Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ICH Q2 分析法バリデーション Part2: 分析法バリデーションの手法
Search
xjorv
August 12, 2020
Education
0
2.1k
ICH Q2 分析法バリデーション Part2: 分析法バリデーションの手法
ICH Q2は分析法バリデーションに関するガイドラインです。Q2はPart1とPart2に分かれており、Part2では分析法バリデーションで検証すべき項目について述べられています。
xjorv
August 12, 2020
Tweet
Share
More Decks by xjorv
See All by xjorv
コンパートメントモデル
xjorv
2
5.5k
コンパートメントモデルをStanで解く
xjorv
0
440
生物学的同等性試験 検出力の計算法
xjorv
0
3.4k
生物学的同等性試験ガイドライン 同等性パラメータの計算方法
xjorv
0
6k
粉体特性2
xjorv
0
2.4k
粉体特性1
xjorv
0
2.8k
皮膜5
xjorv
0
2.3k
皮膜4
xjorv
0
2.2k
皮膜3
xjorv
0
2.2k
Other Decks in Education
See All in Education
Common STIs in London: Symptoms, Risks & Prevention
medicaldental
0
130
OpenRobomaster 中国のロボットコンテスト 日本連携の可能性
takasumasakazu
0
450
SkimaTalk Introduction for Students
skimatalk
0
380
AIC 103 - Applications of Property Valuation: Essential Slides
rmccaic
0
210
Open Source Summit Japan 2025のボランティアをしませんか
kujiraitakahiro
0
710
Gamified Interventions for Composting Behavior: A Case Study Using the Gamiflow Framework in a Workplace Setting
ezefranca
1
130
データ分析
takenawa
0
5.8k
(キラキラ)人事教育担当のつらみ~教育担当として知っておくポイント~
masakiokuda
0
100
技術勉強会 〜 OAuth & OIDC 入門編 / 20250528 OAuth and OIDC
oidfj
5
1.2k
Constructing a Custom TeX Ecosystem for Educational Institutions—Beyond Academic Typesetting
doratex
1
9.6k
登壇未経験者のための登壇戦略~LTは設計が9割!!!~
masakiokuda
3
510
生成AIとの上手な付き合い方【公開版】/ How to Get Along Well with Generative AI (Public Version)
handlename
0
480
Featured
See All Featured
4 Signs Your Business is Dying
shpigford
184
22k
How to Ace a Technical Interview
jacobian
277
23k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Optimizing for Happiness
mojombo
379
70k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
20
1.3k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
2.9k
Why You Should Never Use an ORM
jnunemaker
PRO
58
9.4k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
35
2.4k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
The Invisible Side of Design
smashingmag
300
51k
Art, The Web, and Tiny UX
lynnandtonic
299
21k
Visualization
eitanlees
146
16k
Transcript
ICH Q2 分析法バリデーション Part2: 分析法バリデーションの手法 2020/7/28 Ver. 1.0
分析法バリデーションの手法 バリデートすべき各要素について推奨される手順 • データや計算方法は考察し、申請書に盛り込む • ガイドライン外の方法も利用可能である • 分析の目的に沿ったバリデーションの方法が必要 • すべての要素を同時に検証できる試行をデザインする
Specificity(特異性) 同定・類縁物質・定量試験で検証が必要 • 1つの分析法が特異的であると断定できる場合は少ない • 特異性を高めるため、2-3の試験を用いるのがよい
