Erweiterte Stabilitätsstudie nach ICH (Advanced Stability Study)
Die Advanced Stability Study regressiert eine stetige Zielgröße wie den Wirkstoffgehalt auf die Zeit, um zu ermitteln, wann sie eine Spezifikationsgrenze schneidet. Hinzu kommen Chargen-Poolbarkeit nach ICH Q1E (fest oder zufällig, Alpha 0.25), ein Nicht-Chargen-Faktor, Bracketing und Matrixing, eine Extrapolationsbewertung nach Appendix A, Box-Cox-Transformationen, Temperaturprojektion nach Arrhenius oder Q10 und ein Overage-Rechner. Die Ausgabe umfasst Haltbarkeit, ANOVA/Pooling, Diagramme und Projektionen.
Zuletzt geprüft
Kernaussage
Die Advanced Stability Study schätzt die Haltbarkeit eines Produkts nach ICH Q1E per Regression einer Zielgröße auf die Zeit, prüft die Poolbarkeit der Chargen und projiziert die Haltbarkeit per Arrhenius oder Q10 auf andere Temperaturen.
Auf dieser Seite
- Was ist die Advanced Stability Study?
- Wann wird die Advanced Stability Study eingesetzt?
- Beispiel für die Advanced Stability Study
- Anleitung: Advanced Stability Study durchführen
- Data Pane (linker Bereich)
- Optionen (rechter Bereich)
- Spezifikationsgrenzen und Chargen-Pooling
- Behandlung der Charge
- Regulatorischer Kontext nach ICH Q1E
- Versuchsplan (Bracketing und Matrixing)
- Konfidenz und Anteil der Grundgesamtheit
- Box-Cox-Transformation
- Residuendiagnose
- Ergebnisanzeige
- Vorhersage
- Temperaturprojektion (Kinetik)
- Overage
- Ausgabe lesen
Was ist die Advanced Stability Study?
Die Advanced Stability Study ist das ICH-Q1E-konforme Werkzeug von Zometric zur Schätzung der Haltbarkeit (Shelf Life) eines Arzneimittels oder eines anderen regulierten Produkts. Wie das einfache Werkzeug Stability Study passt es ein Regressionsmodell einer messbaren Zielgröße (Wirkstoffgehalt, Konzentration, pH-Wert, Feuchte usw.) gegen die Zeit an und ermittelt den Zeitpunkt, an dem die Zielgröße voraussichtlich eine Spezifikationsgrenze schneidet. Die erweiterte Version ergänzt dies um den vollständigen Satz an ICH-Q1E-Funktionen, die für eine Zulassungseinreichung benötigt werden: Prüfung der Chargen-Poolbarkeit (feste oder zufällige Chargeneffekte), einen optionalen Nicht-Chargen-Faktor (z. B. Stärke oder Behälter-/Verschlusssystem) mit eigener Poolbarkeitsprüfung, die Behandlung von Bracketing- und Matrixing-Versuchsplänen, eine Extrapolationsbewertung nach ICH Q1E Appendix A auf Grundlage der Lagerbedingung und der Historie signifikanter Veränderungen, eine Box-Cox-Transformation der Zielgröße, eine Temperaturprojektion nach Arrhenius- oder Q10-Kinetik (sodass eine bei einer Lagerbedingung geschätzte Haltbarkeit auf eine andere Temperatur projiziert werden kann) sowie einen Overage-Rechner, der berechnet, wie viel Wirkstoffüberschuss bei der Herstellung zuzugeben ist, damit das Produkt am Ende der Ziel-Haltbarkeit noch seine untere Spezifikation erfüllt.
Kurz gesagt: Verwenden Sie das einfache Werkzeug Stability Study für eine schnelle Haltbarkeitsschätzung aus Zeit-, Zielgrößen- und Chargendaten; verwenden Sie die Advanced Stability Study, wenn die Studie die Dokumentationsanforderungen von ICH Q1E erfüllen muss, mehrere Temperaturen umfasst oder eine Overage-Empfehlung erfordert.
Wann wird die Advanced Stability Study eingesetzt?
Datenanforderungen
- Der Datensatz muss eine Zeitvariable als primäre Einflussgröße enthalten – sie treibt die Analyse (z. B. 0, 3, 6, 9, 12, 18, 24 Monate).
- Ein optionaler Chargenfaktor kann aufgenommen werden, um Unterschiede zwischen Produktionschargen zu berücksichtigen; er kann als fester Faktor (Fixed factor), als zufälliger Faktor (Random factor) behandelt oder ganz weggelassen werden ("No batch factor").
- Ein optionaler Nicht-Chargen-Faktor (Factor2) kann für ICH-Q1E-Mehrfaktorstudien aufgenommen werden – zum Beispiel Stärke, Behälter-/Verschlusstyp oder Orientierung – und wird getrennt von der Charge bei festem α = 0.05 auf Poolbarkeit geprüft.
