0% encontró este documento útil (0 votos)

99 vistas56 páginas

Iso 19036 - 2020

Cargado por

Pperdomo

Derechos de autor

Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.

Formatos disponibles

Descarga como PDF, TXT o lee en línea desde Scribd

0% encontró este documento útil (0 votos)

99 vistas56 páginas

Iso 19036 - 2020

Cargado por

Pperdomo

Derechos de autor

Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.

Formatos disponibles

Descarga como PDF, TXT o lee en línea desde Scribd

Norma Española

UNE-EN ISO 19036

Julio 2020

Microbiología de la cadena alimentaria

Estimación de la incertidumbre de la medición para
determinaciones cuantitativas
(ISO 19036:2019)

Esta norma ha sido elaborada por el comité técnico

CTN 34 Productos alimentarios,
alimentarios , cuya secretaría
desempeña FIAB.

Asociación Española
de Normalización
Génova, 6 - 28004 Madrid
915 294 900
[email protected]
www.une.org

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.
UNE-EN ISO 19036

Microbiología de la cadena alimentaria

Estimación de la incertidumbre de la medición para determinaciones cuantitativas
(ISO 19036:2019)
Microbiology of the food chain. Estimation of measurement uncertainty for quantitative
determinations (ISO 19036:2019).

Microbiol
Microbiologie
ogie(ISO
quantitatives de la19036:2019).
chaîne alimentaire.
alimentaire. Estimation de l'incertitude
l'incertitude de mesure pour les déterminations
déterminations

Esta norma es la versión oficial, en español, de la Norm

Normaa Europea EN ISO 19036:2019, que
a su vez adopta la Norma Internacional ISO 19036:2019.

Las observaciones a este documento han de dirigirse a:

Asociación Española de Normalización

Génova, 6
28004 MADRID-España
Tel.: 915 294 900
[email protected]
www.une.org

© UNE 2020
Prohibida la reproducción sin el consentimiento de UNE.
Todos los derechos de propiedad intelectual de la presente norma son titularidad de UNE.

ICS 07.100.30

Versión en español

Microbiología de la cadena alimentaria

Estimación de la incertidumbre de la medición para determinaciones cuantitativas
(ISO 19036:2019)

Microbiology of the food chain. Microbiologie de la chaîne alimentaire. Mikrobiologie der Lebensmittelkette.
Estimation of measurement uncertainty Estimation de l'incertitude de mesure Feststellung von Messunsicherheiten
for quantitative determinations pour les déterminations quantitatives bei quantitativen Bestimmungen
(ISO 19036:2019). (ISO 19036:2019). (ISO 19036:2019).

Esta norma europea ha sido aprobada por CEN el 2019-09-21.

Los miembros de CEN están sometidos al Reglamento Interior de CEN/CENELEC que define las
condiciones dentro de las cuales debe adoptarse, sin modificación, la norma europea como norma
nacional. Las correspondientes listas actualizadas y las referencias bibliográficas relativas a estas
normas nacionales pueden obtenerse en el Centro de Gestión de CEN/CENELEC, o a través de sus
miembros.

Esta norma europea existe en tres versiones oficiales (alemán, francés e inglés). Una versión en otra
lengua realizada bajo la responsabilidad de un miembro de CEN en su idioma nacional, y notificada al
Centro de Gestión de CEN/CENELEC, tiene el mismo rango que aquéllas.

Los miembros de CEN son los organismos nacionales de normalización de los países siguientes:
Alemania, Austria, Bélgica, Bulgaria, Chipre, Croacia, Dinamarca, Eslovaqui
Eslovaquia,
a, Eslovenia, España, Estonia,
Finlandia, Francia, Grecia, Hungría, Irlanda, Islandia, Italia, Letonia, Lituania, Luxemburgo, Malta,

Noruega, Países Serbia,

Norte, Rumanía, Bajos, Polonia, Portugal,
Suecia, Suiza Reino Unido, República Checa, República de Macedonia del
y Turquía.

COMITÉ EUROPEO DE NORMALIZACIÓN

European Committee for Standardization
Comité Européen de Normalisation
Europäisches Komitee für Normung
CENTRO DE GESTIÓN: Rue de la Science, 23, B-1040 Brussels, Belgium
© 2019 CEN. Derechos de reproducción reservados a los Miembros de CEN.

Índice

Prólogo
Prólogo europe
europeo
o ........................................................................................................................... 6

Declaración .................................................................................................................................... 6
Declaración
Prólogo
Prólogo ............................................................................................................................................ 7
0 Introducció
Introducción
n ..................................................................................................................9
1 Objeto
Objeto y campo de aplic
aplicación.................................................................................
ación................................................................................. 10
2 Normas
Normas para consult
consultaa ..............................................................................................
....................................................................................... ....... 11
3 Términos, defini
Términos, definicionecioness y símbo símbolos los ....................................................................... 11
3.1 Términos
Términos y definic
definiciones iones .......................................................................................... 11
3.2 Símbolos
Símbolos....................................................................................................................... 14
4 Consideracio
Consideraciones
nes generales
generales ..................................................................................... 15

5
5.1 Incer
Incertidum
tidumbre
Identificación brede técni
técnica
lasca .............................................................................................
fuentes principales de incertidumbre...... ............
............
........... ... 16
........ 16
5.1.1 Aspectos generales...... ............
............
............
............
............
............
............
............
............
............
............
............
............
............
...........
..........
..... 16
5.1.2 Incertidum
Incer tidumbre bre de la toma de muest muestras ras............................................................... 17
5.1.3 Sesgo ............................................................................................................................. 17
5.1.4 Factores
Facto res críti
críticoscos ......................................................................................................... 18
5.2 Estimación
Estima ción de la incer incertidumtidumbre bre técnica ............................................................. 18
5.2.1 Aspectos generales...... ............
............
............
............
............
............
............
............
............
............
............
............
............
............
...........
..........
..... 18
5.2.2 Desviación típica de la reproducibilidad procedente de experimentos
intralaboratorio, sIR ................................................................................................... 18
5.2.3 Desviación típica de la reproducibilidad procedente de estudios
interlabo
interlaborator
ratorios ios ....................................................................................................... 25
6 Incertidumbre
Incertidum bre de la matriz .................................................................................... 26
6.1 Aspectos generales...... ............
............
............
............
............
............
............
............
............
............
............
............
............
............
...........
..........
..... 26
6.2 Situación de una muestra de laboratorio (o de ensayo) homogénea ......... 27
6.3 Múltiples porciones de ensayo a partir de las muestras de
laborato
laboratorio
rio ................................
..................................................................................................................
.................................................................................. 28
6.4 Característ
Características
icas conocidas de la matr matriz iz ................................................................ 29
7 Incertidumbre
Incertidum bre de la distrib
distribución..........................................................................
ución.......................................................................... 30
7.1 Aspectos generales......
............
............
............
............
............
............
............
............
............
............
............
............
............
............
...........
..........
..... 30
7.2 Técnica de recuento de colonias. Incertidumbre de Poisson ............ ...... ...........
...........
........ 30
7.3 Técnica de recuento de colonias. Incertidumbre de la cconfirmación onfirmación...... .........
... 31
7.4 Incertidum
Incertidumbre
bre del númer
número o más prob probable able .......................................................... 33
8 Incertidumbre
Incertidum bre comb
combinada
inada y expa
expandidandida.............................................................. 33
8.1 Incertidum
Incer tidumbre
bre típica combina
combinada da .......................................................................... 33
8.1.1 Consideracio
Cons ideraciones
nes generales
generales ..................................................................................... 33
8.1.2 Incertidumbre típica combinada basada en las incertidumbres
técnicas, de la matriz y de la distribución por separado ................................ 33
8.1.3 Incertidumbre típica combinada basada exclusivamente en la
desviación
desvia ción típica de la repro
reproducib
ducibilidad
ilidad ............................................................ 34

8.2 Incertidumbre
Incertidum bre expan
expandida dida ....................................................................................... 34
8.3 Ejemplos
Ejempl os desar
desarroll
rollados
ados ........................................................................................... 35
8.3.1 Ejemplo 1. Componentes de Poisson, de la matriz y técnicos de la
incertidumbr
incertidumbree ............................................................................................................ 35
8.3.2 Ejemplo 2. Componente de Poisson despreciable ............................................ 35
8.3.3 Ejemplo 3. Componente de Poisson, de la matriz y de confirmación ...... ..........
.... 36
8.3.4 Ejemplo 4. Componentes del número más proba p robable, ble, de la matriz y
técnico
técnico ...................................................................................................................
..........................................................................................................................
....... 36
9 Expresión de la incertidumbre de la medición en los informes de
ensayo
ensayo ........................................................................................................................... 37
9.1 Aspectos generales...... ............
............
............
............
............
............
............
............
............
............
............
............
............
............
...........
..........
..... 37
9.2 Resultados inferiores al límite de cuantificación ............................................. 38
9.2.1 Aspectos generales...... ............
............
............
............
............
............
............
............
............
............
............
............
............
............
...........
..........
..... 38
9.2.2 Ejemplo.........................................................................................................................
Ejempl o......................................................................................................................... 39
Anexo A (Informativo) Cálculo de las desviaciones típicas con dos o más de
dos porciones de ensayo (desviación típica de la
reproducibilidad intralaboratorio
intralaboratorio y desviación
típica de la incertidumbre de la matriz) ............................. 41
Anexo B (Informativo) Efecto de la matriz e incertidumbre de la matr
matriz
iz ............
...... ........ 46
Anexo C (Informativo) Variabilidad intrínseca (incert
(incertidumbre
idumbre típica) de
las estimaciones del número más probable ...................... 48
Anexo D (Informativo) Corrección de las desviaciones típicas
experimentales en base a componentes de
incertidumbr
incertidumbree no deseados
deseados ................................
...................................................
................... 50
Bibliograf
Bibliografía
ía.................................................................................................................................. 54

Prólogo europeo

El texto de la Norma EN ISO 19036:2019 ha sido elaborado por el Comité Técnico ISO/TC 34 Productos
alimenticios en colaboración con el Comité Técnico CEN/TC
C EN/TC 463 Microbiolo
Microbiología
gía de la cadena alimentaria
alimentaria,,
cuya Secretaría desempeña AFNOR.
Esta norma europea debe recibir el rango de norma nacional mediante la publicación de un texto
idéntico a ella o mediante ratificación antes de finales de mayo de 2020, y todas las normas nacionales
técnicamente divergentes
divergentes deben anularse antes de finales de ma
mayoyo de 2020.

Se llama la atención sobre la posibilidad de que algunos de los elementos de este documento estén
sujetos a derechos de patente. CEN no es responsable de la identificación de dichos derechos de patente.

De acuerdo con el Reglamento

R eglamento Interior de CEN/CENE
CEN/CENELEC,
LEC, están obligados a adoptar esta norma europea
los organismos de normalización de los siguientes países: Alemania, Austria, Bélgica, Bulgaria, Chipre,
Croacia, Dinamarca, Eslovaquia, Eslovenia, España, Estonia, Finlandia,
Fi nlandia, Francia, Grecia, Hungría, Irlanda,
Islandia, Italia, Letonia, Lituania, Luxemburgo, Malta, Noruega, Países Bajos, Polonia, Portugal, Reino
Unido, República Checa, República de Macedonia del Norte, Rumanía, Serbia, Suecia, Suiza y Turquía.

Declaración

El texto de la Norma ISO 19036:2019 ha sido aprobado por CEN como Norma EN ISO 19036:2019 sin
ninguna modificación.

Prólogo

ISO (Organización Internacional de Normalización) es una federación mundial de organismos

nacionales de normalización (organismos miembros de ISO). El trabajo de elaboración de las Normas
Internacionales se lleva a cabo normalmente a través de los comités técnicos de ISO. Cada organismo
miembro interesado en una materia para la cual se haya establecido un comité técnico, tiene el derecho
de estar representado en dicho comité. Las organizaciones internacionales, gubernamentales y no
gubernamentales,
gubernament ales, vinculadas con ISO, también participan en el trabajo. ISO colabora estrechame
estrechamente
nte con
la Comisión Electrotécnica Internacional
Internacional (IEC) en todos los temas de normalización electrotécnica.

En la Parte 1 de las Directivas ISO/IEC se describen los procedimientos utilizados para desarrollar este
documento y aquellos previstos para su mantenimi
mantenimiento
ento posterior. En particular debería tomarse nota
de los diferentes criterios de aprobación necesarios para los distintos tipos de documentos ISO. Este
documento ha sido redactado
redactad o de acuerdo con las reglas edit
editoriales
oriales de la Parte 2 de las Directivas ISO/IEC
(véase www.iso.org/directives)
www.iso.org/directives).

Se llama la atención sobre la posibilidad de que algunos de los elementos de este documento puedan
estar sujetos a derechos de patente. ISO no asume la responsabilidad por la identificación de alguno o
todos los derechos
desarrollo de patente. Los
de este documento detalles sobre
se indicarán en la cualquier derecho
Introducción delapatente
y/o en identificado
lista ISO durantede
de declaraciones el
www.iso.org/patents)).
patente recibidas (véase www.iso.org/patents

Cualquier nombre comercial utilizado en este documento es información que se proporciona para
comodidad del usuario y no constituye una recomendación.

Para una explicación de la naturaleza volunt

voluntaria
aria de las normas, el significado de los términos específicos
de ISO y las expresiones relacionadas con la evaluación de la conformidad, así como la información
acerca de la adhesión de ISO a los principios de la Organización Mundial
Mundial del Comercio (OMC) respecto a
los Obstáculos Técnicos al Comercio (OTC), véase www.iso.org/iso/foreword.html
www.iso.org/iso/foreword.html..

Este documento
documento ha sido elaborado por el Comité Técnico ISO/TC 34, Productos alimenticios,
alimenticios, Subcomité
SC 9, Microbiología
Microbiología..

Esta primera edición anula y sustituye a la Especificación Técnica ISO/TS 19036:2006, que ha sido
revisada técnicamente. También incorpora la modificación de la Especificación Técnica
ISO/TS 19036:2006/A1:2009.
19036:2006/A1:2009. Los principales cambios respecto a la edición anterior son los siguientes:

– se han realizado uunas

nas disposiciones sobre la estimación de la incertidumbre
incertidumbre técnica, así como de
otras fuentes de incertidumbre relevantes asociadas a los ensayos microbiológicos cuantitativos,
relacionadas con:

– la incertidumbr
incertidumbree asociada a la m
matriz
atriz (es decir, la incertidumbre oc
ocasionada
asionada por llaa dispersión de
los microorganismos dentro de la matriz ensayad
ensayada),a),

– la incertidum
incertidumbre
bre de Po
Poisson
isson relacionada co
con
n las técnicas de recue
recuento
nto de colo
colonias,
nias,

– la incertidumb
incertidumbre
re de la conf
confirmación,
irmación, asociada a los ensayos u
utilizados
tilizados par
paraa confirmar la identid
identidad
ad
de organismos específicos después de un recuento de organismos presuntivos,
– la incertidu
incertidumbre
mbre asocia
asociada
da a las eestimaciones
stimaciones del núm
número
ero m
más
ás probable (NMP),

– se ha descr
descrito
ito el diseño experiment
experimental
al para la estimación de la desv
desviación
iación típica de la re
reproducibili
producibilidad
dad
intralaboratorio descrita en este documento, asociada a la incertidumbre técnica, ahora es igual al
diseño descrito en la Norma ISO 16140-3 para la verificación de los métodos cuantitativos;
cuantitativos;

– se han añadido ejemplos desarrollados para

para mostrar las formas
formas en las que se deberían calcu
calcular
lar y
expresar las estimaciones de incertidumbre;
– se han añadido anexo
anexoss para proporcio
proporcionar
nar los detalle
detalless de algunos de los pro
procedimientos
cedimientos im
importantes
portantes
o alternativos, y de los problemas asociados a la estimación de la incertidumbr
incertidumbre.
e.

Cualquier comentario o pregunta sobre este documento deberían dirigirse al organismo nacional de
normalización del usuario. En www.iso.org/members.html se puede encontrar un listado completo de
estos organismos.

0 Introducción
El término “incertidumbre de la medición” (MU; del inglés Measurement Uncertainty) se utiliza para
indicar la falta de exactitud (veracidad y precisión) que se puede asociar con los resultados de un
análisis. En el contexto de la microbiología cuantitativa, proporciona una indicación del grado de
confianzaoque
alimento se puede
en otros depositar en una estimación del número de microorganism
materiales. microorganismos
os presentes en un

La Guía ISO/IEC 98-3 (también conocida como “GUM”) es un documento de referencia ampliamente
adoptado. El enfoque principal de la Guía ISO/IEC 98-3 es construir un modelo de medición matemático
o computacional que describa cuantitativamente la relación entre la magnitud medida (el mensurando)
y cualquier magnitud de la que dependa (las magnitudes de entrada). El modelo de medición se utiliza
posteriormente para deducir la incertidumbre del mensurando a partir de las incertidumbres de las
magnitudes de entrada.

La Guía ISO/IEC 98-3 reconoce que podría no ser factible establecer una relación matemática completa
entre el mensurando y las magnitudes de entrada inviduales y que, en esos casos, el efecto de varias
magnitudes de entrada puede evaluarse de forma conjunta. La Norma ISO/IEC 17025 también reconoce
que la naturaleza de los métodos de ensayo puede impedir un cálculo riguroso de la incertidumbre de
la medición.

