Validacion Chile PDF

Quality Standards for Medicines, Supplements, and Food Ingredients throughout the World
Validación
V lid ió y Verificación
V ifi ió de
d
Procedimientos Farmacopeicos
Horacio N. Pappa, Ph.D.

Principal Scientific Liaison
Documentary Standards Division
Contenido
• Introducción
• Conceptos estadísticos
• Características de desempeño analítico
• Verificación
V ifi ió
• Aptitud del sistema y ajustes permitidos
1
Introducción
Validación
USP
Es el proceso por el cual se establece, por medio
de estudios de laboratorio, que las características
de desempeño de un procedimiento cumplen con
los requisitos para la aplicación analítica prevista .
ICH
El objetivo de la validación de un procedimiento
analítico es demostrar que es apropiado para el
uso previsto.
2
Validación
 Objetivo del procedimiento analítico
   x  T  
 Todo método puede caracterizarse por un error sistemático (µT) y un

error aleatorio (σ2)
 La estimación de estos errores se realiza a partir de experimentos

llevados a cabo durante la validación
 El objetivo de la validación es garantizar que cada medición dará un

resultado lo suficientemente cercano al valor real
Validación
 
12%
Procedimiento 1
20%
Procedimiento 2
RSD %
10%
Procedimiento 3
3%
Procedimiento 4
-30% -15% 0 15% 30%
Sesgo
3
Definiciones
• <1225> Validación de Procedimientos Farmacopeicos

Se require cuando:
– El procedimiento analítico se emplea para el análisis de un artículo no
oficial .
– Un artículo oficial es analizado utilizando un procedimiento diferente al
establecido por la farmacopea (Advertencias Generales 6.30).
• <1226> Verificación de Procedimientos Farmacopeicos

Se require antes de implementar un procedimiento oficial en el laboratorio.
• <1224> Transferencia de Procedimientos Analíticos

Se aplica a la transferencia de un procedimiento no oficial de un
laboratorio a otro.
USP <1225>
• Capítulo general <1225> Validación de Procedimientos

Farmacopeicos
– Propuesto inicialmente en 1986
– Adoptado en USP XXI, 1989
– Revisiones en USP 23, 29 y 32
• Los métodos de prueba

prueba, que se utilizan para evaluar el
cumplimiento con las especificaciones establecidas,
deben cumplir normas adecuadas de exactitud y
confiabilidad [21 CFR 211.194(a)]
4
ICH Q2A/B
• ICH Q2A: Text in Validation of Analytical Procedures

– UE: Adoptado por CPMP, publicado como
CPMP/ICH/381/95.
CPMP/ICH/381/95
– FDA: Federal Register, volumen 60, 1995
• ICH Q2B: Methodology

– UE: Adoptado por CPMP, publicado como
CPMP/ICH/281/95
– FDA: Federal Register, volumen 62, 1997
• ICH Q2(R1)
– Validation of Analytical Procedures: Text and Methodology
Nov. 2005
Uso de procedimientos alternativos en USP
USP 31 - NF 26 General Notices:

Compliance may be determined also by the use of alternative procedures
choosen for advantages in accuracy,
accuracy sensitivity
sensitivity, precision
precision, selectivity
selectivity, or
adaptability to automation or computerized data reduction, or in other
special circumstances. Such alternative or automated procedure shall be
validated.
USP 32 - NF 27 General Notices:

Alternative methods and/or procedures may be used if they provide
advantages in terms of accuracy,
accuracy sensitivity,
sensitivity precision,
precision selectivity
selectivity, or
adaptability to automation or computerized data reduction, or in other
special circumstances. Such alternative procedures and methods shall
be validated as described in the general chapter Validation of
Compendial Procedures <1225 > and must be shown to give
equivalent or better results.
5
“Equivalente o mejor”
Opción Denominación Demostración Comparación Número de

con el características
procedimiento
p consideradas
oficial
Procedimiento
1 Acceptable No Muchas
aceptable
Equivalencia de Equivalent e o
2 Sí Muchas
desempeño Mejor
Equivalencia de Sí
3 Equivalente Una
resultados
l d
Sí
Equivalencia de
4 Equivalente Una
decisión
Acceptable, equivalent or better approaches for alternatives

to official compendial procedures by W. Hauck et al. PF35(3), 2009
Opción 1 – “Procedimiento aceptable”
Denominación Demostración Comparasión

p Número de
procedimiento consideradas
oficial
Procedimiento aceptable Acceptable No Muchas
• No se realiza una comparación directa cn el método oficial

• Las características de desempeño se comparan con criterios
preestablecidos
6
Opción 2 – “Equivalencia de desempeño”
Denominación Demostración Comparación Número de

procedimiento consideradas
oficial
Equivalencia de Equivalent e o
Sí Muchas
desempeño Mejor
• Comparación con el procedimiento oficial para demostrar si es

equivalente o mejor con respecto a las características de
desempeño analítico
Opción 3 – “Equivalencia de resultados”
Denominación Demostración Comparació Número de

n con el características
procedimien consideradas
to oficial
Equivalencia de
Equivalente Sí Una
resultados
• Compara con el procedimiento oficial para demostrar la

obtención de resultados similares
• Dos métodos son equivlaentes si producen resultados lo
suficientemente similares
7
Opción 4 – Equivalencia de decisión
Denominación Demostración Comparación

p Número de
procedimient consideradas
o oficial
Sí
Equivalencia de decisión Equivalente Una
• Comparación con el procedimiento oficial para demostrar la

misma decisión de aceptación o rechazo.
• Dos procedimientos se consideran equivalentes si
producen la misma decisión (aceptación o rechazo ) con la
sufucientemente alta probalbilidad.
Significancia estadística vs
Significancia práctica
• Las p
pruebas estadísticas destinadas a
demostrar diferencias son a veces utilizadas
para demostrar equivalencia o similaridad
• Si la precisión es muy buena podríamos concluir

inequivalencia por diferencias que son triviales
• Si la precisión no es buena podríamos concluir

equivalencia aún cuando las diferencias son
grandes
8
Significancia estadística vs Equivalencia
+δ Sig. Equi.
-δ
- +
+ +
+ -
-3% -2% -1% 0 1% 2% 3%
Conceptos estadísticos
9
Estadística
• Estadística descriptiva: se dedica a analizar y

representar
p los datos. Determina medidas de tendencia
central y dispersión.
• Estadística inferencial: comprende los métodos y

procedimientos para deducir propiedades (hacer
inferencias)) de una p
población,, a p
partir de una p
pequeña
q
parte de la misma (muestra).
Definiciones
• Estadístico: Un dato numérico calculado a partir de

