策略性地使用校准转移来最大限度地减少QbD设计空间内的多变量校准的实验运行

科学领域:

• 分析化学 分析化学
• 制药科学 制药科学
• 过程分析技术 (PAT) 是一种分析技术.

背景情况:

• 设计质量 (QbD) 框架依赖于产品质量的分析设计空间.
• 过程条件的变化需要频繁的重新校准,增加实验负担.
• 全因数校准通常是多余的,导致浪费时间,成本和材料.

研究的目的:

• 提出和验证战略校准转移方法,以尽量减少实验运行.
• 在不同的工艺条件下,在因数设计空间内保持预测准确性.
• 为了减少与QbD中的多变量校准相关的实验负担.

主要方法:

• 通过标准正常变量 (SNV) 和直角信号校正 (OSC) 预处理,比较了部分最小平方 (PLS) 和回归模型.
• 评估校准集的代子集和最佳设计标准 (D-, A-, I-最佳性).
• 利用了两项制药学案例研究:线内混合和光谱仪温度变化.

主要成果:

• 最佳选择的,适度的校准集与Ridge回归和OSC预处理实现的预测错误相当于完全的因数设计.
• 减少了30-50%的校准运行,同时在整个设计空间中保持了强大的预测.
• 斜坡回归表现优于PLS,I-优化最小化了平均预测方差.

结论:

• 介绍了一个资源效率高的校准传输协议,集成到QbD驱动的PAT中.
• 在不损害监管稳健性的情况下实现了显著的效率提升.
• 在制药过程中,对成功的校准转移至关重要的是具体的背景考虑.