VALIDATION ANALYTIQUE
Transcript of VALIDATION ANALYTIQUE
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
I-GENERALITES
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
PROBLEMATIQUES� Demande croissante en résultats d’analyses
dans différents domaines:
-Environnemental (polluants eaux, sols…)
-Agro-alimentaire (sécurité aliments…)
-Pharmaceutique (contrôle qualité)
-Médico-légal (expertise)
-Industrie en général (Qualité des résultats)
�Garantir la fiabilité et la traçabilité des résultats
Mise en place d’une organisation pour répondre à ce besoin
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
HISTORIQUE
• 1990-Conférence de Washington sur la validation des méthodes bioanalytiques
• 1992-Conférence de Barcelone
• 1994-Conférence de Munich
• 1997-Commission SFSTP (Société Française des Sciences et Techniques Pharmaceutiques)
• 1999-Meeting Bioval99 à Londres
• 2000-Groupe de travail à Crystal City (Food and Drug Administration-FDA)
• 2005-Groupes de travail internationaux
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
REFERENTIELS• FDA (CDER Décembre 1998)« Guidance for Industry-Bioanalytical Methods Validation for Human Studies »
• FDA (CDER Mai 2001)« Guidance for Industry-Bioanalytical Methods Validation… » �intégration de l’immunologie et de la
microbiologie
• Texte ICH (International Conference on Harmonisation-www.ich.org)-Q2A Validation des procédures analytiques: Définitions et terminologie (1995)
-Q2B Validation des méthodes analytiques : Méthodologies (1997)
-Annexe (Q1A,B et C�Stabilité; Q3A,B et C�impuretés; Q6A et B�Spécification
• STP PHARMA Pratiques
-(1992) 2, 4, 205-226 Méthodologies
-(1992) 2, 4, 227-239 Exemple d’application
-(2003) 13, 3, 101-138 Harmonisation des approches
-(2006) 16, 1, 30-60 Statistiques
• Normes (ISO 5725…)
• EMEA European Medicines Agency (06/09/2011) – applicable au 01/02/2012
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
REFERENTIELS
© Patrick SéraissolVALI
DATIO
N A
NALY
TIQ
UE …
DEFINITIONS
�Bioanalyse
Dosage de substances actives au sein de matrices biologiques
(plasma, sérum, sang total, tissus) en vue d’établir
des paramètres pharmacocinétiques ou bien
d’analyser des substances toxiques.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
DEFINITIONS�Validation Analytique
• ICH (International Conference on Harmonisation)
Le but de la validation d’une procédure d’analyse est de démontrer qu’elle correspond à l’usage pour lequel elle est prévue.
�Relie une procédure à une application.
•USP (Unated States Pharmacopeia)
La validation d’une méthode analytique est le procédé par lequel il est établi que les performances de la méthode correspondent aux exigences requises par l’application prévue.
�Normes réglementaires ou fait par les firmes.
•FDA (Food and Drug Administration)
Valider, c’est établir à l’évidence, avec un degré de confiance élevé et sous forme documentée, qu’un procédé déterminé permet d’obtenir un produit (ou un service) qui atteint effectivement des spécifications définies à l’avance.
�Indication de statistique et de rapport d’analyse.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
OBJECTIFS
�Démontrer les performances de la procédure de dosage pour l’application prévue (prouver que les résultats obtenus sont fiables, ceci dans des limites bien définies).
