Planowanie badań stabilności i minimalizacja liczby badań

Transkrypt

1 NARZĘDZIA STATYSTYCZNE W BADANIACH TRWAŁOŚCI PRODUKTU LECZNICZEGO Dorota Osiecka, Gedeon Richter Polska Sp. z o.o. Wstęp Obowiązek prowadzenia badań stabilności jest jednym z wielu wymagań nałożonych na firmy farmaceutyczne, zarówno przez organy państwowe, jak i międzynarodowe. Badania stabilności są prowadzone jednak nie tylko ze względu na wymagania prawne, ale także dlatego, że stabilność zarówno substancji aktywnych API, jak i produktów leczniczych jest jednym z krytycznych parametrów procesu wytwarzania i dystrybucji gotowych wyrobów. Wiedza o trwałości własnego produktu pozwala firmie budować jakość projektowanych produktów leczniczych, potwierdzić termin ważności nowo zarejestrowanych produktów oraz kontrolować jakość (a tym samym dbać o zdrowie pacjenta i bezpieczne stosowanie) produktów leczniczych będących na rynku oraz dbać o własny wizerunek i budować zaufanie pacjentów. Badania stabilności wykonywane są w celu określenia: zmienności produktu w czasie, w krytycznych warunkach środowiskowych (temperatury, wilgotności i oświetlenia), odpowiednich warunków przechowywania, określenia lub potwierdzania specyfikacji wyrobu gotowego (zarówno w czasie zwalniania, jak i w ciągu całego okresu ważności), uzasadnienia zaproponowanego okresu ważności. Aby odpowiednio zaprojektować, dobrze prowadzić oraz prawidłowo zinterpretować wyniki tych długotrwałych i czasochłonnych badań, coraz częściej posługujemy się różnorodnymi zdobyczami technicznymi i naukowymi. Zaliczenie tu wnioskowań opartych na metodach statystycznych wydaje się w pełni uzasadnione. Planowanie badań stabilności i minimalizacja liczby badań Badania stabilności, szczególnie te prowadzone przed wprowadzeniem produktu leczniczego na rynek, aby dostarczać pełnej informacji o naszym produkcie, powinny uwzględniać wpływ różnorodnych czynników przez długi okres czasu. Dodatkowo należy wykonać Copyright StatSoft Polska

2 badania w wielu kolejnych punktach czasowych. Powyższe czynniki sprawiają, że pełne badania stabilności wymagają długiego kilkuletniego okresu czasu, a dodatkowo są bardzo rozbudowane. Aby ograniczać te kosztowne i długotrwałe badania, coraz częściej stosuje się programy redukcji testów. Dwa najpopularniejsze, rekomendowane przez ICH, metody redukcji liczby badań to: bracketing i matrixing 1. Te opierające się na statystyce metody projektowania doświadczeń (badań stabilności) można stosować, z pewnymi ograniczeniami, na wszystkich etapach życia produktu (tabela 1). Tabela 1. Zastosowanie planów redukcji testów. Faza rozwoju Przedrozwojowe badania stabilności Fazy kliniczne I - III Przyspieszone i długoterminowe badania serii rejestracyjnych Badania stabilności on going Badania stabilności follow - up Preferowana procedura redukcji bracketing bracketing bracketing / matrixing matrixing matrixing Bracketing jest metodą, w której redukcja opiera się na testowaniu we wszystkich zalecanych punktach czasowych tylko skrajnych obiektów doświadczalnych. Czynnikami, które możemy uwzględnić w planie redukcji testów z wykorzystaniem tej metody, i które generują nam plan badań stabilności, są: różne dawki tego samego produktu i różne wielkości/różne ilości wypełniania opakowań. Stabilność na wszystkich pośrednich poziomach jest reprezentowana przez najmniej stabilną skrajny obiekt doświadczalny. Przy wyborze obiektów eksperymentalnych należy wziąć pod uwagę także liczbę badanych dawek i rodzajów opakowań; czasami badanie tylko skrajnych obiektów może okazać się zbyt małym zbiorem. Ponieważ ten plan redukcji przewiduje wykonywanie badań we wszystkich punktach czasowych dla wybranych obiektów, powinien być stosowany w przypadkach konieczności wykrywania i śledzenia trendów. Matrixing jest metodą tworzenia zredukowanego planu badań poprzez wybór podzbiorów ze wszystkich możliwych prób (ze wszystkimi możliwymi kombinacjami czynników wpływających na stabilność), które są sekwencyjnie badane w kolejnych punktach czasowych. Stosując tę metodę redukcji, zakładamy, że każdy podzbiór reprezentuje stabilność wszystkich prób w danym punkcie czasowym. Czynniki projektowania: redukcję badań należy wypośrodkować tak, aby mieć możliwość obserwowania wpływu wszystkich czynników podobnie jak w pełnych badaniach stabilności (wszystkie plany powinny zachowywać dostateczną zdolność wykrywania zmienności w obrębie jednego czynnika, jak i pomiędzy czynnikami), 1 International Conference on Harmonization. Q1D: Bracketing and Matrixing Designs for Stability Testing of New Drug Substances and Products CPMP/ICH/4104/00-ICH February Copyright StatSoft Polska 2014

