计算。
常用的统计学参数包括平均值、标准差、方差等。
这些参数可以帮助科研人员从样品数据中提取有效信息，并对样品的特性进行定量描述。
3. 药物分析数据的正态分布检验在药物分析中，正态分布是指样品数据分布呈现正态曲线的情况。
正态分布检验可以帮助判断样品数据是否服从正态分布，从而选择合适的统计学方法进行数据处理。
常用的正态分布检验方法包括Kolmogorov-Smirnov检验、Shapiro-Wilk检验等。
4. 药物分析中的假设检验假设检验是统计学的重要方法之一，用于对两组或多组数据进行比较和分析。
在药物分析中，常用的假设检验方法有t检验、方差分析(ANOVA)等。
假设检验可以帮助判断药物成分的差异是否具有统计学意义，以及判断药物在不同条件下的差异是否显著。
5. 药物分析数据的相关性分析相关性分析是研究两个或多个变量之间关系的一种统计学方法。
在药物分析中，常用的相关性分析方法有皮尔逊相关系数、Spearman 等级相关系数等。
通过相关性分析，可以了解药物不同成分之间的相关程度，从而对药物的配方进行优化和改进。
6. 药物分析数据的回归分析回归分析是通过找到变量之间的函数关系来预测或解释一个变量的统计学方法。
在药物分析中，回归分析可以帮助建立药物成分与其他因素之间的关系模型，从而进行预测和解释。
常用的回归分析方法有线性回归、多元回归等。
7. 药物分析中的可信度分析可信度分析是指对药物分析结果的可靠性进行评估的一种统计学方法。
在药物分析中，常用的可信度分析方法有置信区间估计、精确度和重复性评价等。
检验科药物检测常见检测与分析方法
检验科药物检测常见检测与分析方法药物检测是检验科的一项重要工作，它主要用于检测人体内或外所摄入或使用的药物成分及其代谢物是否达到标准水平。
本文将介绍药物检测中常见的检测与分析方法，以加深我们对药物检测的理解。
一、高效液相色谱法（HPLC）高效液相色谱法（High Performance Liquid Chromatography，HPLC）是一种重要的药物检测与分析方法。
它利用样品在液相中的溶解性差别和化学亲和力的差异进行分离和定量分析。
通过调整柱温、流动相成分和流速等条件，能够实现对药物成分的快速准确检测。
HPLC广泛应用于药物代谢和排泄动力学研究中，可以检测药物在体内的代谢过程及其代谢产物的浓度变化。
同时，HPLC也可用于药物分析、药物质量控制等领域，为药物研发与制造提供重要支持。
二、气相色谱法（GC）气相色谱法（Gas Chromatography，GC）是一种基于样品挥发性的分离和分析方法。
它通过样品在固定相或吸附剂上的分配系数差异，实现对药物成分的分离和定量分析。
GC常用于药物的纯度检测、残留物检测以及药物代谢产物的分析等。
它具有高分离度、高灵敏度和高重现性等优点，能够对复杂样品中的微量成分进行准确检测和定量。
三、质谱联用技术（LC-MS/MS）质谱联用技术（Liquid Chromatography-Tandem Mass Spectrometry，LC-MS/MS）是一种结合了液相色谱和质谱的分析方法。
它基于化学成分的质量-荷质比和质谱碎片图谱的特征，实现对复杂样品的分离和定量分析。
LC-MS/MS在药物检测领域具有广泛应用，尤其适用于复杂样品的检测和分析。
它具有高选择性、高灵敏度和高准确性等特点，能够实现对药物及其代谢产物的快速准确定量。
四、放射免疫测定法（RIA）放射免疫测定法（Radioimmunoassay，RIA）是一种利用放射性同位素标记物质与抗原或抗体结合的特异性反应进行测定的方法。
药物临床试验中的统计学方法
药物临床试验中的统计学方法在现代医学的发展进程中，药物临床试验扮演着至关重要的角色。
它是评估新药物安全性和有效性的关键环节，而统计学方法则如同精确的导航仪，为临床试验的设计、实施和结果分析提供了科学、严谨且可靠的依据。
药物临床试验的目的是确定一种新研发的药物是否对特定疾病具有预期的治疗效果，同时评估其可能带来的不良反应。
为了实现这一目标，需要精心设计试验方案，合理收集和分析数据，而这一切都离不开统计学的支持。
在临床试验的设计阶段，统计学方法就开始发挥重要作用。
样本量的确定是一个关键问题。
样本量过小，可能无法检测到药物真正的效果；样本量过大，则会造成资源的浪费。
统计学通过计算所需的样本量，既能保证有足够的统计效能发现药物的效果，又能在合理的成本范围内进行试验。
随机化分组是临床试验设计的另一个重要原则。