�Maitrise des étapes critiques de la procédure (mettre en exergue les points critiques)
�Résolution en amont de problèmes analytiques
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
QUE VALIDER???VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
QUAND VALIDER???VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
GENESE D’UNE VALIDATIONVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Ex de mise en œuvre de validation
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limites d’acceptationVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limites d’acceptationVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limites d’acceptationVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limites d’acceptationVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
II -VALIDATION
d’une procédure d’analyse
physicochimique
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
validation analytique
ETUDE SCIENTIFIQUE DE LA FIABILITE D’UNE METHODE
OBJECTIFS REGLEMENTAIRESRôle important dans les études pharmacocinétiques, de métabolisme, de bioéquivalence
SCIENTIFIQUES
Garantir la fiabilité d’une méthode (précise et exacte)
INDUSTRIEL
Choix des protocoles d’analyse (minimiser les coûts avec des méthodes optimisées)
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Finalités o Description claire de la procédure d’analyse
« MODE OPERATOIRE NORMALISE »
o Mode de prélèvement de l’échantillon
o Appareillage
o Description précise des modalités de préparation de l’échantillon, des conditions d’analyse, des précautions opératoires
o Vérification de la procédure
o Traitement des données brutes et formules de calculs
o Choix des tests de performance « en routine »oVérification de l’environnement d’analyse
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Etudes réalisées en amont de la validation d’une procédure analytique
o Qualification de l’appareillage
o Optimisation des conditions opératoireso Préparation des échantillons
o Mesure de la solution analytique
o Définition d’une substance de référence
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Critères de validation: critères généraux application
o Spécificité, sélectivitéo Fonction réponse
o Courbe de calibrage, linéarité
o Intervalle de dosage(amplitude)
o Exactitude, biaiso Précision
o Répetabilitéo précision intermédiaire
o Seuil de détectiono Seuil de quantification
o Identification
o Essai limite (impuretés)
o Dosage (principe actif, impuretés)
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
APPARAILLAGE HPLCVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Rendement d’extraction
Le rendement d’extraction absolu peut être définicomme étant le rapport des signaux mesurés,
d’une part, après traitement de l’échantillon chargéavec une quantité connue,
d’autre part, après injection directe dans le systèmeanalytique d’une gamme non biologique deréférence contenant une concentration équivalentede substance à examiner.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Réponse
TempsTR
------ Après extraction
Sans extraction
VALI
DATIO
N A
NALY
TIQ
UE …
Rendement d’extraction
© Patrick Séraissol
Spécificité (Specificity)
• C’est l’aptitude d’une méthode à engendrer un signal nedépendant que de la seule substance à mesurer en présenced’autres substances potentiellement présentes(impuretés, produits de dégradation, métabolites,composés endogènes)
Nb - en HPLC on préfère parlé de sélectivité
• En pratique on réalise des blancs avec des matricesprovenant d’au moins 6 origines différentes
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Spécificité (Specificity)VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Spécificité (phase de pré-validation)
Conc. théorique
VALI
DATIO
N A
NALY
TIQ
UE …
Conc. ObtenuesTracé idéal
Biais constant
Biais proportionnel
© Patrick Séraissol
Linéarité (Linearity)
La linéarité d’une procédure d’analyse est sonaptitude, à l’intérieur d’un certain intervallede concentrations, à fournir des résultatsdirectement proportionnels à laconcentration (ou la quantité) de substanceà analyser dans l’échantillon.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
VALI
DATIO
N A
NALY
TIQ
UE …Linéarité
SFSTP: 6 points de gamme X 3
0 15 25 37,5 50 100
Washington Conférence: 5 à 8 points de gamme X 1
0 5 10 20 40 80 100
5
60
Penninckx: 3 à 4 points de gamme X 9
30
100 100502500 30 60
Mc Dowall: 4 points de gamme X 2
75 10050250
© Patrick Séraissol
