0 calificaciones0% encontró este documento útil (0 votos)
25 vistas6 páginas
Este documento discute el establecimiento de límites de aceptación para la limpieza de ingredientes farmacéuticos activos (API) basados en la ciencia. Explica cómo calcular una exposición diaria aceptable (ADE) utilizando datos toxicológicos y clínicos para determinar un nivel seguro. Luego, propone utilizar el ADE como punto de partida para calcular los límites de validación de limpieza, en lugar de usar sólo la dosis terapéutica. Esto garantiza que los límites sean verdader
Descripción original:
Título original
Validación de Limpieza Para El Siglo 21_traduccion
Este documento discute el establecimiento de límites de aceptación para la limpieza de ingredientes farmacéuticos activos (API) basados en la ciencia. Explica cómo calcular una exposición diaria aceptable (ADE) utilizando datos toxicológicos y clínicos para determinar un nivel seguro. Luego, propone utilizar el ADE como punto de partida para calcular los límites de validación de limpieza, en lugar de usar sólo la dosis terapéutica. Esto garantiza que los límites sean verdader
Este documento discute el establecimiento de límites de aceptación para la limpieza de ingredientes farmacéuticos activos (API) basados en la ciencia. Explica cómo calcular una exposición diaria aceptable (ADE) utilizando datos toxicológicos y clínicos para determinar un nivel seguro. Luego, propone utilizar el ADE como punto de partida para calcular los límites de validación de limpieza, en lugar de usar sólo la dosis terapéutica. Esto garantiza que los límites sean verdader
aceptacin de los ingredientes farmacuticos activos (API: Parte II En este artculo se describe cmo establecer los verdaderos lmites basados en la ciencia a partir de datos de estudios clnicos y toxicolgicos, basados en un enfoque del riesgo para evaluar los datos de validacin de la limpieza, y orientacin sobre cmo establecer los lmites de control estadstico de proceso de sus datos! Por Andrew Wals !a Parte " de este artculo discute la istoria de la validacin de limpieza, !mites de aceptacin de ingredientes farmac#uticos activos y de donde vienen esos limites que se utilizan actualmente en la industria, se analizaron los enfoques actuales para el establecimiento de lmites de aceptacin, y discuten algunos de los problemas y deficiencias de estos enfoques$ Parte "" discutir% la forma de establecer los verdaderos lmites basados en la ciencia a partir de datos de estudios clnicos y toxicolgicos, un enfoque basado en el riesgo para evaluar los datos de validacin de la limpieza, y orientacin sobre cmo establecer los lmites de control estadstico de proceso de sus datos$ "l esta#lecimiento de lmites #asados en la ciencia &omo se discuti al final de la parte ", el establecimiento de lmites de validacin de limpieza basados en todos los datos de seguridad disponibles se prefiere muco m%s un enfoque que considera slo un factor 'dosis terap#utica($ ")PE*s, recientemente public una guia de riesgo+ ,APP que entra en gran detalle en la descripcin de cmo establecer lmites basados en la salud utilizando todos los datos disponibles toxicolgicos y clnicos$ Aunque el riesgo+,APP es nuevo y est% estructurado para alinearse con los principios descritos en el reciente documento "&- ./, gran parte de sus contenidos se basan en los principios ya existentes y en el uso de procedimientos en toxicologa$ En el siguiente an%lisis se resumen algunas de las orientaciones sobre la determinacin de lmites establecidos en la 0ua de 1iesgo+,APP basados en la salud$ Antes de tratar de establecer lmites de cualquier tipo, es importante entender el riesgo que una AP" podra presentar en un paciente$ El 1iesgo+ ,APP describe los estados de2 3peligro de la propiedad inherente deun compuesto para producir efectos adversos, por ejemplo, en pacientes que puedan estar expuestas al compuesto como un contaminante traza en otro producto farmacutico$ y cada compuesto tiene su propia capacidad inherente de causar efectos adversos (es decir, toxicidad) - efectos que pueden ser bien documentados en el caso de la !"