您當前的位置:檢測資訊 > 科研開發
嘉峪檢測網 2021-12-22 14:53
摘要
本文介紹了工藝驗證生命周期3A階段的評估方法和相關統計方法。該評估方法可應用于收集了大量工藝和產品數據小分子藥物以及生物制品開發。3A階段可能包括以下要素:3A批次數量的確定;評估關鍵材料屬性(CMA)、關鍵工藝參數(CPP)、關鍵質量屬性(CQA);體內體外相關性(IVIVC);固有工藝可變性(IPV)和PaCS指數的評估;工藝性能和質量面板(PCQd);加強控制策略。美國FDA關于工藝驗證的指南:鼓勵將以前可靠經驗應用到適當的類似產品和工藝中。對于類似產品和工藝的開發和降低風險,完整的3A階段評估至關重要,因此需要制定和開發3A評估要素以解決行業和監管指導要求,從而對產品的穩健性做出科學和基于風險的決策。
背景
3A階段是新產品上市后的初步評估,它利用大量數據進行統計評估,以獲得更深入的產品理解。3A階段評估利用來自產品所有工藝驗證生命周期階段的數據(第1階段:工藝設計;第2階段:工藝性能確認(PPQ);和第3階段:持續工藝驗證)。2015年7月FDA指南草案:質量指南要求規定:制造控制要素是根據產品上市時對工藝性能的早期估計或使用批準時認為適當的控制策略開發的。在放大和商業制造工藝中獲得的知識可用于進一步開發控制策略。3A階段評估對于理解和管理產品可變性至關重要。
通過評估并密切關注多個確定的批次,以更好地了解可能影響關鍵質量屬性(CQA)的產品和工藝可變性和相互作用(如果有),并通過從基于質量源于設計(QbD)的產品開發活動、技術轉移、放大/縮小工藝、設備認證和第3A階段批次中獲得初始工藝資料。本文介紹了Apotex Inc.自2013年4月以來為工藝驗證生命周期第3A階段構思和采用的評估方法和相關統計方法,可以采用表1所示方案和報告。在工藝驗證生命周期第2階段評估完成后,可以啟動具有確定要求的第3A階段方案。完成第3A階段評估表明企業在建立增強的產品控制策略和獲得高水平的產品理解和質量方面的合規性。
確定3A階段評估所需批次數量
2011年FDA工藝驗證指南建議樣品數量應足以在批次內和批次之間提供足夠的質量統計可信度。Pazhayattil引入了一種新方法來確定工藝性能確定(第2階段)批次的數量。該方法使用以前收集的產品特定信息和跨多個CQAs的歷史批次工藝信息。產品特定信息包括為臨床試驗、提交或注冊、穩定性、工藝放大/縮小和模擬目的而生產的第1階段批次生成的數據。通過這種方法建立了產品質量屬性測量值的置信區間,它是工藝均值的置信區間和工藝標準偏差的置信區間的組合。確定PPQ批次的預計數量,以便整個模擬置信區間位于規格限內。
相同的方法用于確定第3A階段批次的數量,除了使用第2階段PPQ批次的結果代替第1階段的批次內變異性(S0)外。例如,USP<905>劑量均勻性表示接受值(AV)的計算必須小于15才能滿足L1標準。現有的批次數據用于確定批次間可變性(SB-B),階段2數據用于確定批次內可變性(S0)。評估3A階段批次數量的置信上限為:
由于每個特定質量屬性的測量方式不同,且要求也不同,因此用于確定置信區間的方程是按質量屬性制定的。如果根據每個質量屬性確定的批次數量不同,建議采用保守的方法選擇最高的估計數量。另一種方法可以在樣本量計算中使用容差區間,前提是確定所需的批次數,例如,95%的數據將被限制在指定的范圍內,置信度為95%。
估計固有工藝變異性(IPV)和PACS指數
