USP 1207 - Package Integrity Evaluation - Sterile Products

RIASSUNTO

Oggetto: Confezionamenti non porosi destinati a prodotti farmaceutici sterili

Glossario:

• Product-package: sistema contenitore-chiusura + prodotto
• Sistema contenitore-chiusura: tutti i componenti del confezionamento primario che possono essere o sono in contatto col prodotto e i componenti del confezionamento secondario che sono vitali per assicurare il corretto assemblamento del confezionamento (per es. ghiere in alluminio necessarie per fermare il tappo nelle vial)
• Integrità del product.package: abilità di un sistema contenitore-chiusura per prodotto sterile di impedire l'entrata di contaminanti all'interno.

Principali eventi che possono verificarsi ed i rischi che si incontrano:

1. capacità di permettere l'entrata di microorganismi: rischio di perdere l'attributo di qualità di sterilità del prodotto
2. capacità di permettere la fuoriuscita di prodotto o l'entrata di liquidi o solidi esterni: rischio di perdere gli attributi di qualità chimico-fisici del prodotto
3. capacità di permettere lo scambio del contenuto di gas nello spazio libero (per es. perdita di gas inerte o entrata di gas come ossigeno, vapori acquosi, aria): rischio di perdere gli attributi di qualità chimico-fisici o di impedire l'accesso al prodotto da parte dell'utente finale. 

 La perdita è differente dalla permeazione:

• perdita è la non intenzionale entrata o uscita di materia attraverso una breccia nella parete del confezionamento o per un gap tra i vari componenti del confezionamento. La velocità di flusso della perdita è funzione del gradiente di pressione assoluta o parziale della sostanza che perde attraverso il confezionamento
• permeazione è il passaggio di un fluido all'interno, attraverso o verso l'esterno della parete non porosa del confezionamento. Avviene quando una frazione di molecole è capace di muoversi attraverso la barriera

La permeazione del confezionamento non fa parte dell'oggetto di questo capitolo.

I metodi per l'integrità del packaging sono metodi per determinare la presenza di brecce o gap tra componenti.

Questi metodi variano molto non solo per la loro applicazione ma anche per i loro

• limiti di rilevabilità
• precisione
• specificità

Revisione del cap. 3, Premises and Equipment, delle GMP

In data 13 agosto 2014 è stata pubblicata una revisione del capitolo 3 delle GMP relativo ai locali e alle attrezzature delle aziende farmaceutiche.
La revisione ha toccato solo un puntoi del testo di cui riporto il confronto:

Punti	Versione in vigore	Versione in vigore dal prossimo 01/03/2015
3.6	In order to minimise the risk of a serious medical hazard due to cross-contamination, dedicated and self contained facilities must be available for the production of particular medicinal products, such as highly sensitising materials (e.g. penicillins) or biological preparations (e.g. from live micro-organisms). The production of certain additional products, such as certain antibiotics, certain hormones, certain cytotoxics, certain highly active drugs and non-medicinal products should not be conducted in the same facilities.  For those products, in exceptional cases, the principle of campaign working in the same facilities can be accepted provided that specific precautions are taken and the necessary validations are made. The manufacture of technical poisons, such as pesticides and herbicides, should not be allowed in premises used for the manufacture of medicinal products.	Cross- contamination should be prevented for all products by appropriate design and operation of manufacturing facilities. The measures to prevent cross-contamination should be commensurate with the risks. Quality Risk Management principles should be used to assess and control the risks. Depending of the level of risk, it may be necessary to dedicate premises and equipment for manufacturing and/or packaging operations to control the risk presented by some medicinal products. Dedicated facilities are required for manufacturing when a medicinal product presents a risk because: the risk cannob be adequately controlled by operational and/or technical measures scientific data from the toxicological evaluation does not support a controllable risk (e.g. allergenic potential from highly sensitising materals such as beta lactams) or relevant residue limits, derived from the toxicological evaluation, cannot be satisfatorily determined by a validated analytical method

Questo documento entrerà in vigore a marzo 2015.