una muestra qque ppuede ser usado ppara hacer una
inferencia acerca de la población.
• Parámetro: El valor verdadero de la población, a
menudo desconocido, estimado a partir de un
estadístico.
• Distribución continua: Contiene infinitos (variable)
puntos que pueden representarse en una escala
continua Ej: distribución normal
continua. normal, lineal
lineal, exponencial
exponencial,
etc.
• Distribución discreta: Resulta de datos (atributos) que
tienen un número finito de valores posibles. Ej:
distribución binomial, de Poisson e hipergeométrica.
10
Tipos de datos
• Atributos: Son las características de la calidad que se

evalúan a través de una observación que puede
resultar en dos posibles resultados, satisface la
especificación o no.
• Variables: Son aquellas características de la calidad
que se puede medir.
Medidas de tendencia central
• Media o promedio:
x x
n
Ventajas:
Es el centro de gravedad de los datos
Utiliza todos los datos
No es necesario ordenar los datos
Desventajas:
Los datos extremos pueden distorsionar el resultado
La media puede no corresponder a ningún dato
El cálculo puede consumir tiempo
11
• Mediana:
Es el valor medio cuando los datos se ordenan
en forma ascendente o descendente.
Ventajas:
Provee una idea de localización.
No necesita cálculos complejos
complejos.
Es insensible a los datos extremos.
Desventajas:
Los datos deben ordenarse.
Los valores extremos pueden ser importantes.
Entre muestras la mediana es más variable que la media.
• Moda:
E ell d
Es dato
t más
á ffrecuente
t en una serie
i
Ventajas:
No es necesario realizar cálculo.
No es influenciado por datos extremos.
extremos
Es un valor real.
Se puede detectar visualmente a partir de un gráfico.
Desventajas:
Los datos pueden no tener moda o tener más de una.
12
Medidas de dispersión
• Rango (R):
Es la diferencia entre el dato mayor y el menor
menor.
• Varianza (σ2, S2):

E la
Es l suma dde llas d
desviaciones
i i cuadráticas
d áti
de la media dividida por el tamaño de la
muestra.
 
( x   )2 ( x  x) 2
 
2
2
S
N n 1
13
• Desvio estándar (σ, S):

E la
Es l raíz
í cuadrada
d d d de lla varianza.
i
  ( x   )2
S
 ( x  x) 2
N n 1
• Desviación estándar relativa ó Coeficiente de

variación %:
Es la desviación estándar dividida por la media y
expresada como porcentaje.
 S
100 100
 x
14
Inferencia estadística
• Sacar una conclusión de una característica de una

población en base a una muestra.
• Pasos a seguir:
– Definir el problema con precisión.
– Formular la hipótesis nula y la alternativa.
– Seleccionar la distribución y el valor crítico del test estadístico
que refleje el grado de incertidumbre que puede ser tolerado.
– Calcular el estadístico a partir de la muestra.
– Hacer la inferencia sobre la población comparando el estadístico
calculado con el valor crítico. Este paso determina si la hipótesis
nula será rechazada.
La Hipótesis Nula
• Es la hipótesis que será testeada: H0

– Si estamos investigando si dos medias son diferentes (dos
colas):
H0: XA = XB
– Si en cambio investigamos si el proceso A produce un
rendimiento mayor que el proceso B (1 cola):
H0: XA ≤ XB
– La hipótesis nula solo puede ser rechazada o no rechazada, no

puede ser aceptada aún cuando la evidencia impida rechazarla.
15
La Hipótesis Nula
• Tipos de errores
– Error tipo I: La hipótesis nula es rechazada cuando en realidad
es verdadera. Error alfa o riesgo del productor.
– Error tipo II: La hipótesis nula no es rechazada cuando debería
ser rechazada. Error beta o riesgo del consumidor.
– El alfa es normalmente elegido entre las partes (generalmente
5%). Cuando alfa disminuye beta aumenta. Aumentar el tamaño
de muestra reduce alfa y beta.
Test de Student
• Se aplica para muestras de una población normal.

• Se usa ppara hacer inferencias sobre la media de una p
población
cuando la varianza es desconocida y n es pequeño.
• Se puede usar con cualquier n pero en general n </= 30
X 
t
S n
16
Test de Student
• Dos medias, varianzas desconocidas pero consideradas iguales

• H0: µ1=µ2
• DF=
DF n1 + n2 - 2
X1  X 2
t
1 1
Sp 
n1 n2
(n1  1) S12  (n2  1) S 22

Sp 
n1  n2  2
Test de Student
• Ejemplo: Comparar las medias de los pesos de dos productos

obtenidos con dos máquinas distintas
Máquina 1 Máquina 2
3.125 3.110
3.120 3.095
3.135 3.115
3.130 3.120
3.125 3.125
17
Test de Student
3.125 3.11
3.12 3.095
3.135 3.115
3 13
3.13 3 12
3.12
3.125 3.125
Prueba t para dos muestras suponiendo varianzas iguales
Variable 1 Variable 2
Media 3.127 3.113
Varianza 3.25E-05 0.0001325
Observaciones 5 5
Varianza agrupada 8.25E-05
Diferencia hipotética de las medias 0
Grados de libertad 8
Estadístico t 2.43708718
Valor crítico de t (dos colas) 2.30600563
El valor crítico para t0,025, 8= 2.306 (test de dos colas para alfa=0.05
La hipótesis nula H0 es rechazada (los pesos son diferentes)
Test de Student
• Dos medias, varianzas desconocidas pero consideradas

diferentes
• H0: µ1=µ2
X1  X 2
t
S12 S 22

n1 n2
1
DF  2 2
 S 2
  S 22 
 1
  
 n1   n2 
 S12 S 22   S12 S 22 
     
 n1 n2    n1 n2 
n1  1 n2  2
18
Test de Student
3.125 3.11
3.12 3.095
3 135
3.135 3 115
3.115
3.13 3.12
3.125 3.125
Prueba t para dos muestras suponiendo varianzas desiguales
Variable 1 Variable 2
Media 3.127 3.113
Varianza 3.25E-05 0.0001325
Observaciones 5 5
Diferencia hipotética de las medias 0
Grados de libertad 6
Estadístico t 2.43708718
Valor crítico de t (dos colas) 2.44691364
El valor crítico para t0.025,6= 2.447 (test de dos colas para alfa=0.05
La hipótesis nula H0 no puede ser rechazada.
Intervalo de confianza para la media
• Distribución continua – Muestras grandes

X  Z
2 n
• Distribución continua – Muestras p

pequeñas
q ((<30))
S
X  t
2 n
19
Prueba F
Si dos muestras independientes se extraen de dos
poblaciones normales de igual varianza la relación σ1/σ2 se
distribuye según:
El estadístico F es la relación de las varianzas de las muestras
S12
F
S 22
Prueba F
La identificación de las muestras es arbitraria. Es costumbre
colocar la varianza mayor en el numerador (S12)
Estos valores críticos pueden usarse para un test de una cola (α,
95% de confianza) o para un test de dos colas (α/2, 90% de
confianza).
20
Equivalencia de métodos
• La determinación de equivalencia utilizando la prueba de Student y

