Académique Documents
Professionnel Documents
Culture Documents
98,0 a 98,2 98,2 a 98,4 98,4 a 98,6 98,6 a 98,8 98,8 a 99,0 99,0 a 99,2 99,2 a 99,4
98,15 98,56 98,85 98,99 99,02 99,12 98,15 98,23 98,45 98,62 98,81 99,01 99,23
98,51 98,65 98,85 99,01 99,24
98,23 98,62 98,86 98,99 99,02 99,12 98,54 98,74 98,86 99,01 99,34
98,54 98,79 98,89 99,02
98,56 98,95 99,02
98,45 98,65 98,89 99,01 99,02 99,14
98,97 99,02
98,99 99,02
98,51 98,74 98,95 99,01 99,03 99,23 98,99 99,03
98,99 99,05
98,54 98,79 98,97 99,91 99,05 99,24 99,11
99,12
99,12
98,54 98,81 98,99 99,02 99,11 99,34
99,14
Conceito
Conceito de
de distribuição
distribuição normal
normal
99,14 99,38
99,12 99,19 99,37 99,57
99,12
99,19 99,37 99,57
99,11
98,99
98,99
99,05
99,03
Aumento 99,19 99,36 99,56
98,94 99,18 99,35 99,56 99,76
98,99 99,02 de n 98,93 99,18 99,24 99,55 99,75
98,97 99,02
98,56 98,95 99,02 98,78 98,9 99,16 99,23 99,5 99,7 99,9
98,54 98,79 98,89 99,02 98,78 98,87 99,15 99,22 99,42 99,62 99,82
98,54 98,74 98,86 99,01 99,34
98,57 98,63 98,86 99,12 99,22 99,42 99,61 99,82 100
98,51 98,65 98,85 99,01 99,24
98,15 98,23 98,45 98,62 98,81 99,01 99,23 98,45 98,63 98,84 99,12 99, 21 99,41 99,61 99,81 100
98,0 a 98,2 98,2 a 98,4 98,4 a 98,6 98,6 a 98,8 98,8 a 99,0 99,0 a 99,2 99,2 a 99,4 98,2 98,4 98,6 98,8 99 99,2 99,4 99,6 99,8 100 100,2
EXEMPLOS
Porque gostamos da distribuição normal?
3 2 D D 2 3
D D D D
Amostr
a
( , S)
Média: y
Mediana: Me
É calculada ordenando as observações de menor a maior (ou vice-versa) e escolhendo o valor que está no
meio.
Qual seria o valor da Me se o máximo valor mudar para 1100? E o valor da média?
Me= ?
y = ?
Me
y= 300,75
Variância: S2
S2= [(98,2 – 101,59) + (100,8 – 101,59) + (103,8- 101,59) + (104,13 – 101,59) + (100,96 – 101,59] / (5-1)= 5,96 mg2/comp2
104
103
Teor (mg/comp)
102 101,96
101
100
99
98
1 2 3 4 5
Amostra
Descrição de medidas resumo
Desvio Padrão: S
S = (S2)1/2
Coeficiente de Variação: CV ou CV%, ou RSD
CV= S/Média
Determinar a variabilidade em relação a média, utilizada para comparar variabilidade RELATIVA de dois
produtos ou métodos. Por exemplos métodos analíticos com médias muito diferentes.
A1 A2
Rep 1 1.075 107.5
Rep 2 1.023 102.3
Rep 3 1.044 104.4
Rep 4 1.003 100.3
Rep 5 1.088 108.75
s 0.0352 3.5157
CV 3.4 3.4
Intervalo de Confiança
= 10
=8
Variabilidade da média
µ= 8±3
A média populacional está entre
Média é igual a um valor especificado
11 e 5
Comparar se duas médias são iguais
Comparação de Médias
Método estatístico
Teste t para amostras com variâncias iguais
Amostragem
Plano balanceado (n1 = n2)
Análise de dados
Recomendações Software estatístico, excel
Os resultados gerados nos dois dias são
diferentes, descrever melhor o preparo de Conclusão
amostra Se p-valor < α, rejeita H0
Comparação de Variâncias
Fatos e observações
Método estatístico
Teste F
Amostragem
Plano balanceado (n1 = n2)
Análise de dados
Recomendações Software estatístico, excel
Os resultados gerados nos dois dias são
diferentes, descrever melhor o preparo de Conclusão
amostra Se p-valor < α, rejeita H0
Qual teste escolher?