En el caso de los
l os análisis microbiológicos de muestras procedentes de la cadena alimentaria, no resulta
factible construir un modelo cuantitativo de medición global, ya que no es posible cuantificar con
exactitud la participación de cada magnitu
magnitud d de entrada, donde:

– el analito es uunn microorgan

microorganismo
ismo vivo, cuyo estado ffisiológico
isiológico pu
puede
ede ser m
muy
uy variable
variable;;

– la diana aanalítica
nalítica abarc
abarcaa diferente
diferentess cepas, diferentes especies o diferentes gé
géneros;
neros;

– muchas magnitu
magnitudes
des de entr
entrada
ada resultan mu
muyy difíciles, si no im
imposibles,
posibles, de cuantificar
cuantificar (por eejemplo,
jemplo,
el estado fisiológico);

– en muchas magnitu
magnitudes
des de entrada (por eje
ejemplo,
mplo, la tem
temperatura
peratura o la activi
actividad
dad del agua) su eefecto
fecto
sobre el mensurando no se puede describir cuantitativ
cuantitativamente
amente con la precisión adecuada.

Por las razones indicadas anteriormente, este documento utiliza principalmente una estrategia desde
arriba-hacia-abajo o global sobre la MU, en la cual la participación de la mayoría de las magnitu
magnitudes
des de
entrada se estima en forma de desviación típica de la reproducibilidad del resultado final del proceso de
medición, calculada a partir de los resultados experimentales mediante réplicas de análisis idénticos
realizados como parte del proceso de medición. Dichas magnitudes reflejan la variabilidad experimental
que resulta en una incertidumb
i ncertidumbre
re técnica. Por lo general, en la microbiología cuantitativa de la cadena
alimentaria no se suele disponer de valores de cantidades de referencia o de valores
val ores asignados, de forma
que no se puede estimar con confianza el sesgo (que expresa de forma cuantitativa la falta de veracidad)
y no se incluye en la incertidumbre
incertidumbre estimada mediante el uso de este documento.

Pese a que la reproducibil

reproducibilidad
idad proporciona una estimación general de la incertidu
incertidumbre
mbre asociada con el
método de medición, podría no reflejar las características asociadas con la incertidumbre asociada a la
matriz, que procede de la distribución de los microorganismos en la matriz alimentaria.

Además, las determinaciones microbiológicas suelen basarse en el recuento o la detección de números

bastante reducidos de organismos que se distribuyen de una manera más o menos aleatoria, lo cual
ocasiona una variabilidad intrínseca entre las réplicas y su correspondien
correspondiente
te incertidumbre asociada a la
distribución. En el caso de las técnicas de recuento de colonias, se determina la incertidumbre de
Poisson, a la cual puede añadirse, en ciertos casos, una incertidumbre
incertidumbre asociada a los ensayos de confir-
confir -
mación realizados para identificar organismos aislados. También se requiere añadir un componente
adicional de incertidumbre en las determinaciones del número más probable (NMP).
( NMP). Los componentes
de la incertidumbre de la distribución más relevantes se calculan a partir de los datos experimentales
individuales utilizando una estimación basada en la teoría estadística.

Estos tres tipos diferentes de incertidumbre (incertidumbre

(incertidumbre técnica, de la matriz y de la d
distribución)
istribución) se
combinan utilizando los principios de la Guía ISO/IEC 98-3. Este enfoque es similar al que sigue la Norma
ISO 29201 en el ámbito de la microbiología del agua.

La incertidumbre técnica suele ser la mayor de los tres tipos y se estima utilizando una desviación típica
de la reproducibilidad, la cual incluye inevitablemente alguna contribución de los otros dos tipos. La
estimación preferible de la incertidumbre técnica se basa en la reprodu
reproducibilidad
cibilidad intralaborator
intralaboratorio,
io, en el
mismo sentido que en la Norma ISO 16140-3. Si es coherente con los protoco
p rotocolos
los del llaboratorio
aboratorio y con
los requisitos del cliente, puede emitirse un valor general de incertidumbre basado solamente en la
desviación típica de la reproducibi
reproducibilidad.
lidad.

1 Objeto y campo de aplicación

Este documento describe los requisitos y da directrices para la estimación y la expresión de la
incertidumbre de la medición (MU) asociada a los resultados cuantitativos en el ámbito de la micro-
biología de la cadena alimentaria.

Resulta aplicable para el análisis cuantitativo

cuantitativo de:

– productos destinados al consu

consumo
mo hu
humano
mano o la aliment
alimentación
ación animal;

– muestras amb
ambientales
ientales recog
recogidas
idas del áre
áreaa de produ
producción
cción y m
manipulación
anipulación de lo
loss alimentos;

– muestras pro
procedentes
cedentes de la etapa de pro
producción
ducción primaria.
Normalmente, los análisis cuantitativos se realizan por recuento de microorganismos utilizando una
técnica de recuento de colonias. Este documento también resulta aplicable de forma general para otros
análisis cuantit
cuantitativos,
ativos, incluyendo
incluyendo::

– las técnicas basadas eenn el número más probab

probable
le (NMP);

– los métodos instrum

instrumentales
entales como la impedio
impediometría,
metría, las técnicas basad
basadas
as en adenosín trifosfato
(ATP) y la citometría de flujo;

– los métodos de biología molecu

molecular
lar como los basad
basados
os en la reacción en cadena de la polime
polimerasa
rasa de
tipo cuantitativo (qPCR).

La incertidumbre estimada mediante este docume

documento
nto no in
incluye
cluye efectos sistemáticos (sesgos).

2 Normas para consulta

No hay normas para consulta
consulta en este documento.

3 Términos, definiciones y símbolos

3.1 Términos y definiciones
Para los fines de este documento, se aplican los términos y definiciones siguientes

ISO e IEC mantienen bases de datos terminológicas para su utilización en normalización en las siguientes
direcciones:

– Plataforma de bú
búsqueda
squeda en línea de ISO: d
disponible
isponible en http://www.iso.org/obp

– Electropedia de IEC: disponible en http://www.electropedia.org/

3.1.1 muestra:
<general> Unodeo una
población (o más cantidad
artículos (o una proporción
grande de cuyo
de material) material) seleccionados
objetivo de alguna
es proporcionar unaforma de una
información
representativa de la población y, posiblemente, servir de base para la toma de decisiones sobre la
población o sobre el proceso que la ha producido.

[FUENTE: Apartado 3.2.2 de la Especificación Técnica ISO/TS 17728:2015, modificado – Se ha eliminado

la Nota 1]

3.1.2 muestra de laboratorio:

Muestra (3.1.1)prepara
(3.1.1)preparada
da para su envío al laboratorio y destinada a su inspección o análisis.

[FUENTE: Apartado 3.1 de la Norma ISO 6887-1:2017]

3.1.3 muestra de ensayo:

Muestra en
descrito (3.1.1) preparada
el método a partir
de análisis y dede
la la muestra
cual de laboratorio
se recogen (3.1.2)
las porciones conforme
de ensayo
de (3.1.4).al procedimiento
NOTA 1 En los exámenes microbiológicos es poco frecuente que la preparación de la m
muestra
uestra de laboratorio se realice antes
de recoger la porción de ensayo.

[FUENTE: Apartado 3.4 de la Norma ISO 6887-1:2017]

3.1.4 porción de ensayo:

Muestra (3.1.1) representativa medida (masa o volumen) que se recoge de la muestra de laboratorio
(3.1.2) que se utiliza para preparar la suspensión inicial.
NOTA 1 En algunos casos, se necesita preparar la muestra de laboratorio antes de recoger la porción
porción de ensayo, aunque es
poco frecuente en los exámenes microbiológicos.

[FUENTE: Apartado 3.5 de la Norma ISO 6887-1:2017]

3.1.5 mensurando:
Magnitud particular sometida a medición.

[FUENTE: Apartado B.2.9 de la Guía ISO/IEC 98-3:2008, modificado – se han eliminado el ejemplo y la
Nota 1]

3.1.6 veracidad; veracidad de medida:

Grado de concordancia entre la media de un número infinito de valores medidos repetidos y un valor de
referencia.
NOTA 1 La veracidad de medida no es una cantidad y no puede expresarse numéricamente, aunque la Norma ISO 5725 (todas
sus partes) especifica formas de expresar dicho grado de concordancia.

NOTA 2 La veracidad de medida está inversamente relacionada con el error sistemático, pero no está relacionada con el error
aleatorio.

NOTA 3 No debería utilizarse el término “exactitud de medida” en lugar de “veracidad de medida” y viceversa.

[FUENTE: Apartado 2.14 de la Guía ISO/IEC 99:2007, modificado – el término recomendado se ha

modificado de “veracidad de medida” a “veracid
“veracidad”]
ad”]

3.1.7 sesgo; sesgo de la medida:

Valor estimado de un error sistemático.
sis temático.

[FUENTE: Apartado 2.18 de la Guía ISO/IEC 99:2007, modificado – el término recomendado se ha

modificado de “sesgo de la medida” a “sesgo”]

3.1.8 reproducibilidad intralaborator

intralaboratorio;
io; precisión intermedia:
Grado de concordancia entre los resultados de ensayos obtenidos con el mismo método, con idénticos o
similares materiales de ensayo, en el mismo laboratorio, con diferentes operadores, usando equipa-
miento distinto.

[FUENTE: Apartado 3.6 de la Norma ISO 8199:2018]

3.1.9 incertidumbre
Parámetro de la medición,
asociado al resultado MU: que caracteriza la dispersión de los valores que podrían
de una medida
ser razonablemente atribuidos al mensurando (3.1.5).
NOTA 1 El parámetro puede ser, por ejemplo,
ejemplo, una desviación típica (o múltiplo de ella) o la semi
semi amplitud de un intervalo con
un nivel de confianza determinado.

NOTA 2 La incertidumbre de la medición comprende, en general,

general, varios componentes. Algunas pueden evaluarse a partir de
la distribución estadística de los resultados de series de mediciones, y pueden caracterizarse por sus desviaciones
típicas experimentales. Las otras componentes, que también pueden caracterizarse por desviaciones típicas, se
evalúan asumiendo distribuciones de probabilidad, basadas en la experiencia o en otras informaciones.

NOTA 3 Se entiende que el resultado de

de la medición es la mejor estimación del valor del mensurando y q
que
ue todas las compo-
nentes de la incertidumbre, comprendidos los que provienen de efectos sistemáticos, tales como las componentes
asociadas a las correcciones y a los patrones de referencia, contribuyen a la dispersión.

[FUENTE:
modificadoApartado 2.2.3
de “medida de de la Guía ISO/IECa98-3:2008,
la incertidumbre” modificado
“incertidumbre – el término recomendado se ha
de la medición”]

3.1.10 incertidumbre típica, u:

Incertidumbre del resultado de una medición, expresada en forma de desviación típica.

[FUENTE:: Apartado 2.3.1 de la Guía ISO/IEC 98-3:2008, modificado – se ha añadido el símbolo]

[FUENTE

ípica combinada, uc(y):

3.1.11 incertidumbre ttípica
Incertidumbre típica (3.1.10) del resultado de una medición, cuando el resultado se obtiene a partir de
los valores de otras magnitudes, igual a la raíz cuadrada positiva de una suma de términos, siendo estos
las varianzas o covarianzas de esas otras magnitudes, ponderadas en función de la variación del
resultado de medida con la variación de dichas magnitudes.

[FUENTE:: Apartado 2.3.4 de la Guía ISO/IEC 98-3:2008, modificado – se ha añadido el símbolo]

[FUENTE

3.1.12 incertidumbre expandida, U:

Magnitud que define un intervalo entorno al resultado de una medición, y en el que se
s e espera encontrar
una fracción importante de la distribución de valores que podrían ser atribuidos razonablemente al
mensurando (3.1.5).
NOTA 1 La fracción puede entenderse como la probabilidad o el nivel de confianza del intervalo.

NOTA 2 Para asociar un nivel específico de confianza a un intervalo definido por la incertidumbre expandida, se requieren
hipótesis implícitas o explícitas sobre la distribución de la probabilidad representada por el resultado de la medida y
su incertidumbre típica combinada (3.1.11). El nivel de confianza que puede atribuirse a este intervalo posee la misma
validez que las hipótesis realizadas.

NOTA 3 La incertidumbre expandida U ssee calcula a partir de la incertidumbre

incertidumbre típica uc(y) y un factor de cobertura k (3.1.13)
de la siguiente forma:

U = k  uc(y)

[FUENTE: Apartado 2.3.5 de la Guía ISO/IEC 98-3:2008, modificado – se ha añadido el símbolo y se ha

sustituido la Nota 3]

3.1.13 factor de cobertura, k:

Factor numérico utilizado como multiplicador de la incertidumbre típica combinada (3.1.11), para
obtener la incertidumb
incertidumbre
re expandida (3.1.12).
[FUENTE: Apartado 2.3.6 de la Guía ISO/IEC 98-3:2008, modificado – se ha añadido el símbolo y se ha
modificado el texto de la definición]

3.1.14 incertidumbre técnica:

Incertidumbre que resulta de la variabilidad experimental asociada a las etapas técnicas del procedi-
miento analítico.
NOTA 1 La incertidumbre técnica incluye la variabilidad asociada a la toma, mezcla y dilución de la porción de ensayo
ensayo (3.1.4)
toma de la muestra de laboratorio (3.1.2) para preparar la suspensión inicial y sus diluciones adicionales. También
incluye los efectos de la variabilidad en los medios y en las incubaciones.

NOTA 2 Adaptado del apartado 3.4.2 de la Norma ISO 29201:2012.

3.1.15 incertidumbre de llaa matr

matriz:
iz:
Incertidumbre que resulta del grado en el que la porción de ensayo (3.1.4) no es verdaderamente
representativaa de la muestra de laboratorio (3.1.2).
representativ

3.1.16 incertidumbre de llaa distribución:

Incertidumbre que resulta de la variabilidad intrínseca asociada a la distribución de los microorga-
nismos en la muestra (3.1.1), la suspensión inicial y las diluciones adicionales.
NOTA 1 En las suspensiones microbiológicas, la variabilidad
variabi lidad intrínseca suele seguir un modelo de distribución de Poisson.
Cuando se realiza una
de una distribución deconfirmación
Poisson. parcial o se utiliza el principio del NMP, la distribución resultante puede apartarse

NOTA 2 Adaptado del apartado 3.4.3 de la Norma ISO 29201:2012.

3.2 Símbolos
Para los objetivos de este documento
documento,, se aplican los siguientes símbolos.

C en los métodos de recuento de colonias, número total de colonias contadas utilizadas

para calcular los resultados de la medición
np, nc en los métodos de recuento de colonias con confirmación parcial, número de colonias
presuntivas analizadas, y número de colonias confirmadas, respectivamente

sR desviación típica de la reproducibi

reproducibilidad
lidad
sIR desviación típica de la reproducibi
reproducibilidad
lidad intralabor
intralaboratorio
atorio
sIR:corr desviación típica de la reproducibi
reproducibilidad
lidad intralabora
intralaboratorio,
torio, corregida por eliminación de
componentess de la distribución y de la matriz
componente
sr desviación típica de la repetibilidad
sr:corr desviación típica de la repetibilidad, corregida por eliminación de componente
componentess de la
distribución
Sno_deseado suma de los cuadrados de los componentes no deseados
u incertidumb
incertidumbre
re típica

udistrib incertidumb
incertidumbre
re típica de la distribución
utécn incertidumb
incertidumbre
re típica técnica
uconf incertidumb
incertidumbre
re típica de la confirmació
confirmación
n
umatriz incertidumb
incertidumbre
re típica de la matriz
uNMP incertidumb
incertidumbre
re típica del número más probable
uno_deseado incertidumb
incertidumbre
re típica del componente
componente no deseado
uPoisson incertidumbre
incertidumbre típica de la distribución de Poisson
uc(y) incertidumbre
incertidumbre típica combinada (de la estimación del resultado)
k factor de cobertura
U incertidumbre
incertidumbre expandida (de la estimación del resultado
resultado)) = k  uc(y)

- 15 - UNE-EN ISO 19036:2020

4 Consideraciones generales
La MU asociada con el valor de cualquie
cualquierr medición incluye múltiples componentes.

Como se indica en el objeto y campo de aplicación (véase el capítulo 1), la incertidumbre estimada con
este documento
cuantitativa de lanocadena
incluyealimentaria,
las contribuciones de los
no se suele efectos sistemáticos
disponer de valores de(sesgos
(sesgos).
). En la
cantidades demicrobiología
referencia o
valores asignados, de forma que el sesgo no se puede estimar con confianza.

Este documento considera tres tipos diferentes de componentes de la incertidumbre:

– la incertidu
incertidumbre
mbre técnica;

– la iincertidumbr
ncertidumbree de la matriz;

– la iincertidumbr
ncertidumbree de la distribución.

La incertidumbre técnica procede de la variabilid

variabilidad
ad experimental y se estima, utilizando una estrategia
global, a partir de una desviación típica de la reprod
reproducibilidad
ucibilidad del resultado final del proceso de medi-
ción (véase el capítulo 5). Esta estrategia global supone que la estimación de la incertidumbre técnica
procede del resultado final del ensayo en lugar del cálculo basado en la estimación de las incertidumb
incertidumbres
res
de cada etapa individua
i ndividuall del ensayo.