Specificity: Identification(同定) 類似した構造を持つものを測定値から除くことが重要 • 対照物質と比較することなどで検証する • 試験の対象を除いた試験によっても検証可能 • 構造が類似した物質を用いて検証することもできる
Specificity: Assay & Impurity(定量と類縁) クロマトグラフのピークを同定しておく必要がある • ピークが分離した場合には、それぞれ同定する • 非特異的な試験では特異性を担保する試験が必要 •
定量と類縁物質の同定では同じアプローチを使用する
Specificity: 類縁物質の入手可能性 類縁物質の入手可能/不可能によって手法が異なる • 入手できる場合は対照として用い、特定する • 入手不可の場合は2次的な方法を用いる (局方記載の方法、バリデーション済みの方法など) • ストレスをかけて分解させた試料を用いるとよい
• 定量は2値の比較、類縁物質はプロファイルの比較を行う
Linearity(直線性) その手法の検出範囲内を検証する • 有効成分の希釈系や製剤の混合物を用いて検証する • 濃度-シグナルの直線関係を図示して示す • 回帰分析前に適切に変換を行ってもよい • 相関係数・切片・傾き・残差和を申請書に盛り込む
• 濃度は5点以上で検証することが推奨されている
Range(検出範囲) 直線性の検証から範囲は決まる • 定量では80-120%を範囲とするのが一般的 • 含量均一性では70-130%を範囲とする • 溶出性では規格の±20%を範囲とする • 類縁物質では120%までを範囲とする
(毒性・薬理活性を持つ類縁物質には相応の考慮が必要)
Accuracy(正確性) その手法の検出範囲内での正確性を調べる • 定量・類縁物質で異なる手法が設定されている • 3つの濃度で合計最低9回の試験で検証する • 有効成分を追加したときの定量値の回収率・平均 と真値の差・信頼区間を報告する必要がある
Accuracy: 有効成分の定量 複数の方法で精度を決めることができる • 純度既知試料(対照など)の分析方法を適用する • 分析方法と別のよく理解された方法で調べ、比較する • 精度・直線性・特異性から推定する
Accuracy: 製剤の定量 複数の方法で精度を決めることができる • 有効成分を含む処方の混合物に対する方法を用いる • 分析方法と別のよく理解された方法で調べ、比較する • 精度・直線性・特異性から推定する
Accuracy: 類縁物質 類縁物質量既知のサンプルを使用して調べる • 類縁物質既知のサンプルがない場合には2次的な 方法を用いる • 測定対象と比較してどの程度の量(割合)まで 測定可能か明らかにする
Precision(再現性) 定量・類縁物質の定量の再現性を検証する必要がある 再現性には3種類あり、それぞれ検証する • Repeatability(繰り返し再現性) • Intermediate precision(室間再現性) • Reproducbility(研究室間の再現性)
標準偏差・相対標準偏差・信頼区間を指標とする
Repeatability 9サンプル以上の測定で検証する • Repeatabilityは短い時間、同じ測定者での再現性 • 3濃度、3回繰り返しなどで検証する • 6サンプルは100%濃度が出る条件で行う
Intermediate precision(室間再現性) 測定時のランダムな条件に対する応答を調べる • ランダムな条件には測定日・測定法の正確性などがある • 測定日・測定者・機器を変えて測定し、検証する • Matrixingを使用してもよい
Reproducibility 測定場所が異なる場合の再現性を確認する • Inter-laboratory trial(研究室間試行)と呼ばれる • 承認書類としては必要ない • 日局試験などの制定時に重要となる
Detection limit(検出限界) Instrumental(機械測定?)かどうかで3つの方法に分かれる • 目視による方法の場合 • シグナル/ノイズ比による方法の場合 • 応答曲線の標準偏差による方法の場合 基本的には3つのうちどれを用いてもよい
検出限界: 目視 InstrumentalでもNon-Instrumentalでも使える • 目視で分析対象を検出できる最低濃度が限界になる
検出限界: シグナル/ノイズ比 ベースラインノイズを持つ測定方法のみに使える • S/N = 3.0 or 2.1が検出限界となる
検出限界: 標準偏差 検出限界の計算は以下の式にしたがう = 3.3 DL: 検出限界(Detection limit)、S: 検量線の傾き、σ: 応答の標準偏差
• ブランクの標準偏差、もしくは検量線の残差/Y切片の 標準偏差を計算に用いる
Quantitation limit(定量限界) 基本的には検出限界と同じ3つの方法を用いる • シグナル/ノイズ比ではS/N = 10を検出限界とする • 標準偏差を用いる場合は、以下の式を用いる =
10 DL: 検出限界(Detection limit)、S: 検量線の傾き、σ: 応答の標準偏差
Robustness(頑強性) 手法的な変化が結果に与える影響の小ささ • 故意に試験法を変えたときの結果を調べて検証する • 結果に影響を与える場合には、適切に制御する • 方法の記述にも影響を与えやすい部分について記載する • システム適合性のパラメータとして組み込むとよい
システム適合性試験 システムが正確に測定可能な状態であることを確認する • システムには機器・電子機器・操作・サンプルを含む • 適切に設定した適合性試験を測定前に行う