# 4na vez que el peligro se identifica, el peligro debe ser caracterizado mediante el examen de su relacin dosis+respuesta y las consecuencias de la exposicin$ !a consecuencia es entonces considerado en el establecimiento de una exposicin diaria admisible 'A5E($ En riesgo ,APP, el A5E se define como6 $a dosis diaria de una sustancia por debajo del cual no se anticipan efectos adversos, por cualquier v%a, incluso si la exposici&n se produce durante toda la vida A pesar de que debera ser obvio, voy a se7alar aqu que, desde la definicin de riesgo ,APP, la A5E es un valor muy conservador$ 5urante la identificacin del peligro, se lleva a cabo una revisin formal de todos los datos disponibles para el compuesto$ Para una AP", los datos utilizados en este an%lisis seran los datos presentados en la presentacin reglamentaria de la empresa$ Por definicin, esto incluye todos los datos preclnicos y clnicos requeridos para la aprobacin del f%rmaco$ A trav#s de la revisin de estos datos el 8efecto crtico8 puede ser identificado$ El efecto crtico como los aumentos de dosis es el primer efecto significativo adverso que se observa$ Para cada peligro existe una dosis por deba9o del cual no se esperan efectos y esto puede ser la base para determinar un A5E$ !as exposiciones por deba9o de este A5E no dar% lugar a ning:n efecto adverso$ El siguiente paso es definir el nivel de efectos adversos no observados ';<AE!( para el efecto crtico que se utilizar% para la derivacin de la A5E$ !a aplicacin de factores de incertidumbre y otros factores de a9uste se traduce en A5E que probablemente no producen ning:n efecto indeseable relacionado con el compuesto$ !a A5E se obtiene dividiendo el ;<AE! por el efecto crtico a9ustado al peso corporal 'por e9emplo, => ?g( por diversos factores de incertidumbre o de a9uste para extrapolar con el Limpieza de los lmites de aceptacin para las API 8verdadero8 nivel sin efectos adversos$ )e an definido factores de incertidumbre para cada una de las principales fuentes de incertidumbre como se describe a continuacin$ El c%lculo de la exposicin diaria aceptable 'A5E( @alor6 5onde6 A$" A !a exposicin diaria admisible 'mgBday( %&A"! A nivel de efecto adverso no observado 'mgB?gBday( '( A Peso &orporal '?g( )*+ A Cactor de incertidumbre &ompuesto ,* A factor modificacin ,$$ A !a dosis m%xima diaria 'mgBday( P- A a9ustes farmacocin#ticas 's( El c%lculo de la A5E toma en cuenta todos los datos disponibles y aplica correcciones '4C&, ,C, y PD( a los datos de las diferencias dentro de las especies, 5iferencias entre especies, las extrapolaciones subcrnica a crnica, las extrapolaciones !<AE! a ;<AE!, "ntegridad de base de datos, factores de modificacin, a9ustes farmacocin#ticos, y cualquier factor adicional que pueda necesitar ser considerado$ !os procedimientos utilizados en el c%lculo de la A5E an sido bien establecidos desde ace d#cadas y el riesgo+,APP cita una serie de documentos existentes para la orientacin y de esta manera revisar articulos basados en la salud configurando los limites de exposicin$ Easta decir, que las erramientas bien establecidas para desarrollar un lmite verdaderamente basado en la ciencia farmac#utica para la exposicin a las AP" ya existen y este lmite 'A5E( no slo es adecuada, pero se puede utilizar f%cilmente en, la validacin de limpieza$ !a eleccin de la A5E como punto de partida para el c%lculo de lmites de validacin de limpieza se asegura de que todos los valores subsiguientes son verdaderamente seguro$ Entonces, Fcmo usar el a9uste A5E en las pr%cticas actuales de validacin de la limpiezaG 4sando la A5E es simplemente una cuestin de sustituir el valor 8dosis m%s ba9a 'A( B Cactor de )eguridad8 con el valor A5E$ Hodos los otros c%lculos utilizados actualmente discutidos en la Parte " seguira siendo el mismo, por e9emplo6 *igura 1! 