它可以确保试验组和对照组之间的基线特征均衡可比，减少混杂因素的影响。
通过随机数字表、分层随机等方法，将研究对象随机分配到不同的组中，从而提高试验结果的可靠性。
临床试验中常用的统计学方法包括描述性统计和推断性统计。
描述性统计用于对研究数据的基本特征进行概括和总结，如均值、中位数、标准差、频率等。
通过这些指标，我们可以对研究对象的人口学特征、疾病严重程度、药物剂量等有一个初步的了解。
推断性统计则用于对试验结果进行分析和推断。
比如，假设检验是常用的推断性统计方法之一。
在比较试验组和对照组的疗效差异时，我们会提出一个零假设（通常是两组之间没有差异），然后通过收集的数据进行计算和分析，判断是否拒绝零假设。
如果拒绝零假设，就意味着两组之间存在显著差异，即药物具有疗效。
常见的假设检验方法有 t 检验、方差分析、卡方检验等。
t 检验适用于两组定量数据的比较；方差分析则用于多组定量数据的比较；卡方检验用于定性数据的比较。
生存分析在药物临床试验中也具有重要意义，特别是对于评估药物对患者生存时间的影响。
它考虑了患者的随访时间和截尾数据，能够更准确地评估药物的疗效。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
药品检验常用统计学方法与其运用分析
摘要：药品检测方法及其对结果判断能否可信，分析数据才是重要。
分析
中数据的稳定性和重现程度以及变化值可利用质量监控图直观地表现，而异常值
则需通过统计的方式科学地去除，而各种数据分析方式也可进行与数据分析成果
的对比，以评价成果的精密度和准确性。
关键词：药品检验；常用统计学；方法
药品质量保障是经过许多流程来完成的，包含药品处方制造工艺产品设计与
检验、中间流程监控、初始材料与最终商品的检测等，每一过程均取决于可靠的
检测方式。
方法的形成、检验、转换或确定都是借助于对分析数据评估来完成的，而药物试验过程及其结论判断更要以分析数据为基础。
所以，怎样科学地利用统
计知识分析评价、解释和管理所掌握的分析方法数据，就变得十分关键了，已成
为药物试验中必不可少的工作内容之一。
一、系统适用性的确认和控制图
一个对常规或连续应用的分析，对于确定其应用范围以及可承受的环境变化
水平，是一项很有价值的研究活动[1]。
确认方法系统适应性，常通过在合适的间
隔分析质量控制试样的方法，即通过标准品的变化性、背景的信噪比等相关信息，以及通过所记载的重要品质属性及指标检测结果，描绘质量监控图形，以表现出
分析系统的特性变化趋势，以便于准确调整分析系统。
因此，将HPLC的方法应
用开展系统适应性测试，以重复性为主要的考核指标之一，在试样分析之前、连
续多批试样分析后，或在合适的间隔，通过分析系统质量监控及试样检查重复性，可以有效提高分析方法成果的稳定性和再现性。
品质管理图是1924年由美国W.A.Shewhart公司首次在产品品质管理工作中
应用的方式，后来也逐步在其他产业使用，是医药制造过程的品质管理主要方式
之一，在药品数据分析和药物检测过程中也有着越来越多的运用。
而影响分析结
果品质的各种因素，涉及分析作业人数、分析方法、仪器检测装置、检验试剂、
样本的一致性、稳定性和实验室环境条件等。
而上述各种因素的波动也会引起分
析结果品质的波动性。
质量控制图表能够较连续直观地表现分析结果质量的变动
状况，较明确地解析出是由系统原因造成的质量非正常波动，或是由偶然原因造
成的正常波动，以便于尽早看到质量趋势，从而及时做出必要的改进对策，并尽
量避免在分析过程中发生质量失控状况。
二、质量控制图的原理
控制图则是对分析活动在达到一定控制条件后，总体分析资料的质量特征按
正态分布为N（μ，σ2）的假定。
根据正态分布性质可以得出，质量指标值落在
±3σ以外的可能性只有0.3%，因此这是一种小概率事故。
而根据小概率事故原则，在一次实践中超出±3σ范围的小概率事故是基本没有出现的。
如果出现问
题了，就表示分析过程处在不平稳阶段。
而通过控制图来确定分析过程是不是处
在平稳或者受控的阶段，其实就是一个统计推理技术。
进行统计推理时会产生二
类差错，第一种差错是将通常判定为非正常，称作去真失败；第二种差错是将非
正常判定为一般，称作存伪失败。
按照统计学原理，扩大控制边界范围虽然能够
降低犯第一类错误的机率，但却会提高犯第二类错误的机会，相反，减少控制边
界范围虽然能够降低犯第二类错误的机率，但却会提高犯第一类错误的机会。
