数字是一种承诺
想象某个实验室报告说，一瓶饮用水中含有每升 8 微克的铅。一整条决策链都挂在这一个数字上：家长据此认为水是安全的，城市据此决定不更换管道，监管者据此决定不处罚任何人。这个数字实际上就是一个承诺——承诺现实和报告所说的一致。但一个测量方法是一台由许多步骤组成的长长的机器——采样、稀释、仪器、计算——其中任何一步都可能悄悄地撒谎。那么，是谁、凭什么获得了做出这个承诺的资格？
答案是：在这个方法真正投入使用之前，有人会特意去检验它——有目的地、提前地、用一些已知真实答案的样品来检验。这种有计划的检验就叫做方法验证。它正是「我们运行了仪器并得到一个数字」和「我们有证据表明这个方法给出的是正确数字」之间的区别。
两个日常问题：它准吗，它稳吗
验证的大部分内容，归结起来就是两个你在日常生活中早就会问的朴素问题。第一：答案准吗？如果一台浴室体重秤总是多读 3 公斤，那它就没有说真话，无论它把数字显示得多么理直气壮。在实验室里，这种「说真话」叫做准确度——结果与真实值有多接近。第二：答案稳吗？如果你上上下下站五次，得到五个差别很大的体重，那任何一个读数你都不能相信。这种稳定性就是精密度——重复测量彼此之间有多接近。
质量控制与质量保证
验证只能一次性地证明一个方法是可靠的。但实验室在多年里要测成千上万个样品，而人、试剂和仪器都会漂移。于是有两个持续性的习惯，让那个承诺日复一日地保持有效。质量控制（QC）是你在测真实样品时同时进行的一系列检查——时不时测一个已知的样品，确认这个方法今天仍然表现正常。质量保证（QA）则是更大的总框架：由规则、记录、培训和审核组成的整套体系，让「好结果」成为默认状态，而不是碰巧走运。
一个简单的区分办法：QC 问的是「眼下这一批数据好不好？」，而 QA 问的是「我们实验室的整体设置，是否能让每一批数据都可靠地好？」QC 抓住今天的问题；QA 预防明天的问题。两者都需要，而本阶梯接下来的内容，会逐一展开每一方所用到的工具。
一次验证到底检查些什么
当一个团队验证一个方法时，他们不会耸耸肩说一句「看起来还行」。他们会逐项走完一份有名有姓的性质清单——有时称作「性能指标」——并为每一项收集一个数字。你会在后面的指南里正式认识它们，但这里先给出这份清单的大致形状，好让这些术语不再显得杂乱无章。
- 它最小能「看到」多微量的物质，又能可靠地测量多少？（检出限、定量限）
- 在什么范围内，信号会沿着一条干净的直线跟着浓度走？（线性、工作范围）
- 即使待测物埋在乱糟糟的真实样品里，它也能找出正确的量吗？（回收率、准确度）
- 当一些小事情发生变化时——换了个分析员、温度略有不同——它还能保持淡定吗？（耐用性、稳健性）
为什么这值得你的耐心
人们很容易把这一切看成官僚式的繁文缛节。但质量工作中的每一条规则，都是某次真实灾难留下的伤疤——一位用错剂量的病人、一次受污染的食品召回、一桩被推翻的冤案。质量工作不过是「不自欺」这门功夫的纪律化，把它写下来，好让一整个机构都能照着练习。一旦掌握它，你的数字就赢得了科学家最需要的那样东西：被人相信。