Fisher no son alternativas válidas
• Comparación del intervalo de confianza con un rango considerado
aceptable
• Se concluye equivalencia si el intervalo de confianza para la
diferencia entre las dos medias se encuentra dentro del rango de
aceptación
S p2 S p2
x A  xB   tn  n 2(1 ) 
1 2
nA nB
Equivalencia de métodos
Two one side T test (TOST)
 A  B  
H 01 :  A   B   H 02 :  A   B  
H11 :  A   B   H12 :  A   B  
t1 
 x A  xB    t2 
   x A  xB 
1 1 1 1
Sp  Sp 
n A nB n A nB
H01 es rechazada si |t1| > t(α,nA+nB-2)

H02 esrechazada si |t2| > t(α,nA+nB-2)
21
Características de
desempeño analítico
Características de desempeño
analítico
• Exactitud
• Precisión
– Repetibilidad
– Precisión intermedia
– Reproducibilidad
• Especificidad
• Límite de detección
• Límite de cuantificación
• Linealidad
• Rango
• Robustez
22
Exactitud, Veracidad (Trueness) y Precisión
• Estadística
– Error total = Error sistemático + Error aleatorio
– Error total = Sesgo (Bias) + Desvío Estándar
• ICH
– Exactitud
– Precisión
• ISO
– Exactitud = Veracidad (Trueness) + Precisión
Exactitud, Veracidad y Precisión

ness
Truen
Precisión
23
Exactitud, Veracidad y Precisión
ness
Truen
Precisión
<1225> Validación de
Características Categoría I Categoría II Categoría III Categoría IV
de desempeño
Cuant. Límite
Exactitud Sí Sí * * No
Precisión Sí Sí No Sí No
Especificidad Sí Sí Sí * Sí
LDD No No Sí * No
LDC No Sí No * No
Linealidad Sí Sí No * No
Intervalo Sí Sí * * No
* Puede requerirse según la naturaleza de la prueba.
24
ICH Q2 (R1)
Performance Category I Category II Category IV
Characteristic
Quant Limit Test
Accuracy Yes Yes No No
Precision
Repeatability Yes Yes No No
Interm. Precision Yes (1) Yes (1) No No
Specificity (2) Yes Yes Yes Yes

(3)
LOD No No Yes No
LOQ No Yes No No
Linearity Yes Yes No No
Range Yes Yes No No
(1) in cases where reproducibility has been performed, intermediate precision is not needed
(2) lack of specificity of one analytical procedure could be compensated by other supporting procedure(s)
(3) may be needed in some cases
Especificidad
Definición - Es la capacidad del método de medir

específicamente el analito en presencia de los
componentes presentes en la matriz analítica
analítica.
• Se dispone de impurezas, productos de

degradación y/o excipientes
• No se dispone de impurezas, productos de

degradación y/o excipientes:
– Comparar los resultados con otro método analítico bien
caracterizado
– Efectuar una degradación artificial, bajo condiciones
drásticas (luz, calor, ácidos y bases, etc.)
25
Especificidad
• Requerida para la validación de

– Pruebas de identificación (category IV)
– Determinación de impurezas (category II)
– Valoración (category I)
– Pruebas de desempeño (category III)
• En el análisis farmacopeico, la falta de especificidad de un método

puede ser complementada con otro de manera de obtener el nivel
total de selectividad deseado
• IUPAC, AOAC prefieren el término “selectividad” , reservando el

término “especificidad” para los procedimientos totalmente
selectivos
Especificidad
Pruebas de Identificación en la monografías de USP

• Identificación espectroscópica . Capítulo <197>
– Comparación de espectro IR con estándar es la evidencia más concluyente
de identidad
– UV menos específica
– Polimorfismo: “Si aparece una diferencia en los espectros IR del analito y
del estándar, disolver porciones iguales de la muestra y del estándar en
volúmenes iguales de un disolvente apropiado, evaporar la solución hasta
sequedad bajo condiciones idénticas y repetir la prueba con los residuos”.
• Correspodencia de tiempos de retención o Rf

• Identificación del contraión
26
Especificidad
Pureza de pico
• Análisis de la forma del pico
• Detección por arreglo de diodos
• HPLC-MS
Especificidad
– Resolución
1.18(t Rb  t Ra ) 2(t Rb  t Ra )
R R
W0.5 a  W0.5b Wa  Wb
– Relación pico-valle
Hp
p v
Hv
27
Modos de integración
Bicking, M. LCGC NORTH AMERICA VOLUME 24 NUMBER 4 APRIL 2006
Degradaciones forzadas
• En solución y/o en fase sólida

• L
Las condiciones
di i son más
á severas que lasl
de un estudio de estabilidad acelerado
• Sólo un lote
• Mecanismo de termólisis, hidrólisis,
oxidación,, fotólisis en el fármaco y el
producto
• Detectores PDA o MS. Son necesarios
para la validación no para el QC
28
• Guideline for submitting samples and analytical

data for methods validation,, FDA,, 1987.
– Fármacos:
• calor (50°C)
• luz
• ácido (HCl 0.1 N) / base (NaOH 0.1 N)
• Oxidante (H2O2 3% )
– Productos terminados
• Calor
• Luz
• Humedad (85%)
– Otras condiciones pueden ser necesarias
• El tiempo de exposición, temperatura y

concentración puede ser ajustado para obtener una
degradación apropiada de la muestra (10% a 15%)
29
Linealidad
Definición - Es la capacidad del método de producir

resultados que son directamente proporcionales a la
concentración de analito en un intervalo dado.
• 5 niveles de concentración. Distintas diluciones de una
solución madre o distintas pesadas del componente.
• 3 muestras por nivel
Linealidad
Modelo de calibración Requisitos

Calibración de un solo p
punto • Función de respuesta
p lineal
• Error sistematico despreciable
• Datos homosedásticos
Calibración multi punto (lineal, no • Función de respuesta lineal
ponderada) • Datos homosedásticos
Calibración multi punto (lineal, • Función de respuesta lineal
ponderada)
Calibración multi punto (no lineal) • Función de respuesta continua
Normalización de área • Función de respuesta lineal
• Datos homosedásticos
• Para impurezas
• Función de respuesta lineal
30
Linealidad
• Análisis y recolección de datos
• Estimación de los parámetros del modelo por
cuadrados mínimos
mínimos.
• Cálculo de los límites de confianza para los
parámetros estimados
Prueba Rangos Criterio de aceptanción
50% a 150% (incluye r > 0.999

0 999
Valoración
uniformidad) ordenada al origen < 2%
r > 0.98
Impurezas LOQ a 2%
ordenada al origen < 5%
Linealidad
y  a  bx
 ( x  x )( y  y 
i i
b i
 (x  x)i
i
2
a  y  bx
31
Análisis de residuos
20
Residuo (Yobs - Y pred) 15

10
5
0
-5
-10
-15
-20
0 5 10 15 20 25 30 35
Conc (mcg/ml)
• Debe comprobarse que el gráfico tenga un patrón aleatorio.

