ELISA 数据异常值的识别与处理

异常值来源分类

- 技术性异常：加样错误、气泡、边缘效应、读数错误

- 样本性异常：溶血、脂血、黄疸、药物干扰

- 真实性异常：真实的高/低值（如疾病状态极端值）

## 统计识别方法

- 3σ 原则：偏离均值 3 个标准差以上

- IQR 法：超出 Q1-1.5×IQR 或 Q3+1.5×IQR

- Dixon Q 检验：小样本（n=3-7）适用

- Grubbs 检验：正态分布样本，n>7

## 实操判断流程

1. 检查原始数据是否有技术性原因

2. 检查样本状态（溶血、脂血等）

3. 应用统计方法判断

4. 复孔检测验证

5. 记录剔除理由

## 常见误区

- 随意剔除：无统计依据、无记录地删除"不好"的数据

- 过度依赖统计：忽视技术原因，仅凭 P 值判断

- 不区分类型：将真实极端值与技术异常混为一谈

- 事后挑选：看到数据后再决定用什么标准