首页 > 论文范文 > 医药卫生论文 > 医学毕业论文 > 药剂学毕业论文 > 抗生素注射剂工艺评价中应用多变量数据分析方法的价值

抗生素注射剂工艺评价中应用多变量数据分析方法的价值

2020-08-13 126 上传者：管理员

摘要：药品的安全性、有效性和质量可控性是保证药品质量的3个重要方面,缺一不可。其中工艺可靠性是药品质量一致性的重要保障。国家评价性大数据显示,国产药品与欧美进口药品的差异主要表现在工艺控制能力的差距,因此,对工艺控制水平的评价是仿制药一致性评价中重点要解决的问题之一。本文以现行质量标准的数据为基础,使用统计过程控制、相关分析、因子分析等多变量数据分析方法和数据可视化手段,研究基于工艺可靠性的共性评价方法。继而以具体抗生素注射剂品种为例,针对国家评价性抽验发现的具体问题,从工艺水平和工艺变异性等方面对产品进行工艺表征,以问题为导向发现关键质量属性及其相关的工艺评价指标,实现相同产品不同工艺的评价。最后提出工艺可靠性评价的分析策略,作为仿制药质量一致性评价的重要组成部分。

关键词：
仿制药一致性评价
多变量分析
工艺可靠性
统计过程控制
加入收藏

1、引言

由于受到新药开发成本和周期的限制,原研药与患者的需求和购买力之间往往存在矛盾,这给仿制药带来巨大的市场空间。仿制药在减少国家医疗支出方面的经济效益亦受到政府部门的广泛关注,许多发达国家均鼓励医生和患者使用仿制药[1]。但调查数据显示,相对于原研药,仿制药所提供的质量和疗效信息不完整,导致患者和医生对其质量、疗效、不良反应等存疑,这是影响仿制药推广的主要原因[2]。我国是一个仿制药大国,抗生素类药物市场主要依靠国内仿制药。然而多年国家评价性抽验的结果显示,国内仿制药与欧美进口药的最大差别在于批间差异甚至是批内差异,直接反映出工艺控制水平的差距。美国和欧盟都实施了基于过程分析技术(PAT)的工艺验证和实时放行(RTR),使用设计空间(DS)分析质量属性和工艺参数的关联程度,能很好地控制终产品的质量[3,4,5,6,7]。我国虽正努力与国际接轨[8],但长期形成的药品管理体系与国外存在一定区别[9],目前并没有制药企业在大批量生产中通过PAT的参数实现RTR,应用DS评价和控制工艺在国内尚处于理论阶段,工艺调整具有盲目性,从而引起了终产品质量变异性大的问题[10]。

在技术层面,目前药品质量评价主要依赖于现行质量标准的单指标(变量)评价体系,存在一定局限性,符合现行质量标准的药品并不能一定保证临床的安全性和有效性[11]。主要体现在两方面:①用于衡量药品质量的某些检查项目的效用正受到质疑,缺乏合理的客观反映工艺水平的检查项目[12]。②缺乏多指标(变量)综合质量评价体系[13]。而从监管层面看,如何评价相同产品的不同工艺,目前还没有共性的规律和方法。

本文利用国家评价性抽验的数据,针对具体抗生素注射剂品种临床和监管问题,以问题为导向发现与关键质量属性相关的工艺评价指标,探索基于多变量数据分析方法的工艺评价方法,将数据转化为知识,对产品的工艺水平分布和变异性进行表征,进而实现工艺可靠性评价。

2、多变量数据分析方法及应用

注射用氨曲南是氨曲南加适量助溶剂精氨酸制成的无菌粉末或无菌冻干品。2012年上海市药品检验所对该品种开展了评价抽验与探索性研究工作,原国家食品药品监督管理总局于2017年对注射用氨曲南说明书进行了修订,为了系统排查可能引起临床不良反应的有关质量因素,2018年再次对该品种开展评价性抽验。现以注射用氨曲南为例,应用多变量数据分析方法,对2个年度该品种的国家评价性抽验数据进行分析,对年度工艺及其变化等情况进行表征,进而实现不同工艺的共性评价。