- Eine optionale Spalte Temperature kann aufgenommen werden, wenn die Studie mehr als eine Lagertemperatur umfasst. Ist sie vorhanden, leitet das Werkzeug die Aktivierungsenergie (Ea) per Arrhenius-Anpassung direkt aus den Daten ab, statt die Eingabe eines Literaturwerts zu verlangen.
- Die Zielgröße muss stetig sein – zum Beispiel Wirkstoffgehalt, Konzentration, pH-Wert oder Gewicht.
Hinweise zur Datenerhebung
- Stellen Sie sicher, dass die Daten die betrachteten Chargen bzw. die Grundgesamtheit zutreffend abbilden – unvollständige oder verzerrte Daten führen zu unzuverlässigen Haltbarkeitsschätzungen.
- Erheben Sie ausreichend viele Datenpunkte über mehrere Zeitintervalle (ICH Q1E erwartet typischerweise ein Mindestraster – z. B. 0, 3, 6, 9, 12, 18, 24, 36 Monate), um die für genaue Vorhersagen nötige Präzision zu erreichen und den ANCOVA-/Pooling-Tests eine ausreichende Trennschärfe zu geben.
- Wurde ein Bracketing- oder Matrixing-Versuchsplan verwendet, dokumentieren Sie, welche Stufen bzw. Kombinationen tatsächlich geprüft wurden – das Werkzeug bietet eigene Optionen, um dies zu dokumentieren und die zutreffenden Vorbehalte nach ICH Q1E Appendix C auf die ausgegebene Haltbarkeit anzuwenden.
- Wurden für eine Kinetik-/Arrhenius-Projektion mehrere Lagertemperaturen geprüft, erfassen Sie die genaue Temperatur (°C) zu jeder Beobachtung in der Spalte Temperature.
- Messen Sie alle Variablen so genau und präzise wie möglich – Messabweichungen wirken sich unmittelbar auf die Qualität des Modells und jeder Temperaturprojektion aus.
- Erfassen Sie die Daten in der Reihenfolge ihrer Erhebung, um die zeitliche Struktur der Analyse zu erhalten.
Modellanpassung
- Das Modell muss die Daten gut anpassen – ein schlecht angepasstes Modell liefert irreführende Haltbarkeitsschätzungen und unzuverlässige Arrhenius-/Q10-Projektionen.
- Prüfen Sie nach der Anpassung die Tabelle ANOVA/Model Selection (welche Terme von den Pooling-Tests für Charge und Factor2 beibehalten wurden), die Residuendiagramme, die Diagnosekennwerte für ungewöhnliche Beobachtungen und die Model Summary (S, R-sq, R-sq(adj), R-sq(pred)), um zu bestätigen, dass das Modell die Daten gut abbildet.
- Erscheint eine Warnung Kinetics/Transform Mismatch, überdenken Sie die Kombination aus Box-Cox-Transformation und Modell für die Abbaukinetik (Degradation Kinetics), bevor Sie den projizierten Haltbarkeiten bei anderen Temperaturen vertrauen.
Hinweise zur richtigen Anwendung der Advanced Stability Study
- Verwenden Sie eine stetige Zielgröße wie Wirkstoffgehalt, Konzentration oder Feuchtegehalt; kategoriale Zielgrößen eignen sich für diese Analyse nicht.
- Nehmen Sie immer eine Zeitvariable als Einflussgröße auf – die gesamte Analyse beruht darauf, Veränderungen über die Zeit zu verfolgen.
- Nehmen Sie einen Chargenfaktor auf, wenn mehrere Produktionschargen untersucht werden, und entscheiden Sie je nach Studienziel, ob er als fest (bestimmte, interessierende Chargen) oder zufällig (Chargen, die eine größere Grundgesamtheit repräsentieren) behandelt wird.
- Belassen Sie Alpha for Pooling Batches auf dem ICH-Q1E-Standardwert von 0.25, sofern Sie keinen bestimmten Grund für eine Änderung haben – diese bewusst großzügige Schwelle erschwert es, Chargen zusammenzufassen, wodurch die Haltbarkeitsschätzung konservativ bleibt.
- Verwenden Sie das Feld Non-batch factor (Factor2) nur für eine echte ICH-Q1E-Mehrfaktorstudie (z. B. Stärke oder Behältertyp) – es wird beim üblichen α = 0.05 auf Poolbarkeit geprüft, nicht beim α für das Chargen-Pooling.