La incertidumbre de la matriz procede de que la mezcla de la muestra de laboratorio no es perfecta, lo

cual resulta en una baja reproducibilidad de los niveles de microorganism
microorganismos
os entre porciones de ensayo;
puede ser grande en el caso de las matrices sólidas y en especial en los productos alimenticios com-
puestos. La estimación de la incertidumbre de la matriz se realiza para cada tipo de matriz (véase el
capítulo 6).

Incluso en el caso de los materiales homogéneos, la distribución aleatoria de los microorganismos

ocasiona la incertidumbre de la distribución (véase el capítulo 7), de la cual se consideran en este
documento tres tipos posibles. La relevancia de cada uno depende del método utilizado:

– para llas
as técnicas de rrecuento
ecuento de colonias:

– la inc
incertidumbr
ertidumbree de Poisson (véase 7.2);

– la incerti
incertidumbre
dumbre de la confirm
confirmación
ación (vé
(véase
ase 7.3
7.3);
);

– para las técnicas de N

NMP:
MP: la iincertidumbre
ncertidumbre del NMP (véase 7.4
7.4).
).

La incertidumbre de cada una de las fuentes de incertidumbre de la distribución se estima matemá-

ticamente.

Este documento presenta dos opciones para estimar la incertidumbre combinada de una medición
obtenida.

a) Los compo
componentes
nentes de la ince
incertidumbre
rtidumbre técnica, de la m
matriz
atriz y de la distribución para un vvalor
alor
obtenido
de lo cual se
lospueden estimar porseseparado
tres componentes unas
combinan de la8.1.2).
(véase otras (véanse los capítulos 5, 6 y 7), después

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 16 -

b) Puede emitirs
emitirsee un valor general de incertidumbre basado exclusiva
exclusivamente
mente en la desviaci
desviación
ón típica de
una reproducibilidad, si es coherente con los protocolos del laboratorio y los requisitos del cliente
(véase 8.1.3). En realidad, la incertidumb
incertidumbre
re técnica suele ser el componente mayoritario de los tres
componentess de in
componente incertidum
certidumbre.
bre.

5 Incertidumbre técnica

5.1 Identificación de las fuentes principales de incertidumbre

5.1.1 Aspectos generales
Puede resultar útil considerar las fuentes de incertidumbre técnica asociadas habitualmente con las
etapas principales de un método microbiológico. Las fuentes más típicas en las técnicas de recuento de
colonias o de NMP son:

– la toma de uuna
na porción de ensayo a p
partir
artir de la muestra de laboratorio (o de ensayo);

– la preparación de la suspensión inicial;

– la dilución seriada;

– la inoculación;

– la incubación;

– el recuento de co
colonias
lonias en una técnica de recuento
recuento de colonias y/o de detección del crecimien
crecimiento
to
(como en la técnica de NMP);

– la confirmació
confirmación
n (si correspon
corresponde).
de).

La figura 1 muestra las principales fuentes de incertidumbre asociadas a la microbiología de la cadena

alimentaria consideradas en este documento.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 17 - UNE-EN ISO 19036:2020

Leyenda
Procedimientos secuenciales
Factores que afectan a la estimación de la incertidumbre
Factores que no se consideran en este documento

Figura 1 – Principales fuentes de incertidumbre asociadas a la microbiología de la cadena

alimentaria consideradas en este documento

5.1.2 Incertidumbre de la toma de muestras

La incertidumbre
laboratorio de de
a partir la toma de sometido
un lote muestras,aesexamen
decir, elpuede
error contribuir
asociado con
de la recogida
forma de la muestra
significativa de
al error
global [18], pero no forma parte de la incertidumbre asociada a la propia medición y no queda
contemplada por este documento.

La incertidumbre de la matriz, que procede de la incapacidad de la porción de ensayo de representar

perfectamente a una muestra de ensayo o una muestra de laboratorio heterogénea está contemplada en
el capítulo 6. El grado de esta falta de capacidad puede depender del tamaño de la porción de ensayo
tomada para su examen (véase la Norma ISO 6887-1).

5.1.3 Sesgo
Como se indica en los capítulos 1 y 4, la MU estimada por este documento no incluye las contribuciones
contribuciones
procedentes de los efectos sistemáticos que conforman el sesgo.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 18 -

5.1.4 Factores críticos

Algunos ejemplos de factores técnicos críticos que pueden influir sobre la incertidumbre y necesitan
controlarse incluyen: la procedencia y el tipo de los medios de cultivo y/o de otros reactivos (como los
utilizados para la confirmación), la dilución, los procedimie
procedimientos
ntos de inoculación e incubación, las técnicas
de recuento (manuales o automáticas),
automáticas), los cambios de analista o de grupo de analistas, etc.
5.2 Estimación de la incertidumbre técnica
5.2.1 Aspectos generales
La incertidumbre técnica se estima a partir de la desviación típica de la reproducibilidad,
reproducibilidad, sR, asociada al
resultado final del proceso de medición. De esta forma, la incertidumbre técnica es una característica
del método y la incertidumbre técnica estimada para un método no puede aplicarse sobre otros
métodos.

Debería realizarse una estimación continua de la MU para asegurar que la incertidumbre sigue vigente
y que los resultados del ensayo están bajo control. Debe realizarse una reevaluació
reevaluación
n de la estimación de
la MU siempre que se realice un cambio en cualquier factor (crítico) (véanse 5.1.1 y 5.1.4) que con
probabilidad invluye de forma significativa sobre los resultados obtenidos con dicho método.

En este documento aparecen tres posibilidades distintas de estimación de la desviación típica de la

reproducibilidad. Se basan en la repetición de mediciones realizadas sobre un material teóricamente
idéntico. El orden de preferencia es el siguiente:

– opción 1: repro
reproducibilidad
ducibilidad intra
intralaboratorio,
laboratorio, eess decir, la reproducibilidad estima
estimada
da dentro de un
mismo laboratorio (véase 5.2.2);

– opción 2: reprodu
reproducibilidad
cibilidad procede
procedente
nte de los resultados
resultados de un estu
estudio
dio interlaborato
interlaboratorios
rios de vali-
dación del método (véase 5.2.3.1);

– opción 3: reproducibilidad procedente de los resultados de un ensayo de aptitud (EA) interlabo-

ratorios (EA) (véase 5.2.3.2).

5.2.2 Desviación típica de la reproducibilidad procedente de experimentos intralaboratorio, sIR

5.2.2.1 Aspectos generales
La opción 1, de la reproducibilidad intralaboratorio, es la opción preferida para deducir la MU técnica
ya que permite al laboratorio
la boratorio asociar el valor de MU con el resultado que emite, en concordancia con la
definición de MU.

El protocolo experimental descrito en este capítulo debería tener en cuenta el mayor número posible
las fuentes de incertidum
in certidumbre
bre identificadas en él (véase 5.1).

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 19 - UNE-EN ISO 19036:2020

5.2.2.2 Protocolo experimental

5.2.2.2.1 Aspectos generales

El protocolo para analizar exactamente dos porciones de ensayo de todas las muestras de laboratorio
se muestra
casos en lamás
(es decir, figura
de2,dos
y los cálculos de
porciones correspondientes se recogen
ensayo de alguna en ellasapartado
o de todas muestras5.2.2.3. En los demás
de laboratorio), el
protocolo y los cálculos se recogen
recogen en el anexo A.

En cada método de ensayo se realiza el protocolo experimental de la figura 2 con un mínimo de diez
muestras de laboratorio y se repite hasta disponer como mínimo de dos resultados aceptables de cada
muestra de laboratorio. El apartado 5.2.2.3.1 aporta indicaciones sobre los valores aceptables. En
función de las circunstanc
circunstancias,
ias, se pueden necesitar más de diez muestras de laboratorio y/o más de dos
porciones de ensayo de cada muestra de laboratorio.

Los datos procedentes de distintas muestras de laboratorio se recogen a lo largo de un período de

tiempo como parte de una actividad especial o como parte de la rutina del sistema de gestión de la
calidad del laboratorio. En este último caso, se debería verificar que se siguen los principios del diseño
experimentall descritos en este capítulo.
experimenta

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 20 -

Figura 2 – Protocolo experimental para la estimación de la reproducibil

reproducibilidad
idad intralaboratorio.
Dos determinaciones en todas las muestras de laboratorio
5.2.2.2.2 Selección de las muestras de laboratorio
La estimación de la reproducibi
reproducibilidad
lidad intra-laboratorio está diseñada para excluir las contribuciones de
la heterogeneidad en la muestra de laboratorio, de forma que no es necesario repetir esta estimación
para distintas matrices y esta estimación se puede realizar sobre una sola matriz.

Los cálculos (véase 5.2.2.3) utilizan los datos transformados en sus logaritmos para normalizar la
varianza de la reproducibilidad intralaboratorio, de forma que no es necesario repetir el protocolo
experimentall para distintos niveles de contaminación. Sin embargo, siempre que sea posible, las mues-
experimenta
tras de laboratorio deberían escogerse de forma que cubran la variación natural esperada en cuanto a
niveles de contaminación.

5.2.2.2.3 Muestras procedentes de ensayos de interlaboratorios

Si un laboratorio participa en EA interlaborato
interlaboratorios,
rios, los resultados de los an
análisis
álisis de dicho laboratorio se
pueden utilizar para contribuir a la estimación de la reproducibilidad intralaboratorio de la incerti-
dumbre, siempre que:

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 21 - UNE-EN ISO 19036:2020

a) las muestr
muestras
as del EA se
sean
an represent
representativas
ativas de las muestras de rutina analizadas por el laborator
laboratorio
io
(tipo de matriz, tamaño de la porción de ensayo);

b) el laborator
laboratorio
io realice la estimación de dos o más po
porciones
rciones de eensayo
nsayo bajo diferentes condiciones
de medición, como se señala en el apartado 5.2.2.2.6.

No obstante, si la estimación de la reproducibilidad intralaboratorio

intralaboratorio procedente de las muestras del EA
difiere mucho de las estimaciones internas con muestras reales del mismo tipo, estas diferencias
di ferencias deben
identificarse y registrarse, dado que pueden reflejar diferencias en la matriz y en el inóculo microbio-
lógico utilizado en las muestras
muestras del EA.

5.2.2.2.4 Preparación de la muestra de laboratorio

Para minimizar las contribuciones a la incertidumbre de la matriz, la muestra de laboratorio, o la
muestra para análisis cuando la muestra de laboratorio sea demasiado grande para poderse homoge-
neizar, debería hacerse lo más homogénea posible. Las muestras de laboratorio que presenten las
siguientes características deberían
deberían mezclarse bien antes de tomar las porciones de ensayo:

– muestras en po
polvo
lvo y líqu
líquidos
idos no vviscosos
iscosos (por eje
ejemplo,
mplo, lech
leche,
e, leche de coco, leche desh
deshidratada);
idratada);

– muestras sólid
sólidas
as picadas/corta
picadas/cortadas
das finamente o suspensione
suspensiones/emulsiones
s/emulsiones (por ejemplo, carne p
pii -
cada, carne separada mecánicamente, carne de salchichas, carne triturada, nata batida, helados
lácteos, nata de leche de soja).

Antes de tomar las porciones de ensayo, los demás tipos de muestras de laboratorio o de muestras de
ensayo deberían mezclarse utilizando un procedimie
procedimiento
nto de homog
homogenización
enización adecuado. Consúltense las
posibilidades adecuadas para cada tipo de material de la muestra en la Norma ISO 6887 (todas sus
partes).

5.2.2.2.5 Porciones de ensayo

Se recogen como mínimo dos porciones de ensayo a partir
pa rtir de cada muestra de laboratorio (o de ensayo)
para que se puedan realizar réplicas de las mediciones.

5.2.2.2.6 Suspensión inicial, contaminación artificial (en caso necesario) y condici

condiciones
ones de análisis
Si se requiere contaminación artificial, se realiza sobre la suspensión inicial. Los procedimientos
detallados sobre la preparación de alimentos inoculados de manera artificial se describen
d escriben en la Norma
ISO 16140-3.

Se realizan los análisis sobre cada porción de ensayo como en los ensayos de rutina (por ejemplo,
preparación de una serie de diluciones decimales, inoculación de una o de dos placas por cada nivel de
dilución).

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 22 -

Las condiciones de medición A y B de las dos porciones de ensayo (véase la figura 2, o el anexo A si se
examinan más de dos porciones de ensayo) deberían diferenciarse en tantos aspectos como sea posible.
Idealmente, se incluyen tantas variaciones en todas las fuentes relevantes de incertidumbre técnica
(véase 5.1) como las que podrían encontrarse entre un día y otro dentro del laboratorio. Típicamente
incluirán, sin limitarse a ellas, los lotes de medios de cultivo, reactivos y filtros de membrana, mezcla-
dores de vórtex u otros agitadores, pH-metro, incubadores,
incubadores, tiempo de análisis, etc. Si es posible, las dos
porciones de ensayo se deberían analizar por parte de dos analistas distintos como mínimo. Dado que
la contaminación de las muestras de alimentos raramente es estable en la microbiología de la cadena
alimentaria, las repeticiones de las mediciones deberían realizarse el mismo día y dentro de un corto
período de tiempo. Solamente se pueden realizar las repeticiones en días distintos si se puede demostrar
que los niveles de contaminació
contaminación n son estables.

El patrón de cambios no debería ser el mismo para todas las muestras de laboratorio (o de ensayo). Por
ejemplo, si la muestra 1 se analiza por parte del analista A utilizando el lote de medio B el día 1, la
muestra 2 debería modificar este patrón, por ejemplo, la muestra 2 se analiza por parte del analista A
utilizando el lote de medio A el día 1 o el día 2. El objetivo es maximizar la variación entre las repeticiones
de las mediciones, pero manteniendo al mismo tiempo una representación realista de las operaciones
del laborator
laboratorio.
io.

5.2.2.3 Cálculos
5.2.2.3.1 Resultados aceptables
En el caso de las técnicas de recuento de colonias, hay que confirmar que puede utilizarse un número
suficientemente grande de colonias contadas para los cálculos. Deberían excluirse los resultados de
recuentos basados en menos de 30 colonias contadas, así como los recuentos por encima del número
máximo por placa (en la mayor parte de los casos, 300 ufc/placa o inferior, según marque la norma
específica).
NOTA 1 El límite de 30 colonias hace referencia a la suma del número total
total de colonias contadas en todas las placas conser-
vadas, ΣC, para cada resultado individual.

NOTA 2 El límite de 30 colonias es específico

específi co de este protocolo experimental para estimar la desviación típica de la
reproducibilidad intralaboratorio (es decir, de experimentos cuyo objetivo específico es evaluar la incertidumbre) y
no utilizar esta desviación típica para evaluar la MU en muestras nuevas (véase el capítulo 8).

En los métodos que incluyen confirmación parcial, debería excluirse cualquier resultado en el que
menos de la mitad de las colonias analizadas se hayan confirmado; es decir, se recomienda excluir los
resultados en los que nc  np/2 (consúltense los símbolos en el apartado 7.3).

En los métodos basados en el NMP, en los que el resultado de una sola medición proviene de un conjunto
de resultados de ensayos positivos o negativos, los resultados de mediciones basados en menos de cinco
resultados positivos deberían excluirse de los cálculo
cálculoss de la reproducibilidad intralaborato
intralaboratorio.
rio.
NOTA 3 El límite de cinco resultados positivos hace referencia a la suma de resultados positivos a lo largo de todas las
diluciones analizadas que conforman un único resultado de medición. Este límite no depende del número de
resultados de ensayo negativos ni del número total de resultados del ensayo.

5.2.2.3.2 Desviación típica de la reproducibilidad intralab

intralaboratorio
oratorio

Siguiendo
porción delas prácticas
ensayo normales
en ufc/g enselatransforma
o ufc/ml microbiología
en sudevalor
la cadena alimentaria,
en unidades el resultado
log10 ufc/g o ufc/ml de cada
antes de
realizar los cálculos.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 23 - UNE-EN ISO 19036:2020

Este apartado describe el procedimiento de cálculo para analizar exactamente dos valores de todas las
muestras de laboratorio. Consultar el anexo A para el procedimiento de cálculo que se utiliza cuando
hay más de dos valores de cada muestra de laboratorio. El anexo A también indica un cálculo alternativo
para el caso de dos valores de todas las muestras de laboratorio.
laboratorio.

Con las n (como mínimo 10) muestr

muestrasas de laboratori
laboratorioo utilizadas para una implementación determinada
del protocolo (véase 5.2.2.2), los resultados (y1A e y1B) de cada una de las porciones de ensayo se utilizan
para calcular la desviación típica de la reproducibil
reproducibilidad
idad intralaboratorio, sIR, como indica la fórmula (1):

n
1 2

2n  iA
s IR = ( y − y iB ) (1)
i =1

donde
i es el identificador
i dentificador de la muestra, i = 1 a n ((nn  10);

1A, y1B son los datos transformados en sus valores logarítmicos, log10 ufc/g o ufc/ml procedentes de
las condiciones A y B, respectivamente.

En la tabla 1 se
s e incluye un ejemplo de cálculo manual. Los cálculos se realizaron con Excel®1) a partir de
los valores indicados de factores de dilución (d( d) y colonias contadas (C
(C). Los valores derivados se han
redondeado para poderse representar,
representar, pero se ha mantenido su valor sin redondear en los cálculos.