3 w ciągu pierwszych 12 miesięcy trzy punkty powinny być przebadane w każdym przypadku, wszystkie przypadki powinny być przebadane na początku i na końcu oraz po każdych 12 miesiącach, dla badań przyspieszonych i pośrednich każdy przypadek powinien być przebadany w co najmniej trzech punktach czasowych. Stosowanie tej metody niesie pewne ograniczenia podczas ustalania terminu ważności z wykorzystaniem danych uzyskanych dzięki matrixingowi. Badania stabilności prowadzone zgodnie z tym planem redukcji nie stanowią dostatecznej podstawy do wykrycia wpływu niektórych czynników lub interakcji czynników na stabilność produktu (powodując błędne wnioskowanie o równoważności serii). Oszacowany na podstawie tych danych termin ważności jest krótszy, a szacowanie przebiega z mniejszą precyzją. Powyższe ograniczenia powodują, że metoda ta jest częściej wykorzystywana w badaniach potwierdzających proponowany/przewidywany okres trwałości dla produktów wykazujących niewielką zmienność. Zastosowanie planów redukcji testów w badaniach stabilności ułatwia i przyspiesza proces uzyskania wyników, danych koniecznych do oszacowania terminu ważności lub wpływu różnorodnych warunków na badany produkt. Zastosowanie ich ma jednak swoje wady, wpływ pewnych czynników lub kombinacji tych czynników nie jest dobrze widoczny, dlatego zawsze zastosowanie planów redukcji powinno być działaniem dobrze przemyślanym i naukowo uzasadnionym. Przewidywania trwałości na podstawie badań stresowych Pierwsze zalecenia dotyczące badania trwałości zostały opracowane przez Federalny Urząd do spraw Żywności i Leków (FDA) w 1987 r. Europejska Agencja do spraw Oceny Środków Leczniczych (EMEA) wydała pierwsze wytyczne odnoszące się do kontroli parametrów trwałości w 1995 r., a w roku 2003 ukazały się wytyczne łączące zalecenia FDA i EMEA. Trwałość jest to przede wszystkim odporność na działanie czynników fizycznych i chemicznych. Metodyka oceny trwałości opiera się na badaniu kinetyki reakcji rozkładu substancji czynnej produktów rozkładu. Reakcje rozkładu często przebiegają bardzo wolno, z tego powodu badania trwałości nowego produktu leczniczego w warunkach normalnych są długotrwałe i nieekonomiczne. Za pomocą statystyki jest możliwe, na podstawie uzyskanych w ten sposób danych, przewidywanie wyników z badań długookresowych oraz ustalenie możliwego zakresu terminu ważności. Dotyczy to szczególnie danych uzyskanych z badań przyspieszonego starzenia i stresowych, prowadzonych w różnych temperaturach, które można ze sobą porównywać dzięki zastosowaniu równania Arrheniusa. Analizując kinetykę reakcji, można w krótkim czasie oszacować wielkość zmian zachodzących w postaci leku po dłuższym okresie przechowywania w określonych dla produktu leczniczego warunkach. Znalezienie najbardziej stabilnej postaci leku dla nowego produktu leczniczego jest sprawą bardzo istną dla powodzenia całego procesu wdrożenia. Dodatkowym wyzwaniem na tym Copyright StatSoft Polska