1elacin de limpieza de datos a niveles 8seguros8 ',)&($ .nuevo/ A$" utilizando los calculos con 0isopos Arrastre ma1imo de seguridad ';ota6 ,)& es equivalente al valor seguro de duracion del umbral ')H@( encontrado en riesgo ,APP($ I$ ,)& B )uperficie Hotal A residuos en la superficie JgBcmI K$ residuos de area superficialBcm I L area limpia A residuo del isopo 'Jg( M$ residuo del isopo 'Jg(B volumen de disolucin'm!( A ;ivel de residuos en la muestra de isopo 'ppm($ ';ota6 Aunque los c%lculos son los mismos, otra diferencia que este autor cree que debe llevarse a cabo es el cambio de terminologa de 8Arrastre ,%ximo Permitido8 a 3arrastre de seguridad maximaN )lo porque en la industria puede calcular un lmite que es alta no significa que es un arrastre permitido de un regulador$ E%sicamente la contaminacin cruzada no debe ser permitida y puede prevenirse f%cilmente, el ob9etivo debe ser reducir al mnimo la contaminacin cruzada($ !a &onfiguracin de los criterios de aceptacin para un lmite basado en la salud tales como la A5E ofrece mucas venta9as$ !a A5E es toxicolgico y farmacolgico derivado y basado de datos generados por estudios encargados o publicados y no simplemente sobre la base de un c%lculo de la dosis$ Hodos los factores de seguridad apropiados ya se an aplicado en la obtencin de la A5E$ El uso de un lmite basado en la salud tales como la A5E tambi#n tiene el beneficio de ser presentado en la presentacin de farmacos y revisado por los reguladores$ !a A5E es aora un punto de partida adecuado para fi9ar un 8nivel seguro8 para la limpieza de residuos$ )in embargo, mientras que los limites de la muestra de isopo son calculados apartir de una A5E seran seguros, seguir%n sufriendo los amplios rangos que se muestran en la Habla & se muestran en la parte "$ algunos A5E daran como resultado la reduccion de los limites de la prueba del isopo pero Limpieza de los lmites de aceptacin para las API mucos se traducir% en aumento de los lmites de la muestra de isopo$ Homemos, por e9emplo, la dosis ba9a 'OP mg( Aspirina utilizado para la prevencin de ataques al corazn$ +ompuesto del farmaco 2ipo de compuesto3 "fectos Adversos ,enor dosis teraputica 13145556 de dosis terapeutica $osis #a7a de aspirina ;)A"5B ba9os efectos secundarios OP mg >$>OP mg 8iva#irrina Anti+viralB teratgeno =>> mg >$= mg capecita#ina .uimioterapiaB numerosos efectos secundarios PPQ> mg P$PQ mg Table A. Comparison of 1/1,000th limits for low and high risk compounds. El A5E, con toda probabilidad ser% muco mayor que >,>OP mg$ As que esto nos lleva de nuevo al punto de partida + Fcmo podemos usar la A5E si sufre de los mismos defectos discutidos en la Parte " como el PBP, >>> enfoqueG !o que lleva a este autor a preguntarse es6 9Por :u estamos llamando a estos ;lmites;< 4na definicin de un 8lmite8 que se entiende com:nmente en la industria farmac#utica es 8un punto o una lnea m%s all% del cual no puede exceder$ Por e9emplo, la monografa superior 8lmite8 para 4niformidad de contenido puede ser PP> y un punto de datos comprimido en P>/,/ sera considerado para pasar este lmite y ser aceptable tal como se visualiza en el lado izquierdo en la figura P$ Para la validacin de limpieza se consideran los calculados 8lmites8 como ser un nivel 8seguro8$ niveles m%s altos que #stos potencialmente podra presentar un riesgo para un paciente$ Por lo tanto, en teora, los datos de residuos para la validacin de la limpieza debera ser lo m%s le9os de la nivel 8seguro8 como sea posible, como se muestra a la dereca en la figura P$ !os procedimientos de limpieza deben esforzarse por reducir los residuos a los niveles m%s ba9os que son posibles de lograr de manera consistente 'sin esfuerzos eroicos(, independientemente de los niveles de los limites permitidos calculados$ &omo se observa en la Habla A, los lmites para el producto quimioterapia sugieren que los residuos mayores que P>>R en el producto ;)A"5 sera aceptable$ Esto no debera ser, incluso desde el punto de vista de limpieza$ En nuestra vida diaria, creo que ninguno de nosotros