- Füllen Sie die Spalte Temperature nur aus, wenn die Studie tatsächlich mehrere Lagertemperaturen umfasst; dadurch wird das Kinetikmodell automatisch auf Arrhenius umgestellt, und Ea wird aus Ihren Daten statt aus einem manuell eingegebenen Wert abgeleitet.
- Achten Sie darauf, dass die Auswahl unter Degradation Kinetics zur Box-Cox-Transformation passt: Eine Kinetik nullter Ordnung setzt keine Transformation voraus, eine Kinetik erster Ordnung eine Transformation mit dem natürlichen Logarithmus (λ = 0). Eine Abweichung löst eine Warnung Kinetics / Transform Mismatch aus und kann Arrhenius-/Q10-Projektionen unzuverlässig machen.
- Aktivieren Sie Overage nur für ein Produkt mit Abbau (negative Steigung) und eingegebener Lower Spec – andernfalls verweigert das Werkzeug die Overage-Berechnung, da ein Overage nur sinnvoll ist, wenn Wirkstoffgehalt bzw. Zielgröße im Zeitverlauf voraussichtlich sinkt.
- Wurde in der Studie ein Bracketing- oder Matrixing-Versuchsplan verwendet, aktivieren Sie die entsprechende Option und beschreiben Sie ihn – der Bericht enthält dann die zutreffenden Hinweise nach ICH Q1E Appendix C zur Übertragung der Haltbarkeit auf nicht geprüfte Stufen oder Kombinationen.
- Erfassen Sie die Lagerbedingung (Storage condition) und etwaige signifikante Veränderungen (Significant change) bei beschleunigter und intermediärer Lagerung – sie steuern die Extrapolationsbewertung nach ICH Q1E Appendix A, die begrenzt, wie weit die berechnete Haltbarkeit über den längsten verfügbaren Zeitpunkt hinaus extrapoliert werden darf.
- Erheben Sie ausreichend viele Datenpunkte über genügend Zeitintervalle, um statistisch verlässliche Schätzungen zu stützen und die Vorhersageunsicherheit zu verringern.
- Messen Sie alle Variablen mit größtmöglicher Präzision – schon kleine Messabweichungen können die geschätzte Haltbarkeit deutlich verschieben.
- Erfassen Sie die Beobachtungen in der Reihenfolge ihrer Erhebung, um die Integrität der Zeitreihenstruktur zu wahren.
- Validieren Sie das Modell nach der Anpassung stets anhand der Residuendiagramme, der Model Summary und der Extrapolationsbewertung nach ICH Q1E, bevor Sie Schlüsse ziehen oder eine Haltbarkeit berichten.
- Eine schlechte Modellanpassung, eine ungelöste Abweichung zwischen Kinetik und Transformation oder eine Warnung zur Extrapolationsgrenze sind Signale, das Modell zu überdenken, auf Ausreißer zu prüfen oder die Daten erneut zu untersuchen, bevor Sie fortfahren.
Alternativen: Wann Sie die Advanced Stability Study nicht verwenden sollten
- Benötigt die Studie keine ICH-Q1E-Dokumentation (kein Bracketing/Matrixing, keine Temperaturprojektion, kein Overage) und brauchen Sie nur schnell einen Haltbarkeitswert, verwenden Sie stattdessen das einfachere Werkzeug Stability Study – es nutzt denselben Kern aus Regression und Pooling mit einer kürzeren, einfacheren Optionsliste.
- Enthalten die Daten keine Zeitvariable, verwenden Sie stattdessen Fit Regression Model, um den Zusammenhang zwischen anderen stetigen Einflussgrößen und der Zielgröße zu analysieren.
- Soll eine Zielgröße aus mehreren Einflussgrößen ohne Zeitbezug vorhergesagt werden, verwenden Sie Fit Regression Model für die multivariable Analyse.
- Hat die Zielgröße zwei Kategorien wie gut oder schlecht, verwenden Sie stattdessen Fit Binary Logistic Model.
- Enthält die Zielgröße drei oder mehr geordnete Kategorien wie niedrig, mittel oder hoch, verwenden Sie stattdessen die ordinale logistische Regression (Ordinal Logistic Regression).
- Enthält die Zielgröße drei oder mehr ungeordnete Kategorien wie Kratzer, Delle oder Riss, verwenden Sie stattdessen die nominale logistische Regression (Nominal Logistic Regression).
