Matérias

Uma curva de calibração com coeficiente de correlação próximo de 1,000 ainda recebe, na prática, um peso desproporcional na avaliação de métodos analíticos. Esse número costuma aparecer como evidência central de desempenho, mesmo quando a própria RDC 166/2017 estabelece uma abordagem mais ampla para a linearidade. O ponto crítico não está na exigência regulatória, está na forma como muitos laboratórios interpretam e aplicam esse requisito.

A RDC define linearidade como a capacidade de obter resultados diretamente proporcionais à concentração do analito dentro de uma faixa especificada. Isso envolve mais do que ajuste matemático. A equação da reta precisa apresentar coerência com o sistema, os resíduos devem demonstrar comportamento aleatório e a resposta analítica deve manter consistência ao longo de toda a faixa. Um coeficiente elevado não garante essas condições.

Situações reais mostram essa limitação com clareza. Em métodos de teor, pontos de baixa concentração frequentemente apresentam maior dispersão, mas contribuem pouco para o ajuste global. Em métodos de impurezas, regiões próximas ao limite de quantificação podem carregar variabilidade relevante sem afetar significativamente o valor de R. O resultado final sugere linearidade adequada, mas a confiabilidade nos níveis mais críticos fica comprometida.

A distribuição dos níveis de concentração também influencia diretamente a qualidade da avaliação. Curvas com poucos pontos ou com concentração predominante no centro da faixa tendem a ocultar desvios nas extremidades. A ausência de replicatas reduz a capacidade de avaliar precisão em cada nível. Sem análise de resíduos, desvios sistemáticos passam despercebidos, mesmo com excelente correlação.

O preparo das soluções adiciona outra camada de risco. Erros sistemáticos em diluição podem gerar alinhamento consistente entre os pontos, criando uma linearidade aparente. Nesse caso, o problema não está na resposta instrumental, mas na construção da curva. O método atende aos critérios formais, mas incorpora um viés que compromete o resultado.

Uma avaliação robusta de linearidade exige análise integrada. Resíduos precisam ser examinados com critério, a faixa deve refletir a aplicação real e o limite de quantificação deve demonstrar desempenho consistente. O coeficiente de correlação continua relevante, mas não sustenta, isoladamente, a confiabilidade do método. Quando a análise se restringe a esse parâmetro, o laboratório valida um ajuste matemático, não um comportamento analítico.

Autor: Carlos Eduardo Rodrigues Costa