tiene normas m%s estrictas para los residuos restantes de mantequilla de man en nuestros platos que para 9alea porque la 9alea es m%s f%cil de quitar, o que requieren nuestros tenedores a ser m%s libres de residuos de uevo de un plato$ "ndependientemente del tipo de residuo nuestros platos y utensilios deben ser igualmente limpio$ Equipo farmac#utico debe ser igualmente limpio independientemente de qu# producto f%rmaco fue fabricado en el mismo, el tipo de equipo que es, o que empresa est% usando el equipoS todos los equipos farmac#uticos superficies de contacto se deben limpiar tan bien como sea posible$ ;o es lgico ni razonable ni compatible ni siquiera para limpiar una pieza de equipo menos que la otra, simplemente porque 8los lmites calculados dicen que podemos8$ &omo se discuti en la Parte ", los c%lculos de los resultados de muestras de isopo en los lmites que son demasiado gravemente alta o demasiado ba9a$ FPodemos usar estos A5E derivados de niveles 8seguros8 como los 8lmites8G ,i respuesta es noS lmites basados en los datos de seguridad solo puede dar lugar a criterios de aceptacin que est%n muy por encima de la capacidad real para limpiar el equipo$ )in embargo, me permitira a7adir que estos calculados niveles 8seguros8 todava puede ser muy, muy :til$ ;o debemos usar estos calculados niveles 8seguros8 como los 8lmites8, sino m%s bien los utilizarlos para evaluar el 8riesgo8$ El 8riesgo8 de un paciente puede ser evaluado si estos calculados niveles 8seguros8 se utilizan para6 "valuacin estadstica de los datos de residuos de la validacin de la limpieza$ 4no de los principios primarios de la "&- ./ es que6 $a evaluaci&n del riesgo para la calidad debe basarse en el conocimiento cient%fico ' en (ltima instancia ligarse a la protecci&n del paciente) Limpieza de los lmites de aceptacin para las API Este principio puede ser utilizado en la evaluacin de la limpieza de las validaciones$ &omo se discuti en la Parte " 'v#ase la Cigura I(, la distancia entre un nivel 8seguro8 y los residuos de medicamentos reales despu#s de la limpieza puede ser visto como un 8margen de seguridad8$ 5ebera ser bastante obvio que cuanto mayor sea la distancia m%s seguro que el paciente desarrolle un efecto nocivo para la salud de cualquier residuo que pueda entrar en el siguiente producto$ Es igualmente obvio que, desde la perspectiva de un regulador de la m%s grande es el 8margen de seguridad8 mayor ser% la confianza en el grado de control en el proceso de limpieza$ Por lo tanto, la aplicacin de un lmite de base cientfica y un amplio margen de seguridad es una poderosa demostracin de control de procesos y seguridad de los pacientes en comparacin con la aplicacin de factores de seguridad arbitrarias ya un peque7o margen de seguridad 'debido a los lmites de ba9a arbitrariamente($ !os datos de residuos recogidos para las validaciones de limpieza deben ser analizados estadsticamente para determinar la eficacia de la limpieza a sido y si se requieren mayores esfuerzos$ !os datos de residuos para cada producto pueden ser evaluados contra su A5E para medir el riesgo relativo a la paciente que plantean los residuos que quedan en el equipo$ Esto se muestra gr%ficamente en la Cigura K en el lado izquierdo$ !os residuos de los productos 8A8 y 8E8 ambos se an reducido tanto como sea posible y se comparan con sus respectivos valores de A5E$ ,ientras esa grafica muestra la relativa seguridad del proceso de limpieza la pregunta sigue siendo$ F.u# tan seguro esG Pues bien, los datos de residuos en realidad se pueden evaluar estadsticamente en t#rminos de capacidad de proceso que utilizan paquetes de software estadsticos$ El gr%fico de la dereca muestra los resultados del an%lisis estadstico de los datos de residuos utilizando ,initab )tatistical )oftware y cmo el 8margen de seguridad8 se puede cuantificar como el Tndice de &apacidad del 1endimiento del Proceso$ Estos paquetes de software tambi#n son capaces de calcular el n:mero de fallos potenciales en