Beispiel für die Advanced Stability Study
Ein Qualitätsingenieur eines Pharmaunternehmens möchte die Haltbarkeit einer neuen Tablettenformulierung festlegen und außerdem wissen, wie sich diese Haltbarkeit bei Lagerung unter höherer Temperatur ändern würde. Der Wirkstoffgehalt nimmt im Zeitverlauf allmählich ab. Fünf Pilotchargen stehen zur Verfügung, geprüft zu neun Zeitpunkten unter der vorgesehenen Langzeit-Lagerbedingung (25°C/60%RH); ein Teil derselben Chargen wurde zusätzlich unter beschleunigter Bedingung (40°C) geprüft, um eine Arrhenius-Projektion zu stützen. Jede Charge wird als fester Faktor behandelt, da alle Chargen systematisch beprobt werden. Die untere Spezifikation wird mit 90 eingegeben (d. h. das Produkt muss mindestens 90 % des deklarierten Gehalts behalten). Overage ist ebenfalls aktiviert, damit der Ingenieur sieht, wie viel zusätzlicher Wirkstoff bei der Herstellung zuzugeben ist, um 90 % Wirkstoffgehalt über die vorgeschlagene Haltbarkeit von 24 Monaten zu gewährleisten. Folgende Schritte wurden durchgeführt:
1. Die erforderlichen Daten zu Zeit, Charge, Zielgröße (Wirkstoffgehalt) und Temperatur wurden erhoben.

2. Die Daten wurden mithilfe von https://statsai.zometric.com/analysiert.
3. Die Advanced Stability Study wurde aufgerufen über Statistical module > Regression > Advanced Stability Study.
4. Im Werkzeug wurden die Daten zusammen mit den weiteren Eingaben eingegeben – Response = Potency, Time = Time, Batch = Batch, Temperature = Temperature, Lower Spec = 90, Batch is = Fixed factor, Kinetics model = Arrhenius, Reference temperature = 25, Target temperatures = 5, 25, 30, 40, Overage = aktiviert, Label Claim = 100, Target Shelf Life = 24 –, und zwar wie folgt:

5. Nach Ausführung des Werkzeugs wurde folgende Ausgabe erzeugt – die Haltbarkeitsschätzung, die ANOVA-/Pooling-Entscheidung, das Haltbarkeitsdiagramm, die Arrhenius-Projektion auf andere Temperaturen und die Overage-Empfehlung:


Anleitung: Advanced Stability Study durchführen
So gehen Sie vor:
6. Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
7. Wählen Sie auf der Startseite Statistical Tool > Regression > Advanced Stability Study.
8. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie ein (Strg+V); alternativ laden Sie mit der Option Load Example die Beispieldaten oder mit Load File direkt eine Excel-/CSV-Datei.
9. Füllen Sie anschließend die erforderlichen Optionen aus – sie werden unten Feld für Feld beschrieben.
10. Klicken Sie abschließend unten auf der Seite auf Calculate, um die gewünschten Ergebnisse zu erhalten.
Das Dashboard der Advanced Stability Study ist in zwei Bereiche unterteilt.
Data Pane (linker Bereich)
Im linken Bereich befindet sich der Datenbereich (Data Pane). Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden. Sobald Daten vorhanden sind, filtern sich die Auswahllisten Response, Time, Temperature, Batch und Non-batch factor rechts automatisch auf die Spalten, die tatsächlich Daten enthalten; beschriftet werden sie mit dem Kopftext, den Sie in die erste Zeile der jeweiligen Spalte eingegeben haben.
- Load Example: Lädt einen Beispieldatensatz zur Haltbarkeit eines Arzneimittels, damit Sie das Werkzeug vollständig in Aktion sehen, bevor Sie eigene Daten verwenden.
- Load File: Damit laden Sie direkt eine Excel- oder CSV-Datei hoch, statt Daten in das Raster einzufügen.
- Clear Data / Clear Output: Clear Data leert den Data Pane; Clear Output leert den Ergebnisbereich darunter, ohne die eingegebenen Daten oder Optionen zu verändern.
Optionen (rechter Bereich)
Im rechten Bereich stehen zahlreiche Optionen zur Verfügung, nachfolgend nach Zweck gruppiert.
Kernvariablen
- Response: Der Messwert, den Sie im Zeitverlauf verfolgen, etwa Wirkstoffgehalt, pH-Wert oder Feuchtegehalt. Anhand dieser Variablen wird geprüft, ob das Produkt während seiner gesamten Haltbarkeit innerhalb der zulässigen Grenzen bleibt.
- Time: Die Zeitpunkte, zu denen die einzelnen Messungen erfasst wurden (z. B. 0, 3, 6, 12 Monate). Das Werkzeug modelliert mit dieser Variablen, wie sich die Zielgröße über den Lagerzeitraum verändert.
- Batch: Die Produktionscharge, zu der jede Probe gehört. Mit der Charge kann das Werkzeug erkennen, ob verschiedene Chargen unterschiedlich schnell abbauen, was die Haltbarkeitsschätzung unmittelbar beeinflusst. Pflichtfeld, sofern "Batch is" nicht auf "No batch factor" gesetzt ist.