https://www.midomenech.com.br
BoxPlot
20
15
Frequência
10
0
Teor Pirulo
Interpretação de BoxPlot
Precisão e Exatidão
Teste de Avaliação
Precisão
•Avaliado o DPR
Precisão Intermediária
Analista 01
99,84 Média analista 1= 100,47
99,93
Desvio padrão analista 1= 0,97
99,50
100,24
101,30
102,00
Precisão – Critério de Aceitação para DPR
Precisão – Critério de Aceitação para DPR
Exemplo 01. Teor de comprimido: Alvo= 100% e limites de especificação de liberação entre 95% e 105%
80
Frequência
Frequência
60 60
40
40
20
20 0
91,0 93,6 96,2 98,8 101,4 104,0 106,6 109,2
DPRTeor
0
94 96 98 100 102 104 106
Teor
Precisão – Critério de Aceitação para DPR
Exemplo 02. Dissolução IR de comprimido: Alvo= 100% e limites de especificação de liberação de
estágio 01 = 85%
70
60
Frequência
50
40
30
20
10
0
48 64 80 96 112 128 144
DPR10
Precisão – Critério de Aceitação para DPR
Exemplo 03. Produto de degradação: Alvo= 0,5% e limites de especificação de no máximo 1,0%
70
60
Frequência
50
40
30
20
10
0
-0,000 0,195 0,390 0,585 0,780 0,975 1,170 1,365
% Impureza
Precisão – Critério de Aceitação para DPR
Medidas de capacidade da medição
Se 10%< %P/T < 30% e/ou 10% < %RR < 30% Aceitável
Não Ok
Analista 01 Analista 02
Média analista 1= 100,5
99,84 98,61
99,93 98,92 Média analista 2= 99,2
99,50 99,61
100,24 99,73 Desvio padrão analista 1= 0,97
101,30 99,45
Desvio padrão analista 2= 0,46
102,00 98,8
Precisão Intermediária
Estudo de Caso
Fatos e observações
Método estatístico
Comparar as variâncias: Teste F Teste f para comparar variâncias
Análise de dados
Excel
Recomendações
Conclusão
Os resultados gerados nos dois dias
p-valor= 0,63 > 0,05, não rejeita H0
apresentam variabilidade equivalente
Precisão Intermediária
Estudo de Caso
As médias obtidas nas duas análises são iguais?
???????