FDA指出統計工藝控制在理解和管理可變性方面的重要性。控制可變性的主要步驟是了解可變性的主要來源。可變性是由與“6M”相關的各種因素引起的:機器(machine)、人力(manpower)、材料(materials)、檢測(measurements)、制造方法(manufacturing methods)和環境因素(mother nature)。在藥品制造中,它涉及工藝設備(processing equipment)、人員(personnel)、原材料(raw materials)、分析方法(analytical method)、制造工藝(manufacturing process,)和設施/環境控制(facility/environmental controls)。整體產品(overall product)可變性可以基于估計單個組件可變性來計算,如下面的等式所示:
評估工藝可變性(process variability)的第一步是確保諸如加工設備、人員、原材料和環境控制等可變性影響因素是恒定的。所有3A階段批次均由經過培訓的操作員按照標準操作程序在相同型號的合格設備上進行生產;原材料批次來自同一供應商并符合規格;設施/環境控制和監控系統確保在相同條件下運行。假設這三個因素造成的可變性很小,可以很好的評估來自制造工藝和分析方法的可變性(variability from the manufacturing process and analytical method)。固有工藝可變性(IPV)是批次間可變性的量度,而分析(方法)可變性是批次內可變性的量度。在下面的評估中,抽樣可變性和批次工藝中的可變性被假定為最小,并包含在其他兩個可變性來源下。如果使用QbD原則開發,則在3A階段制造的批次預計在批次工藝中具有最小的可變性。
方差分量分析可以通過單向隨機效應ANOV 模型進行分析。這種模型通過以下模型方程擬合數據:
其中yij是第i個批次中的第j個用量均勻性(DU)測量值,m是總體平均值,ai是第i個批次對用量均勻性的影響,eij是殘差;i=1,…,r和j=1,…,n表示r個批次和每批次n個DU測量值。應該注意的是,在這個模型中,ai被認為是一個隨機變量,其中隨機條件包括不同的操作人員、設備、批次和天數。
在下面的示例中,整體可變性和方差分量是根據成品用量均勻性(DU)結果估計的。每個3A批次都有劑量均勻性數據,每批次10次測量。每個批次都按照USP進行用量均勻性測試,其中每個單位按照方法進行測試(n=10或n=30)。多批次的DU結果用于計算批次之間(IPV)和批次內(分析)可變性分量。從這個模型中,整體方差可以劃分進方差分量,使得:
其中Sy2是整體可變性,Sa2是隨機變量ai的可變性,Se2是殘差項eij的可變性。這里采用ANOVA方差分析估計方法。
假設ai服從均值為0且方差為Sa2的正態分布,并且eij服從均值為0且方差為Se2的正態分布,則Sa2和Se2(并且因此Sy2)的估計值可以推導出如下。
每個批次的平均值表示為yi,總平均值表示為y,r是批次數,n是每批次的結果數。現在讓
那么,Se2的估計是:
同樣,Sa2(IPV)的估計值由下式給出:
然后將整體可變性作為這兩個估計值的總和給出:
每個組件的95%置信區間(CI)以及整體可變性如下(表3),使用修改后的大樣本置信區間。由于工藝引起的方差百分比,即ρBa=Sa2/(Sa2+Se2),分析變異引起的方差百分比,即ρe=Se2/(Sa2+Se2)。因此,此處也包括此類置信區間:
其中F=MSA/MSE;X2c,L和X2c,U是某個水平α的自由度為c的卡方分布的上限和下限,其中Pr{X2c,L≤X2c≤X2c,U}=1-α;FL和FU是某個水平α的{r-1,r(n-1)}自由度F分布的邊界,其中;