- Non-batch factor (optional): Eine Spalte für einen ICH-Q1E-Mehrfaktorplan wie Strength oder Container type. Sie wird unabhängig von Batch bei einem festen Signifikanzniveau von α = 0.05 auf Poolbarkeit geprüft, und ihr Poolbarkeitsergebnis (poolable / common slope / not poolable) wird separat ausgegeben.
- Temperature column: Optional. Umfasst Ihre Studie mehr als eine Lagertemperatur, ordnen Sie diese Spalte hier zu, damit das Werkzeug die Arrhenius-Aktivierungsenergie direkt aus Ihren Daten ableitet. Die Auswahl einer Temperaturspalte stellt das Kinetikmodell automatisch auf Arrhenius um und deaktiviert die manuellen Eingabefelder Activation Energy / Q10, da diese Werte nun für Sie berechnet werden.
Spezifikationsgrenzen und Chargen-Pooling
- Lower Spec: Der kleinste zulässige Wert der Zielgröße. Fällt der Messwert des Produkts unter diese Grenze, gilt es als außerhalb der Spezifikation und nicht mehr als sicher oder wirksam.
- Upper Spec: Der größte zulässige Wert der Zielgröße. Überschreitet der Messwert diese Grenze, gilt das Produkt ebenfalls als außerhalb der Spezifikation. Je nach Produkt verwenden Sie eine oder beide Spezifikationsgrenzen – mindestens eine von Lower Spec / Upper Spec muss eingegeben werden.
- Alpha for Pooling Batches: Steuert, ob Chargen getrennt analysiert oder zu einem Modell zusammengefasst (gepoolt) werden. Ein höherer Alpha-Wert (Standard 0.25) erschwert das Poolen von Chargen und liefert so eine konservativere und verlässlichere Haltbarkeitsschätzung. Der Standardwert 0.25 liegt bewusst über dem in Hypothesentests üblichen 0.05 – in Stabilitätsstudien ist es sicherer, Chargen getrennt zu halten, solange kein starker Nachweis vorliegt, dass sie sich gleich verhalten. Dieselben Tests entscheiden der Reihe nach: ob sich die Abbaurate (Steigung) zwischen den Chargen unterscheidet und, falls nicht, ob sich nur der Startwert (Achsenabschnitt) unterscheidet – ausgegeben wird das einfachste Modell, das die Daten noch angemessen beschreibt.
- Use One Spec Limit to Calculate Shelf Life: Manche Produkte verändern sich nur in eine Richtung – zum Beispiel nimmt der Wirkstoffgehalt im Zeitverlauf nur ab. In solchen Fällen ist für die Haltbarkeitsberechnung tatsächlich nur eine Spezifikationsgrenze (untere oder obere) relevant. Mit dieser Option setzt das Werkzeug die gesamte Irrtumswahrscheinlichkeit auf diese eine Grenze, statt sie auf beide Grenzen aufzuteilen, und liefert so eine genauere Schätzung. Ob die untere oder die obere Grenze relevant ist, bestimmt das Werkzeug automatisch aus der Richtung des angepassten Trends.
Behandlung der Charge
- Batch is: Legt fest, wie die Chargenvariable statistisch behandelt wird. "No batch factor" ignoriert die Charge und passt eine einzige gepoolte Regressionsgerade an. "Fixed factor" bedeutet, dass die Ergebnisse nur für die geprüften Chargen gelten – die Haltbarkeit wird aus genau diesen Chargen geschätzt (und als Minimum über die Chargen ausgegeben). "Random factor" behandelt die geprüften Chargen als Stichprobe aus einer größeren Grundgesamtheit künftiger Chargen und passt stattdessen ein gemischtes Modell an, sodass die Schätzung über die vorliegenden Chargen hinaus verallgemeinert wird. Fixed wird verwendet, wenn genau diese Chargen das zuzulassende Produkt repräsentieren.
- Storage condition: Die nominale Lagerbedingung der Studie: Room temperature (25°C/60%RH), Refrigerator (5°C ± 3°C), Freezer (−20°C ± 5°C) oder Below −20°C. Zusammen mit den Feldern zu signifikanten Veränderungen unten steuert sie, wie weit die berechnete Haltbarkeit über den längsten tatsächlich geprüften Zeitpunkt hinaus extrapoliert werden darf (ICH Q1E Appendix A).
Regulatorischer Kontext nach ICH Q1E
- Significant change at accelerated condition: Erfasst, ob unter beschleunigter Lagerbedingung eine signifikante Veränderung beobachtet wurde und, falls ja, wie früh (innerhalb von 3 Monaten oder zwischen 3 und 6 Monaten). Dies ist eine zentrale Eingabe für den Entscheidungsbaum zur Extrapolation nach ICH Q1E: Trat die signifikante Veränderung unter beschleunigter Bedingung früh auf, ist wenig oder keine Extrapolation über die beobachteten Langzeitdaten hinaus zulässig.