Precisão Intermediária
Fatos e observações
Método estatístico
Teste t para amostras com variâncias iguais
Amostragem
Plano balanceado (n1 = n2)
Análise de dados
Recomendações Software estatístico, excel
Os resultados gerados nos dois dias são
diferentes. Conclusão
p-valor= 0,02 < 0,05 - rejeita H0
Precisão Intermediária
Relevância prática
Caso 01 Caso 02
Amostra P1 P2 Amostra P1 P2
1 100.0 99.8 1 82 77
2 99.9 99.8 2 92 78
3 100.0 99.7 3 87 87
4 99.9 99.7 4 85 79
5 99.9 99.8 5 85 89
6 100.1 99.8 6 86 80
Média 100.0 99.8 Média 86.2 81.7
Desvio padrão 0.08 0.05 Desvio padrão 3.31 5.05
Outras Fontes de Precisão Intermediária
Estudo de Estabilidade
EXATIDÃO
Critério de Aceitação
Os critérios de aceitação devem ser definidos e justificados
de acordo com os seguintes aspectos:
I- objetivos do método;
II- Variabilidade intrínseca do método;
III- concentração de trabalho; e
IV – concentração do analito na amostra
Exatidão
Exatidão de IFA
Titulação
HPLC
Método absoluto
Exatidão
Exatidão do produto terminado
“Art. 24 Uma relação linear deve ser avaliada em toda a faixa estabelecida para o método”
Menor Maior
Teor 80% 120%
Uniformidade de conteúdo 70% 130%
Dissolução [Esperada] - 20% [Esperada]+ 20%
Impurezas LQ 120% limite especificação impureza individual
Linearidade - Faixa
Caso 01: Método de dissolução com Q= 80 % Caso 02: Método de dissolução com Q= 80 %
em 45 minutos em 45 minutos
Preparo independente, podendo soluções diluídas de uma mesma solução mãe para SQR
Linearidade - Faixa
1000
900
Concentração Resposta
800
9 190 700
600
15 318
Área
500
23 518 400
300
29 600 200
35 768 100
0
44 921 0 10 20 30 40 50
Concentração (ppm)
Regressão Linear
1000 1000
900 1000 900
800 800
700 900 700
600 600
Área
Área
500 800 500
400 400
300 700 300
200 200
100 600 100
0 0
0 10 20 30 40 50 0 10 20 30 40 50
ÁreaÁrea
500
Concentração (ppm) Concentração (ppm)
400
1000
900
300
800
700
200 600
Área
500
100 400
300
0 200
0 5 10 15 20 25 30 35 40 45 50
100
Concentração (ppm)
0
0 10 20 30 40 50
Concentração (ppm)
Regressão Linear
Método dos Minímos Quadrados (MMQ)
Observado diferença
r=0
Regressão Linear
Avaliação gráfica em conjunto com o parâmetro estimado
Coeficiente de Determinação
• Coeficiente de correlação não ajuda a enteder a força de associação entre duas ou mais variáveis
• Coeficiente de determinação = R2: porcentagem da variação total da resposta que é explicada pelos
fatores do modelo
• Varia entre 0 e 1
Área
1.5
1
0.5
0
0.0029 0.0031 0.0033 0.0035 0.0037 0.0039
Concentração (mg/mL)
Regressão Linear
R2 = 0.99
OS RESÍDUOS
Regressão Linear - Resíduos
Análise de Resíduos
Gráfico de Resíduos
30
Concentração Resposta Calculado Resíduo
20
9 190 198 -8
15 318 324 -6 10
23 518 493 25 0
29 600 619 -19
0 1 2 3 4 5 6 7
-10
35 768 746 22
44 921 935 -14
-20
-30
Regressão Linear - Resíduos
3.5
3 y = 3902x - 11,20
R² = 0,999
2.5
2
Área
1.5
1
0.5
0
0.0029 0.0031 0.0033 0.0035 0.0037 0.0039
Concentração (mg/mL)
NÃO
Regressão Linear - Resíduos
Homocedasticidade
“A homocedasticidade dos dados deve ser investigada para a utilização do modelo adequado”
Resíduos
0,3 10618
8000 y = 33,675.673x + 515.121 0
0,3 10618
Área
Resíduos
Área
Teste F: Teste bastante exigente – Comparação por teste F da maior variância com a menor
variância dos níveis
4
Nível Variância (s2)
1 0,003 Hipótese alternativa: σ 2nível 8 > σ 2nível 3
2
2 0,146
0 3 0,002
Resíduos
Hipótese nula: σ2 1 = σ 22 = σ 23 = σ 2k
6
Avaliação de Outliers
2 ã = 0,00001652
3 ã = 0,00002478
Gráfico de Resíduos
0.00003
3xs
0.00002
2xs
0.00001
Resíduos 0
8000 9000 10000 11000 12000 13000
-0.00001
-0.00002
-0.00003
Variável X 1
Regressão Linear - Resíduos
Avaliação de Outliers
Fatos e observações
Teoria, Hipóteses
Objetivos
H0: é uma observação considerada um valor
Verificar se o maior ou menor valor
extremo
observado pode ser considerado um valor
Ha: Não é uma observação considerada um valor
extremo
extremo
Método estatístico
Teste de Grubbs
Amostragem
N = 30
Análise de dados
Recomendações Software estatístico
Transformação dos dados
Conclusão
Se p-valor < α, rejeita H0
Regressão Linear – Autocorrelação dos Resíduos
Diagnóstico:
Calculo de dw
• Há evidências de heterocedasticidade?