base a los datos de residuos 'ver Exp$ )obre los resultados globales en la tabla de la dereca en la Cigura K($ Este enfoque es simple de realizar, se puede cuantificar el nivel de riesgo, y tambi#n afectan la posibilidad de fallas$ "&- ./ se7ala que6 $a gesti&n eficaz de riesgos de calidad puede facilitar las decisiones mejores ' m*s informadas, pueden ofrecer a los reguladores con ma'ores garant%as de capacidad de una empresa para hacer frente a los riesgos potenciales ' beneficiosamente pueden afectar a la amplitud ' el nivel de supervisi&n regulatoria directa) &uando una empresa puede mostrar a un inspector los datos de residuos, demuestra que el proceso de limpieza es muy capaz de proporcionar un amplio 8margen de seguridad8 y la seguridad del paciente no es claramente un problema, el inspector puede pasar a considerar las operaciones m%s arriesgadas$ Por lo tanto, los criterios de aceptacin para los residuos de la AP" debe considerar la capacidad del proceso de limpieza de los equipos de fabricacin o tren equipo$ Esta capacidad de proceso de limpieza debe incluir una evaluacin de la dificultad para limpiar las %reas y la istoria de la 8facilidad de limpieza8 de los equipos o de la superficie del equipo$ 4na vez que los procedimientos de limpieza an sido Limpieza de los lmites de aceptacin para las API estadsticamente demostrado que no presentan o poco riesgo, entonces es posible pasar a6 A7uste de los lmites de control de procesos estadsticos !a C5A a publicado recientemente su nueva 0ua de validacin$ )u razn de ser y casi todos sus elementos son directamente aplicables a la validacin de la limpieza$ En la gua, se7alan que6 +*lidos de proceso en las especificaciones))))) se deriva de promedio anterior proceso aceptable ' estimaciones de variabilidad del proceso cuando sea posible ' se determina por la aplicaci&n de procedimientos estad%sticos en su caso) ,ste requisito, en parte, establece la necesidad de los fabricantes para analizar el rendimiento del proceso ' el control de lote a lote variabilidad) Esto no es un nuevo requisito y la 0ua de referencia de IP &C1 IPP$PP> 'b($ Este concepto se puede aplicar directamente a la limpieza tambi#n, y como veremos m%s adelante nos permitir% establecer las especificaciones v%lidas para la limpieza de residuos$ 5espu#s de que los datos de residuos se an recogido y evaluado contra el A5E y el nivel de riesgo encontrado es aceptable, los datos de residuos se puede utilizar para calcular un !imite de &ontrol Estadstico de Procesos ')P&($ El c%lculo de un lmite de )P& es simple, la media UK o UM desviaciones est%ndar de los datos de residuos$ un &pD de P,KK se obtiene al utilizar M desviaciones est%ndar$ !a figura M muestra un lmite de )P& 'lnea verde( que se a fi9ado en la media de M desviaciones est%ndar basadas en los datos de residuos correspondientes$ A9uste de los lmites de )P& sobre la base de los datos de proceso es una pr%ctica de larga tradicin se remonta a Walter )ewart en P/K>$ ,ientras )P& se a utilizado ampliamente en mucas industrias durante a7os, la pr%ctica es relativamente nueva en la industria farmac#utica$ )in embargo, esta erramienta simple y poderosa a comenzado a acer avances$ 4n artculo en Eiofarmac#utico "nternacional fue publicado en I>>= que muestra cmo las especificaciones de impurezas se podran derivar de esta manera que f%cilmente se podra aplicar a la limpieza de los datos de validacin$ ,%s recientemente, en I>>O se izo una presentacin en una conferencia ")PE muestra cmo un lmite de control de procesos se podran derivar de la limpieza de los datos de validacin para un secador de leco fluido$ Esta t#cnica debe ver a un uso muco m%s en la validacin de procesos en un futuro prximo y su uso en la validacin de limpieza debe seguir as$ 4na de las venta9as del establecimiento de un lmite de control de procesos es que la limpieza de los productos posteriores simplemente necesita cumplir estos lmites estadsticamente derivados$ El lanzamiento de nuevos productos