1) Excel es el nombre comercial

comercial de un producto suministrado por Microsoft. Se incluye esta información por su utilidad para
los usuarios de este documento sin que constituya una recomendación por parte de ISO hacia el producto mencionado.
Pueden utilizarse productos equivalentes siempre que pueda demostrarse que proporcionan los mismos resultados.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 24 -

Tabla 1 – Cálculo de la desviación típica de la reproducibilidad intralaboratorio. Ejemplo del

recuento de flora mesófila aeróbica en una mezcla de carne de pollo realizando una réplica
para cada una de las dos diluciones analizadas
Media ponderada del

Muestra de Porción
de Factores de dilución (d) Total de
colonias resultado delenrecuento
de colonias ufc/g o log10 ufc/g Diferencia Cuadrado
la diferenciade
laboratorio Colonias contadas ( C) o ufc/ml log10 ufc
ensayo contadas ufc/ml (consúltese la (y1A - y1B)2
Norma ISO 7218)
i j d1 C1 d2 C2 ΣCij xij yij = log10(xij) yiA – yiB (yiA – yiB)2
1 A 3 102 4 8 110 1,0  105 5,000 0
0,242 1 0,058 6
1 B 3 59 4 4 63 5,7  104 4,757 9
2 A 5 61 6 6 67 6,1  106 6,784 7
⎼0,043 2 0,001 9
2 B 5 66 6 8 74 6,7  106 6,827 8
3 A 4 168 5 18 186 1,7  106 6,228 1
0,301 0 0,090 6
3 B 4 86 5 7 93 8,5  105 5,927 1
4 A 5 266 6 25 291 2,6  107 7,422 5
0,270 8 0,073 3
4 B 5 140 6 16 156 1,4  107 7,151 7
5 A 6 45 7 5 50 4,5  107 7,657 6
0,540 6 0,292 3
5 B 5 129 6 15 144 1,3  107 7,117 0
6 A 4 129 5 12 141 1,3 × 106 6,107 8
0,045 4 0,002 1
6 B 4 117 5 10 127 1,2 × 106 6,062 4
7 A 2 92 3 8 100 9,1 × 103 3,958 6
⎼0,158 4 0,025 1
7 B 2 131 3 13 144 1,3 × 104 4,117 0
8 A 3 139 4 13 152 1,4 × 105 5,140 5
⎼0,016 8 0,000 3
8 B 3 143 4 15 158 1,4 × 105 5,157 3
9 A 1 49 2 5 54 4,9 × 102 2,691 0
⎼0,419 9 0,176 3
9 B 1 129 2 13 142 1,3 × 103 3,110 9
10 A 4 142 5 13 155 1,41 × 106 6,148 9
0,787 2 0,619 7
10 B 3 227 4 26 253 2,30 × 105 5,361 7
sum = 1,340 1
1,340 1/(2 × 10) = 0,067 0
sIR = √0,067 = 0,258 9

C 63
d1 1B 3 3 4
xij son los recuentos de colonias calculados con
co n las porciones de ensayo, es decir x
1B
= 10 = 10 = 10  57 3 = 5 73  10
, , .
1, 1 1, 1

El anexo A describe los cálculos para el caso general en el que haya más de dos valores de cada muestra
de laboratorio y también enseña cómo se pueden realizar los cálculos mediante el análisis de la varianza
(ANOVA) en el caso general de que haya dos y más valores de cada muestra de laboratorio.
NOTA La desviación típica de la reproducibilidad
reproducibilidad incluye inevitablemente los componentes de la matriz y de la distribución
distribución
relevantes para los datos de reproducibilidad. Si la incertidumbre del resultado de un ensayo se calcula combinando
esta desviación típica de la reproducibilidad con los componentes de la matriz y de la distribución relevantes para el
resultado del ensayo, se producirá una sobreestimación de la incertidumbre. Los laboratorios pueden escoger evitar
dicha
los sobreestimación,
componentes a costa de unos
de incertidumbre de cálculos
la matrizmás
y decomplicados, restando
la distribución de la desviación
relevantes. típicaalternativa
Esta estrategia de la reproducibilidad
opcional se
describe en el anexo D, obteniéndose una desviación típica corregida, sIR:corr.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 25 - UNE-EN ISO 19036:2020

5.2.3 Desviación típica de la reproducibilidad procedente de estudios interlaborator

interlaboratorios
ios

5.2.3.1 Estudios interlaborator

interlaboratorios
ios de validación del método

5.2.3.1.1 Aspectos generales

Cuando el método utilizado por un laboratorio se ha sometido a un estudio de validación interlabo-
ratorios, el laboratorio puede utilizar la desviación típica
tí pica de la reprodu
reproducibilidad
cibilidad del método como una
estimación de su MU técnica, siempre que se cumpla la siguiente condición:
condici ón: las estimaciones de la repe-
tibilidad y la reproducibilidad de la precisión obtenidas con las mediciones realizadas dentro del labo-
ratorio no deben ser superiores a los valores correspo
correspondientes
ndientes obtenidos en el estudio interlabor
interlaboratorio.
atorio.

El procedimiento utilizado para comprobar que se cumple esta premisa y para obtener una estimación
de la incertidumbre combinada con posibles factores adicionales no considerados en el estudio
interlaboratorios
interlaboratorios se describe en detalle en la Norma ISO 21748.

5.2.3.1.2 Uso en microbiología de los alimentos

Las limitaciones al uso de los estudios interlaboratorios de validación de métodos para estimar la
incertidumbree técnica se resumen a continuación.
incertidumbr

– No se dispone de parámetros de reprodu

reproducibilidad
cibilidad proce
procedentes
dentes de los estudios inter
interlaboratorios
laboratorios de
validación del método para todos los métodos.

– El grado en eell que la toma de la po

porción
rción de ensayo y la preparación de la suspensión in
inicial
icial incluyen
efectos de la matriz dependerá del diseño experimental del estudio interlaboratorio
interlaboratorio de validación del
método.

– Los valores de precisi

precisión
ón procedentes de un estudio interlaboratori
interlaboratorioo de validación del método se
habrán obtenido bajo unas condiciones limitadas y definidas con precisión. Las combinaciones de
matriz, cepa del microorganismo de ensayo, nivel de contaminación, tratamientos de estrés, etc. se
utilizan para conseguir unas muestras homogéneas y normalizadas para los estudios interlabo-
ratorios en presencia o ausencia de una microflora basal definida. Por consiguiente, la variación
natural de contaminación de las muestras que se puede encontrar en la práctica es reducida, lo que

ocasiona una infraestimación

reproducibilidad, las pruebas de la incertidumbre.
artificiales Dedifíciles
pueden ser esta forma, incluso si se
de generalizar dispone
a los dede
análisis datos de
rutina
realizados por el laborator
laboratorio.
io.

– Es poco probab
probable
le que se dispon
disponga
ga de detalles adecuado
adecuadoss para corregir la desviación típic
típicaa de la repro-
ducibilidad interlaboratorios
interlaboratorios en base a componentes
componentes de la incertidumbre no deseados, conforme al
anexo D.

Por estas razones, el uso de la desviación típica de la reproducibilidad procede

procedente
nte de un estudio interla-
boratorios del método es solo una segunda opción, después de la desviación típica de la reproducibilidad
procedente de experimentos intralaboratorios (véase 5.2.2).

5.2.3.2 Ensayos de aptitud interlaborator

interlaboratorios
ios
Solamente se puede utilizar la estimación de la reproducibilidad obtenida por los participantes de un
EA para estimar la incertidumbr
incertidumbree en la siguiente situació
situación:
n:

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 26 -

– Cuando se ha utilizado el mismo método por parte de todos por los participantes de un EA, un parti-
cipante cuyos resultados se han considerado satisfactorios
satisfactorios por parte del organizador
organizador del EA puede
estimar la incertidumbre técnica como la desviación típica de todos los resultados considerados
satisfactorios por parte del organizador del EA.

– Como en el ccaso
aso del apartado 5.2.3.1, el grado een
de la suspensión inicial incluyen
n el que la tom
tomaa de la porción de ensayo y la preparación
in cluyen efectos de la matriz dependerá del diseño experimental del EA.
– Como en el caso de
dell apartado 5.2.3.1,
5.2.3.1, los valores de rreproducibilidad
eproducibilidad procedentes
procedentes de un EA se habrán
obtenido bajo unas condiciones limitadas y definidas con precisión. Las combinaciones de d e matriz, cepa
del microorganismo de ensayo, nivel de contaminación, tratamientos de estrés, etc. se utilizan para
conseguir unas muestras homogéneas y normalizadas para el EA en presencia o ausencia de una
microflora basal definida. Por consiguiente, la variación natural de contaminación de las muestras que
se puede encontrar en la práctica es reducida,
r educida, lo que ocasiona una infraestimación de la incertidumbre.
– Como en el caso del apartado 5.2.3.1, es poco probable ququee se disponga de detalles adecuados para
corregir la desviación típica de la reproducibilidad en base a componentes de la incertidumbre no
deseados, conforme al anexo D.

De esta forma, las pruebas artificiales pueden ser

ser difíciles de generalizar a los análisis de rutina realiza
realiza--
dos por el laborato
laboratorio.
rio.
Dadas estas limitaciones, el uso de la desviación típica de la reproducibilidad procedente de un EA
interlaboratorios es solo una tercera opción, después de la desviación típica de la reproducibilidad
procedente de experimentos intralaboratorios (véase 5.2.2) y de la desviación típica de la reproduci-
bilidad procedente de un estudio interlaborato
interlaboratorio
rio del método (véase 5.2.3.1).
Cuando se sigue esta opción, debe prestarse atención para asegurar que la desviación típica que se
utiliza es la de los resultados de los participantes del EA, como se describió anteriormente. Este valor
normalmente es diferente de la desviación típica de la evaluación de la capacitación utilizada para
calcular los índices-z (un parámetro estadístico de funcionamiento
funcionamiento definido en la Norma ISO 13528).
Sin embargo, tal como se describe en el apartado 5.2.2.2.3, los resultados obtenidos dentro de un labora-
torio mediante el análisis de un mínimo de dos porciones de ensayo con una muestra de un EA interlabora-
torios puede incluirse dentro de la evaluación de la reproducibilidad intralaboratorio de dicho laboratorio.

6 Incertidumbre de la matriz

6.1 Aspectos generales

El resultado de un ensayo se puede ver afectado tanto por la composición de la matriz como por la
distribución microbiológica.
microbiológica. En este documento, el término “incertidumbre de la matriz” hace referencia
exclusivamente a los efectos de la distribución microbiológica en una matriz determinada, es decir, la
variación entre los resultados obtenidos con distintas porciones de ensayo tomadas de la misma
muestra de laboratorio. Refleja el grado en el cual las porciones de ensayo individuale
individualess no son represen-
tativas de la muestra de laboratorio en su conjunto. La incertidumbre de la matriz es diferente de la
incertidumbree de la toma de muestras (véase 5.1.2), que no se aborda en este docume
incertidumbr documento.
nto. Se considera
que la incertidum
in certidumbre
bre de la matriz es independiente del método analítico utilizado. Esto quiere decir que
la incertidumbre
incertidumbre de de la matriz
la matriz estimada
para para
todos los una matriz
ensayos puede utilizarse
cuantitativos realizadoscomo
sobrela dicha
contribución a la
matriz. Esta
consideración también se aplica a la distribución de los diferentes tipos de microorganismos en la
muestra y a la historia de la muestra (por ejemplo, si la muestra se ha contaminado tr tras
as la producción).

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 27 - UNE-EN ISO 19036:2020

Si el material es efectivamente homogéneo, como los líquidos bien mezclados (leche, agua, bebidas),
cabe esperar que la incertidumbre de la matriz sea pequeña. No obstante, se reconoce [17] que la
contaminación microbiológica
microbiológica natural de ciertos productos alimenticios (especialmente los productos
sólidos, procesados o fermentados, etc.) puede ser muy heterogénea, lo cual puede contribuir a un
componente de incertidumbre elevado. Esto es especialmente cierto para productos formados por
múltiples componentes compuestos por partes diferenciadas como las pizzas o las comidas cocinadas
listas para consumir. También puede ocurrir con otros alimentos incluidos los alimentos en polvo (por
ejemplo, leche en polvo deshidratada), los quesos y las verduras recién cortadas.
cortadas. En dichos materiales
heterogéneos la incertidumbre se puede reducir recogiendo una porción de ensayo de mayor tamaño
(véase la Norma ISO 6887-1).

Si es probable que la composición del material afecte sustancialmente al funcionamiento del método,
debería considerarse restringir la aplicación del valor de la reproducibi
reproducibilidad
lidad intralaboratorio solamente
para los materiales similares; por ejemplo, el recuento directo de organismos dañados de forma subletal
en alimentos procesados o en muestras relacionadas con la higiene ambiental;
a mbiental; véase también la Norma
ISO 6887-1.

Consúltense detalles
detalles adicionales en el anexo B.

En los apartados 6.2 a 6.4 se describen tres estrategias para estimar la incertidumbre de la matriz:
– el uso de un valor fijo (véase 6.6.2):
2): para muestras de laboratorio
laboratorio (o de ensayo
ensayo)) homogéne
homogéneas
as bien
mezcladas, cabe esperar que la incertidumbre de la matriz sea pequeña y puede utilizarse un valor
fijo (mínimo);

– el examen de múl
múltiples
tiples porciones de ensayo proc
procedentes
edentes de mumuestras
estras de laboratorio (o de ensayo)
en las cuales se pueda determi
determinar
nar la varianza dentro de la serie de muestras (véase 6.3);

– las características má
máss relevantes de la matriz y del método son bie
bien
n conocidas y llaa incertidumbre de
la matriz se puede estimar a partir del conocimiento previo
previo (véase 6.4).

6.2 Situación de una muestra de laboratorio (o de ensayo) homogénea

La experiencia indica que los producto
p roductoss líquidos (fluidos claros, n
noo viscosos) se consideran homogéneos
y presentan por lo tanto una incertidumbre asociada a la matriz relativamente baja; típicamente,
umatriz = 0,1 log10 ufc/g o ufc/ml, procedente de los experimentos recogidos en la referencia [14] de la
bibliografía (disponible para descarga gratuita en http://standards.iso.org/iso/19036 ). No obstante, en
algunos casos, la incertidumbre de la matriz de dichos materiales puede ser superior.

Siempre que la muestra de laboratorio completa puede hacerse homogénea

homogénea antes de tomar la porción
de ensayo, la incertidumbre de la matriz puede considerarse como un valor fijo de umatriz = 0,1 unidades
log10[14]. La homogeneización puede incluir tratamientos que empleen, por ejemplo, un molinillo de
cuchillas, un sistema de palas peristálticas o un sistema de ultrasonidos (por ejemplo, un Pulsifier®2)).
En las Normas ISO 6887-1 e ISO 7218 se ofrecen consejos sobre las técnicas de homogeneización.

2) Pulsifier es el nombre comercial

comercial de un producto suministrado por Microgen. Se incluye esta información por su utilidad
para los usuarios de este documento sin que constituya una recomendación por parte de ISO hacia el producto mencionado.
Pueden utilizarse productos equivalentes siempre que pueda demostrarse que proporcionan los mismos resultados.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 28 -

6.3 Múltiples porciones de ensayo a partir de las muestras de laboratorio

La incertidumbre de la matriz se puede estimar como la desviación típica de la repetibilidad intrala-
boratorio, analizando múltiples porciones de ensayo en condiciones de repetibilidad a partir de una o
más muestras de laboratorio, utilizando el diseño experimental de la figura 3.

Figura 3 – Diseño
de un mínimo de experimental
dos porcionespara estimar
de ensayo delacada
incertidumbre
muestra de de la matriz aDiseño
laboratorio. partir
para cada muestra de laborator
laboratorio
io

Esta estimación supone inevitablemente una sobreestimación de la incertidumbre de la matriz ya que

incluye algunos componentes de la incertidu
incertidumbre
mbre técnica, debido a la variación experimental producida
en las repeticiones de los
l os análisis. Para minimizar esta sobreestim
sobreestimación,
ación, las repeticiones de los aanálisis
nálisis
procedentes de una misma muestra de laboratorio se realizan bajo las condiciones más similares
posibles, es decir, bajo “condiciones de repetibilidad”. Las condiciones pueden cambiar entre distintas
muestras de laboratorio.
l aboratorio.

Se utilizan muestras contaminadas de forma natural, ya que es poco probable que la contaminación
artificial refleje la incertidumbre real de la matriz. Dado que la incertidumbre de la matriz se considera
independiente del mensurando y del método de ensayo utilizado, deberían escogerse mensurandos en
los que sea
recuento deprobable encontrar
microrganismos muestras
aeróbicos contaminadas
mesófilos totales, de forma natural. Laoaplicación
Enterobacteriaceae de ensayos
microorganismos de
termó-
filos formadores de esporas pueden ser todos ellos una buena elección.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 29 - UNE-EN ISO 19036:2020

Todas las porciones de ensayo pueden proceder de una sola muestra de laboratorio. Esto puede ser
especialmente apropiado
apropiado cuando se analiza una matriz nueva, es decir, una matriz de un tipo distinto a
las evaluadas anteriormente. Consúltese
Consúltese el apartado 6.4 sobre las di
directrices
rectrices al considerar matrices del
mismo tipo.