Avaliação visual – ok
Coeficiente de determinação – ok
Análise dos resíduo: Normalidade; Homocedasticidade, outlier, tendência – ok
Inclinação da reta – X
Intercepto – X
Regressão Linear
H0: β1 = 0
Ha: β1 ≠ 0
β ≠0
Comparação do Fcalculado com Ftabelado β =0
Avaliação do p-valor
Regressão Linear
Intercepto
Qual é o método de calibração?
• Matrizes complexas
• Comparação curva em solvente e em matriz fortificada
• Avaliar o paralelismo pelo teste t
Inicio MMQP RI=aw+bwxi
Estimação do intercepto aw, da inclinação
bw, dos desvios padrão saw e spw, da
covariâncoia cov(aw,bw) e do coef. Cor.
Dados da curva de caliberação: Lin. rw
Resp. Int. vs. Conc
Não
Sim
Exclusão de dados
(máximo 22,2% do Sim
Outliers
número original de
(α=0,05)
dados sem excluir nível
de concentração)
2
2
P-valor P-valor
menor que menor
0,05 que 0,05
Não Reduzir a faixa de calibração ou Não
Sim alterar condições de detecção ou o
procedimento analítico Sim
Ajuste da curva de
calibração adequado
Fim
Estudo de caso 1
Concentração (mg/mL) Área
0.00048 2452.77
0.00048 2463.47
0.00048 2444.32
0.00064 3260.63
0.00064 3269.67
0.00064 3262.58
0.00080 4098.96
0.00080 4102.23
0.00080 4101.75
0.00096 4917.93
0.00096 4916.95
0.00096 4915.54
0.00112 5743.12
0.00112 5731.16
0.00112 5752.46
0.00128 6567.06
0.00128 6544.66
0.00128 6573.82
0.00144 7377.22
0.00144 7375.06
0.00144 7368.58
Estudo de caso 2
Xi yi
0.0004072 3.6483
0.0004016 3.6851
0.0004024 3.5807
0.0020359 18.9696
0.0020080 18.2131
0.0020120 18.505
0.0050898 45.6184
0.0050199 45.6559
0.0050299 45.702
0.0101796 90.9817
0.0100399 91.0047
0.0100598 92.1442
0.0152694 136.4309
0.0150598 136.286
0.0150898 137.9159
0.0203592 182.105
0.0200798 182.6685
0.0201197 183.1695
Regressão Linear
Os meus resíduos são heterocedásticos, e agora?