- Significant change at intermediate condition: Erfasst, ob unter einer intermediären Lagerbedingung eine signifikante Veränderung beobachtet wurde (verwendet, wenn die beschleunigten Daten eine Veränderung zeigen). Keine signifikante Veränderung unter intermediärer Bedingung kann auch dann noch eine begrenzte Extrapolation erlauben, wenn die beschleunigte Bedingung eine Veränderung zeigte.
- Relevant supporting data available: Aktivieren Sie dies, wenn Sie unterstützende Daten aus Entwicklungschargen, verwandten Formulierungen oder Studien in kleinerem Maßstab haben. Zusammen mit einer durchgeführten formalen statistischen Analyse erlaubt dies nach ICH Q1E eine etwas höhere Extrapolationsgrenze.
- Proposed shelf life (B.2.1 check): Haben Sie bereits eine Ziel-Haltbarkeit im Blick, geben Sie sie hier ein. Gemäß ICH Q1E Abschnitt B.2.1 prüft das Werkzeug – vor den Poolbarkeitstests der Chargen –, ob die Daten jeder einzelnen Charge diese vorgeschlagene Haltbarkeit bereits für sich allein stützen. Ist das für alle Chargen der Fall, wird dies als unterstützender Nachweis ausgegeben, dass eine formale Poolbarkeitsprüfung zur Begründung der vorgeschlagenen Haltbarkeit nicht zwingend erforderlich ist.
Versuchsplan (Bracketing und Matrixing)
- Bracketing design (ICH Q1E App. C): Aktivieren Sie dies, wenn die Daten nur die Extremstufen eines Versuchsfaktors abdecken (z. B. niedrigste und höchste Stärke), nicht die dazwischenliegenden. Der Bericht enthält dann den Hinweis nach ICH Q1E Appendix C, dass die aus den Extremen abgeleitete Haltbarkeit auf die nicht geprüften Zwischenstufen übertragen wird, sofern die Extreme diese angemessen einschließen.
- Intermediate levels not tested: Eine kommagetrennte Liste der Stufen, die bei einem Bracketing-Versuchsplan nicht geprüft wurden, z. B. "100 mg, 200 mg" – dient ausschließlich der Dokumentation, für welche Stufen die Extrapolation im Bericht gilt.
- Matrixing design (ICH Q1E App. C): Aktivieren Sie dies, wenn nur ein Teil der vollständigen Matrix aus Chargen × Zeitpunkten tatsächlich geprüft wurde (reduzierter Prüfplan). Das Werkzeug gibt die geprüfte Abdeckung aus (wie viele der möglichen Kombinationen aus Charge und Zeitpunkt tatsächlich gemessen wurden), kennzeichnet jede Charge mit weniger als 3 verschiedenen Zeitpunkten oder ohne Ausgangsmessung (t = 0) und fügt den Hinweis nach ICH Q1E Appendix C hinzu, dass die Haltbarkeit für alle Kombinationen gilt, nicht nur für die geprüften.
- Matrixing scheme (optional): Eine kurze Freitextbeschreibung der angewandten Reduktion, z. B. "one-third reduction, staggered" – wird nur zu Dokumentationszwecken in den Bericht übernommen.
Konfidenz und Anteil der Grundgesamtheit
- Confidence Level: Ein Konfidenzintervall gibt einen Bereich an, in dem die wahre Haltbarkeit wahrscheinlich liegt. Der Standardwert 95 % bedeutet, dass Sie zu 95 % sicher sind, dass die tatsächliche Haltbarkeit im berechneten Bereich liegt. Standardmäßig ist 95 % eingestellt, weil dies der allgemein anerkannte Industrie- und Zulassungsstandard ist – vorsichtig genug, um Verbraucher zu schützen, und dennoch praktikabel für Hersteller. Ein niedrigerer Wert (z. B. 90 %) ergäbe eine längere Haltbarkeit bei geringerer Sicherheit; ein höherer Wert (z. B. 99 %) würde die geschätzte Haltbarkeit unnötig verkürzen.
- Percent of response within spec limits with specified confidence: Wählen Sie "50%", um die Haltbarkeit auf den Punkt zu stützen, an dem der Mittelwert der Zielgröße voraussichtlich die Spezifikationsgrenze schneidet (der übliche Minitab-/ICH-Ansatz für eine einzelne Gerade). Wählen Sie "Other percent", um stattdessen zu verlangen, dass ein angegebener Prozentsatz *einzelner* künftiger Ergebnisse – nicht nur der Mittelwert – innerhalb der Spezifikation bleibt; das ergibt eine kürzere, konservativere Haltbarkeit. Wird für Batch "Random factor" gewählt, wird dies automatisch auf "Other percent" mit 95 % umgestellt, da die Haltbarkeitsangabe bei zufälligen Chargen (im Stil eines Toleranzintervalls) üblicherweise auf der Überdeckung eines angegebenen Anteils der Grundgesamtheit statt nur des Mittelwerts beruht.