Linéarité et phase de validation
o Etude de la fonction réponse: Réponse = f (Conc.)o Fonction monotone (tjr dans le sens de la conc)
o Constance de la variabilité de réponse (homogéneité desvariances de la réponse sur tout le domaine deconcentrations)�scédasticité
o Détermination du domaine de calibrage (domaine delinéarité)
o Validation du modèle
o Etude de la linéarité proprement dite
Conc. Calculées = f (Conc. Vraies)
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité et phase de validation
o OBTENTION DES DONNEES BRUTESo Sélection du plan expérimental
o Réalisation des expérimentations
o CREATION DU MODELEo Evaluation visuelle du modèle
o Elimination des valeurs aberrantes (ex: droite de Henry,test de dixon)
o Calcul du modèle (ex: y=ax+b)
o VALIDATION DU MODELEo Méthodes des résidus Yobs – Ycal en fonction de C
o Analyse de variances (corrélation, qualité de l’ajustement)
o Test de l’ordonnée à l’origine
o PROPOSITION D’UNE FONCTION REPONSE
X ijki=nb réplicat
J=nb conc
K=nb jour
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Buts de l’étude de linéarité
Etablir les conditions de l’analyse de routine :
- nombre de solutions témoins
- distribution au sein du domaine de
concentrations
tout en réduisant la charge de travail de l’analyse
de routine
gardant les exigences d’exactitude et de précision
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Valeurs aberrantes)
2 typesValeurs aberrantes Valeurs aberrantes dans ladues à la régression distribution des réponses
par concentration
Analyse des résidus - Cause expérimentale- Etude statistique (Dixon)
Au moins 4 replicats / conc. pour éliminer 1 point aberrant
Au moins 6 replicats / conc. pour éliminer 2 points aberrants
Le nombre total de valeurs aberrantes est au plus égal à 2
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Elimination valeurs aberrantesVALI
DATIO
N A
NALY
TIQ
UE …
z
x
Droite de Henry avec toutes les mesures
© Patrick Séraissol
Elimination valeurs aberrantesVALI
DATIO
N A
NALY
TIQ
UE …
z
x
Droite de Henry après suppression de 2 valeurs aberrantes
© Patrick Séraissol
Linéarité (Régression linéaire)
b
Pente a
Yi valeurs observées
Yi valeurs calculées par le modèle
Résidu:
e=Yi-Yi
Réponse Y
Concentration X
Y Y= aX+ b
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (validation modèle régression)
X i j k série (jours)
Nb de pts de concentration
Nb de réplicat
Représentation graphique
Modèle de régression Y=aX+b
Analyse des résidus Analyse de variances
Proposition d’une fonction réponse
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Rappel : Loi normale centrée réduite
Si nous substituons à la variable x, la variable µ nous obtenons la loi normale centrée réduite. Sa moyenne est égale à 0. L’unité de la variable est σOn peut ainsi calculer la valeur µ correspondant à toute valeur de x
Remarque : on obtient généralement les valeurs caractéristiques u = 1,96 pour P = 97,5% soit 1-P=2,5%u = 3,09 pour P = 99,9% soit 1-P=0,1%
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Analyse des résidus)
Validité du modèle: les résidus réduits appartiennent à une distribution normale, centrée, réduite
Résidu: S=ecart type ΣΣΣΣ ei2
ei =Yi-Yi distribution e i: ei = 0; S(x,y) = n- 2
[SCE= Σ (Yi –Yi)2]Distribution des résidus réduits
ei
S (x,y)
[ t (0,05) = 1,96 ]
+ 1,96
- 1,96
Conc.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Analyse des résidus)
- 1,96
+1,96
Conc.
Conc.
+1,96
- 1,96
Homosédasticité:
Homogénéité des variances sur tout le domaine de concentration
Hétérosédasticité:
Réduire domaine de concentration
Facteur de pondération
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Analyse de variances)
Validité du modèle:
�Homogénéité des variances (test de Cochran)
�Existence d’une pente significative (test de Fisher)
�Validité de la droite de régression
�Homosédasticité
Test de Cochran:
C = S2max / Σ S2
J C < C (α, k, n-1)
α=% tolérance; k=nb de pt de gamme; n=nb de mesure
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Analyse de variances)
�Existence d’une pente significative
Test de Fischer:
F = S2régression/ S2
résiduelle F >> F (α,1,N-2)
Y
S2régression
S2résiduelles moyenne
Conc.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Analyse de variances)
�Validité de la régression: comparaison de l’erreur d’ajustement et de l’erreur expérimentale
Test de Fischer:
F = S2ajustement/ S2
expérimentale F < F(α,k-2,N-k)
Y
S2ajustement
Conc.