显然，控制图的控制界限范围的设定应当以二类错误的综合损失最小化为准则。
±3σ方法所确定的控制地图控制界限，被看作是一个最经济合理的办法。
所以，多数国家都使用了这种方式，并称为3σ原理[2]。
三、质量控制图的种类
品质控制图的类型繁多，目前普遍采用的有：试验样品平均（x）控制图、
试验样品测定值全距的极差（R）质量控制图等。
在实际应用中，有时把x监控
图与R监控图结合应用，即x-R监控图。
在药品检测中，最常见的是x监控图、
x-R监控图，以及x-平均移动极差（R）的监控图。
（一）质控样品控制图
通常使用x-R控制图。
假设对相同含量质控试样的分析数据均遵循正态分布
N（μ，σ2）。
由试验室将已有含量的质控试样按适当比率与供试件穿插在一块，
编成密码样，由分析人员分析，在某段时间累计二十个上述质量控制试样数据分
析结果，测算出上述数据分析结果的平均数、极差（R）、中心线值（CL）、上
管控限（UCL）、下管控限（LCL）、上警示限（UWL）、下警示限（LWL）等，运
用上述统计分析参数描绘x-R质量管理图形。
（二）空白实验值控制图
通常使用检验样本的均值x监控图，适用于控制标准曲线中的零浓度空白试
验值。
但若是监控试样中和供试件同时使用的全程序空白试验值，则使用x-R监
控图。
每一个试模均必须作空白测试，在一段时间积累了二十个以上的空白试验
值之后，再计算出上述数值的计算参考值，之后再使用上述统计参数描绘均值x
控制图。
但本法主要用作痕量分析方法，对高浓度的有机污染物含量检测时并不
需要采用这种控制图。
（三）平行样控制图
多使用x-R监控图，即从x监控图上来观测批间数据分析成果的不同状态，
在R控制图上观测批内数据分析成果的不同变化。
当试样含量变化很大时，应形
成各种含量水平的变化曲线。
（四）加标回收控制图
通常使用x监控图，因为加标回收率为相对值，当较高浓度时，此图的应用
范畴也很广，在痕量分析中浓淡变化对其负面影响也很大，在必要时还可设置不
同浓度区域的监控图。
（五）均值x-平均移动极差R控制图
在某些过程控制情况下，无法得到合适的子组。
因为测定一个观察值所需的
时间过长或花费太高，从而无法选择再次观察。
当测试设备非常贵重（比如破坏
性试验）或是产品在每个时间的产出都相对均匀时，即存在这些典型情况。
此外，也有部分情况下可以得到一种可能的数据，比如一批新进厂原料药制造公司的性质，此时，就必须基于单个读数加以控制。
在单值控制图情况下，因为缺乏合理的数据进行批内变化的预测，可根据最经常的二个观察值的移动极差所带来的时间变差，来估计控制限。
移动极差是在一个序列中，相邻二个观察数之间的绝对差值。
从移动极差中算出R，再从样本数算x，然后用来创建控制图。
美国联邦药典通则给出了一种未给定标准值的x-R监控图的实例，其单值监控图的控制限公式方法说明，如表1。
式（1-1）和（1-2）中，x是样本的平均值（中心线），R是移动位置极差的平均数，而d二则是一种常在控制图中应用的系数，与观测值的数量和对移动位置范围计算结果相关。
当n=2（为二个联系的测量值）时d2=1.128。
表1 控制限公式
应用单值控制图时，应该考虑：①单值控制图对过程变化情况的反映并没有x和R图那样敏感；②如果整个流程的时刻分布是非正态的，则对单值控制图的求解则格外谨慎；此外③单值控制图并不辨析批内复制性，因而在某些应用，虽然需要子群间有更长的间隔时间，但选择子群尺寸较小（2至4）的x和R值限制图效果可能会更佳。
此外，还有另外的一种方式能够更好地发现过程平均值的变动，比如累积总和、指数加权移动平均法（EWMA）等。
结束语：
综上，分析数据也是药品检测结果与结论判断能否可信的关键，分析数据能否稳定，重现性及其变化、特殊价值如何剔除等都需要通过统计的方式做出科学的分类与评价。
本章将根据具体的实际应用案例，对国家药典通略中使用的一些统计分析方式加以探讨，这些质控图能够比较直接的评估过程中有无控制，也有助于及时发现异常，但在前期需要有大量历史数据的累积;而这种统计分析的方式也有助于补充我国药典中在科学评价统计方面的漏洞与不足，对于下一个阶段增订相关指导准则有很好的参考价值。
参考文献：
[1]高兰,高莹莹,杨春媛. 药品检验过程中质量控制的必要性及措施分析[J]. 中西医结合心血管病电子杂志,2019,7(36):16.
[2]曹玲,吴莉,王玉,吴越. 药品检验中常用的统计学方法及其应用[J]. 中
南药学,2019,17(09):1508-1513.。