送样前最常被问的 8 个问题，一次说清

送样这件事，问题大多出在细节上：样品寄少了、路上化了、项目没选对，最后白跑一趟。

这类困惑挺普遍。科易猫接样时几乎天天遇到，问得多了，就把最高频的八个问题归了归，按样品和数据两组排下来。

问题都不复杂，但答不清楚容易返工。

样品的事

1. 一个样品能测几项？

看项目和样品量。同一份样品可以分给多个项目，前提是每次取用前没反复解冻，各项前处理之间也别互相污染。无机和有机一般要分开取样。想知道能覆盖几项，把样品类型和项目清单一起说。

2. 冻存样品怎么寄？

干冰或者足量冰袋，密封、避光、防撞。核心就一条：路上不能化。寄之前把路程时间算清楚，别用“应该没事”来赌。样品化过一次，后面数据都得打折扣。

3. 要寄多少量？

看项目，也看要不要复测。按检测用量的 2–3 倍准备比较稳，多留一份复核用。量卡在临界线上，一旦复测就得重采，代价比多寄一点大得多。

4. 平行样要不要自己留？

要。同一批留一份在手里，是最便宜的保险。数据出异常的时候，有备份样才能分清是样品的问题还是检测过程的问题。

数据的事

5. 结果多久能出？

按项目和前处理复杂度，周期不一样，委托确认时会把时间说清楚。要赶进度就提前讲——能压到什么程度，取决于项目类型和当时的排期，不是所有项目都能加急。

6. "未检出"怎么理解？

低于方法的检出限，不是零。检出限是多少，直接决定这个结论能说到哪一步。写文章的时候按“＜检出限”表述，别写 0。

检出限 0.01 和 0.1 的两个“未检出”，能回答的问题完全不一样。

7. 同一个指标有两个方法，选哪个？

先看你的数据要跟谁比。跟课题组已有的数据比，就沿用原来的方法；跟某篇文章对齐，就用那篇的方法。方法不同，前处理和检出限都不同，结果没法直接横向比。

8. 这些数据能用在什么地方？

课题、文章、毕业材料都可以用，前提是信息完整：方法、检出限、单位、干基还是鲜基、有没有质控数据。

能写到什么程度，得看数据本身：方法、检出限、单位、基态、质控齐全，结论就能往下走一步；缺得多了，只能当一组参考数。

送样前最该问的一句，其实是“这个数据我打算用来做什么”。用途说清楚，方法和口径才能定对。

如果项目多、样品杂，或者拿不准该测哪几项，找科易猫这类机构先沟通一下，能少走不少弯路。