• Una curvatura o tendencia indica una falla en el modelo elegido.
• Un aumento o disminución de la dispersión de los residuos
indica que los datos no son homocedásticos.
32
Regresión lineal ponderada

 La homosedasticidad es un prerequisito para la RL
común
 En LC-UV se considera que esto ocurre en un rango
de un order de magnitud
 En rangos de cc mayores probablemente se violaría
esta suposición
 Si se require cuantificar en un rango grande de
concentracions (más de dos ordenes de magnitud)
la falta de homosedasticidad debe compensarse
mediante una regresión lineal ponderda
Coeficiente de correlación
 ( x  x )( y
i i  y )
r i
 2  
 i( x  x )   i
( y  y ) 
 i  i 
33
Intervalos de confianza
(y i  yˆ i ) 2
Sy x 
y  a  bx
i
n2
Sy x b ± t(n-2) Sb
Sb 
 (x  x)
i
i
2
a ± t(n-2) Sa
x 2
i
Sa  S y x i
n ( x  x ) i
2
Análisis de impurezas – Diferentes tipos
Area porcentual
 La impureza individual se calcula como:
(Areaimp/Areatotal) 100
 Util en las etapas iniciales del desarrollo. No requiere estándar de

referencia
 Requiere linelidad en un rango amplio
 Si se disminuye la cc para mantener la linealidad, puede no
detectarse la impureza
 Asume que los facores de respuestra son similares
 No se requiere evaluar la precisión
34
“High-Low”
 Una solución concentrada del analito se compara con una solución
diluida
 Elimina la limitación del método anterior con respecto a la linealidad
 Los picos se comparan en un rango de concentración limitado
Estándar externo
 La cc se determina a partir de una curva de calibración
 Se utiliza un estándar de referencia o se asume que los factores de
respuesta de las impurezas y de la droga son iguales
 La calibración de un solo punto es apropiada si la ordenada al
origen es no significativa
 Utiliza un rango lineal reducido
 Mejora la sensibilidad ya que la pueden emplearse soluciones de la
droga altamente concentradas
35
Exactitud
Definición - Es la proximidad entre los resultados

obtenidos con el método y el valor real.
• Se calcula determinando el porcentaje de
recuperación del método.
X obs 100
R
X ag
• Tres replicados a tres niveles

– 80% -120% para el componente principal
– 50% - 150% para impurezas
Exactitud
• Fármaco
– Análisis de material de referencia
• Producto
– Análisis de mezclas sintéticas
• Impurezas
– Análisis de muestras contaminadas con cantidades
conocidas
co oc das de impurezas
pu e as
• Comparar el resultado con un segundo método
bien caracterizado
36
Ensayo de recuperación
40
y = 0.9989x + 0.3272
R² = 0.9974 Cant. agregada (mg) Cant. Observada (mg) Recuperado
24.35 24.70 101.4%
35 25 15
25.15 25 41
25.41 101 0%
101.0%
25.15 25.17 100.1%
observado
30.04 30.79 102.5%

30 29.74 30.18 101.5%
30.14 30.38 100.8%
35.33 35.70 101.0%
34.63 34.56 99.8%
25
36.73 37.01 100.8%
Media: 101.0%
Ecuacion de la recta Desv. Std: 0.7945
20
Encontrado = a + ( b x Añadido)
20 25 b= 30 35
agregado 0.9989
a= 0 3272
Ensayo de recuperación - <1225>
La evaluación de la exactitud puede efectuarse de varias maneras,

incluyendo la evaluación de la recuperación del analito (porcentaje de
recuperación) en todo el intervalo de la valoración,
valoración o evaluando la
linealidad de la relación entre las concentraciones estimadas y las
reales. El criterio estadístico de preferencia es que el intervalo de
confianza para la pendiente esté comprendido dentro de un intervalo
alrededor de 1,0; o alternativamente, que el valor de la pendiente sea
cercano a 1,0. En ambos casos, el intervalo o la definición de cercanía
deberían especificarse en el protocolo de validación.
validación El criterio de
aceptación dependerá de la valoración, de su variabilidad, y del
producto. No es acceptable establecer un criterio de aceptación
basado en la falta de significancia estadística para la hipótesis nula de
que la pendiente es 1,0.
37
Exactitud
Recuperación aceptable dependiendo del nivel de analito
Fracción Unidad Rango de recuperación (%)

100 100 % 98-102
0.1 0.1% 95-105
0.01 100 ppm 90-107
0.00000001 1 ppb 40-120
González et al. Trends in Anal. Chem. , 26 (3), 2007
Precisión
Definición - Es el grado de concordancia entre los

resultados cuando el procedimiento se aplica
repetidamente a una muestra homogénea.
• Repetibilidad, Precisión intermedia,

Reproducibilidad.
• Cálulo de la SD o el CV.
38
Precisión
• REPETIBILIDAD: es la precisión bajo las mismas condiciones

operativas en un período corto de tiempo
tiempo. Se determina realizando un
mínimo de 9 determinaciones dentro del intervalo del procedimiento (3
concentraciones / 3 replicados) o un mínimo de 6 replicados al 100 %
• PRECISION INTERMEDIA: expresa las variaciones intra-laboratorio:

diferentes días, diferentes analistas, diferentes equipos (Ruggedness).
• REPRODUCIBILIDAD : es la utilización de un procedimiento analítico

en diferentes
f laboratorios
Precisión
• ICH recomienda un mínimo de 9

determinaciones sobre un mínimo de 3
concentraciones que cubran el intervalo de
cuantificación establecido (3 pruebas a 3
concentraciones)
• o el uso de un mínimo de 6 determinaciones al