- Other percent: Der Prozentsatz einzelner künftiger Ergebnisse, der innerhalb der Spezifikation bleiben muss; nur verwendet, wenn oben "Other percent" gewählt ist (z. B. 95).
Box-Cox-Transformation
- Box-Cox type: Wendet vor der Regressionsanpassung eine Potenztransformation auf die Zielgröße an, die einen gekrümmten Abbautrend begradigen kann. "No transformation" verwendet die unveränderte Zielgröße. "Optimal λ" lässt das Werkzeug automatisch den am besten passenden Box-Cox-Exponenten suchen. "λ = 0 (natural log)" ist die bei einer Abbaukinetik erster Ordnung erwartete Transformation. "λ = 0.5 (square root)" ist eine schwächere Transformation. Mit "Custom λ" geben Sie einen bestimmten Exponenten ein. Zielgröße und eingegebene Spezifikationsgrenzen werden einheitlich transformiert, sodass die Haltbarkeitsberechnung gültig bleibt.
- λ (custom lambda): Der Exponent, der verwendet wird, wenn Box-Cox type auf "Custom λ" gesetzt ist. In diesem Fall Pflichtfeld.
Hinweis: Die Einstellung Degradation Kinetics (unten unter der Temperaturprojektion) sollte zu Ihrer Box-Cox-Auswahl passen – Kinetik nullter Ordnung gehört zu keiner Transformation, Kinetik erster Ordnung zu λ = 0. Eine Abweichung löst in den Ergebnissen eine Warnung "Kinetics / Transform Mismatch" aus.
Residuendiagnose
- Residuals type: Wählen Sie Regular-, Standardized- oder Deleted-Residuen für die unten aufgeführten Diagnosediagramme, wenn Batch auf "No batch factor" oder "Fixed factor" gesetzt ist.
- Residuals for plots (Random factor): Ist Batch auf "Random factor" gesetzt, ersetzt dies "Residuals type" und bietet marginale oder bedingte (Marginal/Conditional), reguläre oder standardisierte (Regular/Standardized) Residuen an, passend zur Terminologie gemischter Modelle.
- Histogram of residuals / Normal probability plot of residuals / Residuals versus fits / Residuals versus order: Einzelne Diagnosediagramme, die Sie unabhängig voneinander aktivieren können.
- Four in one: Zeigt alle vier Residuendiagramme zusammen in einem 2×2-Feld. Wird dies aktiviert, werden die vier einzelnen Diagramm-Kontrollkästchen oben automatisch deaktiviert (und umgekehrt), da es sich um sich gegenseitig ausschließende Ansichten derselben Residuen handelt.
Ergebnisanzeige
- Display results: Wählen Sie "Simple tables" oder "Enhanced tables" für den Detaillierungsgrad der Ausgabetabellen.
- Show Method / Show ANOVA / Show Model Summary / Show Coefficients / Show Regression Equation: Schalten Sie jeden dieser Ergebnisblöcke unabhängig ein oder aus – Method (eine allgemein verständliche Beschreibung des verwendeten Modells), ANOVA/Model Selection (die Ergebnisse der Pooling-Tests für Charge und Factor2), Model Summary (S, R-sq, R-sq(adj), R-sq(pred)), Coefficients und die angepasste(n) Regression Equation(s).
- Fits and diagnostics display: Zeigt Diagnosen "Only for unusual observations" (automatisch gekennzeichnete Ausreißer/Punkte mit hohem Hebelwert) oder für "All observations".
- Show shelf life / Show shelf life plot: Schaltet die Tabelle Shelf Life Estimation und das zugehörige Diagramm ein oder aus.
- Combined graph for all batches: Wählen Sie "No combined graph", ein einziges kombiniertes Diagramm für alle Chargen oder kombinierte Diagramme mit jeweils 4 Chargen. Nur auswählbar, wenn Batch is auf "Fixed factor" gesetzt ist – bei "No batch factor" und "Random factor" ist es deaktiviert, da diese keine mehreren Geraden je Charge zum Kombinieren erzeugen.
- Graphs for individual batches: Wählen Sie "No graphs for individual batches" oder "Graphs for individual batches" (ein kleines Teildiagramm je Charge). Ebenfalls nur im Chargenmodus "Fixed factor" sinnvoll und aktiviert.