Alternativamente, las porciones de ensayo pueden proceder de múltiples muestras de laboratorio, que
Alternativamente,
pueden analizarse a lo largo de un determinado período de tiempo para conseguir una estimación de la
incertidumbree de la matriz de aplicación más general.
incertidumbr

En todos los casos, deben recogerse como mínimo dos porciones de ensayo de cada muestr
muestraa de la
labora-
bora-
torio y el número total de porciones de ensayo debe ser como mínimo de diez unidades más que el
número de muestras de laboratorio. Por ejemplo:

– se toman 2 po
porciones
rciones de ens
ensayo
ayo de cad
cadaa una de 1
10
0 muestras de laboratorio; o

– se toman 1111 porcio

porciones
nes de eensayo
nsayo de 1 muestra de lab
laboratorio.
oratorio.

Consúltese la descripción de resultados aceptables en el apartado 5.2.2.3.1. De forma resumida:

– técnicas de recuento de colo

colonias:
nias: como mínimo 30 ccolonias
olonias co
contadas;
ntadas;
– métodos qu
quee incluyen cconfirmación
onfirmación parci
parcial:
al: confirmación de la mitad de las colon
colonias
ias como mínimo;

– métodos basados en N
NMP:
MP: cinco resultados positivos ccomo
omo m
mínimo.
ínimo.

Dichas restricciones pueden afectar a la selección del mensurando y al método de ensayo mencionado
anteriormente.

Se calcula la desviación típica de la repetibilidad conforme

conforme al anexo A. Para una muestra de laboratorio
individual, es equivalente a la desviación típica del log 10 de los datos. Para múltiples muestras de
laboratorio, es equivalente a un ANOVA de una sola vía por muestra realizado con los log 10 de los datos.
NOTA La desviación típica de la repetibilidad incluye inevitablemente los componentes técnicos y de la distribución relevantes
para la repetibilidad de los datos. Si la incertidumbre del resultado de un ensayo se calcula combinando esta desviación
típica
ensayo,de se
la repetibilidad
producirá unaconsobreestimación
los componentes de
técnica, de la matriz y de
la incertidumbre. Losla distribución
laboratorios relevantes para el resultado
pueden escoger del
evitar dicha
sobreestimación, a costa de unos cálculos más complicados, restando de la desviación típica de la repetibilidad los
componentes de incertidumbre de la distribución relevantes. Esta estrategia alternativa opcional se describe en el
anexo D, obteniéndose una desviación típica corregida, sr:corr.

6.4 Características conocidas de la matriz

Los laboratorios pueden ser capaces de juzgar, a partir de su conocimiento previo, qué grado de incerti-
dumbre de la matriz cabe esperar en una muestra de laboratorio determinada. Dicho conocimiento
puede basarse en análisis previos realizados sobre múltiples porciones de ensayo (véase 6.3)
procedentes de muestras de laboratorio de las que se espera que presenten la misma incertidumbre de
la matriz (homogeneidad de la matriz).

El laboratorio puede considerar la Norma ISO 16140-3 para evaluar si se puede esperar que las
muestras deofrecen
anexo A3) se laboratorio presenten
ejemplos una incertidumbre
de artículos
a rtículos de distinto de matriz
distintoss tipos similar.
y categorías. En la Norma ISO 16140-3:-
categorías.

3) En preparación. Estado en el momento de la publicación: ISO/DIS 16140-3:2018.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 30 -

Los valores de la incertidumbr

incertidumbree de la matriz obtenidos en un laboratorio pueden utilizarse por parte de
otro laboratorio cuando se utilizan muestras de laboratorio en las que se espera que la incertidumbre
de la matriz sea similar.

7 Incertidumbre de la distribución

7.1 Aspectos generales

Incluso en el caso de los materiales homogéneos, existen componentes mínimos irreducibles de incerti-
dumbre que proceden de la distribución aleatoria de los microorganismos en el material de ensayo, que
habitualmente siguen
siguen un modelo de distribución de Poisson (véase 7.2). La incertidumbre de la confir-
mación de ciertos métodos basados en una técnica de recuento de colonias (véase 7.3) y la incerti-
dumbre asociada al número más probable (véase 7.4) también se basan en una suposición similar de
que la mezcla es perfecta.

En este documento, las incertidumbres que proceden de dicha distribución de partículas completa-
mente aleatoria se denominan incertidumbres de la distribución. En función de las características del
método analítico, dichas incertidumbres de la distribución se calculan a partir de los valores que
conforman cada resultado individual, de acuerdo con los apartados 7.2 a 7.4.

7.2 Técnica de recuento de colonias. Incertidumbre de Poisson

En los métodos basados en una técnica de recuento de colonias existe una contribución mínima de
incertidumbre de la distribución que depende del número total de colonias contadas utilizadas en el
cálculo de los result
resultados,
ados, ΣC (véase la Norma ISO 7218).

La tabla 2 recoge los valores de la incertidu

incertidumbre
mbre típica de Poisson, uPoisson, en unidades log10, para valores
de recuento (ΣC) comprendidos entre 1 y 40.

Si ΣC = 0, es decir, no se ha contado ninguna colonia, uPoisson = 0,434.

Tabla 2 – Valores de uPoisson para valores de ΣC comprendidos entre 1 y 40

ΣC uPoisson ΣC uPoisson ΣC uPoisson ΣC uPoisson
1 0,434 11 0,131 21 0,095 31 0,078
2 0,307 12 0,125 22 0,093 32 0,077
3 0,251 13 0,120 23 0,091 33 0,076
4 0,217 14 0,116 24 0,089 34 0,074
5 0,194 15 0,112 25 0,087 35 0,073
6 0,177 16 0,109 26 0,085 36 0,072
7 0,164 17 0,105 27 0,084 37 0,071
8 0,154 18 0,102 28 0,082 38 0,070
9 0,145 19 0,100 29 0,081 39 0,070

10 0,137 20 0,097 30 0,079 40 0,069

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 31 - UNE-EN ISO 19036:2020

Para valores distintos de ΣC, uPoisson se puede calcular utilizando la fórmula (2):

1 / ln 10( ) 0, 4343
uPoisson = = (2)
C C

0, 43
434 3 0, 4
43
34 3
De esta forma, si, por ejemplo, ΣC = 100, uPoisson = = = 0,043 43 .
100 10

Para valores superiores de ΣC, el componente de la incertidumbre de Poisson se puede considerar

despreciable si otros componentes de la incertidum
in certidumbre
bre son grandes ((véase
véase 8.1.2).

7.3 Técnica de recuento de colonias. Incertidumbre de la confirmación

Algunos métodos basados en la técnica de recuento de colonias proporcionan números
números de organismos
presuntivos. Se usan entonces ensayos de confirmación para corregir los recuentos de organismos
presuntivos mediante la estimación de la proporción de un número seleccionado de colonias que han
sido confirmadas
razonable como
considerar queloslasorganismos
colonias seobjeto de estudio
distribuyen mediante
de manera el usoy de
uniforme ensayos
se utiliza adecuados.
una Es
distribución
binomial para calcular la correspondiente incertidumbre de la distribución específica de un resultado
individual.

Suponiendo que se analizan np colonias presuntivas, de las cuales se confirma un número nc, se utiliza el
número relativo de aciertos nc/np como factor de multiplicación para convertir el recuento de organis-
organis -
mos presuntivos en recuento de organismos confirmados. Este cálculo tiene el efecto de añadir un factor
de corrección, log10 nc/np al valor del log 10 ufc/g o ufc/ml basado en el número de organismos presun-
tivos. La tabla 3 recoge los valores de uconf, en unidades log 10, para valores seleccionado
seleccionadoss de np y nc.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 32 -

Tabla 3 – Valores de la incertidumbre de la confirmación ( uconf) en unidades log10

para una selección de valores de número de colonias analizadas ( np) y número
de colonias confirmadas ( nc)
Número de colonias Número de colonias analizadas (np)
confirmadas (nc) 5 10 15 20
1 0,355 4 0,430 2 0,460 5 0,476 9
2 0,202 3 0,262 7 0,286 8 0,299 9
3 0,134 9 0,194 6 0,217 7 0,230 0
4 0,088 8 0,154 1 0,177 6 0,190 0
5 0,045 4 0,125 4 0,150 1 0,162 8
6 0,102 7 0,129 3 0,142 7
7 0,083 4 0,112 6 0,126 8
8 0,065 7 0,098 6 0,113 6
9 0,047 8 0,086 2 0,102 4

10 0,026 1 0,075 0 0,092 6

11 0,064 6 0,083 8
12 0,054 4 0,075 7
13 0,044 1 0,068 3
14 0,032 9 0,061 1
15 0,018 3 0,054 3
16 0,047 5
17 0,040 6
18 0,033 3
19 0,025 1
20 0,014 1

Para valores distintos, uconf se pueden calcular utilizando la fórmula (3), procedente de la fórmula (E.4)
de la Norma ISO 29201:2012:

1 ( nc + 0, 5) (np − nc + 0, 5) np2
uconf = (3)
2, 303 2
( p ) (np + 2) nc2
n + 1

Si nc = 0, el valor de uconf se calcula como si fuera nc = 1.

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 33 - UNE-EN ISO 19036:2020

7.4 Incertidumbre del número más probable

La técnica del número más probable (NMP) calcula los valores más probables a partir de múltiples
resultados de detección o ausencia de detección. Esta técnica incluye el uso de técnicas automatizad
automatizadas
as
de microtitulación en placa, donde un elevado número de tubos pueden considerarse como positivos o
negativos. En la técnica de NMP, la incertidumbre mínima de la distribució
distribución
n es superior a la simple de
Poisson y depende de los resultados en detalle. En el anexo C se
s e ofrecen procedimientos para estimar la
correspondiente
correspondien te incertidumbre típica, uNMP, en unidades log10.

Algunos ensayos de NMP requieren la confirmación de la presencia del organismo objeto de estudio en
todos los positivos presuntivos. En esta situación, se calcula el NMP y su incertidumbre a partir del
número de resultados positivos
p ositivos confirmados.

8 Incertidumbre combinada y expandida

8.1 Incertidumbre típica combinada

8.1.1 Consideraciones generales
La incertidumbre típica combinada puede basarse en una de las dos siguientes opcione
opciones:
s:

a) una co
combinación
mbinación (véase 8.1
1.2)
.2) de las sigu
siguientes
ientes eestimaciones
stimaciones obtenidas por se
separado:
parado:

1) incertidumbr
incertidumbree típica técnica;

2) incertidumbr
incertidumbree típica de la matriz;

3) incertidumbr
incertidumbres
es típicas de la distribución.

b) si es cohe
coherente
rente con los prprotocolos
otocolos del laboratorio y los requisitos del
del cliente, ex
exclusivamente
clusivamente llaa
desviación típica de la reproducibi
reproducibilidad
lidad (véase 8.1.3).

8.1.2 Incertidumbre típica combinada basada en las incertidumbres técnicas, de la matriz y

de la distribución por separado
sep arado
La incertidumbre típica técnica, utécn, se estima conforme al capítulo 5 en forma de desviación típica de
una reproducibilidad, que se puede corregir en base a las incertidumbres típicas de la matriz y de la
distribución como procedimiento alternativo opcional, conforme al anexo D:

– utécn = sR; o

– utécn = sR:corr.

La incertidumbre típica de la matriz, umatriz, se estima conforme al capítulo 6. Si la estimación de la

incertidumbree de la matriz se realiza conforme al apartado 6.3 a partir de múltiples porciones de ensayo
incertidumbr
de las muestras de laboratorio, la incertidumbre típica de la matriz se estima en forma de desviación
típica de la repetibilidad, que se puede corregir en base a las incertidumbres típicas de la distribución

como procedimiento alternativo opcional, conforme al anexo D:

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 34 -

– umatriz = sr; o

– umatriz = sr:corr.

Todas las incertidumbres típicas de la distribución relevantes

relevantes (u
( uPoisson, uconf, uNMP) se calculan a partir de
los datos que conforman el resultado obtenido,
obtenido, de acuerdo con el capítulo 7.
A continuación, se calcula la incertidumbre típica combinada como la raíz cuadrada de la suma de los
cuadrados de las incertidumbres típicas relevantes de la distribución, de la matriz y técnica. Obsérvese
que no todos los términos se incluirán en un método determinado, por ejemplo, un método no incluirá
a la vez el recuento de colo
colonias
nias ((uuPoisson) y NMP (u
(uNMP).

EJEMPLO 1 Métodos instrumentales como el del ATP en los que no se realizan recuentos de células ni colonias:
( )
uc y =
2
u tecn + um
ma
2
atriz

confirmaci ón parcial: uc ( y ) = u t2ecn + u m

EJEMPLO 2 Métodos de recuento de colonias sin confirmación 2
atriz
+ uP2oisson

EJEMPLO 3 Métodos de recuento de colonias con confirmación

confirmaci ón parcial:
uc ( y ) = utecn + u matriz + uPoisson + uconf
2 2 2 2

EJEMPLO 4 Métodos de NMP: uc ( y ) = ut2ecn + um

2
atriz
+ uN2 PM

NOTA Por lo general, se acepta que el efecto de un componente es despreciable si su incertidumbre típica no es superior a un
quinto de la magnitud del componente más grande de incertidumbre típica [14],[16]. Si los componentes de incertidumbre
de la matriz y de la distribución son despreciables en comparación con la incertidumbre técnica, como se muestra en
los ejemplos del apartado 8.3, se pueden ignorar. En el caso extremo en el que todos los componentes de incertidumbre
de la matriz y de la distribución son despreciables en comparación con la incertidumbre técnica, los ejemplos anteriores
se reducen a uc(y) = utécn.

8.1.3 Incertidumbre típica combinada basada exclusivamente en la desviación típica de la

reproducibilidad
La desviación típica de la reprodu
reproducibilidad
cibilidad se calcula mediante uno de los tres métodos indicados
indicados en el
apartado 5.2.

Si es coherente con los protocolos del laboratorio y los requisitos del cliente, la incertidumbre típica
combinada puede estimarse en forma de desviación típica de la reproduc
reproducibilidad
ibilidad exclusivamente, sin la
corrección
corrección descrita en el anexo D, como se muestra en la fórmula (4):

uc(y) = sR (4)

8.2 Incertidumbre expandida

Se utiliza la fórmula (5) para calcular la incertidu
incertidumbre
mbre expandida U a partir de
d e la incertidumbre típica
combinada
un valor de 2uc(que
(y) (véase 8.1) utilizando
corresponde el factor
aproximad
aproximadamente
amentede acobertura k escogido,
un nivel de confianzaque en este documento es de
del 95%):
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 35 - UNE-EN ISO 19036:2020

U = 2u
2uc(y) (5)

8.3 Ejemplos desarrollados

8.3.1 Ejemplo 1. Componentes de Poisson, de la matriz y técnicos de la incertidumbre
Supongamos que un método validado que utiliza inóculos de 1,0 ml sobre dos diluciones sucesivas con
una sola placa para cada dilución presenta una incertidumbre técnic
técnicaa estimada previamente conforme
al capítulo 5, de utécn = 0,15 log10 ufc/g.

Además, supongamos que el método, aplicado sobre una muestra de laboratorio homogénea, ha ofrecido
los siguientes resultados: 102 colonias a una dilución de 10 -3 y 8 colonias a una dilución de 10-4.

Entonces, el recuento medio de colonias ponderado es de

( 102 + 8 )
 103 = 1, 0  105 ufc/g, por lo cual
1, 1
el log10 del recuento de colonias es de 5,0 log 10 ufc/g.

La incertidumbre típica de la distribución uPoisson viene determinada por el número total de colonias
ΣC = 110; por consiguiente,

0, 43
434 3 0, 43
434 3
uPoisson = = = 0, 041 4 log10 ufc/g [véase la fórmula (2)].
110 10, 49

La relación uPoisson/utécn = 0,041 4/0,15 = 0,276, que es superior a 0,20 y por lo tanto uPoisson no se puede
considerar despreciable (véase la nota del 8.1.2).

Para una matriz homog

homogénea,
énea, la iincertidum
ncertidumbre
bre típica de llaa matriz umatriz = 0,1 log10 ufc/g (véase 6.2).

– La incertidum
incertidumbre
bre tí
típica
pica co
combinada
mbinada (véase el ap
apartado
artado 8.1.2).es:

uc ( y ) = 0, 152 + 0, 102 + 0, 041 42 = 0, 034 21 = 0, 185

– Este vvalor
alor se multiplica por el factor de cober
cobertura
tura ((kk) de 2 obteniéndose u
un
n valor de U = 0,37 log10 ufc/g
(con dos cifras significativas).

Por lo tanto, el recuento de colonias y su incertidumbre expandida

expandida es de 5,0 ± 0,37 log 10 ufc/g.

8.3.2 Ejemplo 2. Componente de Poisson despreciable

Similar al ejemplo 1, salvo que la incertidumb
incertidumbre
re típica técnica utécn, es de 0,25 log10 ufc/g.

Dado que la relación uPoisson/utécn = 0,041 4/0,25 = 0,166, que es inferior a 0,2, uPoisson se puede ignorar
(véase la nota del 8.1.2).