4 etapie jest czas badania powinny być zakończone tak szybko, jak tylko to jest możliwe. Dlatego więc, zgodnie z wytyczną ICH 2, przeprowadza się badania przyspieszone uwzględniające efekt wzrostu temperatury co 10. Przy ocenie wyników stosuje się dobrze poznaną teorię Arrheniusa, która pozwala poprzez ekstrapolację przewidzieć trwałość produktu (w warunkach normalnych w 25 C). Pierwszym krokiem w ustalaniu najbardziej trwałej formy farmaceutycznej jest ustalenie, czy pomiędzy zmiennymi (zawartość substancji czynnej i warunki przechowywania, np. temperatura) istnieje statystycznie istotna korelacja poprzez wyznaczanie współczynnika korelacji. Jeśli stwierdzi się taką korelację, oznaczającą rozkład substancji czynnej pod wpływem temperatury w czasie, należy dopasować kinetyczny model reakcji rozkładu, wykonując następujące kroki: dane uzyskane z różnych temperatur należy dopasować do kinetycznego modelu reakcji rozkładu: zerowego lub pierwszego rzędu, przez analizę regresji, odpowiednio liniową lub nieliniową, uzasadnienie statystyczne obu modeli (potwierdzenie następuje z wykorzystaniem metody ANOVA dla modelu zerowego rzędu lub test χ 2 dla modelu pierwszego rzędu); jeśli oba są uzasadnione należy porównać wariancje obu modeli za pomocą testu F-Snedecora: jeśli istotna różnica jest wykryta, należy wybrać kinetyczny model z mniejszą wariancją, jeśli nie wykryto istotnej różnicy, zgodnie z założeniami teorii Arrheniusa, należy wybrać jeden model dla wszystkich temperatur biorąc pod uwagę wiedzę na temat reakcji rozkładu 3,4,5. Po wybraniu kinetycznego modelu rozkładu z równania Arrheniusa wyliczana jest stała rozpadu (k T ) dla każdej temperatury: k Ea / RT T Ae lub lnkt ln A Ea /( RT) gdzie: k T jest stałą reakcji rozkładu w różnych temperaturach, A faktor częstotliwości, E a energia aktywacji, R stała gazowa, T temperatura przechowywani prób w stopniach Kelvina. 2 International Conference on Harmonization. Q1A: Stability Testing of New Drug Substances and Drug Products CPMP/ICH/ 2736/99 September J.T. Carstensen, Solution kinetics, in J.T. Carstensen, C.T. Rhodes, Drug Stability. Principles and Practices, 3 rd ed., Marcel Dekker, New York, 2000, W.R. Young, Accelerated temperature pharmaceutical product stability determinations, Drug Dev. Ind. Pharm.: 1990; 16: J.T. Carstensen, Interaction of moisture with solids, in J.T. Carstensen, C.T. Rhodes, Drug Stability. Principles and Practices, 3 rd ed., Marcel Dekker, New York, 2000, Copyright StatSoft Polska 2014

5 Po wyznaczeniu stałych rozpadu dla wszystkich sprawdzanych temperatur sprawdzane jest, czy istnieje statystyczne istotna korelacja pomiędzy: stałą rozpadu a odwrotnością temperatury przechowywania. Istnienie takiej korelacji warunkuje możliwość zastosowania równania Arrheniusa do wyliczenia, przez ekstrapolację, k 25 C stałej reakcji rozkładu w temperaturze 25 C. Jeśli stwierdzono statystycznie istotną korelację, należy, wykorzystując nieliniową regresję, dopasować model opisujący tę zależność, a następnie sprawdzić, czy jest on uzasadniony statystycznie (test χ 2 ). Wyznaczona stała rozpadu dla temperatury 25 C pozwala wyliczyć parametr t 90 (czas, po którym następuje redukcja zawartości substancji czynnej do 90% wartości początkowej) dla wszystkich porównywanych form farmaceutycznych. Wybór najbardziej trwałej formy farmaceutycznej dla danej substancji czynnej następuje również z wykorzystaniem metod statystycznych, np. testu t-studenta. Podejście takie nie zawsze daje się zastosować z sukcesem. Powodem tego są różnorodne fluktuacje zachodzące w czasie reakcji rozkładu. Zaliczamy do nich: przejścia fazowe, zmiany ph, niekontrolowanie wpływu wilgotności względnej, występowanie złożonych mechanizmów reakcji 6. Również forma, w jakiej występuje substancja czynna w produkcie leczniczym i interakcje z substancjami pomocniczymi, mają istotny wpływ na różnice w reakcjach rozkładu zachodzących dla czystej substancji czynnej i produktu leczniczego zawierającego tę substancję czynną 9. Metoda ta przedstawia nam zmiany zachodzące w produkcie tylko z pewnym przybliżeniem, ponieważ nie uwzględnia wszystkich czynników wpływających na produkt w czasie jego przebywania na rynku. Dlatego jest zalecana przez ICH 2 raczej do badania trwałości substancji czynnych. Zastosowanie warunków stresowych pozwala znacznie skrócić czas potrzebny do odpowiedzi na istotne w czasie tworzenia produktu problemy: porównać trwałości serii produktów, przewidywać zmiany cech produktu w długim okresie jego użytkowania w normalnych warunkach, poznawać mechanizmy degradacji, testować metody zabezpieczania produktów przed rozkładem. Aby umożliwić rzetelną ocenę trwałości produktu, co zapewnia bezpieczeństwo stosowania produktu leczniczego, organy dopuszczają różnorodne podejścia. Federalny Urząd do spraw Żywności i Leków (FDA), jeśli dane literaturowe odnośnie trwałości nie są wystarczające, daje możliwość włączenia do programu badań stabilności określających trwałość, obok przechowywania prób w normalnych warunkach, warunków stresowych. 7 Proponowane przez FDA warunki stresowe powinny uwzględniać: temperaturę (np. 5ºC, 50ºC; 75ºC), wilgotności (np. 75%RH lub wyższe), 6 K.C. Waterman; R.C. Adami Accelerated aging: Prediction of chemical stability of pharmaceuticals International Journal of Pharmaceutics 2005; 293; Food and Drug Administration (1987) Guideline for Submitting Documentation for Stability Studies of Human Drugs and Biologics Maryland: Center for Drugs and Biologica. Copyright StatSoft Polska

