Spreiding van BMP-resultaten tussen laboratoria: oorzaken en interpretatie

De spreiding van BMP-resultaten tussen laboratoria ontstaat door verschillende bronnen: inhomogeniteit van het monster, verschillen in inoculum en I/S-verhouding, temperatuur, meetmethode van het gas en de berekeningswijze. Standaardisatie van het protocol en cellulosecontrole verminderen de spreiding, maar elimineren deze niet, dus een BMP-resultaat moet worden gelezen als een waarde met een onzekerheidsinterval, en niet als een materiaalconstante. Een goede gewoonte is het vergelijken van resultaten uit verschillende bronnen en deze te wegen op basis van de kwaliteit van de methodiek.

Bronnen van spreiding

Maten voor spreiding

• SD (standaarddeviatie) – in eenheden van het resultaat.
• RSD (CV) – SD/gemiddelde; maakt vergelijking tussen verschillende substraten mogelijk.
• Herhaalbaarheid (binnen één laboratorium) en reproduceerbaarheid (tussen laboratoria) – twee verschillende niveaus; reproduceerbaarheid is groter.
• z-score bij ringonderzoeken: z = (x − x_ref)/σ; |z| ≤ 2 wordt meestal als bevredigend beschouwd.

Voorbeeld

Vijf laboratoria onderzochten hetzelfde kuilvoer: 285, 300, 315, 325, 340 NmL CH₄/g VS.

• gemiddelde: 313; SD ≈ 21,4; RSD ≈ 6,8%.
• Als de referentiewaarde het gemiddelde is, bedraagt de z-score voor 285 (285 − 313)/21,4 ≈ −1,3; voor 340 ≈ +1,3. Geen enkel laboratorium valt buiten ±2.
• Conclusie: goede overeenstemming; een enkel resultaat van 340 is niet „fout”, maar kan worden geïnterpreteerd als het bovenste deel van het interval.

Hoe cijfers uit literatuur en databases te lezen

1. Controleer de methode (inoculum, I/S, temperatuur, tijd, berekeningen).
2. Let op de basis: VS, TS, FM.
3. Let op het type materiaal (ras, oogsttijdstip, verkleining).
4. Combineer niet kritiekloos resultaten uit verschillende methoden; voer indien nodig wegingen in.
5. Geef het interval en het aantal bronnen op.

Wat een laboratorium kan doen

• Een controlekaart voor cellulose invoeren en statistieken bijhouden.
• Deelnemen aan ringonderzoeken.
• Het rekenblad valideren.
• De monstervoorbereiding en meetomstandigheden uniformeren.
• Volledige methodedata rapporteren.

Wat de opdrachtgever kan doen

• Een methode eisen die voldoet aan erkende richtlijnen.
• Bij belangrijke investeringsbeslissingen het onderzoek in twee laboratoria laten uitvoeren.
• Representatieve monsters en meerdere herhalingen van verschillende locaties aanleveren.
• Onzekerheid meenemen in financiële modellen (laag, gemiddeld, hoog scenario).

Invloed van inhomogeniteit van het substraat

Zelfs een ideaal laboratorium kan de variabiliteit van het materiaal zelf niet wegnemen. Kuilvoer van verschillende velden, rassen en oogsttijdstippen verschilt zodanig dat de biologische spreiding vaak groter is dan de analytische spreiding. Daarom is één BMP-getal voor „maiskuilvoer” altijd een gemiddelde; bij de planning is het verstandig om bereiken te gebruiken, en in de exploitatie – analyses van eigen partijen.

Conclusies

Bij het interpreteren van spreiding stelt u drie vragen: is de methode goed beschreven, was de cellulosecontrole correct en vallen de verschillen binnen het typische bereik voor reproduceerbaarheid. Als dat het geval is, kunnen de resultaten als overeenstemmend worden beschouwd en kunnen beslissingen op het interval worden gebaseerd. Zo niet, dan is het zinvol het onderzoek te herhalen of om aanvullende documentatie te vragen.

Statistiek voor de praktijk: hoeveel herhalingen zijn voldoende

Drie herhalingen vormen het minimum waarmee de spreiding kan worden geschat, maar het betrouwbaarheidsinterval van het gemiddelde van drie punten is breed. Bij belangrijke beslissingen (bijv. een contract voor de levering van substraat) is het gerechtvaardigd om het aantal herhalingen of het aantal onafhankelijke monsters te verhogen. De variabiliteit tussen monsters (partijen) is meestal groter dan de variabiliteit tussen herhalingen van hetzelfde monster, dus meer monsters geven meer informatie dan meer flessen van hetzelfde monster.

Hoe het resultaat te presenteren

Een goede praktijk is het rapporteren van het resultaat in de vorm: gemiddelde ± standaarddeviatie (n = aantal monsters, k = aantal herhalingen), met vermelding van het bereik min–max. Hierdoor ziet de ontvanger zowel de centrale waarde als de variabiliteit, en kan hij scenario’s opstellen in financiële modellen.

Voorbeeld van gebruik bij planning

Als drie laboratoria voor kuilvoer 300, 320 en 340 NmL CH₄/g VS geven, kan het basisscenario worden gebaseerd op het gemiddelde van 320, het voorzichtige scenario op 300 en het optimistische scenario op 340. Het verschil van 13% tussen de uitersten vertaalt zich direct in een verschil in methaanproductie en inkomsten, dus verdient aandacht bij de risicobeoordeling van het project.