Valeur ajustée
Moyenne expérimentale
S2expérimentale
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (test de l’ordonnée à l’origine)
Pour une équation de la forme: y=aX+b On a:a=pente et b=ordonnée à l’origine
b est obtenue par régression linéaire et on calcul S(b)S= écart type
Test de Student:
b – 0t =
S (b)t < t (αααα, N-2)
VALI
DATIO
N A
NALY
TIQ
UE …
α=valeur vrai de b
© Patrick Séraissol
Linéarité (Intervalle de confiance)
Y
Y
X
1 (Xi – X)2
Y i + t x S(xi,yi) +N ΣΣΣΣ (X i – X)2
G
Conc. X
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Linéarité (Stratégie en routine)VALI
DATIO
N A
NALY
TIQ
UE …
a1 et a2a1 et a2a1 et a2a1 et a2
b1 et b2b1 et b2b1 et b2b1 et b2
© Patrick Séraissol
Précision (Precision)
La précision d’une procédure analytique exprimel’étroitesse de l’accord (degré de dispersion) entreune série de mesures provenant de multiplesprises d’un même échantillon homogène analyséselon les conditions décrites.�Indication surles erreurs aleatoires
3 niveaux: répétabilité (repeatability)
précision intermédiaire(intermediate precision)
reproductibilité (reproducibility)CVR
CVr
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Précision ou fidélitéVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Précision
• La précision mesure l’écart de chaque mesure individuelle par rapport à la moyenne des mesures d’un volume d’échantillon unique et homogène: on calcule uncoefficient de variation
• Minimum 3 concentrations x 5 (suivant référentiel)
• ± 15%
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Précision
Concentrations
Réponse
X
X
LLOQ ULOQ
QC Low
QC Medium
QC High
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Précision
QC Low QC Medium QC High
Valeur théorique 40 120 50038 100 42035 112 49942 125 53044 130 50245 122 509
Moyenne (mg/L) 41 118 492Ecart-type (mg/L) 4 12 42Precision (CV %) 10 10 9
mg/L
Valeur observée
Ecart - type / Moyenne x 100
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
• Répétabilité– « intra-run »
– « intra-jour »
• Reproductibilité– « inter-run »
– « inter-jour »
1 seule fois
Plusieurs fois:-plusieurs runs sur plusieurs jours-1 run par jour sur plusieurs jours
VALI
DATIO
N A
NALY
TIQ
UE …Répétabilité
Reproductibilité (fidélité intermédiaire)
© Patrick Séraissol
Exactitude (Accuracy)
L’exactitude d’une procédure analytique exprime l’étroitesse de l’accord
entre une valeur qui est acceptée comme conventionnellement vraie ou une valeur de référence et la valeur trouvée (=la valeur moyenne obtenue en appliquant la procédure analytique un certain nombre de fois)
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Exactitude (Accuracy)
Comparaison valeur individuelle / valeur vraie
erreur systématique + erreur due au hasard
Comparaison valeur moyenne / valeur vraie
erreur systématique + erreur due au hasard
Comparaison valeur moyenne à long terme/ valeur vraie
erreur systématique
Accuracy
trueness
Bias
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Exactitude
• L’exactitude mesure l’écart de la moyenne des résultats par rapport à la vraie valeur (valeur théorique): on calcule un biais
• Minimum 3 niveaux de concentrations x 5 (suivant référentiel)
• ± 15% de la concentration théorique
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Exactitude
Concentrations
Réponse
X
X
LLOQ ULOQ
QC Medium
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
QC Low<3 x LLOQ
Cible Bas Cible Moyen Cible Haut
QC High= 75 % ULOQ
Exactitude
QC Low QC Medium QC High
Valeur théorique 40 120 50038 100 42035 112 49942 125 53044 130 50245 122 509
Moyenne (mg/L) 41 118 492Exactitude (%) 2 -2 -2
mg/L
Valeur observée
(Moyenne- Valeur théorique)/Valeur théorique x 100
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Précision et exactitude
Non précis et non exacte Précis et non exacte