6 promieniowanie elektromagnetyczne o różnej długości fali (np nm, ultrafioletowe, z zakresu widzialnego), zasadowe lub kwasowe ph. Europejska Agencja do spraw Oceny Środków Leczniczych (EMEA) wydała wytyczną 8 odnośnie testowania fotostabilności dla substancji czynnej i pośrednich produktów leczniczych. Ostatnie doniesienia naukowe 9 pozwalają mieć nadzieję, że możliwe będzie skrócenie badań trwałości z jednoczesnym uzyskaniem bardzo wiarygodnych wyników poprzez zastosowanie metody ASPA (Accelerated Stability Assessment Program) przyspieszonego programu oceny stabilności. Na podstawie badań przeprowadzonych na stałych postaciach leku zawierających małocząsteczkowe substancje czynne (np. aspiryna, witamina C) zaproponowano 14-dniowy przyspieszony program badań stabilności. Dzięki połączeniu metody isoconversion paradigm (określenie czasu potrzebnego do osiągnięcia poziomu produktów rozkładu równych limitowi specyfikacji) z zastosowaniem do ekstrapolacji danych, poprawionego względem wilgotności, równania Arrheniusa. Metoda ASAP wydaje się bardzo kusząca ze względu na ilość uzyskiwanych informacji, a także szybkość, z jaką te informacje uzyskujemy. Jednakże w procesie zbierania danych w celu określenia trwałości produktu leczniczego nie można jej zastosować z jednoczesną eliminacją przyspieszonych badań stabilności (40 C ± 2 C/75% RH ± 5% RH) prowadzonych przez 6 miesięcy, oczywiście poszerzonych o badania w warunkach stresowych zalecanych przez wytyczne FDA i ICH. Szacowanie terminu ważności Dzięki statystyce możemy, z użyciem danych historycznych, prognozować wartość parametrów jakościowych i na tej podstawie oszacować, jak długo dany parametr będzie spełniał wymagania specyfikacji, a tym samym, jaki będzie okres trwałości produktu leczniczego. Okresem ważności produktu leczniczego nazywamy przedział czasu, w którym produkt przechowywany w zalecanych warunkach spełnia wymagania specyfikacji jakościowej. Znamy różne metody oszacowania tego przedziału czasu. Metoda oparta na wytycznych FDA 10 każe wyznaczać termin ważności jako punkt czasowy, w którym dolny limit przedziału ufności (wyznaczony z 95% prawdopodobieństwem) dla najlepiej dopasowanej 8 International Conference on Harmonization. Q1B: Photostability Testing of New Active Substances and Medicinal Products- CPMP/ICH/279/95 January K. C. Waterman, A. J. Carella, M. J. Gumkowski, P. Lukulay, B. C. MacDonald, M. C. Roy, and S.L. Shamblin1 Improved Protocol and Data Analysis for Accelerated Shelf-Life Estimation of Solid Dosage Forms Pharmaceutical Research, 2007; Vol. 24, No Food and Drug Administration (1987) Guideline for Submitting Documentation for Stability Studies of Human Drugs and Biologics Maryland: Center for Drugs and Biologica Copyright StatSoft Polska 2014