推導上述置信區間的主要假設是模型中的誤差項均獨立和分布,且均按正態分布。
為了證明這種方法,將單向隨機效應模型擬合到產品數據集,以生成方差分量分析。結果在表4中。總體差異為1.84,其中0.97歸因于工藝差異,0.87歸因于分析差異。因此,就標準偏差而言,可以看到0:971/2=1.00工藝可變性。大約一半的總體方差(53%)歸因于工藝變異性(IPV),另一半(47%)歸因于分析變異性,如表3中分別在ρa和ρe下所述。表中在估值正下方的括號中提供了95%置信區間。
因此,對于上述示例,固有工藝可變性估計為 0.97。
計算出特定產品的IPV,就可以使用它來推導出PaCS指數。PaCS指數是根據基準衡量的產品性能的計算值。它使用以下公式計算:
其中IPVB是基準測試固有工藝可變性,IPVp是產品固有工藝可變性。對這些產品中的每一批分別進行方差分量估計。IPVB是與當前產品具有相似工藝的所選產品的中間工藝可變性。與基準相比,PaCS指數>1表示工藝可變性高,PaCS<1表示工藝可變性低。因此,PaCS<1是首選。在PaCS>1的情況下,可能需要進一步評估。例如,如果IPVp大于基準產品的最大IPV,則表明有機會通過持續改進來減少當前產品的工藝可變性。
單向隨機效應模型(One-way random effects models)對選定的產品進行擬合,生成一系列方差分量分析,結果見表5。可以看出,工藝方差的范圍為0.07(產品9)到1.61(產品1)。正態性和獨立性假設通過對每個模型擬合的殘差圖的適當分析進行測試,并且沒有發現嚴重的違規行為。IPVB,即Sa2的中值,為0.39(如產品7所示)
鑒于上述IPVB為0.39,IPVP為0.97,PaCS指數計算為0.97/0.39=2.5。很明顯,該產品的PaCS指數>1,表明工藝可變性高于基準。但是,IPVp小于從所選產品中觀察到的最大IPV值(1.61)。如果IPVp大于最大值,則可能需要持續改進策略。
體內體外相關性 (IVIVC)
體內生物臨床結果與3A階段體外溶出曲線的相關性進一步證實了產品一致的溶出性能。初始IVIVC是使用中試規模的批次確定的。因此,在第3A階段相似性評估或IVIVC是有益的,因為它提供保證并進一步支持商業規模生產的藥物產品性能,相對于小規模批次。IVIVC源自血漿濃度-時間結果和3A階段溶出曲線。根據用于建立關系的數據類型,FDA行業指南定義了IVIVC的三個主要級別:緩釋口服劑型:體外/體內相關性的開發、評估和應用(Development, Evaluation and Application)。對于信息量最大和最常見的A級IVIVC,相關性是線性和點對點的。體外溶出釋放曲線可以直接或通過比例因子與體內吸收血漿濃度-時間曲線疊加。臨床結果和3A階段溶出曲線之間的A級IVIVC是通過確定系數(r2)建立的(圖1)。
工藝性能和質量面板(PCQd)
產品特定的PCQd是階段3A評估中預測產品穩健性的關鍵組成部分。其解決了FDA指南中的要素:質量矩陣請求,其中FDA建議可選指標作為制造穩健性和質量保證的證據。報告的數據表明風險低,可能有助于減少現場檢查頻率。
每個工藝階段都可以根據預定的工藝能力目標進行評估,以提供如表6所示的整體產品性能概要。通常專業人員負責選擇用于該評估的統計工具,即評估工藝穩定性和能力。PCQd工藝性能目標可以在第3A階段啟動之前根據可接受的工藝性能指標(例如Pp、Ppk)和嚴格的控制限制設定。