No existen
forma otros
que la componentes
i ncertidumbre
incertidum de combinada
bre típica distribución, pero sigue
((véase
véase 8.1.2)existiendo
es: la incertidumbr
incertidumbree de la matriz, de
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 36 -

uc ( y ) = 0, 252 + 0, 102 = 0, 072 5 = 0, 269

Este valor se multiplica por el factor de cobertura (k

(k) de 2 obteniéndose un valor de U = 0,54 log10 ufc/g
(con dos cifras significativ
significativas).
as).
8.3.3 Ejemplo 3. Componente de Poisson, de la matriz y de confirmación
Similar al ejemplo 1, salvo que los resultados mostrados correspo
corresponden
nden a colonias típicas contad
contadas
as creci
creci--
das en un medio diferente, que necesitan confirmarse.
confirmarse.

uPoisson = 0,041 4 y uPoisson/utécn = 0,041 4/0,15 = 0,276, que es superior a 0,2, y por lo tanto uPoisson no se
puede ignorar (véase la nota del 8.1.2).

Confirmación: se analizaron cinco colonias típicas, cuatro de las cuales se confirmaron como positivas
del organismo objeto de estudio. Esto permite obtener unos resultados revisados como los que se
muestran en la tabla 4.

Tabla 4 – Ejemplo de cálculos de los componentes de Poisson, de la matriz y de la confirmación

Presuntivos Confirmados
ΣC 110
resultado; x; ufc/g 100 000 100 000  4/5 = 80 000
y; log10 ufc/g 5,0 4,903

Según el apartado 7.3: para np = 5 y nc = 4, uconf = 0,0888. uconf/utécn = 0,0888/0,15 = 0,592, que es superior
a 0,2, y por lo tanto uconf no se puede ignorar (véase la nota del 8.1.2).

No existen otros componentes de distribución, de forma que la incertidumbre típica combinada (véase
8.1.2) es:

uc ( y ) = 0, 152 + 0, 102 + 0, 041 42 + 0, 088 8 2 = 0, 042 1 = 0, 205

Este valor se multiplica por el factor de cobertura (k

(k) de 2 obteniéndose un valor de U = 0,41 log10 ufc/g
(con dos cifras significativ
significativas).
as).
NOTA El resultado del recuento confirmado es de 4,90 ± 0,41 log10 ufc/g mientras que el de colonias presuntivas (véase el
ejemplo 1) era de 5,0 ± 0,37 log 10 ufc/g.

8.3.4 Ejemplo 4. Componentes del número más probab

probable,
le, de la matriz y técnico
Un laboratorio estimó el nivel presuntivo de un organismo (por ejemplo, bacterias coliformes) en una
muestra líquida utilizando un procedimiento de determinación
determinación del NMP de 5 tubos/3 diluciones en el
cual se determinó que la incertidumbre típica técnica, utécn, calculada como la desviación típica de la
reproducibilidad, sIR, obtenida mediante un estudio interlaboratorios de validación del método, era de
0,49 log10 NMP/ml, basándose en el ensayo de 20 réplicas de una muestra.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 37 - UNE-EN ISO 19036:2020

Para una muestra de laboratorio líquida homogénea,

homogénea, la estimación del NMP se basó en la inoculación de
cinco tubos con 1,0 ml de una dilución de la muestr
muestraa a tres ni
niveles
veles de dilución: 10-2, 10-3 y 10-4, respecti-
vamente, resultando en un total de 15 tubos. Tras la incubación, el número de cultivos positivos para
cada dilución fue, respectivamente,
respectivamente, de 4, 2 y 1.

Utilizando la hoja de cálculo de la referencia [19] de la bibliografía se obtuvier

obtuvieron
on los siguientes valores:
NMP = 260/ml; log10 NMP = 2,42; uNMP = desviación típica = 0,19 log 10 NPM.

La relación uNPM/utécn = 0,19/0,49 = 0,39 > 0,20 y por lo

l o tanto uNMP no se puede ignorar (véase la nota del
8.1.2).

Para un líquido homogéneo, la incertidumbre típica de la matriz se puede considerar umatriz = 0,1 log10
(véase 6.2). La relación umatriz/utécn = 0,10/0,49 = 0,204  0,20 y por lo tanto la incertidumbre típica de
la matriz no se puede ignorar (véase la nota del 8.1.2).

Dichos componentes
componentes se combinan (véase 8.1.2) para cal
calcular
cular la incertidumbre típica combinada:

uc y = 0, 492 + 0, 12 + 0, 192 = 0, 286 = 0, 535 (con tres cifras decimales).

( )
Este valor se multiplica por el factor de cobertura (k
( k) de 2 obteniéndo
obteniéndose
se un valor de U = 1,1 log10 ufc/g
(con dos cifras significativ
significativas).
as).

Por lo tanto, la estimación del NMP supone un nivel de contaminación

contaminación presuntiva de 2,4 ± 1,1 log10 NMP/ml.
NOTA 1 La estimación de la incertidumbre típica combinada
combinada habría sido la misma p
para
ara una estimación de log10 NMP de 0,42
o incluso de 6,42.

NOTA 2 Algunos ensayos de NMP requieren de la confirmación de la presencia del organismo objeto de estudio. En ese caso,
el cálculo del NMP y de su incertidumbre se determinan a partir del número de resultados positivos confirmados.

9 Expresión de la incertidum
incertidumbre
bre de
de la m
medición
edición en los informes de ensayo

9.1 Aspectos generales

La MU debería expresarse en las mismas unidades que los resultados del ensayo.

Como se indica en el apartado 8.1.1, la MU emitida se puede basar en una de las siguientes dos opciones:

– la desviación típica de la reproducibil

reproducibilidad
idad y las estimacio
estimaciones
nes por separado de la incertidumb
incertidumbre
re de la
matriz y de las incertidumbres de la distribución relevantes; o

– la desv
desviación
iación tí
típica
pica de la re
reproducibilida
producibilidad
d exc
exclusivamente.
lusivamente.

Cuando se requiere incluir una estimación de la MU en el informe del ensayo, se incluye en el informe
una declaración explícita de que la MU señalada es la incertidumbre expandida, junto con una decla-
ración del nivel de confianza y una indicación que la MU se ha estimado conforme a este documento. Por
ejemplo:
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 38 -

Si la MU se basa exclusivame
exclusivamente
nte en la desviación típica de la reproducibilidad, este punto debe reflejarse
claramente en el informe del ensayo. Por ejemplo:

– “La incertidumbre de la medición expandida indicada se ha estimado conforme a la Norma ISO 19036
y se basa en la incertidumbre típica multiplicada por un factor de cobertura de k = 2, proporcionando
un nivel de confianza de aproximadamente el 95%. Se ha considerado que la incertidumbre típica
combinada es igual a la desviación típica de llaa reproducibilidad intralabor
intralaboratorio”.
atorio”.

El número de cifras significativas de la MU emitida debería reflejar siempre la capacidad práctica de

medición. A la vista del proceso de estimación de las in
incertidumbre
certidumbres,s, raramente se justifica expresar la
MU con más de dos cifras significativas. Por consiguiente, se recomienda que la incertidumbre expan-
dida se redondee a dos cifras significativas utilizando las reglas normales de redondeo de acuerdo con
la Norma ISO 7218. El valor numérico del resultado de la medición recogido en el informe del ensayo
debería redondearse normalmente hasta la última cifra significativa del valor de la incertidumbre
expandida asignada al resultado de la medición. El redondeo debería realizarse siempre al final del
proceso para evitar el efecto de errores de redondeo acumulativos; consúltese
consúltese la Guía ISO/IEC 98-3.
Una vez se ha calculado la MU expandida, como se explica en el apartado 8.2, puede expresarse en el
informe de ensayo junto con el resultado del ensayo, como un intervalo en escala log
l og 10 o como valores
en números naturales (ufc/g o ufc/ml), como ilustran los siguientes ejemplos alternativos:

a) log10 del resultado con ± U: y ± U log10 ufc/g o ufc/ml;

por ejemplo, 5,00 ± 0,31 log10 ufc/g;

b) log10 del resultado con límites: y log10 ufc/g o ufc/ml [y – U; y + U];

resultado

por ejemplo, 5,00 log10 ufc/g [4,69; 5,31];

c) resultado en números naturales con límites: x ufc/g o ufc/ml [10y – U; 10y + U];

por ejemplo, 1,0  105 ufc/g [4,9  104; 2,0  105].

9.2 Resultados inferiores al límite de cuantificación

9.2.1 Aspectos generales
Pueden producirse resultados por debajo del límite de cuantificación (LC), por ejemplo:

– en un método de recuento de colonias

colonias,, cuando el número de colonia
coloniass contadas es de cero, ΣC =0;

– en un méto
método
do de recu
recuento
ento de co
colonias
lonias con confirmac
confirmación
ión parcial, cuando
cuando el número de colonias confir-
madas es de cero, nc = 0;

– en un método de NMP, cuando no hhay

ay resultados de detección, xi = 0 para todos los valores de i.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 39 - UNE-EN ISO 19036:2020

Aunque dichos resultados podrían interpretarse como cero, suelen expresarse como “  xLC” donde xLC es
el LC en ufc/g o ufc/ml.

Las secciones correspondientes (véanse 7.2, 7.3 y el anexo C) incluyen cálculos de la incertidumbre
típica de la distribució
distribución
n en di
dichas
chas circunstancias, de forma que la incertidumbre típica combinada y la
incertidumbree expandida, uc(y) y U, pueden calcularse en unidades log 10 conforme al capítulo 8.
incertidumbr

Sin embargo, el resultado es consistente con un valor del mensurando de cero ufc/g o ufc/ml. Cuando el
resultado se expresa en forma de número natural con límites, que es la opción c) del apartado 9.1, el
límite superior se calcula como si el resultado fuera igual al valor del LC
L C y el límite inferior se considera
cero.

Sin embargo, el log de cero es un valor indefinido, por lo cual cuando el resultado se expresa en forma
de log10 con límites, el límite inferior se expresa como “inferior a”;  (log10 xLC) – U.

9.2.2 Ejemplo
El apartado 8.3.1 es un ejemplo de un método de recuento de colonias con utécn = 0,15 log10 ufc/g y
umatriz = 0,1 log 10 ufc/g.

Si el resultado de una muestra de laboratorio es de cero colonias contadas en la dilución 10 -1 y en la

dilución 10-2, entonces ΣC = 0 y el apartado 7.2 resulta en una uPoisson de 0,434 log10 ufc/g.

La incertidumbre típica combinada y la incertidumbre expandida se pueden calcular conforme a los

apartados 8.1 y 8.2:

uc y = 0, 152 + 0, 102 + 0, 4342 = 0, 220 9 = 0, 470 log10 ufc/g

( )
U = 2  0,470 = 0,940 log10 ufc/g

El límite de cuantificación (xLC) corresponde a un recuento de una sola colonia, ΣC = 1;

d C 1
1 9 091 ufc/g
1, 1 = ,
x LC = 10 10
1, 1 =
1

yLC = log10 (9,091) = 0,959 log10 ufc/g

Los límites de los intervalos de incertidumbre para los resultados

resultados iguales al LLC
C son:

yLC + U = 0,959 + 0,940 = 1,899 log 10 ufc/g

yLC - U = 0,959 – 0,940 = 0,019 log10 ufc/g

10yLC+U = 101,899 = 79,16 ufc/g

LC+U

10yLC–U = 100,019 = 1,044 ufc/g

Obsérvese que yLC – U puede ser negativo, pero 10 yLC–U es siempre positivo.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 40 -

Redondeando adecuadamente,
adecuadamente, el resultado junto con su incertidumb
incertidumbre
re se puede expresar como:

a) log10 del resultado con ± U:  yLC ± U log10 ufc/g;

por ejemplo,  0,96 ± 0,94 log10 ufc/g;

b) log10 del resulta

resultado
do con límites:  yLC log10 ufc/g [ yLC – U; yLC + U];

por ejemplo,  0,96 log10 ufc/g [ 0,02; 1,90];

c) número natural del result

resultado
ado con límites:  xLC ufc/g [0;10yLC+U];
LC+U

por ejemplo,  9,1 ufc/g [0,0; 79,2].

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 41 - UNE-EN ISO 19036:2020

Anexo A (Informativo)

Cálculo de las desviaciones típicas con dos o más de dos porciones de

ensayo (desviación típica de la reproducibilidad intralaboratorio y
desviación típica de la incertidumbre de la matriz)

Los apartados 5.2.2.2 y 5.2.2.3 describen el protocolo experimental y los cálculos utilizados para estimar
la desviación típica de la
l a reproducibilidad a partir de experimentos desarrollados
desarrollados dentro de un mismo
laboratorio cuando se emplean exactamente dos porciones de ensayo de todas las muestras de
laboratorio. Como se representa en la figura A.1, el protocolo experimental se puede extender para más
de dos porciones de ensayo de cada muestra y/o para números variables de porciones de ensayo en las
diferentes muestr
muestras.
as.

Figura A.1 – Protocolo experimental para la estimación de la reproducibilidad intralaborato

intralaboratorio.
rio.
Dos o más porciones de ensayo de cada muestra de laboratorio
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 42 -

Este protocolo es muy similar al utilizado para evaluar la desviación típica de la repetibilidad a partir de
múltiples porciones de ensayo de las muestr
muestras
as de llaboratorio
aboratorio (véase 6.3) y los cálculos son idénticos.

La desviación típica se calcula de la siguiente manera. En cada caso, se dispone de n muestras de

laboratorio con pi ((ii = 1, 2, …, n) porciones de ensayo de cada muestra i, lo que resulta en un valor de
xij ufc/g o ufc/ml para la porción de ensayo j de la muestra i. La desviación típica, sIR o sr, se calcula
mediante la fórmula (A.1):

n pi
2
  ( y ij − y i )
s IR o s r = i =1 j =1 (A.1)
n

 ( p i − 1)
i =1

donde
i es el identificador de la muestr laboratorio (i = 1, 2, …, n);
muestraa de laboratorio

es el identificador de la porción de ensayo dentro de la muestra i (j = 1, 2, …, pi);

ij = log10 xij.

yi =  y ij
j =1
pi

Para una sola muestra, n = 1, lo cual puede ocurrir cuando se evalúa la incertidumbre de la matriz, que
corresponde simplemente
simplemente a la desviación típica de los datos convertidos en sus valores log 10.

En la tabla A.1 se muestra un cálculo manual realiza

realizado
do sobre una serie de datos similar aall de la tabla 1.
Los cálculos se realizaron con Excel®1) a partir de los valores indicados de factores de dilución ( d) y
colonias contadas (C
(C). Los valores calculado
calculadoss se han redondeado para su representación.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 43 - UNE-EN ISO 19036:2020

Tabla A.1 – Cálculos manuales de desviación típica con resultados analíticos procedentes de múltiples muestras
Media ponderada del Cuadrado de las
Total de Recuento
Muestra de Porción de Factores de dilución ( d) resultado de recuento de log10 ufc/g diferencias Grados de
colonias medio
laboratorio ensayo Colonias contadas (C) colonias en ufc/g o ufc/ml o ufc/ml respecto a la libertad
contadas log10
(Norma ISO 7218) media
i j d1 C1 d2 C2 ΣCij xij yij = log10 xij ni – 1
1 A 3 102 4 8 110 1,00  105 5,000 0 0,002 70
1 B 3 59 4 4 63 5,73  104 4,757 9 5,052 0 0,086 44 2

1 C 3 248 4 27 275 2,50  105 5,397 9 0,119 70

2 A 5 61 6 6 67 6,09  106 6,784 7 0,000 47
6,806 3 1
2 B 5 66 6 8 74 6,73  106 6,827 8 0,000 47
3 A 4 168 5 18 186 1,69  106 6,228 1 0,011 88
3 B 4 86 5 7 93 8,45  105 5,927 1 0,036 88
6,119 1 3
3 C 4 95 5 12 107 9,73  105 5,988 0 0,017 20
3 D 4 216 5 21 237 2,15  106 6,333 4 0,045 89
4 A 5 266 6 25 291 2,65  107 7,422 5 0,018 33
7,287 1 1
4 B 5 140 6 16 156 1,42  107 7,151 7 0,018 33
5 A 6 45 7 5 50 4,55  107 7,657 6 0,073 06
7,387 3 1
5 B 5 129 6 15 144 1,31  107 7,117 0 0,073 06
6 A 4 129 5 12 141 1,28  106 6,107 8 0,000 52
6,085 1 1
6 B 4 117 5 10 127 1,15  106 6,062 4 0,000 52
7 A 2 92 3 8 100 9,09  103 3,958 6 0,015 48
7 B 2 131 3 13 144 1,31  104 4,117 0 4,083 0 0,001 15 2
7 C 2 149 3 15 164 1,49  104 4,173 5 0,008 18

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de A ENOR.

UNE-EN ISO 19036:2020 - 44 -

Total de Media ponderada del Recuento Cuadrado de las

Muestra de Porción de Factores de dilución ( d) resultado de recuento de log10 ufc/g diferencias Grados de
colonias medio
laboratorio ensayo Colonias contadas (C) colonias en ufc/g o ufc/ml o ufc/ml respecto a la libertad
contadas log10
(Norma ISO 7218) media
i j d1 C1 d2 C2 ΣCij xij yij = log10 xij ni – 1
8 A 3 139 4 13 152 1,38  105 5,140 5 0,000 07
5,148 9 1
8 B 3 143 4 15 158 1,44  105 5,157 3 0,000 07
9 A 1 49 2 5 54 4,91  102 2,691 0 0,084 20
9 B 1 129 2 13 142 1,29  103 3,110 9 0,016 83
2,981 2 3
9 C 1 88 2 7 95 8,64  102 2,936 3 0,002 01
9 D 1 151 2 18 169 1,54  103 3,186 5 0,042 15
10 A 4 142 5 13 155 1,41  106 6,148 9 0,154 93
5,755 3 1
10 B 3 227 4 26 253 2,30  105 5,361 7 0,154 93
sums 0,985 44 16
0,985 44/16 = 0,061 59
sIR = √0,061 59 = 0,248 17
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de A ENOR.