7 prostej regresji przecina najniższy akceptowany limit badanego parametru jakościowego (często jest to 90% deklarowanej ilości). Zastosowanie ekstrapolacji jest uzależnione od uzyskanych danych nie tylko z warunków długoterminowych, ale również przyspieszonych. Należy wziąć pod uwagę, czy dane wskazują na istnienie zmienności badanego parametru w czasie, a także występujące zmienności. W podjęciu decyzji o zastosowaniu ekstrapolacji i maksymalnym oszacowanym terminie ważności pomocne jest, załączone w wytycznej 13 w załączniku A, drzewo decyzyjne. Dodatkowo wspominana wytyczna ICH 13 opisuje podejścia do wyznaczania terminu ważności w zależności od zastosowanych danych wejściowych: analiza dla pojedynczej serii, analiza z uwzględnieniem jednego czynnika (jednej zmiennej), wyniki z pełnych badań stabilności: ocena uzyskanych danych osobno dla każdej serii i wybranie najkrótszego oszacowanego terminu ważności pierwsze przecięcie z limitem specyfikacji, łączna ocena danych uzyskanych dla wszystkich badanych serii po wcześniejszym potwierdzeniu równoważności danych z poszczególnych zbiorów (czyli potwierdzeniu hipotezy o braku statystycznie istotnych różnic pomiędzy współczynnikami kierunkowymi i wyrazami wolnymi wyznaczonych prostych) poprzez zastosowanie testów statystycznych porównujących grupy (analiza wariancji ANOVA, test t-studenta,). analiza z uwzględnieniem wielu czynników, wyniki z pełnych badań stabilności: ocena, czy oszacowany termin ważności na podstawie badań z zastosowaniem kombinacji wszystkich czynników jest dłuższy niż jeden proponowany ocena z wykorzystaniem testów równoważności danych, czy dane z różnych faktorów i kombinacji faktorów można połączyć w celu całkowitego oszacowania pojedynczego terminu ważności. analiza z badań stabilności zaprojektowanych za pomocą bracketingu. Dane pochodzące z badań stabilności projektowanych zgodnie z zasadami backetingu mogą być traktowane jak analiza danych z uwzględnieniem wielu czynników z pełnych badań stabilności. Należy jednak pamiętać, że termin ważności dla produktów o pośrednich dawkach lub wielkościach pojemników (nietestowanych) są ustalane na podstawie najmniej stabilnego produktu granicznego (badanego). analiza z badań stabilności zaprojektowanych za pomocą matrixingu. Badania projektowane zgodnie z zasadami matrixingu dostarczają tylko części danych, dlatego ważne jest, aby ustalić, czy wszystkie czynniki i kombinacje czynników, które mają wpływ na termin ważności, są testowane właściwie, a wszystkie założenia redukcji badań odpowiednio uzasadnione. Opierając się na wytycznych, zarówno FDA jak i ICH. przyjmujemy, że termin ważności jest to okres, w którym produkt leczniczy spełnia wymagania specyfikacji. Szacując ten Copyright StatSoft Polska

8 termin powinniśmy mieć pewność, że będzie on prawdziwy dla wszystkich, wyprodukowanych w tych samych warunkach, przyszłych serii tego produktu. Uzasadnionym więc wydaje się być stosowanie ekstrapolacji z prostej wyznaczonej za pomocą analizy regresji jako metody o ugruntowanym znaczeniu i opierającej się na definicji terminu ważności zaaprobowanej przez urzędy rejestracyjne. Ocena równoważności danych Badania stabilności prowadzone są dla wielu serii tego samego produktu. Dane uzyskane z tych badań możemy rozważać osobno dla każdej serii lub łącznie dla danego produktu. Plusem łącznej oceny danych (z wielu serii lub z wielu kombinacji czynników, których wpływ jest badany: opakowanie, dawka itp.) jest korzystanie z większej liczby danych, co znacznie zmniejsza przedział ufności i poprawia jakość oraz prawdopodobieństwo wnioskowania statystycznego. Aby można było łączyć dane z różnych grup (różnych serii, dla których prowadzone są badania stabilności lub grup wyników uzyskanych podczas testowania wpływu poszczególnych czynników/kombinacji czynników na stabilność produktu), należy potwierdzić badania potwierdzające równoważności danych z poszczególnych zbiorów, a dokładnie mówiąc, porównywalne muszą być zależności pomiędzy badanym parametrem a czasem dla poszczególnych serii. Federalny Urząd do spraw Żywności i Leków (FDA) we wspomnianej wcześnie wytycznej 7 jako metodę określania równoważności danych dla poszczególnych serii zaleca testowanie hipotez zerowych o równości współczynników nachylenia i wyrazów wolnych wyznaczonych dla poszczególnych (dla badanych parametrów ilościowych) prostych. Na podstawie prac T.A. Bankrofta wytyczna FDA zaleca dla tych testów poziom istotności 0,25. Jeśli wyniki testu porównującego równość współczynników prostych jest wyższy niż 0,25, dane mogą być połączone i rozpatrywane łącznie. Wytyczna ICH 11, identycznie jak FDA, zaleca zastosowanie analizy wariancji (ANCOVA) z ustalonym poziomem istotności (poziomem odrzucenia) 0,25 dla warunków powiązanych z serią i 0,05 dla warunków nie związanych z serią. O ile powodem wprowadzenia takiego dużego współczynnika, podczas analizy danych z warunków powiązanych z serią, jest relatywnie ograniczona liczba prób w typowych badaniach stabilności, to wytyczna nie uściśla, dlaczego dla innych danych powinien być stosowanych współczynnik 0,05. Tak duży współczynnik powoduje zwiększenie mocy testu 12, co daje dużą pewność, że połączone dane należą do jednego zbioru. Zalecana przez wytyczną metoda opiera się na pośrednich obliczeniach współczynników nachylenia i wyrazów wolnych dla wyznaczonych i najlepiej dopasowanych modeli regresji. W metodzie tej w centrum zainteresowania jest niepowodzenie wykrycia znaczącej różnicy pomiędzy danymi, czyli błąd II rodzaju. Aby 11 International Conference on Harmonization. Q1E: Evaluation for stability data; CPMP/ICH/420/02-ICH Aug Ruberg, S.J., Stegeman, J.W. Pooling data for stability studies: Testing the equality of batch degradation slopes. Biometrics 1991; 3: Copyright StatSoft Polska 2014