Test di significatività - confronto media con valore conosciuto

Questo test può essere utile per

• verificare per esempio l'accuratezza di un metodo mediante l'analisi di uno standard di cui si conosca la proprietà che si va a misurare (per es. il titolo)
• verificare l'accuratezza di uno strumento, sempre mediante l'analisi di uno standard noto (si pensi ad esempio ad una bilancia in cui si vada a pesare ripetutamente un peso certificato, oppure ad un polarimetro o ad un viscosimetro)

Se infatti il test viene ripetuto più volte (per es. in sestuplo, vedi questo post in proposito), si può verificare se l'ipotesi che il metodo sia accurato (cioè che il risultato non sia significativamente diverso dal valore vero, ipotesi nulla H0: media-µ=0).

Il termine nulla è usato per indicare che non ci deve essere nessuna differenza tra il valore misurato ed il valore vero.

Assumendo che l'ipotesi nulla sia vera, la statistica ci viene in aiuto per calcolare la probabilità che la differenza osservata tra il valore vero e la media delle misure effettuate sia dovuta solamente ad errori casuali.

Chiamiamo alfa, la probabilità di respingere l'ipotesi nulla H0 anche se vera, allora (1-alfa) è la probabilità di accettare l'ipotesi nulla H0 quando questa è vera.

E' importante notare che, se il t-test permette di non rigettare l'ipotesi nulla, questo NON dimostra che sia automaticamente vera.

TEST

Per stabilire se l'ipotesi nulla possa essere mantenuta o rigettata occorre calcolare il valore t nel seguente modo:

dove:

x = media dei valori misurati

µ = valore vero

n = numero di valori misurati

s = deviazione standard dei valori misurati

Se il valore assoluto di t eccede un certo valore critico, t, allora l'ipotesi nulla è scartata.

Il valore critico viene calcolato mediante la seguente tabella dei valori della distribuzione di t (a due code), fissando il livello alfa di significatività:

Quindi se il valore t calcolato cade all'interno dell'intervallo -t critico e + t critico, l'ipotesi H0 non può essere respinta ad un livello di significatività del 1-alfa.

Per es., in caso di teste che hanno fornito un titolo medio 100.15% con una deviazione standard di 0.23% eseguito in sestuplo (n=6) di uno standard con titolo vero 100% (µ), si ottiene un valore di t calcolato pari a 1.567.

Il valore di t tabulato, per n-1 gradi di libertà e per una probabilità del 5% (0.05) è pari a 2.571.

Siccome il valore di t calcolato è minore del t tabulato (valore critico), l'ipotesi nulla non può essere respinta ed la media ottenuta può essere considerata NON significativamente diversa dal valore vero con una probabilità pari a 1-alfa, cioè 95%.

Da un altro punto di vista, possiamo calcolare (mediante un software o per interpolazioni dei valori in tabella) la probabilità corrispondente al t calcolato (1.567) che è pari a 0.178 (17.8%), cioè P(|t|>1.567)=0.178. Se P(t calcolato) > 0.05, allora l'ipotesi nulla non può essere respinta.

Ho compilato un semplice foglio di excel per potervi permettere in modo veloce il calcolo e la verifica del confronto. Lo trovate qui.

Il numero magico: 6

Ho letto un interessante articolo di Chris Burgess su Pharmaceutical Technology Europe di Giugno 2014 che potete trovare cliccando qui.

Perché a noi analisti piace tanto il numero 6? Perché eseguiamo 6 ripetizioni quando, in una validazione di un metodo, dobbiamo verificare la precisione di un metodo? Oppure perché ci viene chiesto di eseguire almeno altre 5 prove per verificare un outlier?

L'articolo da una spiegazione a questa pratica, che effettivamente ha un suo fondamento statistico.

Non sto a dilungarmi molto, potete leggere l'articolo al link sopra indicato.

Però volevo riportarvi la spiegazione  di come variano gli intervalli di confidenza di una media al variare del numero di dati a disposizione, considerato che questo è il caso più diffuso.