- 45 - UNE-EN ISO 19036:2020

Como alternativa al cálculo manual, la desviación típica se puede calcular de forma práctica utilizando
cualquier herramienta capaz de realizar ANOVA de una vía, donde la desviación típica requerida es la
raíz cuadrada de la media cuadrática dentro de cada grupo. Por ejemplo, la función de ANOVA para un
solo factor de Excel®1) aplicada sobre los datos previos de yij da el siguiente resultado, donde la media
cuadrática dentro de cada grupo es de 0,061 59, y, por lo tanto:

s IR = 0, 061 59 = 0, 24
061 248
8 17

Véase la tabla A.2.

NOTA La estrategia de ANOVA también puede utilizarse para los casos en los que se dispone exactamente de dos valores de
cada muestra de laboratorio.

Tabla A.2 – Cálculos de la desviación

d esviación típica de la reproducibilidad intralaboratorio con
resultados analíticos procedentes de múltiples muestras, utilizando una herramienta capaz de
análisis de la varianza de una vía
Anova: Un solo
solo factor
RESUMEN
Grupos Recuento Suma Promedio Varianza
Fila 1 3 15,155 89 5,051 963 0,104 423
Fila 2 2 13,612 52 6,806 261 0,000 931
Fila 3 4 24,476 56 6,119 139 0,037 283
Fila 4 2 14,574 23 7,287 116 0,036 658
Fila 5 2 14,774 55 7,387 274 0,146 128
Fila 6 2 12,170 24 6,085 119 0,001 031
Fila 7 3 12,249 03 4,083 009 0,012 404
Fila 8 2 10,297 72 5,148 858 0,000 141

Fila 9 4 11,924 72 2,981 18 0,048 398

Fila 10 2 11,510 67 5,755 333 0,309 851

ANOVA
Fuente de variación
variac ión SC gl MC F Valor P F crít
Entre grupos 51,327 08 9 5,703 009 92,596 53 4,36102E-12 2,537 667
Dentro de los grupos 0,985 438 16 0,061 59
Total 52,312 52 25
Leyenda
SC: suma de los cuadrados; gl; grados de libertad; MC: media cuadrática; F: variable de distribución-F; Valor P: nivel de
significado estadístico; F-crít: valor crítico de la variable de distribución-F.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 46 -

Anexo B (Informativo)

Efecto de la matriz e incertidumbre de la matriz

Las células de bacterias o levadur

levaduras
as presentes en una matriz líquida (por ejemplo, leche, agua) general-
mente siguen una distribución aleatoria (de Poisson) [véase el caso A de la figura (B.1)], aunque tanto
las células individuales como pequeños grupos de células pueden formar colonias cuando se siembran
en las placas de agar. Los alimentos sólidos como el queso contienen células y grupos de microorga-
nismos distribuidos dentro de las partículas y entre las partículas que conforman el producto, pero
generalmente no se distribuyen de forma aleatoria y con mucha frecuencia aparecen con una distri-
bución de contagio [véase el caso B de la figura (B.1)].

Los alimentos sólidos como la carne y las verduras suelen estar contaminados de forma aleatoria en la
superficie, pero no en los tejidos más internos. El crecimiento de algunas células resulta en una distri-
bución global por la superficie de células individuales y de microcolonias que suele ser de tipo conta-
gioso [véase el caso B de la figura (B.1)].

Si se mezclan trozos de un ingrediente sólido (por ejemplo, carne) con otros ingredientes (por ejemplo,
verduras o salsas) para formar un producto alimenticio compuesto, las bacterias de la superficie de
todos los ingredientes sólidos se distribuye
di stribuyen
n a lo largo de todo el producto de múltiples componentes,
pero las bacterias no se distribuyen de manera aleatoria a lo largo del producto alimenticio final. Los
números de bacterias que aparecen en la matriz alimentaria reflejan los niveles relativos de contami-
nación de cada uno de los ingredientes y el grado en el que las microcolonias se disocian durante el
proceso de fabricación. Los niveles de contaminación presentes en distintas porciones de ensayo del
producto alimenticio recogidas para su análisis no son consistentes. Los niveles de bacterias específicas
reflejan tanto la calidad como la cantidad relativa de los ingredientes, así como el grado en el que el
proceso de fabricación ha distribuido dichas bacterias a lo largo del conjunto del producto. Una situación
similar se produce si la leche deshidratada y otros productos en polvo se contaminan por organismos
específicos solamente en una pequeña proporción del conjunto del producto [véase la figura (B.2)].

Incluso aunque la muestra de laboratorio se haya homogeneizado antes del análisis, se producen
variaciones en los niveles de contaminación entre distintas porciones de ensayo, especialmente en el
caso de las matrices alimentarias sólidas. En este documento dicha variación se denomina “incerti -
dumbre de la matriz”.

Consúltese la referencia [17] de la bibliografía para más información sobre la distribución de los
microorganismos en los alimentos.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 47 - UNE-EN ISO 19036:2020

a) Caso A: distribución aleatoria b) Caso B: distribución de contagio que

muestras agrupaciones y micro-colonias
mic ro-colonias

NOTA Fuente: Norma ISO 21784, con

con modificaciones.

Figura B.1 – Representación hipotética de la distribución

d istribución de microorganismos
sobre una superficie

NOTA Los cuadrados negros indican las muestras en las q

que
ue se ha detectado el organismo objeto de estudio.

Figura B.2 – Distribución hipotética de un microorg

microorganismo
anismo específico presente a
nivel bajo en 100 muestras de un alimento en polvo o de un alimento complejo
(como estofado de verduras y carne)
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 48 -

Anexo C (Informativo)

Variabilidad intrínseca (incertidumbre típica) de las estimaciones del

número más probable

La técnica del número más probable (NMP) se describe en la Norma ISO 7218. En esta técnica, se
inoculan por separado varios inóculos de cada porción de ensayo en distintas alícuotas de un medio de
cultivo. El resultado de cada alícuota es cualitativo, es decir, el resultado es positivo o negati vo. Pueden
tener que examinarse varias alícuotas a varias diluciones para obtener una estimación del número de
microorganismos presentes. El NMP se calcula mediante procedimientos estadísticos.
estadísticos.

La variabilidad intrínseca del valor del NMP es superior que la que se asocia a la distribución de Poisson
debido al elemento adicional de probabilidad binomial asociada con la naturaleza positiva o negativa de
los datos. Los procedimiento
procedimientoss estadísticos utilizados para determinar el NMP también proporcionan
proporcionan el
error típico en unidades log 10 NMP/g o NMP/ml. La incertidumb
incertidumbrere típica, uNMP, es igual al error típico.

Para determinar el error típico, la Norma ISO 7218 recomienda utilizar la hoja de cálculo Excel® 1)
disponible en http://standards.iso.org/iso/7218,
http://standards.iso.org/iso/7218, que expresa la incertidumbre típica requerida, uNMP,
como “SD log10 NMP”.

Si un NMP se estima a través de valores medios que no proporcionan un error típico, la incertidum
incertidumbrebre
(uUMP) se puede calcular a partir del valor del NMP y de las condiciones experime
experimentales
ntales utilizadas para
obtener el resultado utilizando la fórmula (C.1) que se tomado de la referencia [19] de la bibliografí
bibliografía:
a:

1
ln (10)
uNMP = k
(
x i  mi2exp − mi   ) (C.1)

 2
i =1
( (
1 − exp − mi   ))
donde
uNMP es la incertidumbr
incertidumbree típica, en unidades log10 NMP/g o NMP/ml;
 es el valor del NMP/g o NMP/ml, no en unidades log10;
k es el número de diluciones;
diluci ones;
mi es la cantidad de muestra (g o ml) presente en cada alícuota de la dilución i;
xi es el número de resultados positivos encontrados en la dilución i.

Si no hay ningún resultado positivo, es decir, si Σ xi = 0, uNMP se calcula como si hubiera un resultado
positivo en la dilución más concentrada, es decir, del valor más alto de mi.

Por ejemplo, si se han utilizado cinco alícuotas de cada una de las cantidades: 1 g, 0,1 g y 0,01 g, y si los
números de resultados positivos han sido respectivamente 4, 0 y 1, entonces el NMP() = 1,7 NMP/g.
De esta forma, la incertidumbre típica se puede calcular como se muestra en la tabla C.1.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 49 - UNE-EN ISO 19036:2020

Tabla C.1
Cantidad
Cantida d por muestra/ensayo
muestra/ensa yo Número de resultados positivos/ensayo
positivos/ens ayo Factor de cálculo
2
(
x i  m i exp − m i   )
mi g xi 2
1 − exp ( − m   )
 i

1 4 1,093 9
0,1 0 0,000 0
0,01 1 0,346 0
Σ 1,439 9

1
( )
ln 10 0, 434 3 0, 434 3
uNPM = = = = 0, 212 9 en forma de log 10 NMP
  1, 7 1, 4
43
39 9 2, 039 9

Si se hubieran encontrado cero resultados positivos, la incertidumbre típica (pero no el resultado) se

habría calculado como si una de las
la s cinco alícuotas de mi = 1 g hubiera sido positiva, lo cual habría pro-
porcionado un resultado de 0,20 NMP/g con una incertidumbre típica de 0,44 log 10 NMP/g.

Por consiguiente, si se usa el diseño de NMP de 5  3 en el que se utilizan cinco alícuotas con cada canti-
dad de 1 g, 0,1 g y 0,01 g, el resultado cor
correspondiente
respondiente a cero positivos es de 0,0 NMP/g con una incerti-
dumbre típica de 0,44 log 10 NMP/g.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 50 -

Anexo D (Informativo)

Corrección de las desviaciones típicas experimentales en base a

componentes de incertidumbre no deseados

Los apartados 5.2.2 y 6.3 estiman la incertidumbre té

técnica
cnica y la incertidumbre de la matriz a partir de las
desviaciones típicas de la reproducibilidad y la repetibilidad experimentales, respectivamente.
respectivamente. Dichas
desviaciones típicas incluyen otros componentes de incertidumbre asociados con los datos experi-
mentales, ocasionando una sobreestimación
sobreestimación de las incertidumbres técnica y de la matriz.

El diseño experiment
experimental
al reduce los componente
componentess no deseados:

– apartado 5.2.2: la eestimación

stimación de utécn reduce umatriz haciendo homogénea la muestra de laboratorio y
reduce udistrib mediante la restricción de los resultados aceptables;

– apartado 6.3: llaa es

estimación
timación de umatriz reduce utécn trabajando bajo condiciones de repetibilidad y
reduce udistrib mediante la restricción de los resultados aceptables.
No obstante, las desviaciones típicas sIR y sr son sobreestimaciones de las incertidumbres típicas rele-
vantes utécn y umatriz.

Si la MU de un resultado emitido se basa exclusivamente en la desviación típica de la reproducibilidad

reproducibilidad
(véase 8.1.3), sIR supone probablemente una infraestimación de la incertidumbre típica combinada. Es
probable que las incertidumbres de la matriz y de la distribución de los datos
d atos de reproducibilidad sean
inferiores que las del resultado emitido.

Sin embargo, si la MU de un resultado emitido incluye por separado la estimación de las incertidumbres
de la matriz y de la distribución del resultado emitido (véase el apartado 8.1.2), la sobreestimación de
utécn y u matriz ocasionan una sobreestimación de la incertidumbre típica combinada. Para reducir dicha
sobreestimación, los componentes no deseados de las series de datos de reproducibilidad y repeti-
bilidad pueden
Véanse las restarse
fórmulas (D.1)de las desviaciones típicas obteniéndose las desviaciones típicas corregidas.
y (D.2):

s IR:corr = (
s I2R − um
2
atriz
+ ud2istrib ) (D.1)

donde umatriz y udistrib corresponden a los datos de reproducibilidad.

reproducibilidad.

s r:corr = s r2 − ud2istrib (D.2)

donde udistrib corresponde a los datos de repetibilidad.

Como opción alternativa al procedimiento descrito en los apartados 5.2.2 y 6.3 (ausencia de correcc
corrección
ión
de las desviaciones típicas), el procedimiento con el que corregir una desviación típica respecto a los
componentess no deseados es el siguiente:
componente
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 51 - UNE-EN ISO 19036:2020

– Se calculan los vvalores

alores de los componentes no deseados p
para
ara cada resultado de la serie de datos que
contribuye a la desviación típica:

– tanto para sIR como para sr, esto incluirá todos los componentes relevantes de la distribución:
uPoisson, uconf, uNMP, consúltense los apartados 7.2, 7.3 y 7.4, según corresponda;

– en el caso de sIR, también incluirá la incertidumbre de la matriz, smatriz, que frecuentemente se

considerará 0,1 debido a que las muestras de laboratorio se han homogeneizado, consúltense los
apartados 5.2.2.2.4 y 6.2.

– Se elevan al cuadrado to
todos
dos los valores y se su
suman,
man, obteniéndose la suma de los cu
cuadrados
adrados de los
componentes no deseados, Sno_deseado .

– Se divide entre el númer

númeroo de resultados, N, obteniéndose el cuadrado de la incertidumbre típica
2
combinada de los componen
componentes
tes no deseados, uno_deseado .

– Se resta este valor del cuadrado de la desviación típica, oobteniéndose bteniéndose el cuadrado
cuadrado de la de
desviación
sviación
típica corregida, s I2R:corr = s I2R − un2o_deseado , o s r2:corr = s r2 − un2o_deseado .

– Se calcula la raíz cua

cuadrada,
drada, obte
obteniéndose
niéndose la desv
desviación
iación típica corregida, s IR:corr = s I2R:corr o
corregida,

s r:corr = s r2:corr .

La tabla D.1 muestra los cálculos para los datos del ejemplo de la tabla 1. El único componente de la
distribución relevante
relevante en este ejemplo es el de Poisson (véase 7.3)
7.3).. La incertidumbre de la distribució
distribución
n
correspondiente
correspondien te a la confirmación (véase 7.4) es cero, pero se muestra en la representació
representación.
n.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 52 -

Tabla D.1 – Cálculos de la desviación típica de la reproducibilidad corregida; ejemplo de la tabla 1

Porción Total de Incertidum-
Muestra de Factores de dilución (d) Incertidumbre de la
de colonias bre de la
laboratorio Colonias contadas (C) distribución
ensayo contadas matriz
2 2 2
I j d1 C1 d2 C2 ΣCij uPoisson u Poisson u
conf
u matriz

1 A 3 102 4 8 110 0,041 41 0,001 71 0,01

1 B 3 59 4 4 63 0,054 72 0,002 99 0,01
2 A 5 61 6 6 67 0,053 06 0,002 82 0,01
2 B 5 66 6 8 74 0,050 49 0,002 55 0,01
3 A 4 168 5 18 186 0,031 84 0,001 01 0,01
3 B 4 86 5 7 93 0,045 03 0,002 03 0,01
4 A 5 266 6 25 291 0,025 46 0,000 65 0,01
4 B 5 140 6 16 156 0,034 77 0,001 21 0,01
5 A 6 45 7 5 50 0,061 42 0,003 77 0,01
5 B 5 129 6 15 144 0,036 19 0,001 31 0,01
0
6 A 4 129 5 12 141 0,036 57 0,001 34 0,01
6 B 4 117 5 10 127 0,038 54 0,001 49 0,01
7 A 2 92 3 8 100 0,043 43 0,001 89 0,01
7 B 2 131 3 13 144 0,036 19 0,001 31 0,01
8 A 3 139 4 13 152 0,035 23 0,001 24 0,01
8 B 3 143 4 15 158 0,034 55 0,001 19 0,01
9 A 1 49 2 5 54 0,059 10 0,003 49 0,01
9 B 1 129 2 13 142 0,036 45 0,001 33 0,01
10 A 4 142 5 13 155 0,034 88 0,001 22 0,01

10 B 3 227 4 26 253 0,027 30 0,000 75 0,01

Sno_deseado 0,235 29
N = número de porciones de ensayo 20
2
u no_d
no_des
esea
eado
do
= S no_d
no_des
esea
eado
do
/N 0,011 76

2
s
IR
(procedente de la tabla 1) 0,067 00

2 2 2
s IR:corr = s IR − uno_deseado 0,055 24

2
s IR:corr = s IR:corr 0,235 03

NOTA 1 El divisor, N, es igual al número de resultados que contribuyen a la desviación típica, que corresponde al número de
porciones de ensayo. Este valor puede ser inferior al número de valores de la suma de los cuadrados, Sno_deseado.

NOTA 2 El cálculo y la resta de Sno_deseado es similar, aunque haya distintos números de resultados por cada muestra.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 53 - UNE-EN ISO 19036:2020

2 2 2
Teóricamente, s
IR
o s
r
no deberían ser nunca inferiores a uno_deseado , lo cual produciría un valor ne-
2 2
gativo de s IR:corr o de s r:corr , respectivamente. Sin embargo, esto puede producirse cuando sIR o sr se
2
basan en un conjunto reducido de datos. Si el valor calculado de s
IR
o de s
2
r
es inferior a u2 ,
no_deseado
esto indica que la in
incertidum
certidumbre
bre típica correspondiente, utécn o umatriz, es pequeña en comparación con
las incertidumbres típicas no deseadas y pueden considerarse
considerarse cero. Si ocurre este hecho tan poco habi
habi--
tual, deberían investigarse cuidadosamente sus causas.
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

UNE-EN ISO 19036:2020 - 54 -

Bibliografía

[1] ISO 5725 (todas las partes), Accuracy (trueness and pre
precision)
cision) of measurement methods and results.

