M0被计算为样品1的测量结果的平均值（平均）。M0代表根据剂量效应研究数据，对干扰物质浓度为零的样品（严格来说：没有添加干扰物质的样品）的预期被测量浓度的估计。

干扰，指的是干扰物质对测量结果的影响，可以用绝对值来量化，即偏倚，也可以用相对值来量化，即与M0的偏倚百分比：

➤  为了估计干扰物质的绝对效果（即以测量单位计算），用含有干扰物质的基础混样中的测量值（在指定水平）减去样品M0中的测量值。

➤  为了估算相对的干扰效应（即百分比），用测量单位的干扰效应除以M0，再乘以100%。

表1 | 第一个剂量效应的例子

缩略语：CV，变异系数；rep，复测

表2 | 第二个剂量效应实例

缩略语：CV，变异系数；rep，复测

这两种转换既可以应用于统计汇总，如表1中的标本特定平均值，也可以应用于单个测量结果，如表2中的原始数据。此外，这些转换还可以被倒置：

在表1中，「平均值」一栏（第7栏）中的每个条目都代表五个单独的样品特定的测量结果的平均值（在同一行的第2至6栏中列出）。其中第一个平均数是M0 = 200.02 nmol/L，即标本1的平均数。偏倚和偏倚百分比栏，分别以Y1和Y2为脚注，对应于图1左边的两个纵轴，从平均值栏（对应于Y3，图1最右边的轴）依次计算，减去M0，然后乘以100%/M0。

另外，这两栏可以通过先将单个测量结果转化为差异，再转化为差异百分比，然后对每个效应测量（差异或差异百分比）的特定标本子集进行平均来生成。这两种方法在四舍五入的误差范围内是相等的。哪种方法更有效，部分取决于对于曲线拟合和插值，是采用简单的点对点分析（见EP12）还是基于回归的分析（见EP13）。

两种效应测量是测量结果在测量单位中的直接再表达（可逆转换）。正如第6.1.2节所解释的，样品被指定为1到5，按添加的干扰物质浓度增加的顺序。在实践中，这些浓度是由制备方案决定的。尽管样品1可能不含干扰物质，但在数据分析中被适当地视为不含添加的干扰物质（即干扰物质的浓度为零，以适用于干扰物质的任何单位计算）。

被测量和干扰物质的单位不需要相同。为了强调这一点，并保持数字的简单性，两个例子中的干扰物质浓度都采用了0、10、2030和40mg/dL，而被测量的单位是nmol/L。

注：将M0计算为样品1测量值的平均值是通常的方法，也是本准则中推荐的方法。然而，了解对没有添加干扰物质的样品的预期被测量水平的另一种基于回归的估计。

从图形上看，测量结果和两种效应测量方法只是构成实验数据的三种方式；备选纵轴的选择对数据点和线在图中的位置没有影响。从干扰物质浓度（X）与测量结果（Y，以测量单位表示）的散点图开始，两种效应测量方法都可以通过相邻的附加纵轴纳入图中，而不必转换和重新绘制各个数据点。

图1 | 第一个剂量效应的例子，点对点拟合（四条线段）

图2 | 第二个剂量效应实例

回归的直线拟合，95%置信区间（红色），点对点拟合比较（蓝色）。

图1和图2显示了所有三个纵轴，以便简洁地说明它们的相互关系。在实践中，这些轴中的任何一条都足以构建一个合适的散点图。图1和图2中的三个纵轴从左到右被编号为Y1、Y2和Y3，以便随时参考，并强调它们与表1和表2中指定栏目的关系。它们是：

➤  Y1：与M0（标本1的平均值）的差异，以测量单位计算：绝对值的影响；

➤  Y2：偏倚百分比，相对于M0：相对效果；

➤  Y3：测量结果，以本地测量单位表示。

来源： 诊断科学