Nous avons eu le plaisir de présenter Julia O'Neill dans un récent épisode de Statistical Speaking . Fondatrice et consultante principale de Direxa Consulting , elle a également été membre distinguée, responsable des statistiques du CMC, en tant que membre de l'équipe de direction du développement technique Quality by Design (QbD) chez Moderna pour accélérer la livraison du vaccin Spikevax. Elle a partagé une partie de sa vaste expérience et de ses meilleures pratiques pour commercialiser plus rapidement des traitements qui sauvent des vies. Notre public curieux a posé plus de questions que nous n'avons eu le temps de répondre, c'est pourquoi Julia a gentiment répondu pour nous ici.
Quelles données et analyses statistiques sont attendues par les régulateurs pour la qualification des modèles à petite échelle ? Je connais BPOG(Groupe opérationnel BioPhorum)a publié un article à ce sujet ; curieux de connaître votre expérience avec les régulateurs sur les approches du document BPOG.
Mes recommandations pour la qualification des modèles à petite échelle sont très cohérentes avec ce que je recommande pour la plupart des défis de développement : inclure toutes les données pertinentes et commencer par tracer les résultats clés dans des graphiques comparatifs simples. Dans certaines situations, notamment pour les produits accélérés, la quantité de données ou le nombre de lots nécessaires à l'approvisionnement peuvent être très faibles. D'après mon expérience, les régulateurs adoptent une approche raisonnable et équilibrée pour équilibrer le besoin de démonstration de contrôle et les contraintes pratiques sur les campagnes de fabrication. Il n’y a jamais de réponse universelle, mais BPOG résume généralement assez bien les pratiques actuelles.
Le QbD peut-il être appliqué dans l’industrie chimique, la fabrication, l’alimentation et d’autres industries vitales ?
Absolument! Lorsque je travaillais dans la chimie de spécialités il y a plus de 20 ans, QbD était assez bien adopté dans le cadre des initiatives globales de qualité totale et Six Sigma. J'espère que cela n'a pas été perdu, c'est là que j'ai appris une grande partie de ce que j'applique désormais dans les domaines de la biotechnologie et des produits pharmaceutiques.
En ce qui concerne les produits accélérés, comment justifiez-vous la petite taille de l’échantillon lors de l’utilisation des données ?
Il incombe au développeur du produit de « plaider » en faveur de l’approbation sur la base d’un ensemble de preuves – celles-ci incluent les données générées pour l’itération spécifique du produit, ainsi que la connaissance scientifique des mécanismes et l’expérience avec d’autres produits étroitement liés. Il arrive certainement que les régulateurs n’acceptent pas de petits échantillons et exigent que le développeur revienne en arrière et mène d’autres études pour renforcer ses arguments. Les chiffres ne disent jamais tout, qu’il s’agisse d’un petit échantillon ou d’un vaste échantillon. Les résultats quantitatifs doivent toujours être liés au contexte scientifique. C’est ce qui permet parfois d’avancer avec des tailles d’échantillons relativement petites pour des produits accélérés.
Quels sont les meilleurs livresrecommandationspour apprendre QbD ? Merci.
Il est difficile de répondre à cette question car il existe de nombreux livres disponibles. Personnellement, j'aime revisiter certains des classiques de Six Sigma et de Total Quality, y compris ceux de pionniers tels que Juran et Deming, ainsi qu'un certain nombre de publications de l'American Society for Quality. Les lignes directrices de l'ICH sur la qualité pourraient constituer des ressources intéressantes même pour les professionnels d'autres secteurs, car elles se concentrent sur certains aspects clés qui restent pertinents depuis des années.
Quelles sont les bonnes ressources pour quelqu’un qui découvre QbD ?
Un bon point de départ pourrait être l’article « Understanding Pharmaceutical Quality by Design » de Yu et al. Le Journal AAPS, Vol. 16, n° 4, juillet 2014 (n° 2014) DOI : 10.1208/s12248-014-9598-3. En 13 pages, il fournit un aperçu de QbD et une liste de 44 références supplémentaires pour une lecture plus approfondie.
Une question de suivi JMP® a été posée : « J'ai été formé sur SAS dans mon programme de doctorat et je suis habitué à des termes tels que corrélation canonique, multicolinéarité et statistique de Durbin-Watson. JMP a-t-il continué ces descriptions dans le logiciel ?" La réponse est : Absolument ! Recherchez simplement le terme canonique, multicolinéarité ou Durbin-Watson (ou à peu près tout autre terme statistique couramment utilisé) dans notre documentation en ligne ( jmp.com/help ). , cliquez sur les liens fournis et vous verrez quand et comment ils sont utilisés dans JMP.
Nous remercions Julia d'avoir pris le temps de répondre à ces questions ainsi qu'à toutes les autres questions intéressantes que nous avons eues pendant l'événement. Si vous avez manqué la diffusion en direct, la version à la demande est disponible pour être visionnée à votre guise.