[2] ISO 6887 (todas las partes), Microbiology of the food chain. Preparation of test samples, initial
suspension and decimal dilutions for microbiological examination.

[3] ISO 7218:2007, Microbiolo

Microbiology
gy of food and animal feeding stuffs. General requirement
requirementss and guidance
for microbiological
microbiological examinat
examinations.
ions.

[4] ISO 8199:2018, Water quality. General requirements and guidance for microbiological
examinations by culture.

[5] ISO 13528, Statistical methods for use in proficiency testing by interlaboratory compa
comparison.
rison.

[6] ISO 16140-2, Microbiology of the food chain. Method validation. Part 2: Protocol for the validation
of alternative (proprietary) methods against a reference method.
method.

[7] ISO 16140-3:—, 4) Microbiology of the food chain. Method validation. Part 3: Protocol for the
verification of reference and validated alternative methods
methods implemented in a single laboratory

[8] ISO/IEC 17025, General requirements

requirements for the competence of testing and calibration laboratories.

[9] ISO/TS 17728:2015, Microbiology of the food chain. Sampling techniques for microbiological
analysis of food and feed samples.

[10] ISO 21748, Guidance for the use of repeatability, reproducibility and trueness estimates in
measurement uncertainty evaluation.

[11] ISO 29201:2012, Water quality. The variability of test results and the uncertainty of measurement
of microbiological enumeration methods.

[12] ISO/IEC Gu
Guide
uncertainty idemeasurement
in 98-3:20
98-3:2008,
08, (GUM:199
Uncertainty
5). of measurement. Part 3: Guide to the expression of
(GUM:1995).

[13] ISO/I
ISO/IEC
EC Guide 99:2007, International vocabulary of metrology. Basic and general concepts and
associated terms (VIM).

[14] AH SOON C., CORNU M. Report of 2003/2004, ISO Trials about uncertainty measurement, June 2004,
AFSSA, Maisons Alfort, France. Listed as “Report of 2003/2004 ISO trials about uncertainty
measurement (June 2004)” on the web page of the “European Union Reference Laboratory for
Listeria monocytogenes”: https:/
https://eurl-listeria.anse
/eurl-listeria.anses.fr/en/minisite/liste
s.fr/en/minisite/listeria/europe
ria/european-union-
an-union-
reference-laboratory-listeria-mo
reference- laboratory-listeria-monocytoge
nocytogenes-0
nes-0 (accessed 22 November 2018) and freely
available for download at http://standards.iso.org/iso/19036

[15] Analytical Methods Committee. Estimati

Estimating
ng sampling uncertainty. how many duplicate samples
Methods.. 2014, 6(1), pp. 24 –26.
are needed? Anal. Methods

4) En preparación. Fase en el momento de publicación:

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

- 55 - UNE-EN ISO 19036:2020

[16] EURACHEM/CITAC. Guide to Quantifying Uncertainty in Analytical Measurement , 3rd edition,

QUAM: 2012, available at https://w
https://www.eurachem
ww.eurachem.org/index.php/pu
.org/index.php/publications/gui
blications/guides/quam
des/quam
(accessed 22 Nove
November
mber 2018).

[17] JARVIS B. Chapter 4: The Distribution of Microorganisms in Foods in Relation to Sampling. In:
Statistical Aspects of the Microbiological Examination of Foods.
Foods . 3rd Edition. Academic Press,
London, 2016.

[18] JARVIS B., HEDGES A.J., CORRY J.E. The contribution of sampling uncertainty to total measurement
uncertainty in the enumeration of microorganisms in foods. Food Microbiol. 2012, 30,
pp. 362-371.

[19] JARVIS B., WILRICH C., WILRICH P.-Th. Reconsideration of the derivation of Most Probable Numbers,
Numbers,
their standard deviations, confidence bounds and rarity values. J. Appl. Microbiol. 2010, 109,
pp. 660–667.

[20] United Kingdom Accreditation Service. UKAS Publication ref: LAB 1 12,
2, The Expression of
Uncertainty in Testing, Edition 2 Augus
Augustt 2016 available from:
https://www.ukas.com/downlo
https://www.uk as.com/download/publications/pu
ad/publications/publications-relating-
blications-relating-to-laborator
to-laboratory-
y-
accreditation/LAB%2012%20-%20Edition%202%20-%20August%202016.pdf (accessed
22 November 2018).
Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

Para información relacionada con el desarrollo de las normas contacte con:

Asociación Española de Normalización
Génova, 6
28004 MADRID-España
Tel.: 915 294 900
[email protected]
www.une.org

Para información relacionada con la venta y distribuc

distribución
ión de las normas contacte con:
AENOR INTERNACIONAL S.A.U.
Tel.: 914 326 000
[email protected]
www.aenor.com

organismo de normalización español en:

Este documento ha sido adquirido por UNIVERSIDAD INDUSTRIAL DE SANTANDER a través de la suscripción a AENORmás.
Para uso en red interna se requiere de autorización previa de AENOR.

También podría gustarte

UNE-EN ISO 19036-2020 Incertidumbre Alimentos
100% (6)
UNE-EN ISO 19036-2020 Incertidumbre Alimentos
56 páginas
Une-En - Iso - 3961 2019 Yodo
Aún no hay calificaciones
Une-En - Iso - 3961 2019 Yodo
20 páginas
UNE-EN ISO 11133:2014/A2: Norma Española
100% (1)
UNE-EN ISO 11133:2014/A2: Norma Española
18 páginas
Une-En Iso 12099-2018
Aún no hay calificaciones
Une-En Iso 12099-2018
42 páginas
Detección de Campylobacter spp. ISO 10272-1
Aún no hay calificaciones
Detección de Campylobacter spp. ISO 10272-1
37 páginas
UNE-EN ISO 11133:2014/A1: Norma Española
Aún no hay calificaciones
UNE-EN ISO 11133:2014/A1: Norma Española
13 páginas
Une-En Iso 10272-2
Aún no hay calificaciones
Une-En Iso 10272-2
30 páginas
p867449 r5z5f2 Norma Aenor Microbiologia
Aún no hay calificaciones
p867449 r5z5f2 Norma Aenor Microbiologia
18 páginas
Detección de Trichinella (ISO 18743:2015)
Aún no hay calificaciones
Detección de Trichinella (ISO 18743:2015)
24 páginas
Iso 16140-3
100% (5)
Iso 16140-3
100 páginas
Une-En Iso 660 2021-Indice Acidez Aceites
Aún no hay calificaciones
Une-En Iso 660 2021-Indice Acidez Aceites
20 páginas
Incertidumbre en Microbiología Alimentaria
Aún no hay calificaciones
Incertidumbre en Microbiología Alimentaria
13 páginas
011290NEIS104 - ES Listeria
100% (2)
011290NEIS104 - ES Listeria
51 páginas
(Ex) Une-En Iso 18593 2019
0% (1)
(Ex) Une-En Iso 18593 2019
4 páginas
(Ex) Une-En Iso 12099 2018
Aún no hay calificaciones
(Ex) Une-En Iso 12099 2018
4 páginas
Norma UNE-EN ISO 11085:2015 sobre grasas
Aún no hay calificaciones
Norma UNE-EN ISO 11085:2015 sobre grasas
24 páginas
Evaluación de desinfectantes químicos
Aún no hay calificaciones
Evaluación de desinfectantes químicos
4 páginas
Une en Iso 7218
100% (2)
Une en Iso 7218
112 páginas
013804nenn101 Es
Aún no hay calificaciones
013804nenn101 Es
18 páginas
N0070975 PDF Es
Aún no hay calificaciones
N0070975 PDF Es
45 páginas
N0043212 PDF Es
Aún no hay calificaciones
N0043212 PDF Es
102 páginas
N0054829 PDF Es
Aún no hay calificaciones
N0054829 PDF Es
48 páginas
Preparación de Muestras en Productos Sanitarios
Aún no hay calificaciones
Preparación de Muestras en Productos Sanitarios
34 páginas
Une-En Iso 17468 2024
100% (2)
Une-En Iso 17468 2024
22 páginas
ISO 11290-1 Listeria Bis
Aún no hay calificaciones
ISO 11290-1 Listeria Bis
51 páginas
Une en Iso 6887-1
Aún no hay calificaciones
Une en Iso 6887-1
38 páginas
Norma ISO para Materiales de Referencia
Aún no hay calificaciones
Norma ISO para Materiales de Referencia
3 páginas
UNE en 14104 - Indice de Acidez 2021
Aún no hay calificaciones
UNE en 14104 - Indice de Acidez 2021
14 páginas
UNE-EN 16618-2015. Análisis de Los Productos Alimenticios. Determinación de Acrilamida en Alimentos.
Aún no hay calificaciones
UNE-EN 16618-2015. Análisis de Los Productos Alimenticios. Determinación de Acrilamida en Alimentos.
28 páginas
Une en Iso 14064 3 2019 - Compress
Aún no hay calificaciones
Une en Iso 14064 3 2019 - Compress
77 páginas
(Ex) Une-En Iso 10272-1 2018
Aún no hay calificaciones
(Ex) Une-En Iso 10272-1 2018
5 páginas
Iso 14064-3 Validacion y Verificacion Efecto Invernadero
Aún no hay calificaciones
Iso 14064-3 Validacion y Verificacion Efecto Invernadero
77 páginas
Une-En Iso 34101-1 2020 (A1 2024
Aún no hay calificaciones
Une-En Iso 34101-1 2020 (A1 2024
8 páginas
012498nenn2981 Es
Aún no hay calificaciones
012498nenn2981 Es
11 páginas
EXT myYWgHMZeKBH8NgYo9o8
Aún no hay calificaciones
EXT myYWgHMZeKBH8NgYo9o8
6 páginas
Une-En Iso 6887-3 2017 (A1 2021)
Aún no hay calificaciones
Une-En Iso 6887-3 2017 (A1 2021)
7 páginas
(Ex) Une-En Iso 7218 2025
Aún no hay calificaciones
(Ex) Une-En Iso 7218 2025
10 páginas
Une-En - 15491 2022 Indice Acidez Bioetanol
Aún no hay calificaciones
Une-En - 15491 2022 Indice Acidez Bioetanol
12 páginas
Une en Iso 6887 1 2017 A1
Aún no hay calificaciones
Une en Iso 6887 1 2017 A1
18 páginas
Normativa Gas: Quemadores Profesionales
Aún no hay calificaciones
Normativa Gas: Quemadores Profesionales
36 páginas
Une-En Iso 14644-15
Aún no hay calificaciones
Une-En Iso 14644-15
32 páginas
N0072419 PDF Es
Aún no hay calificaciones
N0072419 PDF Es
29 páginas
Normas ISO
Aún no hay calificaciones
Normas ISO
42 páginas
Requisitos Microbiología
Aún no hay calificaciones
Requisitos Microbiología
3 páginas
Une en Iso 6887-2
Aún no hay calificaciones
Une en Iso 6887-2
18 páginas
EXT sc97Il1uesFhg1Ziotha
Aún no hay calificaciones
EXT sc97Il1uesFhg1Ziotha
2 páginas
Une en 19694 2018
Aún no hay calificaciones
Une en 19694 2018
44 páginas
Une-En 14749 2016+a1 2023
Aún no hay calificaciones
Une-En 14749 2016+a1 2023
42 páginas
Une en Iso 14064 3 2019 Af Peru
Aún no hay calificaciones
Une en Iso 14064 3 2019 Af Peru
78 páginas
Aluminio y Aleaciones de Aluminio - Une-En 1706-2020+a1
Aún no hay calificaciones
Aluminio y Aleaciones de Aluminio - Une-En 1706-2020+a1
40 páginas
ISO14046
Aún no hay calificaciones
ISO14046
46 páginas
Une-En Iso 15883-4 2019
Aún no hay calificaciones
Une-En Iso 15883-4 2019
103 páginas
Une-En Iso 80000-1 2023
Aún no hay calificaciones
Une-En Iso 80000-1 2023
30 páginas
Une-En 15259
100% (6)
Une-En 15259
80 páginas
(Ex) Une-En Iso 11290-1 2018
Aún no hay calificaciones
(Ex) Une-En Iso 11290-1 2018
4 páginas
Suspensión Levuricida y Fungicida Fase 2 Etapa 1
Aún no hay calificaciones
Suspensión Levuricida y Fungicida Fase 2 Etapa 1
65 páginas
N0070976 PDF Es
Aún no hay calificaciones
N0070976 PDF Es
29 páginas
Normas UNE Aprobadas en Septiembre 2010
Aún no hay calificaciones
Normas UNE Aprobadas en Septiembre 2010
11 páginas
UNE-EN 13306 Terminologia MT
Aún no hay calificaciones
UNE-EN 13306 Terminologia MT
38 páginas
CATALOGO DE COMPONETES ELECTRONICOS Auto-Actualizable Cada Vez Que Descarga en La Version Vigente PDF
Aún no hay calificaciones
CATALOGO DE COMPONETES ELECTRONICOS Auto-Actualizable Cada Vez Que Descarga en La Version Vigente PDF
194 páginas
Tomacorrientes Polarizados
Aún no hay calificaciones
Tomacorrientes Polarizados
3 páginas
Toyota: Motor de Compresión Variable
Aún no hay calificaciones
Toyota: Motor de Compresión Variable
2 páginas
4ta Practica Calificada Grupo1civil
Aún no hay calificaciones
4ta Practica Calificada Grupo1civil
2 páginas
Mof..Karen Lizana
Aún no hay calificaciones
Mof..Karen Lizana
17 páginas
Principios de Sistemas Distribuidos
100% (1)
Principios de Sistemas Distribuidos
19 páginas
Veeam Backup Free 6.en - Es
Aún no hay calificaciones
Veeam Backup Free 6.en - Es
125 páginas
WebStar EPR 2320 - User Manual - SPANISH PDF
Aún no hay calificaciones
WebStar EPR 2320 - User Manual - SPANISH PDF
134 páginas
Gestión de Materiales Deportivos
Aún no hay calificaciones
Gestión de Materiales Deportivos
12 páginas
Entrenamiento Mikrotik
Aún no hay calificaciones
Entrenamiento Mikrotik
156 páginas
Control Estadistico de Calidad - Tarea 1
Aún no hay calificaciones
Control Estadistico de Calidad - Tarea 1
3 páginas
NMX e 114 CNCP 2013
Aún no hay calificaciones
NMX e 114 CNCP 2013
5 páginas
Protocolo de Verificación de Balanzas
100% (1)
Protocolo de Verificación de Balanzas
5 páginas
Qué es el ISSN y su asignación
Aún no hay calificaciones
Qué es el ISSN y su asignación
2 páginas
Extracto ISO 10018-2020
0% (2)
Extracto ISO 10018-2020
4 páginas
Examen Tema 1
Aún no hay calificaciones
Examen Tema 1
1 página
Oportunidad en Network Marketing
Aún no hay calificaciones
Oportunidad en Network Marketing
3 páginas
Factura 02-24
Aún no hay calificaciones
Factura 02-24
20 páginas
Detalles del Land Cruiser Prado
Aún no hay calificaciones
Detalles del Land Cruiser Prado
7 páginas
Desarrollo Fonológico en Niños de 3 A 6 Años
Aún no hay calificaciones
Desarrollo Fonológico en Niños de 3 A 6 Años
14 páginas
Llaves Dinamométricas ACESA: Precisión y Uso
Aún no hay calificaciones
Llaves Dinamométricas ACESA: Precisión y Uso
6 páginas
Cuaderno de Obras
Aún no hay calificaciones
Cuaderno de Obras
7 páginas
Tuberia A53 SCH 40
Aún no hay calificaciones
Tuberia A53 SCH 40
1 página
2025 Catalogo Tintas y Pos
Aún no hay calificaciones
2025 Catalogo Tintas y Pos
17 páginas
Evolución de La Estrategia de Calidad Dentro de La Empresa
100% (1)
Evolución de La Estrategia de Calidad Dentro de La Empresa
17 páginas
Compras IT Unilago: Resumen de Gastos
Aún no hay calificaciones
Compras IT Unilago: Resumen de Gastos
6 páginas
ANGEL - DE - CAMPOS - Normas IEEE y IEC Sobre Regulaciones en THD para Sistemas de Baja y Media Tensión
Aún no hay calificaciones
ANGEL - DE - CAMPOS - Normas IEEE y IEC Sobre Regulaciones en THD para Sistemas de Baja y Media Tensión
4 páginas
Historia y Misión de Aceros Arequipa
Aún no hay calificaciones
Historia y Misión de Aceros Arequipa
6 páginas
Siemens (Unidad) - Wikipedia, La Enciclopedia Libre
Aún no hay calificaciones
Siemens (Unidad) - Wikipedia, La Enciclopedia Libre
3 páginas
07 - Estación Total ES-65 - Transferencia de Datos
Aún no hay calificaciones
07 - Estación Total ES-65 - Transferencia de Datos
2 páginas