100% de la concentración de la prueba
39
Precisión - Criterios de aceptación
recomendados
Precisión del Repetibilidad Precisión

sistema intermedia
1% -2%
Valoración <1% 3-4*SD
<2*SD
Impurezas 2-5% 10-20% a LQ 25%
Precisión - Criterios de aceptación

recomendados
Concentration of Concentration Concentrat Concentration Horowitz- Horowitz-

analyte
l (%) off analyte
l i with
ion ih f
fraction
i M
Massart Thompson
Th
(ppm) w/w units repeatability reproducibility
value (RSD) value (RSD)
100% 1000 g/g 1.0 1% 2%
1% 10,000 ppm 10 mg/g 0.01 2% 4%
0.1% 1000 ppm 1 mg/g 0.001 2.8% 5.7%
0.05% 500 ppm 500 µg/g 0.0005 3% 6%
0.01% 100 ppm 100 µg/g 0.0001 4% 8%
0 001%
0.001% 10 ppm 10 µg/g 0 00001
0.00001 5 7%
5.7% 11%
0.0001% 1 ppm 1 µg/g 0.000001 8% 16%
0.00001% 100 ppb 0.1 µg/g 0.0000001 11% 22%
<0.00001% < 100 ppb < 0.1 µg/g < 0.0000001 11% 22%
40
Rango
Definición - Es el intervalo entre la mayor y menor

concentración del analito (incluyendo
( estos valores))
que puede determinarse con precisión, exactitud y
linealidad.
• Valoración de macrocomponentes 80-120%
• Uniformidad de contenido 70-130%
• Test de disolución ± 20%
• Cuantificación de impurezas 50%-120%
Rango
esta
Respue
Linealidad y exactitud
Precisión
Rango
Concentración
41
Límite de Detección / Cuantificación
• Límite de detección - Es la mínima concentración

de analito que puede detectarse bajo las
condiciones experimentales establecidas.
• Límite de cuantificación - Es la menor

concentración de analito que puede determinarse
con precisión y exactitud aceptables.

Q3A(R2): Impurities in New
Drug Substances
Dosis máxima Umbral de Umbral de Umbral de

diaria reporte identificación cuantificación
</= 2g/día 0.05% 0.1% o 1.0 mg 0.15% o 1.0 mg
por día (lo que por día (lo que
sea menor) sea menor)
> 2 g/día 0 03%

0.03% 0 05%
0.05% 0 05%
0.05%
42
Q3B(R2): Impurities in New
Drug Products
Dosis máxima diaria Umbral

Umbral de reporte
≤1g 0.1%
>1g 0.05%
Umbral de identificación
< 1 mg 1.0% o 5 μg TDI, lo que sea menor
1 mg - 10 mg 0.5% o 20 μg TDI, lo que sea menor
>10 mg - 2 g 0 2% o 2 mg TDI
0.2% TDI, lo que sea menor
>2g 0.10%
Umbral de cualificación
< 10 mg 1.0% o 50 μg TDI, lo que sea menor
10 mg - 100 mg 0.5% o 200 μg TDI, lo que sea menor
>100 mg - 2 g 0.2% o 3 mg TDI, lo que sea menor
>2g 0.15%
Basado en la desviación estándar de la respuesta y la

pendiente:
di t
LDD= 3.3 S /b
LIDC= 10 S /b
S = desviación estándar de la respuesta

b= pendiente de la curva de calibración
43
Blanco
+3.3 Sigma
+10 Sigma
yB SC SD
Estimación empleando la relación Señal Ruido
• Límite de detección
• S/N > 3
• Límite de cuantificación
• S/N > 10
44
Relación señal ruido
h: range of the background noise in a

chromatogram obtained after injection or
application of a blank, observed over a
distance equal to 20 times the width at
half-height of the peak in the
chromatogram obtained with the
prescribed reference solution and, if
possible, situated equally around the place
where this peak would be found
S/N = 2H/h
Como calcular la SD del blanco:
 Analizar varios blancos y calcular el SD o,

 Calcular el estadístico Sy/x
(y i  yˆ i ) 2
Sy x  i
n2
45
Nivel 1 Nivel 2 Nivel 3 Nivel 4 Nivel 5

1 2085 4105 6288 8333 10499
2 2106 4235 6103 8287 10305
3 1955 4188 6337 8399 10386
4 2199 4063 6129 8156 10355
5 2077 4005 6254 8247 10462
6 2155 4284 6301 8178 10219
Media 2096 4147 6235 8267 10371
DE 83.13 106.90 96.53 92.54 102.57
Desvío estándar promedio: 96.33

Pendiente de la recta: 9378
Límite de detección: 0.034 mg/mL
Límite de cuantificación: 0.103 mg/mL
Robustez
Definición - Es una medida de la capacidad del

método de aceptar variaciones pequeñas,
pequeñas pero
premeditadas, en los parámetros del método.
• Pasos a considerar
– Diseño y ejecución del experimento
– Cálculo de los efectos
– Análisis estadístico/gráfico de los efectos
– Conclusiones relevantes y eventualmente modificación del
método
• Variaciones de: pH, columna, fase móvil, etc.
46
Robustez
Diseño de experimentos
• Un factor a la vez
• Diseños factoriales
– Factorial completo
– Factorial fraccional
– Plackett-Burman
Diseño Factorial Completo (2k runs)

% Organic
TEA TEA
Flow Flow
pH pH
Particle size
TEA TEA
Flow Flow
pH pH
47
Diseño Factorial Fraccional – 5 factores
% Organic
TEA TEA
Flow Flow
pH pH
Particle size
TEA TEA
Flow Flow
pH pH
Placket y Burman
7 factores (A-G) dos niveles
Exp.
p Factors Result
A B C D E F G
1 + + + + + + + y1
2 + + - + - - - y2
3 + - + - + - - y3
4 + - - - - + + y4
5 - + + - - + - y5
6 - + - - + - + y6
7 - - + + - - + y7
8 - - - + + + - y8
Eff = ( y+ -  y-)/4
48
Verificación
Verificación
• Validación: Desafiamos el método analítico

utilizando una muestra bien caracterizada
• Verificación: Desafiamos el entorno analítico

utilizando un método bien caracterizado
– Analista
– Instrumento
– Reactivos
– Matriz
49
<1226> Verificación de
• 21 CFR 211.194(a)(2):
211 194(a)(2): “los
los usuarios de los métodos
analíticos descriptos en la USP–NF no necesitan
validar la exactitud y confiabilidad de estos métodos,
solamente deben verificar la aptitud para el uso en las
condiciones de trabajo actuales.”
• Respuesta
espuesta a un
u pedido
ped do de la
a industria
dust a
• Primera propuesta publicada en el PF31(2). Segunda
propuesta publicada en el PF32(4)
• Oficial en USP 30/Sup. 2
<1226> Sumario
• Provee información general a los laboratorios

acerca de como verificar procedimientos
analíticos que se llevan a cabo por primera vez.
• No se aplica en forma retroactiva.
• La verificación consiste en la evaluación de

alguna de las características de desempeño
analítico.
50
<1226> Sumario
• Se aplica a fármacos, productos terminados y

excipientes.
• Se aplica a titulaciones volumétricas,
procedimientos cromatográficos,
espectroscópicos, etc.
• Pruebas tales como Determinación de agua,
Metales pesados o Pérdida por secado en general
no requiren verificación
<1226> Sumario
• No incluye pruebas biológicas; <111> Diseño y Análisis de

