1. 课程导入与法规全景

在实验室日常运行中，我们经常遇到两类看似独立、实则紧密交织的问题：一类是结果本身是否可靠，例如同一份样品重复测定两次，结果偏差是否在可接受范围内；另一类是结果背后的记录是否可信，例如原始图谱、称量记录、修改痕迹能否还原出真实操作过程。前者属于内部质量控制（Internal Quality Control, IQC）要解决的问题，后者属于数据完整性（Data Integrity, DI）要解决的问题。本课程的核心，就是帮助大家把这两条线合并成一条可执行、可审计、可追溯的工作主线。

一、两个核心概念：IQC 与 DI 分别管什么

内部质量控制是实验室为持续证明检测结果达到规定质量要求，而在内部主动实施的一系列技术活动。它关注的典型对象包括：空白、标准品、质控样、加标回收、平行样、人员比对、仪器期间核查、能力验证结果趋势等。IQC 的落脚点是“结果准不准、稳不稳”，其判断依据通常是预先设定的接受标准，例如空白值低于方法检出限、质控样落在均值±2SD 内、加标回收率在 80%～120% 之间。

数据完整性则关注数据在整个生命周期中的完整、一致、准确、可靠和可追溯。它不只看最终报告上的数字，而是看这个数字从产生、记录、处理、审核到归档的全过程中，是否真实反映了实际操作，是否可被独立复核。数据完整性的核心判断原则是 ALCOA+：可归属（Attributable）、清晰（Legible）、同步（Contemporaneous）、原始（Original）、准确（Accurate），再加上完整（Complete）、一致（Consistent）、持久（Enduring）、可获得（Available）。

二、两者的关系：IQC 是“技术证据”，DI 是“证据的可信载体”

可以把 IQC 理解为实验室自己给自己出的“技术考卷”，而 DI 则是保证这张考卷从答题、批改到存档都没有被篡改、遗漏或事后补写的“监考与档案制度”。没有 IQC，数据完整性再好也只能证明“记录很规范”，却不能证明“结果可靠”；没有 DI，IQC 做得再充分，一旦原始记录缺失、修改无痕、时间倒签，审核时同样无法采信。二者是技术有效性与记录可信性的互补关系。

三、法规全景：四类要求如何落到同一张记录上

不同行业的实验室面对的法规侧重点不同，但底层逻辑高度一致。ISO/IEC 17025 是检测和校准实验室能力建设的通用框架，其中 7.7 条“确保结果有效性”直接对应 IQC，要求实验室有计划地监控结果有效性，并保留监控记录；7.5 条“技术记录”则要求记录包含足够信息，以便在尽可能接近原条件的情况下复现活动。GMP 与 GLP 分别面向药品生产和非临床研究，强调记录真实、及时、可追溯，偏差必须调查并记录。FDA 21 CFR Part 11 则专门针对电子记录和电子签名，要求系统具备审计追踪、访问控制、签名与记录绑定等能力。ALCOA+ 不是某一份法规的条款，而是上述法规在数据完整性上的共同原则提炼，是审核员判断记录可信度的通用标尺。

把四者放在一起看，可以形成一条清晰的映射链：ISO/IEC 17025 给出质量体系框架 → GMP/GLP 给出行业执行细则 → 21 CFR Part 11 给出电子化场景的合规要求 → ALCOA+ 给出数据可信度的判断原则。实验室在建立 IQC 与 DI 体系时，不必把四套要求割裂执行，而应把它们落到同一份原始记录、同一套审计追踪、同一个质控图上。

四、课程整体学习路径

本课程共 30 章，整体按“概念—法规—技术—工具—案例—复盘”的路径展开。前几章先建立 IQC 与 DI 的概念框架和法规地图；随后进入具体技术模块，包括质控样与空白设计、控制图与趋势判断、平行样与加标回收、仪器期间核查、人员比对与能力验证；再进入数据完整性模块，包括原始记录管理、审计追踪、权限与电子签名、数据生命周期与归档；最后通过案例与排障章节，把技术判断与合规判断合并到真实场景中。

五、一个最小示例：从一次称量看 IQC 与 DI 如何同时发生

假设某实验室用分析天平称取标准品约 10.00 mg，用于配制标准溶液。从 IQC 角度，需要关注：天平是否在校准有效期内、是否做了日常砝码核查、称量结果是否在标准品证书允许范围内、平行称量偏差是否可接受。从 DI 角度，需要关注：称量记录是否由操作人当场填写并签名、日期时间是否真实、修改处是否有单线划改和签名、电子天平数据是否直接传输而非手工转录、审计追踪是否记录了任何修改。

如果只做 IQC 不做 DI，可能出现“称量结果合格但记录是事后补写”的情况，审核时无法证明操作真实性；如果只做 DI 不做 IQC，可能出现“记录完美但天平长期未核查”的情况，数据可信但结果不可靠。两者缺一不可，这正是本课程要反复强调的核心立场。