在上面的例子中,Pp公式考慮了標準偏差給出的變異程度和指定限制允許的可接受范圍,因此適用于工藝中的CQA,例如篩分分析。對于此IP CQA,樣本旨在在整個制造工藝中以預定義的時間間隔滿足規范要求。除了工藝變化之外,Ppk評估還能夠判斷除過程變化外的分散問題。因此,它適用于以滿足目標規范為目的的硬度和重量變化。驗收概率(Probability of Acceptance,Pa)適用于具有階段驗收標準(例如溶解)的CQA,在這些條件下,傳統的工藝能力措施是不夠的。
實施PCQd的好處包括:支持主動降低風險的活動,允許通過產品性能監督進行管理層,提高供應鏈的可預測性和制造可靠性,鼓勵實施新興技術以減少可變性,并使監管機構(例如FDA)能夠開發基于風險的現場檢查計劃。PCQd也可以被組織用作產品開發和負責產品商業生命周期管理的商業運營之間的轉移標準。
加強控制策略
ICHQ10藥品質量體系指南指出,在控制策略中,工藝性能和產品質量監控系統應提供測量和分析明確關鍵材料屬性(CMA)、關鍵工藝參數(CPP)和關鍵質量屬性(CQA)的工具。基于質量源于設計(QbD)的產品開發數據、鑒定結果和額外的第3A階段商業批次的結果,最終確定了完善的產品控制策略。ICHQ8(R2)藥物開發需要所有關鍵屬性的控制策略。控制策略旨在確保始終如一地生產具有所要求質量的產品。FDA認識到利用可用于增強產品控制策略的上市后研究的重要性。
應該評估用于第3A階段批次的生產制造的不同批次原材料的CMAs。即使原材料批次符合供應商和內部規格限制,確保在任何已確定的CMAs中產生的變化不會對成品質量屬性(如溶解度、含量均勻性和含量)產生不利影響也很重要。藥品和/或原料藥生產可能需要額外的工藝或規范控制。
在第3A階段評估的CPPs可以反映任何工藝變化。統計工藝控制圖可用于每個CPP來評估工藝參數的可變性。任何生產中發生的變化都可能需要采取適當的行動。CPP是在基于QbD的產品開發的第1階段定義的。如果觀察到CQAs的高可變性,則分析CPPs對CQAs的影響程度,例如,溶解時的預壓縮力和主壓縮力等參數。可以建立統計模型來理解在進一步評估中可能出現的任何新關系,并作為開發工藝理解和控制策略的關鍵組成部分。
應該評估每個制造階段的工藝中質量屬性,如壓實、壓縮和包衣,以及成品質量屬性,如分析、溶解和劑量均勻性。盡管CQA存在一定量的可變性,但當它生產的產品隨著時間的推移穩定且可預測時,該工藝被確定為處于統計控制狀態。統計工藝控制圖是工藝監控中最常用的工具。工藝性能分析(Ppk)和驗收概率分析(Pa)也用于提供產品性能的量化評估和預測。然后可以使用階段3A批次的結果分析來證明未來批次滿足CQA規范的可能性。
基于風險的科學評估以及實驗設計(DoE)研究允許在第1階段建立控制策略,隨后在第2階段驗證并在第3A階段進一步加強(表7)。定義3B階段監控計劃是產品生命周期管理中增強3A控制策略的一部分。進一步了解變異的來源及其對下游工藝、中間體材料和藥品質量的影響,為將控制轉移到上游并最大限度地減少對最終產品測試的需求提供機會。滿足質量保證的替代方法(例如,用分層劑量均勻性或工藝分析技術,如NIR,代替混合均勻性)在附加數據的可用性下是合理的。
結論
本文提供了完成第3A階段評估所需的方法。已經提到的評估工具可應用于已經收集大量工藝和產品資料的新開發產品和上市小分子以及生物制品。完整的3A階段評估對具有類似產品和工藝的產品開發和風險減小具有重要作用。3A評估方法的開發是為了滿足行業指導要求。該方法系統地評估材料屬性、工藝參數、質量特性、固有工藝可變性、藥物釋放曲線、控制策略和3B階段的監測標準。項目產品穩健性(如PCQd)和產品可變性(PaCS指數)可用作關鍵信息,以最大限度地降低供應鏈風險和確認產品合規性。
來源:Internet