Valoraciones Biológicas y <1033> Validación de Valoraciones
Biológicas (en desarrollo) contienen guías para la verificación de
estos procedimientos.
• La verificación de pruebas microbiológicas se describe en otros
capítulos.
– <51> Pruebas de Eficacia Antimicrobiana
– <61> Examen Microbiológico de Productos no Estériles:
Pruebas de Recuento Microbiano
– <71> Pruebas de esterilidad
– <1227> Validación de la Recuperación Microbiana en Artículos
Farmacopeicos
51
Proceso de verificación
Verificación
GRADO DE VERIFICACION
Realizar el
procedimiento tal Validación completa
cual está escrito
Experimentos recomendados
• Especificidad –
– Pureza de pico
– Matriz
• Exactitud: Recuperación en el rango de la especificación

• Precisión: Repetibilidad en el rango de la especificación
• LOD:
LOD Verificar
V ifi la
l detección
d ió all 50% d
de lla especificación
ifi ió
• LOQ: Verificar la cuantificación al 50% de la especificación
52
Experimentos recomendados
• Otros aspectos a considerar

– Columnas vs. cartuchos
– Preparación de la fase móvil
– Gradiente y volumen muerto
– Preparación de la solución muestra
– Estabilidad de la solución muestra
Cloruro de sodio
Acidez o alcalinidad—A 20 mL de la solución preparada para la prueba de

Aspecto de la solución, agregar 0,1 mL de azul de bromotimol SR: no se
requiere
q más de 0,5
, mL de ácido clorhídrico 0,01N
, o de hidróxido de sodio
0,01N para cambiar el color de esta solución.
Pérdida por secado <731>—Secar el material de prueba a 105° durante 2
horas: no pierde más de 0,5% de su peso, determinado en una muestra de
1,000 g.
Límite de bromuros—A 0,5 mL de la solución preparada para la prueba
de Aspecto de la solución, agregar 4,0 mL de agua, 2,0 mL de rojo fenol
SR de pH 4,7 y 1,0 mL de solución de cloramina T (0,1 mg por mL) y
mezclar inmediatamente. Después
p de 2 minutos,, agregar
g g 0,15, mL de
tiosulfato de sodio 0,1N y mezclar; diluir con agua a 10,0 mL y mezclar. La
absorbancia de esta solución, medida a 590 nm, utilizando agua como
líquido de comparación, no es mayor que la de una Solución estándar
preparada concomitantemente, utilizando 5,0 mL de una solución que
contenga 3,0 mg de bromuro de potasio por L y siguiendo el procedimiento
mencionado anteriormente, comenzando con la adición de 2,0 mL de rojo
fenol SR de pH 4,7 (0,010%).
53
Cloruro de sodio
Característica Validación Verificación

Valoración—Disolver en de desempeño
agua 50 mg,
mg pesados con
Exactitud Sí No
exactitud, de Cloruro de
Sodio y diluir con agua a 50 Precisión Sí Puede ser
mL. Valorar con nitrato de Especificidad Sí No

plata 0,1N SV, determinando
LDD No No
el punto final
potenciométricamente (ver LDC No No
Volumetría <541>). Cada mL
Linealidad Sí No
de nitrato de plata 0,1N
equivale a 5,844 mg de NaCl. Intervalo Sí No
Ejemplo: Fármacos
•Identificación Característica Validación Verificación

de desempeño
–IR,
IR, UV
Exactitud No No
–HPLC
•Pruebas de pureza Precisión No No
–Pérdida por secado,
Especificidad Sí Puede ser
residuo de ignición,
–pH LDD No No
–Metales pesados
LDC No No
–Sust. relacionadas
•Valoración Linealidad No No
–Volumetría Intervalo No No
–HPLC
54
Ejemplo: Fármacos

de desempeño
–IR,
IR, UV
Exactitud No No
–HPLC
•Pruebas de pureza Precisión No No
Especificidad Sí No
–Metales pesados LDD Sí No
–pH
LDC No No
•Valoración Linealidad No No
–Volumetría Intervalo No No
–HPLC
Ejemplo: Fármacos

de desempeño
–IR,
IR, UV
Exactitud Sí No
–HPLC
•Pruebas de pureza Precisión Sí Puede ser
Especificidad Sí Sí
–Metales pesados LDD No No
–pH
LDC Sí Sí
•Valoración Linealidad Sí No
–Volumetría Intervalo Sí No
–HPLC
55
Ejemplo: Fármacos

de desempeño
–IR,
IR, UV
Exactitud Sí No
–HPLC
•Pruebas de pureza Precisión Sí Puede ser
Especificidad Sí Puede ser
–Metales pesados LDD No No
–pH
LDC No No
•Valoración Linealidad Sí No
–Volumetría Intervalo Sí No
–HPLC
Ejemplo: Formas farmacéuticas

de desempeño
–HPLC
HPLC
Exactitud No No
•Pruebas específicas
–Partículas en inyectables Precisión No No
–Uniformidad
–Disolución
•Impurezas: LDD No No
–Sust. relacionadas LDC No No
–Solventes residuales
Linealidad No No
•Valoración
Intervalo No No
56

de desempeño
–HPLC
HPLC
Exactitud Sí Puede ser
–Partículas en inyectables Precisión Sí Sí
–Uniformidad
–Disolución
–Sust. relacionadas LDC Puede ser Puede ser
Linealidad Puede ser No
•Valoración
Intervalo Puede ser No

de desempeño
–HPLC
HPLC
–Uniformidad
–Disolución
–Sust. relacionadas LDC Sí Sí
Linealidad Sí No
•Valoración
Intervalo Sí No
57

de desempeño
–HPLC
HPLC
–Uniformidad
–Disolución
–Sust. relacionadas LDC No No
Linealidad Sí No
•Valoración
Intervalo Sí No
Diagrama de flujo
58
Conclusiones
• La aptitud del método oficial debe ser evaluada

antes de la implementacion del método para el
control de calidad de rutina.
• Si la verificación falla, evaluar la causa del
fracaso.
• Contactar a USP para tratar de solucionar el
problema
• Si la asistencia de personal de la USP no resuelve
el problema, se puede concluir que el
procedimiento no es adecuado para el artículo
ensayado.
Conclusiones
• Puede ser necesario desarrollar y validar un

procedimiento alternativo.
• Si la decisión es el desarrollo de un procedimiento
alternativo, contactar a USP para evaluar la
posibilidad de incluir el procedimiento alternativo
de forma adecuada en la monografía
monografía.
59
Aptitud del sistema y

ajustes permitidos
Aptitud del sistema
 Verifica que el sistema es adecuado para el análisis
 Requisitos específicos para cada método
 Los resultados no son válidos a menos que los

requisitos se cumplan
60
Test de Aptitud (Suitability Test)
• Es parte integral de los métodos cromatográficos