suelen tropezar con la validacin de limpieza y pueden retrasar el lanzamiento del producto$ !os A5Es de nuevos productos pueden ser r%pidamente evaluados en relacin con dico lmite de control de proceso para determinar si el procedimiento de limpieza actual es capaz de limpiar de forma segura el producto nuevo antes de que entra en la instalacin$ 8"=),"% !a A5E es un valor basado en todos los datos de seguridad disponibles, no es simplemente la dosis m%s ba9a, y proporciona un punto de partida claramente a salvo para posteriores c%lculos de limpieza de validacin$ 4so de la A5E elimina gran parte de las con9eturas traba9o involucrado en el uso del criterio de dosis basado y emplea toda la ciencia que nos ocupa en la empresa$ El uso de la A5E tambi#n proporcionar% una base cientfica para el 8margen de seguridad8 en la evaluacin de datos de residuos de limpieza, y desde un punto de vista operativo, esto permitir% una flexibilidad muco mayor que con el criterio de dosis+base$ &omo se di9o anteriormente, la A5E es un valor muy conservador y su uso en la limpieza de validacin dar% lugar a muy conservadoras niveles 8seguros8$ En un gran n:mero de casos, emos sido excesivamente restrictivos utilizando el criterio de dosis+ base y esto a resultado en la entrega innecesaria de piezas, el equipo, y los trenes de fabricacin incluso enteros y lneas de envasado$ En algunos casos la flexibilidad para la fabricacin de productos est% severamente restringida basado en el Limpieza de los lmites de aceptacin para las API orden de los productos fabricados, ya que parece que no se puede limpiar suficientemente bien$ Estas dosis excesivamente restrictivas lmites basados tambi#n an llevado al desarrollo innecesario de 8desecable8 equipo$ El uso de la A5E debe ayudar a aliviar algunos de estos problemas$ -emos visto la evolucin del desarrollo de la limpieza de los lmites de validacin basados en los niveles de pesticidas en los alimentos, a las fracciones de la dosis terap#utica, y aora en el c%lculo de los A5E, el an%lisis de riesgos basado en datos de residuos y los lmites basados en el control estadstico de procesos$ !os vie9os paradigmas, mientras que claramente proporcionar una plataforma para traba9ar para la limpieza de validacin en el pasado, aora debe ceder el paso a un nuevo paradigma basado en la ciencia, basado en el riesgo, y estadstica$ Agradecimientos >>>>>>>>>>!! A+"8+A $"L A)2&8 Es profesor en la "ndustria )tevens "nstitute of Hecnology en su programa de fabricacin farmac#utica donde imparte cursos sobre la validacin y !ean )ix )igma$ En I>>/, Wals fund el &entro de "nvestigacin Carmac#utica )tevens ')P1&(, un laboratorio de investigacin que se centra en temas fabricacin de productos farmac#uticos, tales como el desarrollo del proceso de limpieza, el an%lisis de carbono org%nico total y el desarrollo del m#todo, el desarrollo visual m#todo de inspeccin y automatizacin de 0,P systems$"n I>>/, Wals fund el &entro de "nvestigacin Carmac#utica )tevens ')P1&(, un laboratorio de investigacin que se centra en temas fabricacin de productos farmac#uticos, tales como la limpieza de desarrollo de procesos, an%lisis de carbono org%nico total y el desarrollo del m#todo, el desarrollo visual m#todo de inspeccin y automatizacin de los sistemas 0,P$ 4n presidente actual de un equipo de traba9o internacional en escribir una 0ua de limpieza para ")PE y A)H,, fue uno de los colaboradores de la ")PE basado en el riesgo Cabricacin de Productos Carmac#uticos '1is?+,APP( Ease V 0uide$ &uenta con m%s de I> a7os de experiencia en validacin diverso en las empresas farmac#uticas y de biotecnologa, incluyendo Wonson X Wonson, )cering+Ploug y 1oce -offmann+!a$ Wals a dado numerosas presentaciones en los :ltimos PQ a7os con el ""1, Earnett, WorldParm, "PA, "@H, y ")PE$ )e le puede contactar por tel#fono6 UP+I>P+IP=+QQKK o por correo electrnico6 Y andrew$wals stevens$edu$ )tevens "nstitute of Hecnology, &astle Point on -udson, -obo?en, ;ew Wersey >Z>K>, EE$44$$