2.00 2.00
1.50 1.50
1.00 1.00
0.50 0.50
0.00
0.00
-0.50 0.00 0.01 0.01 0.02 0.02 0.03
-0.50 0.00 0.01 0.01 0.02 0.02 0.03
-1.00
-1.00
-1.50
-1.50 -2.00
-2.00 -2.50
-2.50 -3.00
Variável X 1
-3.50
Seletividade
Seletividade e Especificidade
Alguns procedimentos analíticos não são suficientemente específicos para a finalidade a que se destinam
Resolução;
Pureza de pico
Seletividade e Especificidade
20 ,0
mAU
15 ,0
a
10 ,0
b
5 ,0
m in
0 ,0
24,00 25,00 26,00 27,00 28,00
(p/v = a/b)
Seletividade e Especificidade
Seletividade e Especificidade
90 85
85 80
80 75
75 70
70 65
65 60
60 55
55 50
50 45
45 40
40 35
30
295.6
35
295.6 25
30
25 20
20 15
15 10
276.5
10 5 246.3 266.4 374.3
m/z
276.8 325.0 0
5 246.5 266.4 374.2 m/z 200 210 220 230 240 250 260 270 280 290 300 310 320 330 340 350 360 370 380 390 400
0
210 220 230 240 250 260 270 280 290 300 310 320 330 340 350 360 370 380 390 400
Relative Abundance
Relative Abundance
324.9 275.9
100
100
95
95
90
90
85
85
80
80
75
75
70
70
65
65
60
60
55
55
50
50
45
45
40
40
35
35
30
30 295.6
25
25
297.0 20
20
275.6 15
15
278.8 10
10
252.1259.6 291.6 316.9 5 246.4 m/z
5 213.9 m/z 266.1 374.3
0
0 210 220 230 240 250 260 270 280 290 300 310 320 330 340 350 360 370 380 390 400
200 210 220 230 240 250 260 270 280 290 300 310 320 330 340 350 360 370 380 390 400
UV chromatogram 240 nm
15.2 15.4 15.6 15.8 16.0 16.2 16.4 16.6 16.8 17.0 17.2 17.4 17.6 17.8 18.0
Seletividade e Especificidade
Para Impurezas
Contaminação do produto em análise ou ingrediente ativo com níveis apropriados das impurezas
(conforme limite máximo da especificação ou níveis normalmente encontrados);
• Placebo
• Produto
• Fármaco isolado
• Em associações em dose fixa, nos fármacos associados e na formulação
Isentos
Métodos de desempenho
Diluente não deve apresentar nenhum pico detectável nos tempos de retenção das impurezas
Impurezas conhecidas devem estar separadas entre si e do pico principal (Resolução ≥ 1,5)
Pureza de pico do pico principal, impurezas e produtos de degradação deve ser atendida.
Robustez
Robustez
ROBUSTEZ
Robustez
MÉTODO 02
MÉTODO 01 •Analisar preferencialmente no período da manhã no
•Fase móvel A: Tampão fosfato pH 3,0 sistema 7
•Fluxo: 1,0 mL/min •Fase móvel A: Tampão fosfato pH 3,0 ± 0,001
•Temperatura coluna: 30ºC •Fluxo: 1,0 ± 0,001 mL/min
•Temperatura coluna: 30ºC
Robustez
Calcular os efeitos
Tirar as conclusões+ adotar medidas
preventivas e determinar limites SST
• Precisão e incerteza
pH ± 0,02
Variações entre
instrumentos e laboratório
pH±k x 0,02
Vantagens do DoE
• Tempo e recursos
• Habilidade de detectar interações
Dificuldade
• Interpretação comparado ao OFAT
Planejamento
Plackett-
OFAT Youden Fatorial completo
Burman
ou fracionado
Robustez
Numero de fatores (n)= 5, avaliados em dois níveis
OFAT Fatorial completo Fatorial fracionado
3 X n = 15 2n = 32 2n-1 ≥ 8
• OFAT
•Screening
•Otimização
• Robustez
Robustez
• Consome tempo
Surfactant Heated
Wavelenght Plastic vs Glass
pH testing time calibration
Analyst Time for sampling
Buffer prep
Standard Stability
Ionic strengh
Timer
Buffer Capacity Day Standard Prep
pH Temperature for
pH testing Sodium Lauril Sulfate Vendor
pH drift during test pH electrode
Lighting
Surfactant Conc design
pH meter Sodium Lauril Sulfate Quality
HCl vs Phosphoric calibration
Dissolution
Amt HCl Remaining on Basket vs Paddle (Aparatus)
Corrections for aliquot Vessel position
Lot Filter Type Disso Unit Vendor
Sampling time RPM
Filter compatibility
Basket Mesh Size
Strenght Sample prep Time
Temperature
Filter absorption
Filtrate clarity Basket Vendor
Age Sample location & depth Bubbles on Basket
Manual vs autosampling Basket Connection
Staggering Sampling Standard Prep
Estudo de Caso de Avaliação de Robustez
Objective Potencial
Material Equipament Failure mode Potential effect Control S P
P D
D RPN
RPN
/Function cause
20
15
10
0
Factors
pH ee
d us e
io
n
l te
r
es
h i ty
ti o
n
gh
t
tch ts
r at lu
m
at Fi ac n a oin
sp a o r tm p er
a e b p
n p v
ep
a
ske rc
a
ea str pl
e g
at
io Ap ia pr a e d ic l in
t ed d B ff
ia Io
n
sa
m p
Ro n
m ar Bu ed ce Sa
m
tio a nd m e n
ol
u St tio
n
fe
r
i ss olu Re
D ss
Di
Estudo de Caso de Avaliação de Robustez
kel = 0,264
= !