L'intervallo di confidenza di una media viene calcolato, considerando la distribuzione t, nel seguente modo:

Posta la deviazione standard uguale a 1 (s=1), una media pari a 0 (con un valore diverso il grafico sarebbe identico solo shiftato) e alfa pari a 0.05 (95% di probabilità, valore più diffusamente utilizzato), è possibile costruire un grafico dove in ascissa c'è n ed in ordinate l'intervallo di confidenza:

Da questo grafico è possibile osservare che con un numero di prove pari a 6 l'intervallo di confidenza della media diventerebbe:

con un intervallo di confidenza ampio 2s.

Con 18 ripetizioni invece si avrebbe:

cioè un'ampiezza pari a s.

In pratica per dimezzare l'ampiezza dell'intervallo di confidenza (da 2s a s) occorrerebbe triplicare il numero di prove (da 6 a 18)!!!
Variando il valore di s, l'intervallo viene amplificato o ridotto ma il rapporto tra i due punti non varia (provare per credere!!!).

Il numero 6 quindi costituisce un buon compromesso utilizzato anche dalle linee guida ICH Q2R1.

Ma il numero 6 è magico anche per verificare l'intervallo di confidenza della deviazione standard.

Ricordando che questa segue la distribuzione del chi quadro, vi lascio alla lettura dell'articolo per una spiegazione molto simile.

Buona lettura!!!

Modifiche permesse dalle farmacopee in cromatografia liquida

PARAMETRI	Ph Eur.		USP
	ISOCRATICA	GRADIENTE
pH nella fase mobile	± 0.2 dove non diversamente prescritto, o ± 1.0 quando vengono esaminate sostanze non ionizzabili	Variazioni non permesse	± 0.2
Concentrazione di sale nel tampone	± 10%	Variazioni non permesse	± 10% (se il pH rimane nel range sopra indicato)
Rapporto dei componenti nell’eluente	La quantità del componente minore può essere aggiustata del ±30% relativo o 2% in assoluto (quello tra i due più grande).	===	Per il componente minore: ± 30% relativo ma non deve superare il 10% in assoluto (riferito alla fase mobile totale).
Lunghezza d’onda (detector UV-Vis)	Variazioni non permesse	Variazioni non permesse	Variazioni non permesse (l’accuratezza della lunghezza d’onda deve essere ± 3 nm
Lunghezza colonna	± 70%	± 70%	± 70%
Diametro interno	± 25% Se le condizioni della colonna sono variate, il flusso può essere aggiustato utilizzando la formula sotto (vedi flusso)	± 25% Se le condizioni della colonna sono variate, il flusso può essere aggiustato utilizzando la formula sotto (vedi flusso)	Può essere aggiustato solo se la velocità lineare viene mantenuta costante (vedere flusso)
Dimensione particelle fase stazionaria	Può essere ridotta fino al 50%. Non può essere aumentata	Variazioni non permesse	Può essere ridotta fino al 50%. Non può essere aumentata
Fase stazionaria	Nessuna modifica permessa	Variazioni non permesse	===
Flusso	± 50% modifiche maggiori sono accettabili se rispettano la formula	modifiche sono accettabili se rispettano la formula	Se le condizioni della colonna sono cambiate il flusso può essere aggiustato usando la seguente formula: Il flusso può essere modificato del ± 50%
Volume di iniezione	Può essere ridotto se la precisione e i limiti di rivelabilità sono mantenuti. Non può essere aumentato	Può essere ridotto se la precisione e i limiti di rivelabilità sono mantenuti. Non può essere aumentato	Può essere ridotto se la precisione e i limiti di rivelabilità sono mantenuti. Non può essere aumentato
Temperatura colonna	± 10%		± 10%

La statistica dei campionamenti per attributi

Elenco i post relativi alla statistica dei campionamenti per attributi, in ordine logico:

Campionamento in accettazione per attributi - 1 - Introduzione
Campionamento in accettazione per attributi - 2 - Curve operative di tipo B
Campionamento in accettazione per attributi - 3 - Curve operative di tipo A
Campionamento in accettazione per attributi - 4 - Variazione in base a "n" e "c"
Campionamento in accettazione per attributi - 5 - Caratterizzazione di una curva