2.1质量控制图

质量控制图[14]是PAT中应用最广的统计过程控制(SPC)方法,是对过程质量加以测定、记录并进行控制管理的一种用统计方法设计的图,其原理是用正态分布的3σ作为控制情况的评判标准,由上控制限(uppercontrollimit,UCL)、下控制限(lowercontrollimit,LCL)和中心线(centerline,CL)以及样本统计量数值的描点序列构成,包括X¯¯¯控制图和R控制图。质量控制图统计表征适用于总体服从正态分布的样本。对于某一特定品种,国产仿制药处于相似的工艺水平,当样本量(厂家或工艺)具有足够代表性则可以认为样本近似服从正态分布。但抽验数据属回顾性数据而非实时的过程数据,每个工艺又具有样本容量(批次)的不均一性、采样间隔和抽样区间的不确定性等特点,因此X控制图无法用标准误和样本容量的平方根(SE/n√)进行估算,R控制图依赖于样本量,易受个别异常值的影响。本文建立适用于抽验数据的质量控制图,对检验指标下的工艺信息进行挖掘,用于工艺质量的评价:其中用工艺样本的中位数估计正态工艺分布的未知μ和σ,即用每个工艺样本的中位数的均值Xmed估计总体工艺的大小,用每个工艺的中位数偏差[15]估计总体工艺的离散性,总体工艺均值μ作为CL,以距离CL3σ作为UCL/LCL,以及每个工艺Xmed描点序列,建立Xmed控制图;用内四份位距(interqualtilerange,Rq)描述每个工艺样本内的离散性,将每个工艺的变异性加入Xmed控制图,形成Xmed−Rq工艺质量控制图,同时实现对工艺水平分布和工艺内批间差的表征[16]。

以无水、无精氨酸计氨曲南含量表征产品的纯度(productpurity,PP),以平均装量计氨曲南含量表征工艺质量(processquality,PQ),以总杂质含量表征工艺稳定性(processstability,PS),建立年度回顾性Xmed−Rq工艺质量控制图如图1所示,2年度产品纯度、工艺质量和工艺稳定性的平均水平(CL)基本持平,但不同工艺Xmed分布和工艺内变异性明显不同;如产品纯度,18年各工艺的总体分布(LCL/UCL)明显较12年宽,且工艺内批间差增大;在工艺质量方面,18年各工艺的总体分布与12年基本持平,但表现出更优的批间差,表明工艺的控制能力有所提高;在工艺稳定性方面,18年各工艺的总体分布较12年窄,且UCL显著降低、批间差降低,表明产品工艺对杂质的控制能力提高。

此外,我们用基于主成分分析(PCA)的HotellingT2来构造多元质量控制图,其原理是对多变量数据进行主成分分析的,取足够累积代表率的前k个主成分计算UCL2T。

UCL2T=k(m−1)m−kF1−α(k,m−k)公式(1)

其中为α取0.05时服从95%置信区间的F分布[17]。2012年度抽验各批次的综合指标(hotellingT2)及多元质量控制限UCL2T如图2所示,有3个厂家(厂家7,11,16)综合指标超出控制限,表明了这些个体工艺水平与总体工艺水平存在差异;此外还有4个厂家有个别批次超出控制限,表明这些个体工艺内部有较大的变异性。该方法能够很好地表征综合工艺水平,但由图2可知评价不具有方向性,解释性不佳,且无法对具体工艺指标进行反向追溯,因此更适用于相似工艺的总体评价。

2.2可视化多指标表征方法

在对关键质量指标充分认知的基础上采用多个指标对工艺进行表征时,数据可视化的手段能帮助我们实现综合评价。数据可视化[18]是对数据的信息进行挖掘和分析的统计图像表示方法,其优势在于能够有效地抽象出正确信息,将分析结果具体化,并有助于清晰直观地理解和解释数据结果。

本文用产品纯度、工艺质量和工艺稳定性3项指标对注射用氨曲南工艺进行综合评价。依据质量控制图(见图1)的个体工艺分布和批间差对每个工艺(厂家)在3个工艺指标方向进行计分,工艺越优得分越小,获得的综合工艺评价图(见图3),三维图中原点处为最佳工艺。由图3可知,18年总体工艺水平较12年有大幅提高,主要得益于工艺质量和工艺稳定性的提高。

图3总体工艺水平评价图

如采用多于3个质量指标对产品进行综合评价,还可以采用多变量数据符号描述的方法,如雷达图、脸谱图等来实现[18]。研究中发现,注射用氨曲南的pH值与水分的批间差具有强相关关系,也是一个反映工艺的重要指标,当采用4个工艺指标对注射用氨曲南工艺进行评价时,使用工艺雷达符号(见图4A),每个工艺的数据轴都从中心向外辐射,计分值以雷达半径的长短表示;计算形成各个工艺雷达符号集合(见图4B),这是一个高维度表征,符号越小表明工艺越优,利用雷达半径延伸的方向则可对影响总体工艺水平的工艺指标进行追溯;各个工艺雷达符号在空间上的分布如图4C所示,工艺雷达符号的空间距离显示了工艺间的相似性。

