Académique Documents
Professionnel Documents
Culture Documents
POURQUOI ET COMMENT?
• Objectifs
• Objectif d’une méthode / Objectif de la validation
• Comment
• Démarche / Harmonisation
• Interprétation / Profil exactitude
• Exemples
• Conclusion
CENTER FOR INTERDISCIPLINARY
RESEARCH ON MEDICINES 2
Valider une méthode analytique, …
Pourquoi ?
Pourquoi
Analyste
• Pour savoir « où l’on va »… avec la méthode…
• Pour savoir si l’on est apte à passer à l’étape ultérieure …
utilisation en routine (cf. cycle de vie de la procédure analytique).
Normes et
recommandations
Obligation réglementaire
• Normes relatives à la QUALITE
Pourquoi
Qualité (AQ) L ’ordinateur a
effacé tout ce qu’il
• Dire ce que l’on va faire y avait sur votre
compte… je suis
• Justifier ce que l’on fait … désolée
Normes
GMP, GLP, ISO, etc
Pourquoi
ISO 17025
Pourquoi
AMM (EMA)
Pourquoi
AMM (EMA)
Pourquoi
Cadre réglementaire
Pourquoi
Cadre réglementaire
Questions récurrentes
Quelles sont les limites acceptables de mes données de validation?
Je sens bien que les exigences de validation ne doivent pas être les mêmes
en fonction des applications mais comment décider ?
…
Objectifs ?
Objectifs - Questions
Objectifs - Questions
Objectifs
Risque ?
Variabilité
% CV< x%
Objectifs - Questions
Objectifs - Questions
Objectifs
Comment ?
Comment
Comment
Harmonisation - Pourquoi
Souhaitable
Qualité (procédure unique)
Généralisation de la démarche
Electrophorèse Matrices Analyse rapide
végétales Fondamental O-
Si
Si
O
Si
O-
CH3 CH3
Si
CH3 CH3
_ C18
+ + H
H +
N
CH3
CH3
N
H
H2 N
Harmonisation - Pourquoi
Souhaitable
Qualité (procédure unique)
Généralisation de la démarche
indépendante du secteur d ’activité
indépendante de la procédure
indépendante de la matrice
Harmonisation - Pourquoi
Souhaitable
Qualité (procédure unique)
Généralisation de la démarche
indépendante du secteur d ’activité
indépendante de la procédure
indépendante de la matrice 20
15
5
(%)
Simplification de la démarche
Precision
10
outil statistique 5
6
4
outil de décision
0
20 10 0 10 20
Bias (%)
• linéarité Exactitude
• Justesse Fidélité
• exactitude
répétabilité
Fidélité
• fidélité
fidélité intermédiaire
Spécificité
Sélectivité
• limite de détection Limite de
détection
• limite de quantification Limite de
quantification
Critères de Validation
• spécificité
• fonction de réponse
• linéarité
• Justesse
• exactitude
• fidélité
• limite de détection
• limite de quantification
• autres ...
Approche de validation
Cycle de vie des méthodes
Sélection Développement
Cycle de vie
Analyses de
Validation
Routine
Approche de validation
Cycle de vie des méthodes
Sélection Développement
Cycle de vie
Analyses
Analysesde Validation
deRoutine
routine
Approche de validation
Cycle de vie des méthodes
Résultats analytiques
Analyses en unité de concentration (ex.: µg/ml)
de routine ou quantité (ex.: µg)
Approche de validation
Cycle de vie des méthodes
Résultats analytiques
Analyses en unité de concentration (ex.: µg/ml)
de routine ou quantité (ex.: µg)
Approche de validation
Résultat en routine
Xi = résultat observé µT = vraie valeur inconnue
xi
xi = µT + Erreurs
µT
Acceptable ?
Approche de validation
Erreurs analytiques
Xm = moyenne des µT = vraie valeur inconnue
résultats observés
xm Erreur aléatoire
Erreur systématique
µT
Approche de validation
Erreurs analytiques
Xm = moyenne des µT = vraie valeur inconnue Xi = résultat observé
résultats observés
Xi
xm
xi = µT + Erreurs
µT Erreur totale
Erreur systématique
Erreur aléatoire
CENTER FOR INTERDISCIPLINARY
RESEARCH ON MEDICINES
Pourquoi Objectifs Comment
Approche de validation
Erreur totale
Exactitude (ICH Q2R1 – ISO 5725 – SFSTP)
L’exactitude d’une procédure analytique exprime l’étroitesse
de l'accord entre la valeur conventionnellement vraie, ou
comme valeur de référence, et la valeur trouvée.
Approche de validation
Rappel des objectifs de la routine
Chaque futur résultat individuel / pas les résultats
antérieurs.
Approche de validation
Objectif de la validation
est de donner au laboratoire ainsi qu’aux instances
réglementaires des garanties que chaque résultat qui sera
obtenu en routine sera suffisamment proche de la vraie
valeur inconnue de l’analyte dans l’échantillon.
P X i µT min
T T
CENTER FOR INTERDISCIPLINARY
E. Rozet et al., J. Chromatogr.A, 1158 (2007) 126 RESEARCH ON MEDICINES
Pourquoi Objectifs Comment
Approche de validation
Objectif de la validation
L’objectif de la validation est l’évaluation de la probabilité
que chaque futur résultat soit inclus dans les limites
d’acceptations.
Sur la base des estimations du biais et de la fidélité.