Riferimenti:

"Quality Control and Industrial Statistics", Acheson J. Duncan

Campionamento in accettazione per attributi - 5

Caratterizzazione di un piano di campionamento in accettazione
Malgrado la storia di un piano sia raccontata da una curva operativa completa, spesso l'interesse è puntato su alcune parti della curva: spesso si vorrebbe sapere, per es., quale dovrebbe essere la qualità del prodotto/processo (p') che condurrà ad una alta probabilità di accettazione dei lotti. 
Il produttore soprattutto sarà interessato a conoscere questo valore in modo da sapere quale deve essere il suo target per una alta percentuale di lotti accettati dal cliente.
In questo senso hanno interesse in particolare due punti, 0.95 e 0.90, cioè la probabilità di accettare il 95% o il 99% dei lotti e di conseguenza la qualità del prodotto a cui corrisponderanno questi valori, e cioè p'0.95 e p'0.99. In pratica si concentrerà sul suo rischio di vedersi rifiutati lotti conformi.
Al contrario il cliente sarà interessato a quale qualità del lotto (p'0.10 e p'0.05) corrispondono basse probabilità di accettazione (10% e 5%), cioè si focalizzerà sul rischio di accettare lotti non conformi.

Quando un cliente stabilisce un piano di campionamento per una fornitura continua di materiale, fa riferimento al LIVELLO DI QUALITA' ACCETTABILE (AQL, Acceptable Quality Level) che corrisponde al livello più povero di qualità  (o la massima frazione di difettosi) che è disposto ad accettare, con una probabilità per es. del 95% o del 90%. 
L'AQL è legato alle caratteristiche del processo del fornitore e non del piano di campionamento usato dal cliente.
E' importante sottolineare che il valore AQL non dà indicazione della qualità del prodotto e non costituisce il target del produttore. E' solo un parametro standard che il cliente utilizzerà per giudicare il prodotto. In teoria la qualità del prodotto p' deve essere ben al di sotto di AQL se il fornitore vuole che la maggior parte dei lotti siano accettati.
In pratica se AQL è 2% e alfa (rischio fornitore) di 0.05 (5%), verranno accettati il 95% (1-alfa) dei lotti con una difettosità pari o inferiore al 2%.


Il cliente è inoltre interessato al rischio di accettare frequentemente lotti che abbiano una difettosità maggiore di un certo limite: per es. non vuole accettare più del 10% di lotti che abbiano una difettosità maggiore o uguale al 8%. Questo livello è chiamato LTPD, Lot Tolerance Percent Defective.

Per disegnare una curva operativa occorrono questi due punti:
- p'1 (AQL) percentuale di difettosità massima tollerata e (1-alfa) probabilità di accettazione dei lotti con qualità pari o migliore di AQL
- p'2 (difettosità non accettata, LTPD) e beta, probabilità di accettazione di lotti con difettosità pari o maggiore di p'2


Esempio chiarificatore
Un cliente vuole un piano di campionamento che permetta di non accettare, per più del 10% delle volte (lotti), materiale con difettosità uguale o maggiore del 8%. Inoltre si stabilisce che il fornitore fornisca materiale che abbia al massimo 1% di difettosità ed il piano deve prevedere che questi lotti debbano essere accettati per almeno il 95% delle volte.
Il piano quindi dovrà passare da questi due punti

• p'1=0.01 (1%) e alfa=0.05 (5%)
• p'2=0.08 (8%) e beta=0.1 (10%)

Trovare il piano significa trovare i parametri n, d e c affinché la curva passi da questi due punti.

A questo link trovate un semplice file excel che vi permetterà di provare a cercare la curva che meglio approssimi i due punti, variando i valori di n e c.

Post precedente: Campionamento in accettazione per attributi - 4

Riferimenti:

"Quality Control and Industrial Statistics", Acheson J. Duncan