9 potwierdzić równoważność danych w zbiorach, dla których założyliśmy liniową zależność pomiędzy badanym parametrem a czasem, musimy przeprowadzić testy statystyczne badające, czy współczynniki kierunkowe wyznaczonych prostych oraz wyrazy wolne wyznaczonych prostych nie różnią się od siebie w sensie statystycznym (testujemy hipotezę zerową o równości stopnia degradacji w porównywanych seriach). Zyskiem z łącznego traktowania danych jest uzyskanie większej ilości danych, a tym samym poprawienie mocy analizy i zawężenie obszaru ufności, co zazwyczaj powoduje wydłużenie szacowanego terminu ważności. Metoda ta obarczona jest oczywiście wadami: brak wyraźnie ustalonego kryterium statystycznie istotnej różnicy dla współczynnika nachylenia prostej, szansa połączenia danych jest większa dla źle zaprojektowanych badań stabilności (mała liczba punktów pomiarowych skutkuje większym błędem wariancji) wzrasta prawdopodobieństwo odrzucenia hipotezy zerowej. Problem możliwości łączenia danych uzyskanych w badaniach stabilności dla różnych serii (lub w wyniku testowania wpływu różnych czynników) ma istotne znaczenie w opracowywaniu danych, czyli podczas szacowania terminu ważności. Decyzja, że dane mogą być rozpatrywane łącznie, automatycznie poprawia nam jakość wnioskowania i najczęściej wydłuża oszacowany termin ważności. Podobnie jak w przypadku metod szacowania terminu ważności, zalecane metody (badania różności współczynników wyznaczonych prostych) powinny być stosowana nie tylko ze względu na obowiązujące wytyczne, ale także dlatego, że nie wymagają stosowania dodatkowych przybliżeń. Zastosowanie zalecanej przez ICH metody ANCOVA wydaje się logicznym wyborem, gdyż dzięki temu jesteśmy w stanie przeprowadzić porównanie dla wielu grup danych jednocześnie. Program ciągłego monitorowania stabilności Badania te rozpoczynane są po wprowadzeniu produktu leczniczego na rynek. Stabilność produktu leczniczego powinna być monitorowana ciągle, zgodnie z odpowiednio zaprojektowanym programem, który pozwoli na wykrycie każdego czynnika wpływającego na stabilności (zmiana poziomu zanieczyszczeń lub profilu uwalniania) związanego z postacią leku w opakowaniu handlowym. Celem programu ciągłego monitorowania stabilności jest monitorowanie produktu w ciągu jego okresu ważności oraz określenie, że produkt pozostaje, i można oczekiwać, że będzie pozostawał w zgodzie ze specyfikacją, jeżeli jest przechowywany w warunkach określonych na etykiecie. Liczba serii i częstotliwość badań powinna dostarczać wystarczających danych do przeprowadzenia analizy trendów. Przynajmniej jedna seria, każdej dawki i każdego rodzaju opakowania bezpośredniego wytwarzanego produktu leczniczego, powinna zostać włączona do programu raz do roku, chyba że istnieje inne uzasadnienie (chyba że nie wyprodukowano w danym roku żadnej serii). Dodatkowo należy uwzględniać w tych badaniach wszystkie serie wyprodukowane Copyright StatSoft Polska

