药苑杂谈浅谈药品杂质分析及控制策略杂质数据限度控制药品

2.基因毒性杂质的分类、限度及控制策略

潜在基因毒性杂质的分类

(基于致癌性和诱变性)-ICHM7

基因毒性杂质的判定与风险评估

基因毒性杂质的限度

TD50线性外推法:

TD50值:半数致癌量(mg/kg/day)

线性外推原理:将患癌风险由1:2线性外推至1:100,000

线性外推公式:

里面有1547种致癌物质的列表,CAS号,TD50数据。

PDE法

计算公式:

TTC法

Concept:一个具有诱变性的杂质每天每人摄入1.5μg时其风险被认为是可以忽略的(终生暴露情况下理论的患癌风险小于十万分之一)

TTC=1.5μg/day

TTC是一个风险管理工具,采用的是概率的方法,不能理解为完全无风险的保障。

TTC(1.5μg/day)是通过对已有致癌性数据的化合物可摄入量进行综合评价得出的值(TD50线性外推),所以TTC值也被认为是保守的。

LTL法

Concept:假定可接受的累积终生剂量(1.5μg/天X25,550天=38.3mg)在终生摄入期间是均匀分布在这些天数中的,这样诱变性杂质的日摄入量可以高于平均终生日暴露量,而其风险水平仍与每日或非每日治疗方案相持平(Haber规则)。

对于间歇性给药:

总结

LE法:适用于具有致癌性数据的诱变杂质,即分类表格中的Class1类杂质,或化学结构与已知致癌物类似的诱变性杂质(没有致癌性数据),也可以采用此方法来计算可接受摄入量。

PDE法:适用于具有真实阈值证据(NOEL/LOEL)的诱变杂质,对于有阈值的Class1类杂质,或比TD50外推法准确。

TTC法:用于长期治疗用药物中的诱变杂质(>10年),且无致癌数据与阈值证据,即分类表格中的Class2与Class3类杂质,TTC法也被认为是保守的。

基因毒性杂质的控制策略

方法1:在原料药中建立合适的分析方法进行控制,按照GTI/PGIs可接受限度(e.g.1.5μg/day)设定杂质的质量标准。

对于在较后合成步骤中引入的杂质,一般采用此方法,如:在最后一步引入GTI/PGIs。

当满足如下情况时,可以采用定期检测(periodicverificationtesting/skiptesting):原料药中的诱变杂质在至少6个连续的中试批次或3个连续的生产批次中,测得结果均低于限度的30%。

注意:没有提到不订入质量标准的方式。

方法2:在原料(非原料药)、起始物料/中间体中建立合适的分析方法进行控制,按照GTI/PGIs可接受限度设定杂质的质量标准。

CDE推荐控制策略:中间体控制+终产品控制。

方法3:在起始物料、中间体中建立合适的分析方法进行控制,但是根据化学知识以及后续工艺对杂质的清除能力,将GTI/PGIs的质量标准设定为高于原料药中的可接受限度,同时保证按照此限度控制,原料药中的该杂质水平低于可接受限度(通常要低于限度的30%)。

采用此法时要有实验数据的支持(如:小试、中试、商业化级别以及加样试验)

方法4:在确信原料药中的杂质一定会低于可接受限度时(基于杂质性质以及清除知识等),建议该杂质不需要进行任何检测。

e.g.:适用于极不稳定的杂质(二氯亚砜、亚硫酰氯等);早期引入,后续被有效清除的杂质;

可以通过对工艺的控制取代分析方法的控制,

需要大量实验数据支持:中试数据积累。

3.残留溶剂的分类及限度

其中异丙基苯、甲基异丁基酮和三乙胺的限度在2020版中国药典中都进行了修订。

4、元素杂质的分类、限度及控制策略

元素杂质的分类

元素杂质的限度

元素杂质的控制策略

元素杂质控制应考察检测到的元素杂杂水平相对于其PDE值的显著性。将药品中元素杂质PDE值的30%定义为控制阈值,作为元素杂质水平显著性的衡量指标。控制阈值可用于判断药品中的元素杂质是否需要额外的控制。