cromatográficos. Se
emplea para verificar que la resolución y la
reproducibilidad del sistema son adecuadas para el
análisis que se realizará.
• Se basa en
e ele concepto
co cepto que equ
equipo,
po, ope
operaciones
ac o es
analíticas y muestras a ser analizadas son parte integral
del sistema y deben evaluarse como tal.
Test de Aptitud - Párametros
• Repetibilidad
– RSD < 2.0%
% ((n=5))
– RSD >2.0% (n=6)
• Resolución
• Factor de asimetría calculado a W0.05
• Relación señal ruido
61
Ecuación de resolución
N    1  k 
Rs    
4    k  1 
Efi i
Eficiencia
i S l ti id d
Selectividad R t
Retención
ió
Eficiencia
Bajo N
N  α - 1  k 
Alto N RS   
4  α  1 k 
62
Selectividad
Alto 
N  α - 1  k 
RS   
4  α  1 k 
Bajo 
Capacidad
Inyección
tm t'R
Pico no retenido
Tiempo
N  α - 1  k 
RS   
4  α  1 k 
63
Eficiencia (N)
tR 2
N = 5.54 (
wh/2
)
tR 2
N = 16 ( w
)
W = ancho de pico en la base
Wh/2 = ancho de pico a la mitad de la altura
Eficiencia (N)
L Lcol
N=
H
H N = 140,000 p/m N = 280,000 p/m

Rs = 1.5 Rs = 2.1
20 min 20 min
64
Resolución (R)
2t 2  t1 
R
1.70W1,h/2  W2,h/2 
t 2 - t1
R
W = ancho de pico en la base
1
2 W1  W2 
Wh/2 = ancho de pico a la mitad de la altura
t = tiempo de retención
Resolución (R)
• Asegura la resolución de picos cercanos
• Establece la capacidad de resolución del sistema
• La eficiencia de la columna contribuye a la resolución
• La Eficiencia puede ser especificada como parámetro

de aptitud, aunque no es una medida real de la
capacidad capacidad de resolución del sistema
65
Relación señal ruido
• Crítica para una detección y cuantificacion exactas
10:1
h
S/N  2   
 hn 
3:1
h = altura del pico
hn = ruido p-p en un rango de 5 x W1/2
Desviación Estándard Relativa

Porcentual (%RSD)
100  i 1  X i  X  
N 2
%RSD   
X  N 1 

66
Repetibilidad del sistema
• Requisitos de %RSD
Número de inyecciones
y individuales
3 4 5 6
B (%) Desviación estándar relativa máxima permitida
2.0 0.41 0.59 0.73 0.85
2.5 0.52 0.74 0.92 1.06
3.0 0.62 0.89 1.10 1.27
Solo para la valoración de activos, cuando la

monografía no establece un %RSD máximo
Tailing (T)
W0.05
T 0 05
2f
67
Ajustes al sistema cromatográfico
• Deben representar una mejora en la cromatografía
• No se pueden realizar para compensar una columna

deteriorada
• Los ajustes pueden requerir verificación
• Ajustes multiples deben considerarse

cuidadosamente
Aptitud del sistema – Ajustes permitidos
<621> Cromatografía
● El capítulo <621> incluye ajustes que se pueden hacer al

sistema cromatográfico para cumplir con los requisitos de
aptitud del sistema
● El usuario debería verificar la aptitud del sistema después

de realizado el ajuste. Esta verificación implica pruebas
adicionales
di i l a las
l incluidas
i l id en ell test ded aptitud
i d de
d la
l
monografía . Por ejemplo deberían evaluarse las
característica de performance que pueden haberse afectado
por el cambio
68
Aptitud del sistema – Ajustes permitidos, HPLC
• El componente minoritario puede ajustarse ±30% relativo. Sin

embargo
g el cambio no p
puede exceder el ±10% % absoluto
• The pH del buffer utilizado en la preparación de la fase móvil

se puede ajustar ± 0.2 unidades.
• Longitud de la columna (HPLC): ±70%.

• Diámetro interno de la columna (HPLC): se puede modificar
manteniendo la velocidad lineal constante.
• Tamaño de partícula (HPLC): Se puede reducir hasta el 50% pero
no se puede aumentar.
• Volumen de inyección : Se puede reducir mientras se mantenga
una precisión y detectabilidad aceptables.
69
• Caudal (HPLC): Cuando se modifican las dimensiones de la

columna :
l2 d 22
F2  F1 2
l1d1
• Temperatura de la columna (HPLC): ±10°.
Aptitud del sistema – Ajustes permitidos, GC
• Longitud de la columan (GC): ±70%.

• Temperatura del horno (GC): ±10%.
±10%
• Programa de temperatura (GC): Se permite ± 20% de ajuste
en el tiempo y en la velocidad del cambio de temperatura.
• Diámetro interno de la columan (GC): ± 50%
70
Composición de la fase móvil
• Ajustes permitido:
– Componente minoritario (≤50%) ± 30% relativo
– El ajuste no puede exceder ± 10% absoluto
– La concentración final no puede reducirse a cero
– No se recomiendan cambios en los gradientes
• Efecto:
– Aumenta o disminuye la retención
– El gradiente se debe modificar si se modifican las
dimensiones de la columna
Ejemplo: Mezcla binaria

• Mezcla
M l especificada
ifi d 50:50
50 50
– 30% de 50 es 15% absoluto (excesivo),
– Máximo permitido 10%
– Ajuste permitido: 40:60 to 60:40
• Mezcla especificada 2:98

– 30% de 2 is 0.6% absoluto
– Ajuste permitido : 1.4:98.6 to 2.6:97.4
71
Ejemplo: Mezcla ternaria