10 I StatSoft Polska, tel , , z wprowadzonymi zmianami. Jeżeli potrafimy przeprowadzić naukowe uzasadnienie, można stosować zasady określania grup i macierzy (bracketing and matrixing). 13 Szczególnie rygorystyczne wymagania, jakim podlega przemysł farmaceutyczny, powoduje, że istnieje koniczność ciągłej kontroli parametrów jakościowych naszych produktów. Aby mieć pewność, że są one ciągle pod kontrolą, możemy na podstawie wyników z badań stabilności (zawartości substancji czynnej, zawartości wody, poziomu zanieczyszczeń, parametrów fizycznych) przeprowadzać analizę trendów, która pozwoli odpowiednio wcześnie wykryć zmiany zachodzące w naszych produktach 14 i być może ograniczyć ich wpływ na kolejne serie produktów. Wykrycie prawidłowości pojawiających się w zebranych wynikach wstępnie możemy określić na podstawie analizy wykresów: prosty liniowy wykres danych lub skategoryzowany wykres ramka-wąsy (rys. 1) Średnia Średnia±Odch.std Średnia±1,96*Odch.std 15 II III IV V VI VII Rys. 1. Wykres ramka-wąsy. Zależności zawartości środka konserwującego od czasu (tygodnie). Występowanie trendu badamy, analizując korelację pomiędzy badanym parametrem a zmienną określającą czas. W tym celu korzystamy z testów współczynnika korelacji: parametrycznego testu współczynnika korelacji Pearsona lub nieparametrycznego testu korelacji rang Spearmana. Współczynnik korelacji przyjmuje wartości z przedziału <-1; 1>. Ujemne lub dodatnie wartości współczynnika wskazują na występowanie trendu odpowiednio rosnącego lub malejącego. Współczynnik pozwala również określić siłę 13 Stability Testing of New Drug Substances and Drug Products (ICH Q1A (R2)) - CPMP/ICH/ 2736/99 Aug Świat przemysłu farmaceutycznego 2/2009, Czy mój proces jest trendy? Czyli analiza trendów. M. Kusy, M. Popieluch Copyright StatSoft Polska 2014

11 występującego trendu im wartości są bliższe -1 lub 1, tym związek badanego parametru ze zmienną określającą czas silniejszy. Inne, stosunkowo łatwe rozwiązanie wykorzystuje analizę regresji prostej, gdzie zmienną zależną jest badany parametr, a zmienną niezależną czas. Wykrycie trendu sprowadza się w tym przypadku do sprawdzenia, czy współczynnik nachylenia prostej regresji jest różny od zera. Na podstawie wyliczonych współczynników regresji wyznaczane jest prawdopodobieństwo testowe, które porównujemy z przyjętym poziomem istotności α. Wyznaczone prawdopodobieństwo testowe mniejsze niż przyjęty poziom istotności wymusza odrzucenie hipotezy zerowej o braku trendów w badanych danych. Etapy analizy trendu: Sprawdzenie hipotezy o braku trendów i określenie jego charakteru. W przypadku wykrycia trendu analiza regresji i naniesienie linii trendu na wykres danych. Ekstrapolacja linii trendu w celu określenia przecięcia linii trendu z granicami specyfikacji. Analiza danych z badań on going jest jedynym elementem badań stabilności, dla których nie istnieje wyraźna sugestia w postaci wytycznych co do zastosowania określonych testów. Oczywisty wydaje się wybór metod prostych, przyjaznych w stosowaniu i jednoznacznych w interpretacji. Jak sobie pomóc? Jak widzimy, prowadząc badania stabilności gromadzimy ogromne ilości danych: wyników dla różnorodnych serii, różnych warunków, odmiennych opakowań, zawierających API od dwóch, czasami trzech wytwórców, zbieranych w różnych punktach czasowych. Naszym podstawowym zadaniem nie jest jednak produkowanie danych, a zarządzanie nimi. Oprócz wprowadzania danych, przechowywania i docierania do nich, dodatkowo dochodzi konieczność analizowania ich oraz wyciągania prawidłowych wniosków na temat zmian zachodzących w produkcie oraz pojawiających się trendach. W przypadku konieczności przeprowadzenia analizy lub przygotowania raportu konieczna jest zazwyczaj integracja informacji oraz wykonanie analiz statystycznych (mozolnych wyliczeń), a na koniec przeniesienie ich wyników wraz z odpowiednimi komentarzami do postaci raportu. Proces ten przede wszystkim był niezwykle pracochłonny. Systemy komputerowe stają się nieodzowne. Nasza firma zdecydowała się na wykorzystanie w tym celu programu STATISTICA. Wdrożono kompleksowy system gromadzenia i analizy danych. Dzięki temu: usystematyzowano sposób wprowadzania i przechowywania danych, dzięki zastosowaniu Kompleksowej Platformy Badań Stabilności, która jest bazą danych analitycznych, Copyright StatSoft Polska