如果药品中某个元素杂质水平总是小于PDE值的30%,只要对数据进行了适当的评估并表明对元素杂质经行了足够的控制,则不再需要额外的控制。

如果风险评估无法表明某个元素杂质水平始终低于控制阈值,就需要建立控制方法以保证药品中元素杂质水平不超过PDE值。

THE END
1.www.stats.gov.cn/zsk/snapshoot?reference=33e2b9cdb6391521c5知识库 知识分类:|知识来源: |发布日期:https://www.stats.gov.cn/zsk/snapshoot?reference=33e2b9cdb6391521c53328be6244e40b_E0674EF1D588ECF83FBFA8A59D967D14
2.机器学习数据预处理—统计分析方法条件概率权重信度系数核心原理是增加样本数较少类别中的部分样例达到类别平衡。过采样法因增加样例而增大了时间开销,但要注意防止过拟合。过采样法的代表性算法是SMOTE。 3 连续值离散化 连续属性离散化(Discretization of Continuous Attributes)是指将连续数据分段为一系列离散化区间,每个区间对应一个属性值。连续属性离散化的主要原因: https://blog.csdn.net/mnwl12_0/article/details/137429779
3.常用的数据分析方法常见问题常用的数据分析方法有:1、对比分析法;2、分组分析法;3、结构分析法;4、留存分析法;5、交叉分析法;6、漏斗分析法;7、矩阵分析法;8、象限分析法;9、趋势分析法;10、指标分析法;11、综合评价分析法。其中“对比分析法”是对数据进行比较以分析数据间的差异,包括静态比较和动态比较。 1、对比分析法 即比较分析https://m.php.cn/faq/572257.html
4.大数据分析五步法数据分析五步法是啥大数据分析五步法 数据分析五步法是啥 数据驱动的时代,无论你的工作内容是什么,掌握一定的数据分析能力,可以帮助你更好的认识这个世界,更好的提升工作效率。 数据分析流程主要分为五个关键环节:明确数据分析目的、明确数据源及数据口径、数据处理、数据分析、输出。https://blog.51cto.com/u_16213595/7028099
5.数据分析的三大方法是什么指数平滑法是一种用于预测未来数据趋势的方法。通过指数平滑法可以了解数据的趋势和波动,进而作出相应的决策。例如,企业可以通过指数平滑法预测产品销售量在未来一段时间内的趋势和波动,进而制定相应的生产计划和销售策略。 3.回归分析 回归分析是一种用于预测未来数据和因素之间关系的方法。通过回归分析可以了解数据和因素https://www.linkflowtech.com/news/2717
6.数据分析的八种方法数据分析的八种方法1.指标对比分析法 指标对比分析法,又称比较分析法——是统计分析中最常用的方法。是通过有关的指标对比来反映事物数量上差异和变化的方法。有比较才能鉴别,单独看一些指标,只能说明总体的某些数量特征,得不出什么结论性的认识; https://www.cda.cn/view/14770.html
7.《谁说菜鸟不会数据分析(入门篇)》,读书笔记萱草yy1定义:数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 2目的:把隐藏在一大批看似杂乱无章的数据背后的信息集中和提炼出来,总结出所研究对象的内在规律。 3分类:数据分析可划分为描述性数据分析,探索性数据分析和验证性数据分析。描述性分析是日常工作中主要的数据分析,有对比分析法、平https://www.cnblogs.com/xuancaoyy/p/5816757.html
8.「数据分析」十六种常用的数据分析方法分享三、逻辑回归分析法。 「数据分析」十六种常用的数据分析方法分享,该模型要求变量为连续的正态分布变量,且自变量与变量呈线性关系,而逻辑回归模型对变量的分布没有要求,通常用于变量的离散。 类别: 逻辑回归模型有条件和非条件两种,条件Logistic回归模型与非条件Logistic回归模型的区别在于参数报价是否使用了条件概率,其它https://www.dtstack.com/news/7370
9.学会看数据流,向高级诊断师进发3、因果分析法 指对相互之间有因果关系(或有联系)的数据间响应情况和响应速度进行对比判断。如压缩机的工作,并不是直接由AC开关直接控制,而是ECU对多种信号进行评判后再确定是否让压缩机进行工作。 4、关联分析法 指对彼此有关联的数据进行分析,对比后来查看故障是否存在。如电子油门踏板的位置信号与节气门位置传感器https://www.yoojia.com/ask/17-12215014079437050870.html
10.数据分析的概念与方法(3)数据处理 数据处理是指对收集到的数据进行加工、整理,以便开展数据分析,它是数据分析前必不可少的阶段。这个过程是数据分析整个过程中时间占比最大的,也在一定程度上取决于数据仓库的搭建和数据质量的保证。 数据处理主要工作包括数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法,利用这些方法将各种原始https://www.jianshu.com/p/d236c74f6e62