• 60:35:5
60 35 5 (A
(A:B:C)
B C)
– Componente B:
• 30% de 35 es 10.5% absoluto, excede max 10%
• Ajuste solo en el rango de 25% a 45% (± 10%)
– Componente C:
• 30% de 5 is 11.5%
5% absoluto
– Component A:
• Cantidad suficiente para obtener 100%
pH de la fase móvil
• Ajuste permitido:
– ± 0.2
0 2 unidades
id d
• Efecto
– La escala de pH scale es logarítmica, 1 unidad =10X
– A bajos pH se protonan los compuestos ácidos (silanoles)
– A altos p
pH se neutralizan compuestos
p básicos
– Asegura que el analito está en solo un estado
72
Performance a diferentes pH
Concentración de Buffer
– C
Concentración
t ió ± 10%
– También debe cumplir con la variación permitida de pH
• Efecto
– Si la cc de buffer es insuficiente pueden ocurrir cambios
en el pH
– La cc es más crítica en los pH extremos del buffer
73
Temperatura de la columna
– ± 10°C
• Efecto
– Temperatura puede causar cambios en el tiempo de
retención
– Temperatura ambiente debe estar controlada
– Alta temp.
temp disminuye la viscosidad
• Mejora la eficencia
• Menor presión
• Disminuye el tiempo de análisis
– Afecta la resolución
Volumen de inyección
– P
Puede
d ser reducido
d id
– Se deben cumplir con los requisitos de precisión y
detección
74
Tamaño de partícula
– Se
S puede
d reducir
d i h hasta
t un 50%
• Efecto
– La eficiencia es inversamente proporcional al tamaño de
partícula
Cambio de la longitud de columna
– ± 70%
• Efecto
– Tiempo de análisis es proporcional al largo de columna
– Isocrático: ½ Long = ½ tR
– Disminución similar en Resolución
– La reducción del tamaño de partícula compensa la
pérdida de resolución
75
DI de la columna
– S
Se puede
d ajustar
j t mientras
i t se mantenga
t constante
t t lal
velocidad lineal
• Efecto
– Ahorro de solvente
– Reduce el ancho de pico
– Aumenta la resolución
Flujo
– ± 50%
– Si se cambia el DI mantener igual velocidad lineal
– Luego se puede ajustar ± 50%
• Efecto
– Reduce el tiempo de corrida
– Isocráctico:
I á ti 2 X Flujo
Fl j = ½ Tiempo
Ti d
de corrida
id
– Disminuye la resolución pero no dramáticamente
76
Stimuli article PF 35(6)
Transfer of HPLC Procedures to Suitable Columns of

R d
Reducedd Di
Dimensions
i and
dPParticle
ti l Si
Sizes
Uwe D. Neue, Doug McCabe, Vijaya Ramesh, Horacio Pappa, Jim

DeMuth
ABSTRACT This Stimuli article contains proposals to help the analyst adjust
HPLC column length g and p particle size to achieve separation
p p
power at least
equivalent to that used in the original procedure, markedly increasing the range of
options currently allowed in Chromatography <621>. The article presents the
scientific rationale for application of these proposals to isocratic procedures and
follows with gradient procedures.
Puntos principales
● El capítulo <621> Cromatografía describe en detalle el

rango de ajuste permitido en el sistema cuando el test de
aptitud no se cumple.
● Si se quiere cambiar la columna aunque no existan
problemas para cumplir el test de aptitud se require
validación
● El artículo propone flexibilizar el cambio de las
dimensiones de la columna y del tamaño de partícula
77
Puntos principales
● La longitud de la columna y el diámtero de partِ

partícula
ícula
deben cambiarse en proporción directa.
● La velocidad de flujo debe incrementarse o disminuirse
en proporción inversa al diámetro de partícula.
● Si la reducción proporcional de longitud y tamaño de
partícula no es posible, se permite una aproximación de
±25%
Ejemplos
78
PF 37(3)
Particle Size (HPLC): The particle size and/or the length of the column may
be modified provided that the ratio of length (L) to particle size (dp) remains
constant or varies not more than 25% with respect to the ratio obtained with
the column prescribed in the monograph. When particle size is not mentioned
in the monograph, the ratio must be calculated using the largest particle size
consigned in the USP definition of the column.
Flow Rate: When the particle size is changed, the flow rate may require
adjustment, because smaller-particle columns will require higher linear
velocities for the same performance (as measured by reduced plate height).
Flow rate changes for both a change in column diameter and particle size can
be made by:
F2 = F1 (dc22 dp1) / (dc12 dp2)
Where F1 and F2 are the flow rates for the original and modified conditions,
respectively; dc1 and dc2 are the respective column diameters, and dp1 and dp2
are the particle sizes.
158
79
159
Gracias!
Horacio N. Pappa, Ph.D.
hp@usp.org
80

Validacion Chile PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Validacion Chile PDF

Cargado por

Copyright:

Formatos disponibles

Quality Standards for Medicines, Supplements, and Food Ingredients throughout the World

Horacio N. Pappa, Ph.D.

• Características de desempeño analítico

• Aptitud del sistema y ajustes permitidos

 Objetivo del procedimiento analítico

 Todo método puede caracterizarse por un error sistemático (µT) y un

 La estimación de estos errores se realiza a partir de experimentos

 El objetivo de la validación es garantizar que cada medición dará un

• <1225> Validación de Procedimientos Farmacopeicos

• <1226> Verificación de Procedimientos Farmacopeicos

• <1224> Transferencia de Procedimientos Analíticos

• Capítulo general <1225> Validación de Procedimientos

• Los métodos de prueba

• ICH Q2A: Text in Validation of Analytical Procedures

• ICH Q2B: Methodology

Uso de procedimientos alternativos en USP

USP 31 - NF 26 General Notices:

USP 32 - NF 27 General Notices:

Opción Denominación Demostración Comparación Número de

Acceptable, equivalent or better approaches for alternatives

Opción 1 – “Procedimiento aceptable”

Denominación Demostración Comparasión

• No se realiza una comparación directa cn el método oficial

Denominación Demostración Comparación Número de

• Comparación con el procedimiento oficial para demostrar si es

Opción 3 – “Equivalencia de resultados”

Denominación Demostración Comparació Número de

• Compara con el procedimiento oficial para demostrar la

Denominación Demostración Comparación

• Comparación con el procedimiento oficial para demostrar la

• Si la precisión es muy buena podríamos concluir

• Si la precisión no es buena podríamos concluir

-3% -2% -1% 0 1% 2% 3%

• Estadística descriptiva: se dedica a analizar y

• Estadística inferencial: comprende los métodos y

• Estadístico: Un dato numérico calculado a partir de

• Atributos: Son las características de la calidad que se

Medidas de tendencia central

Medidas de tendencia central

• Varianza (σ2, S2):

• Desvio estándar (σ, S):

• Desviación estándar relativa ó Coeficiente de

• Sacar una conclusión de una característica de una

• Es la hipótesis que será testeada: H0

– La hipótesis nula solo puede ser rechazada o no rechazada, no

• Se aplica para muestras de una población normal.

• Dos medias, varianzas desconocidas pero consideradas iguales

(n1  1) S12  (n2  1) S 22

• Ejemplo: Comparar las medias de los pesos de dos productos

Prueba t para dos muestras suponiendo varianzas iguales

• Dos medias, varianzas desconocidas pero consideradas

Prueba t para dos muestras suponiendo varianzas desiguales

Intervalo de confianza para la media

• Distribución continua – Muestras grandes

• Distribución continua – Muestras p

El estadístico F es la relación de las varianzas de las muestras

• La determinación de equivalencia utilizando la prueba de Student y

H01 es rechazada si |t1| > t(α,nA+nB-2)

Exactitud, Veracidad y Precisión

Accuracy Yes Yes No No

Specificity (2) Yes Yes Yes Yes

Linearity Yes Yes No No

Range Yes Yes No No