12 zapewniono bezpieczeństwo danych poprzez zastosowanie odpowiedniej architektury informatycznej, zarządzenie uprawnieniami i konieczność logowania oraz wdrożenie funkcjonalności śledzenia wszystkich zmian, zapewniono szybki dostęp do danych, udostępniono możliwość szybszego przygotowania m.in. raportu z wszystkimi wynikami dla wybranej serii lub raportu zestawiającego wyniki badań dla wybranego produktu, udostępniono rozwiązanie STATISTICA Zestaw Farmaceutyczny Ocena Stabilności, który automatyzuje wykonanie analiz i przygotowanie finalnego raportu. Podstawą systemu jest baza danych umożliwiająca zbieranie wyników w jednym miejscu, nawet jeśli badania są wykonywane w różnych laboratoriach. Baza danych jest prosta, intuicyjna i zawiera wszystkie informacje niezbędne podczas tworzenia nowego badania. Zakres informacji można w każdej chwili w prosty sposób zmienić lub uzupełnić. Aktualnie więc praca z gromadzeniem danych ogranicza się do wprowadzenia przez uprawnione osoby danych za pośrednictwem dedykowanego interfejsu, a następnie osoba, która wykonuje analizy lub raporty, definiuje tylko zakres danych, które są przenoszone do 72 Copyright StatSoft Polska 2014

13 środowiska analitycznego, gdzie można je przeglądać i dowolnie analizować lub automatycznie wykonać ich analizę oraz wygenerować jeden z wielu raportów. Dzięki zastosowaniu zautomatyzowanych obliczeń statystycznych czas przygotowania raportów został skrócony, a dodatkowo zyskano analityczną bazę danych, w której przechowywane są wszystkie, także historyczne informacje dotyczące parametrów i produktów. Literatura 1. International Conference on Harmonization. Q1D: Bracketing and Matrixing Designs for Stability Testing of New Drug Substances and Products CPMP/ICH/4104/00-ICH February International Conference on Harmonization. Q1A: Stability Testing of New Drug Substances and Drug Products CPMP/ICH/ 2736/99 September J.T. Carstensen, Solution kinetics, in J.T. Carstensen, C.T. Rhodes, Drug Stability. Principles and Practices, 3rd ed., Marcel Dekker, New York, 2000, W.R. Young, Accelerated temperature pharmaceutical product stability determinations, Drug Dev. Ind. Pharm.: 1990; 16: Copyright StatSoft Polska

14 5. J.T. Carstensen, Interaction of moisture with solids, in J.T. Carstensen, C.T. Rhodes, Drug Stability. Principles and Practices, 3rd ed., Marcel Dekker, New York, 2000, K.C. Waterman; R.C. Adami Accelerated aging: Prediction of chemical stability of pharmaceuticals International Journal of Pharmaceutics 2005; 293; Food and Drug Administration (1987) Guideline for Submitting Documentation for Stability Studies of Human Drugs and Biologics Maryland: Center for Drugs and Biologica. 8. International Conference on Harmonization. Q1B: Photostability Testing of New Active Substances and Medicinal Products- CPMP/ICH/279/95 January K. C. Waterman, A. J. Carella, M. J. Gumkowski, P. Lukulay, B. C. MacDonald, M. C. Roy, and S.L. Shamblin1 Improved Protocol and Data Analysis for Accelerated Shelf- Life Estimation of Solid Dosage Forms Pharmaceutical Research, 2007; Vol. 24, No Food and Drug Administration (1987) Guideline for Submitting Documentation for Stability Studies of Human Drugs and Biologics Maryland: Center for Drugs and Biologica. 11. International Conference on Harmonization. Q1E: Evaluation for stability data; CPMP/ICH/420/02-ICH Aug Ruberg, S.J., Stegeman, J.W. Pooling data for stability studies: Testing the equality of batch degradation slopes. Biometrics 1991; 3: Stability Testing of New Drug Substances and Drug Products (ICH Q1A (R2)) CPMP/ICH/ 2736/99 Aug Świat przemysłu farmaceutycznego 2/2009, Czy mój proces jest trendy? Czyli analiza trendów. M. Kusy, M. Popieluch Copyright StatSoft Polska 2014