QbD update: a look back and to the future to see how QbD can help pharma and other industries streamline and optimize processes for state-of-the-art results.QbD update: a look back and to the future to see how QbD can help pharma and other industries streamline and optimize processes for state-of-the-art results.QbD update: a look back and to the future to see how QbD can help pharma and other industries streamline and optimize processes for state-of-the-art results.QbD update: a look back and to the future to see how QbD can help pharma and other industries streamline and optimize processes for state-of-the-art results.Mise à jour de QbD : un retour en arrière et vers l'avenir pour voir comment QbD peut aider l'industrie pharmaceutique et d'autres industries à rationaliser et à optimiser les processus pour obtenir des résultats de pointe. La qualité dès la conception (QbD) concerne les processus, les produits et la compréhension clinique. Il y a cinq ans, mes collègues et moi avons lancé un Colonne QbD , qui comprenait neuf entrées. Je vous encourage à consulter les articles originaux dans la colonne QbD car ils sont toujours très d'actualité aujourd'hui.
Avant de revisiter la chronique, prenez un moment pour regarder cette vidéo de quatre minutes. vidéo de l'usine Sanofi du futur pour voir une mise en œuvre avancée des biotechnologies, de la chimie, de la fabrication et des contrôles (CMC). Pour fabriquer correctement un produit médicamenteux, un processus de fabrication spécifique, des caractéristiques du produit et des tests de produit doivent tous être définis pour garantir que le produit est sûr, efficace et cohérent entre les lots.
La série de colonnes QbD donne un aperçu de la manière dont l'industrie pharmaceutique développe et optimise ses produits et ses processus, afin qu'ils répondent aux exigences de l'usine du futur. Laissez-moi vous donner un aperçu de chaque colonne :
- Présentation de QbD , qui comprend cinq sections :
- Qu’est-ce que QbD ?
- Comment QbD améliore-t-il la qualité ?
- Espace de conception dans QbD
- Rôle des expériences dans QbD
- QbD et développement de médicaments
Ce sont toutes des sections très brèves conçues pour définir le contexte des colonnes suivantes.
- UN Conception factorielle étude de cas basée sur la formulation d'une lotion stéroïde d'un produit générique. La conception a été conçue pour optimiser simultanément huit attributs de qualité en réglant la température, le temps de mélange et le temps de refroidissement. Cette étude montre comment JMP simule les réponses pour visualiser comment la variabilité des paramètres au niveau des facteurs affecte la variabilité des réponses.
- Un QbD expérience factorielle fractionnaire . Le but de l'expérience est d'explorer le processus de préparation de nanosuspensions, une formulation populaire pour les médicaments insolubles dans l'eau. Les nanosuspensions impliquent des dispersions colloïdales de particules médicamenteuses discrètes, stabilisées avec des polymères et/ou des tensioactifs. L'expérience implique quatre facteurs à trois niveaux et un facteur à deux niveaux.
- Atteindre la robustesse avec des émulateurs stochastiques. Les émulateurs stochastiques ont été proposés pour la première fois dans Bates et coll., 2006 pour obtenir des performances robustes et conformes aux objectifs. Cette approche très puissante est implémentée dans JMP. La méthode est démontrée par une étude de cas qui fait référence à la norme sur les modifications à grande échelle et post-approbation (SUPAC) du Centre d'évaluation et de recherche sur les médicaments (CDER) de la FDA.
- Conceptions de mélanges . Pour ces conceptions, l’accent est mis sur l’effet des proportions relatives des ingrédients dans une formulation plutôt que sur leurs quantités absolues. La colonne présente des exemples de parcelles ternaires et de profileurs adaptés au traitement des mélanges. L'exemple utilisé est une étude de cas sur le mélange de poudres. Les questions clés pour l’opération de mélange sont :
- Comment quantifier simultanément les composants des mélanges de poudres ?
- Comment valider ou confirmer les résultats de surveillance du processus de mélange par technologie d'analyse de processus (PAT) via d'autres méthodes spectroscopiques rapides et pratiques ?
- Comment lier l’ampleur du contrôle et l’homogénéité des principes actifs et des excipients ?
- Surfaces de réponse et expérimentation séquentielle. Dans cet article, une conception Placket Burman (PB) suivie d'une conception composite centrale (CCD) est présentée dans une étude de cas qui considère trois résultats immédiats d'une expérience sur les formulations : l'efficacité d'encapsulation (EE), la taille des particules et le potentiel zêta. De plus, chaque formulation a été diluée et divisée en échantillons pour stockage, la moitié à 4⁰ C et l’autre moitié à 37⁰ C. Ces échantillons ont été testés à des moments prédéterminés (jusqu'à 24 mois) pour détecter la perte de médicament actif pendant le stockage.
- Expériences en parcelles divisées . Ces expériences comportent des facteurs difficiles à modifier, difficiles à randomiser et ne peuvent être appliquées qu'au niveau du bloc. Une fois le niveau d’un facteur difficile à modifier défini, des expériences sont menées avec plusieurs autres facteurs pour maintenir ce niveau fixe. L'étude de cas utilisée dans cette chronique, issue de recherches précliniques sur des modèles animaux où plusieurs méthodes de traitement d'irritations cutanées chroniques sévères sont testées, montre comment concevoir et analyser de telles expériences.
- QbD est-il applicable au développement de méthodes analytiques ? Cet article est basé sur un article que j'ai écrit avec mon frère, qui était chez Teva à l'époque ( Kenett et Kenett, 2008). L'étude de cas concerne le développement d'une méthode de chromatographie liquide haute performance (HPLC).
- Appliquer QbD pour rendre les méthodes analytiques robustes . Cet article montre comment les plans de dépistage définitif (DSD) peuvent être utilisés pour évaluer et améliorer les méthodes analytiques.
Le matériel et les exemples contenus dans les colonnes QbD sont toujours pertinents. Certains développements supplémentaires expliquent l’impact croissant de la technologie des capteurs, du big data, de l’apprentissage automatique et des modèles hybrides.
À terme, le défi consiste à générer des informations à partir de toutes les données recueillies en laboratoire et en usine ; un défi encore plus grand est de garantir la qualité de ces informations, dont je parle dans cette conversation avec Anne Milley (une transcription est disponible ici ). Une vidéo d'une présentation plus formelle lors d'un événement de découverte JMP QbD à Copenhague est disponible ici .
En 2020, la quatrième révolution industrielle continue de se développer dans le domaine de la fabrication avancée, combinant des données étendues de capteurs avec une fabrication flexible et des analyses avancées. Un nouvel ouvrage complet, couvrant les éléments de pointe de l'ingénierie des systèmes et de la quatrième révolution industrielle, est en cours de publication. disponible ici.
I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.J'ai parlé avec Anne Milley de « l'assurance qualité à l'âge d'or de l'analyse » pour la série de vidéos Analytically Speaking.