Non précis et exacte Précis et exacteVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Précision et exactitude
xi = µ + précision + biaisxi - µ = précision + biais
= erreur totale
X = µ + BiaisBiais = erreur systématique
xi = µ + précisionPrécision = erreur aléatoire
xi = µ + précisionPrécision = erreur aléatoireV
ALI
DATIO
N A
NALY
TIQ
UE … xi = résultat individuel (valeur mesurée)
X = résultat moyen
µ = valeur vraie (inconnue)
© Patrick Séraissol
0 % Biais
Exactitude/PrécisionVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
La différence entre le résultat et la valeur vraie doit être dans l’intervalle d’acceptation [-λ, λ]Avec λ = limite d’acceptation (15%)
0 % Biais
X-µ=0
| X - µ | < λ
+ 15%
- 15%
Exactitude/Précision
xi = résultat individuel (valeur mesurée)
X = résultat moyen
µ = valeur vraie (inconnue)
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Attention :
0 % Biais
X-µ=0
+ 15%
- 15%
Précision < 15 % et Biais < 15 %
Exactitude/PrécisionVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limite de détection (Detection limit)
La limite de détection d’une procédureanalytique est la plus petite quantité d’unesubstance qui peut être détectée mais nonnécessairement quantifiée comme unevaleur exacte.
Elle peut être exprimée comme une quantité ou uneconcentration dans la substance analysée.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limite de détection (Detection limit)
o Basée sur une évaluation visuelleo Basée sur le rapport signal / bruit
(entre 3:1 et 2:1)o Basée sur l’écart type de l’intercepte (σ) et la
moyenne des pentes du modèle (S)DL = 3,3 σ / S
o Basée sur la courbe de calibrage (écart type de l’ordonnée à l’origine)
validée par plusieurs mesures réelles à la concentration limite
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limite de quantification (Quantification limit)
La limite de quantification d’une procédureanalytique est la plus petite quantité d’unesubstance qui peut être quantifiée avec uneexactitude et une précision définies.
Elle peut être exprimée comme une quantité ou uneconcentration dans la substance analysée.
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Limite de quantification (Quantification limit)
o Basée sur une évaluation visuelleo Basée sur le rapport signal / bruit
(entre 10:1)o Basée sur l’écart type de l’intercepte (σ) et la
moyenne des pentes du modèle (S)DL = 10 σ / S
o Basée sur la courbe de calibrage (intervalle de confiance)
validée par plusieurs mesures réelles à la concentration limite: exactitude,précision
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Robustesse VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Notion de test de robustesse
• Modification volontaire d’un,ou plusieurs critères, du mode opératoire ou des conditions analytiques
� Changement de %age de solvant en HPLC, T° de séparation, pH, etc…)
• Élaboration d’un plan d’expérience (ou algorithme simplex)
• Application de la méthode
• Mesure et calcul des performances
• Mise en évidences des points critiques
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
III -PROFILD’EXACTITUDE
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Profil d’exactitude (principe) VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Profil d’exactitude (construction)VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Outil de décision: Profil d’exactitudeVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Exemples 1: Profil d’exactitude pour le dosage d’un conservateur
VALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Exemples 2: Profil d’exactitudeVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
Erreur totaleVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
ConclusionVALI
DATIO
N A
NALY
TIQ
UE …
© Patrick Séraissol
RemerciementsVALI
DATIO
N A
NALY
TIQ
UE …
Merci de votre attention
© Patrick Séraissol