Eˆ ,ˆ P X i T ˆ, ˆ min
Approche de validation
Objectif de la validation
L’objectif de la validation est l’évaluation de la probabilité
que chaque futur résultat soit inclus dans les limites
d’acceptations.
Sur la base des estimations du biais et de la fidélité.
Eˆ ,ˆ P X i T ˆ, ˆ min
Exactitude (erreur
totale) attendue de
chaque futur résultat
Approche de validation
Objectif de la validation
L’objectif de la validation est l’évaluation de la probabilité
que chaque futur résultat soit inclus dans les limites
d’acceptations.
Sur la base des estimations du biais et de la fidélité.
Eˆ ,ˆ P X i T ˆ, ˆ min
Exactitude (erreur
totale) attendue de
chaque futur résultat
? Estimateurs des performances
de la méthode obtenus en
phase de validation
Approche de validation
Objectif de la validation
Lien : Intervalles
Intéressants car englobent les erreurs systématique et
aléatoire (= erreur total).
Approche de validation
Objectif de la validation
β-Expectation Tolerance Interval (bTI)
Intervalle de tolérance
T T
Limites d’acceptation
, Pr xi µ / ˆ , ˆ b
Biais
Intervalle prédictif
% 0 avec un risque connu
- (xc xi ) k sIP
TL B 100
xi
Conc. = limites d’acceptation
par exemple 5 %
CENTER FOR INTERDISCIPLINARY
RESEARCH ON MEDICINES
Pourquoi Objectifs Comment
, Pr xi µ / ˆ , ˆ b
Biais
Intervalle prédictif
% 0 avec un risque connu
- (xc xi ) k sIP
TL B 100
xi
Exemples
Exemple 1
Determination du cinéole dans une pommade par
CPG après extraction liquide-liquide
50 50 50
Exemples
150 %
Exemple 1 100 %
100 %
50 %
Exemples
Justesse
Exemple 1 concentration Mean introduced Mean back- Absolute Relative Recovery
level concentration calculated bias bias (%) (%)
(g/100g) concentration (g/100g)
(g/100g)
Exemples
Exemple 1
Fidélité
concentration Mean introduced Repeatability Intermediate Repeatability Intermediate
level concentration (SD) precision (SD) (RSD%) precision
(g/100g) (RSD%)
Exemples
Exemple 1
Exactitude
concentration Mean introduced beta-expectation Relative Beta-expectation
Level concentration* (g/100g) confidence limit confidence limit (%)
Exemples
Exemple 2
Exemples
Exemple 2 Intervalle de
dosage
signal
: standards de Calibration
: standards de Validation
QCCal
2-3LOQ
12.5%
Cal2-3LOQ
CalLOQ
QC Cal25% Cal50%
QC QC85% Cal100%
Exemples
Régression linéaire Régression linéaire pondérée (1/x2)
Exemple 2
C D
Rég. lin. après transformation log Rég. lin. pond. après transformation log
Exemples E F
Reg. lin. après transformation racine Rég. lin. pond. transformation racine
Exemple 2
G H
Régression quadratique Régression quadratique pondérée
Exemples
Exemple 2 Régression linéaire pondérée (1/x2)
Fidélité(k=3; n=6)
Répétabilité Fidélité intermédiaire
(RSD, %) (RSD, %)
0.05 ng/ml 5.2 5.5
0.10 ng/ml 5.2 8.6
0.50 ng/ml 3.6 4.1
2.50 ng/ml 4.1 5.1
Exactitude(k=3;
n=6)
b-expectation confidence limit in ng/ml (%)
0.05 ng/ml 0.044 – 0.053 (-13.1 – 5.7)
0.10 ng/ml 0.080 – 0.120 (-19.8 – 19.2)
0.50 ng/ml 0.477 – 0.552 (-4.6 – 10.5)
2.50 ng/ml 2.316 – 2.832 (-7.4 – 13.3)
Exemples
Exemple 2 25
20
15
10
5
Bias (%)
0
0 5 10 15 20
-5
-10
-15
-20
-25
Days n = 109
QC Chart
CENTER FOR INTERDISCIPLINARY
RESEARCH ON MEDICINES
Pourquoi Objectifs Comment
Exemple 3
Rég. lin. après transformation log Rég. lin. Passant par zéro
Exemple 3
Régression quadratique
Rég. lin. après transformation log Rég. lin. Passant par zéro
Exemple 3
Régression quadratique
Rég. lin. après transformation log Rég. lin. Passant par zéro
Exemples
120.0%
1. Linear regression
Exemple 3 100.0%
(OLS)
80.0%
140.0%
60.0%
120.0% 2. External standard
(1-Level)
40.0%
100.0%
Justesse
20.0% 80.0%
Point inf
Point sup
60.0% 140.0%
3. Weighted linear
0.0%
0 100 200 300 400 500
40.0% 120.0%
0.0% 80.0%
0 100 200 300 400 500
60.0%
140.0%
40.0%
120.0%
4. Weighted linear
regression 1/x2 (WLS)
Justesse
20.0% Point inf
100.0%
Point sup
0.0%
80.0%
0 100 200 300 400 500
120.0%
5. OLS forced
60.0%
100.0%
40.0%
20.0% 80.0%
Justesse
Point inf
Point sup
through (0,0)
0.0% 60.0%
0 100 200 300 400 500
40.0%
20.0%
Justesse
Point inf
Traceur #1
Point sup
0.0%
0 100 200 300 400 500
Exemples
Exemple 3
Exemples
Arlenda
• B. Boulanger, P. Lebrun, E. Rozet