图42018年度工艺水平雷达图

2.3相关性分析方法

相关性分析是分析变量间非确定性关系的方法,是研究2个变量间的相关关系,相关系数(correlationcoefficient)是相关性分析中研究变量之间线性相关程度的统计指标一般用r,见公式(2)。

r(X,Y)=Cov(X,Y)Var[X]Var[Y]√公式(2)

其中Cov(X,Y)为变量X与变量Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。

控制产品的关键质量属性并将其与生产过程中的关键工艺参数等相关联,是质量控制的重要环节,也是进行工艺评价的关注点。本文对杂质谱分析结果进行多变量分析,挖掘杂质间、杂质和工艺间的相关关系,获取更直观、客观、准确的关键质量属性信息,为进一步揭示生产过程中存在的问题提供线索。

注射用氨曲南中已确证的11个杂质(见表1)包括工艺杂质和降解杂质[19],Ye等[20]对IMP1和IMP8的降解关系和机制进行了详细的阐述,而其他杂质间的相关性作者尚未见报道。

表1注射用氨曲南的部分杂质及结构

本文对IMP1～12进行相关性分析。如图5所示,杂质1,5,6,8,10,11和12之间具有相关性,杂质2,3,4,7和9与其他杂质无相关关系,其中杂质1和8的相关关系与文献报道一致,而探讨其他杂质对之间的相关关系将有助于明确生产中的关键质控点。

2.4因子分析法

因子分析法的原理是计算因子分析模型中因子载荷矩阵A的最大似然估计。

x=μ+Af+e公式(3)

其中μ是p维观测变量x=(x1,x2,…,xp)'的均值μ=(μ1,μ2,…,μp)',A为p×m维因子载荷矩阵,f=(f1,f2,…,fm)'为公共因子向量,e=(e1,e2,…,ep)为特殊因子向量。

应用因子分析对评价结果解析的难点在于依据因子载荷阵的各列元素的取值对公共因子给出符合实际意义的合理解释。通常对因子和因子载荷进行正交旋转,即最大方差旋转,使因子载荷阵每列上的各元素的绝对值(或平方值)尽可能地向两极分化,旋转后的因子载荷阵的少数元素的绝对值(或平方值)取尽可能大的值,而其他元素尽量接近于0,从而简化对因子的解释。

采用因子分析法分析注射用氨曲南杂质和工艺的相关性,将公共因子解释为与生产过程实际相关的主要影响因素。因子分析得到累积贡献率71%的4个公共因子(31.9%,16%,14.2%和8.9%),即生产中有4个主要影响因素与杂质相关联。通过比较按杂质分布和按厂家分布的因子矢量投影图(见图6)。

图6杂质和生产厂家因子矢量投影图

对生产中具体的主要影响因素与杂质进行关联:在因子1方向,杂质2,3,4,9的分布和厂家11,16对应,因厂家11,16均采用冻干燥工艺生产,提示因子1为与冷冻干燥工艺相关的共性因子;与因子1相关的杂质,在其他因子方向的分量很小,进而认为因子2,3,4均为与混粉工艺相关的共性因子;在因子2方向,厂家13,14,19,20等具有相似的杂质,提示这些厂家原辅料来源和工艺相近,即因子2与混粉工艺的共性环节相关;因子3方向,杂质10和厂家23对应;因子4方向,杂质7和厂家2对应,提示因子3和因子4分别与混粉工艺中的特定环节相关。

3、对抗生素注射剂工艺评价策略的探讨

根据上述多变量数据分析结果,本文进一步对开展抗生素注射剂工艺评价的策略与方法进行了探讨。工艺评价策略可概括为共性表征和特性表征,流程图如图7所示,首先充分利用国家评价性抽验数据库,获取基于抗生素注射剂质量标准的数据和信息;其次,对数据和关键指标进行多维度数据挖掘,形成与工艺控制水平相关信息的共性表征方法,获得相同产品不同工艺的共性规律;第三,通过对生产工艺、文献数据再分析,获得反应特定产品特点的特性指标;最后,在共性规律的基础上有机结合特性指标,实现相同产品不同工艺的综合评价。

图7工艺可靠性评价的分析策略

参考文献：

[8]原国家食品药品监督管理总局.《药品生产质量管理规范(2010年修订)》GMP新附录:确认与验证[S].2015.

[9]俞育庆,张利英.我国药企工艺验证研究和分析[J].中国医药工业杂志,2017,48(2):284-287.

[10]2016年国家药品抽验质量状况报告[C].深圳:2017年药品质量年会.

赵瑜,胡昌勤,姚尚辰,尹利辉,凌笑梅.多变量数据分析方法在抗生素注射剂工艺评价中的应用[J].中国新药杂志,2020,29(12):1355-1362.