Estudo de Caso de Avaliação de Robustez
*45∙678 9 : α = 0.1066
Logistic = % 0.9710
"#$
1 *45∙678 9 : β = 4.2910
α = 0.2828
Gompetz (*∙ ;)∙<=> 9?: 0.9553
= "#$ ∙
β = 5.6344
Estudo de Caso de Avaliação de Robustez
Screening study – Factorial Design
Level
Factors
-1 1
pH ( A) 2.0 6.8
FCC
Factors Level
-1 0 1
Rotationspeed ( @ ) 50 75 100
pH ( A ) 2.0 4.4 6.8
Volume ( B ) 500 700 900
Estudo de Caso de Avaliação de Robustez
Response y4 (α parameter of logistic model)
= 0.76 0.14 ' 0.15 0.066 0.031 ' 0.076 A
D @ A B @ A B
Normal Plot of Residuals
99
95
90
80
70
50
1.020
30
20
10 0.873
5
1 0.725
Alfa
0.578
-2.67 -1.49 -0.31 0.86 2.04
0.430
Residuals vs. Predicted
3.00
6.80
100
5.60
1.50 88
4.40 75
0.00
pH 3.20 63
Rotation Speed (rpm)
2.00 50
-1.50
-3.00
120
100
Fraction Absorbed(%)
80 Lower Acceptable
Difference
60
Higher Acceptable
40 Difference
Mean Deconvoluted
20 data
0
0 1 2 3 4 5 6
Time (h)
Estudo de Caso de Avaliação de Robustez
Volume of 500 mL Volume of 700 mL Volume of 900 mL
6.80
1: 58
1: 58
5.60
1: 68.3
4.40 1,5: 71 4: 95
1,5: 71
2: 78.6 2: 78.6
2: 78.6
3.20
4: 95 1,5: 71
4: 95 1,5: 71 3: 90
3: 90 3: 90
2.00
50 63 75 88 10050 63 75 88 100
50 63 75 88 100
X1: A: Rotation Speed (rpm) X1: A: Rotation Speed (rpm) X1: A: Rotation Speed (rpm)
X2: B: pH X2: B: pH X2: B: pH
Dissolution condition
Apparatus: Basket
Rotation speed: 50 rpm
Volume: 500 mL
Medium: HCl 0,01 M
Estudo de Caso de Avaliação de Robustez
Optimization and Model Validity
Response Predicted Response Observed Response Residual (absolute error)
y1 42.80 (± 3.11) 44.38 3.6
y2 98.79 (2.52) 97.16 1.7
y3 0.977 (0.004) 0.979 -0.2
y4 0.650 (0.067) 0.653 -0.6
y5 2.420 (± 0.076) 2.31 4.8
DÚVIDAS?
Email: renato.souza@brainfarma.ind.br ou renatosou@gmail.com