Vorhersage
- Prediction: Aktivieren Sie dies, um in den Ergebnissen ein interaktives Vorhersagefeld einzublenden. Nach Ausführung von Calculate erscheint ein kleines bearbeitbares Raster, in das Sie einen Wert für Time (und eine Batch, falls die Charge im Modell ist) eingeben und auf Predict klicken, um die angepasste Zielgröße, ihren Standardfehler und ein Konfidenzintervall zu diesem Zeitpunkt zu erhalten – ohne die gesamte Analyse erneut auszuführen. Mit "+ Row" fügen Sie weitere Zeilen hinzu, um für mehrere Zeitpunkte gleichzeitig vorherzusagen.
Temperaturprojektion (Kinetik)
- Temperature projection model: None deaktiviert die Temperaturprojektion. "Arrhenius" projiziert die Haltbarkeit mithilfe der Arrhenius-Gleichung und einer Aktivierungsenergie (Ea) auf andere Temperaturen – die strengere, physikalisch fundierte Option, die automatisch verwendet wird, wenn Sie eine Temperaturspalte angeben. "Q10" verwendet die einfachere Faustregel, dass sich die Reaktionsgeschwindigkeit bei jeder Temperaturänderung um 10°C um einen festen Faktor (Standard 2) vervielfacht.
- Degradation kinetics model: Zero-order (Konzentration nimmt linear mit der Zeit ab) oder First-order (Konzentration nimmt exponentiell ab, d. h. der Logarithmus der Konzentration verläuft linear mit der Zeit). Dies steuert, wie die Geschwindigkeitskonstante k aus Ihren Daten je Temperatur abgeleitet wird, wenn Arrhenius mit einer Temperaturspalte verwendet wird; halten Sie dies konsistent mit Ihrer Box-Cox-Auswahl (siehe oben), sonst erscheint eine Warnung zur Abweichung.
- Reference temperature (°C): Die Lagertemperatur, von der aus die berechnete Haltbarkeit projiziert wird – normalerweise Ihre primäre Langzeit-Lagerbedingung (z. B. 25°C).
- Activation energy (kJ/mol): Die Arrhenius-Aktivierungsenergie für die Projektion, wenn Sie sie manuell eingeben (d. h. keine Temperaturspalte angegeben). Deaktiviert und ausgegraut, sobald eine Temperaturspalte ausgewählt ist, da Ea dann automatisch aus Ihren Daten mit mehreren Temperaturen abgeleitet wird.
- Q10 factor: Der Vervielfachungsfaktor der Reaktionsgeschwindigkeit je 10°C, den das Q10-Modell verwendet (Standard 2.0).
- Target temperatures (°C, comma-separated): Die Liste der Temperaturen, auf die die Haltbarkeit projiziert werden soll, z. B. "5, 25, 30, 40, 50". Bleibt das Feld leer, wird standardmäßig genau diese Liste verwendet.
Overage
- Overage: Aktivieren Sie dies, um in den Ergebnissen das Feld Overage Calculation einzublenden – die zusätzliche Wirkstoffmenge, die bei der Herstellung über den deklarierten Gehalt hinaus zuzugeben ist, damit das Produkt am Ende einer Ziel-Haltbarkeit voraussichtlich noch innerhalb der unteren Spezifikation liegt. Nur verfügbar für ein Produkt mit Abbau (negative angepasste Steigung) und eingegebener Lower Spec; andernfalls meldet das Werkzeug, dass Overage nicht anwendbar ist. Nach Ausführung von Calculate können Sie in einem bearbeitbaren Raster je Zeile einen Label Claim (Standard 100) und eine Target Shelf Life (standardmäßig die kürzeste berechnete Haltbarkeit) eingeben und auf Calculate klicken, um Required Initial, Overage Amount und das erforderliche Overage % zu erhalten.
Ausgabe lesen
Nach dem Klick auf Calculate wird das Output-Feld oberhalb von Data Pane/Optionen in folgender Reihenfolge gefüllt: die Tabellen Factor Information und Method (falls aktiviert), die Tabelle Model Selection/ANOVA, die zeigt, welche Terme für Charge und Nicht-Chargen-Faktor gepoolt oder beibehalten wurden, Model Summary und Coefficients, die angepasste(n) Regression Equation(s), die Tabelle Fits and Diagnostics für ungewöhnliche Beobachtungen, eine etwaige ICH Q1E Extrapolation Warning und das vollständige Feld ICH Q1E Extrapolation Assessment, die Tabelle Shelf Life Estimation mit Diagramm(en) und – wenn eine Temperaturspalte oder manuelle Kinetikparameter angegeben wurden – Arrhenius Fit Data, Arrhenius Parameters, ein Arrhenius-Diagramm sowie die Tabelle Shelf Life Projection mit der projizierten Haltbarkeit (mit Konfidenzgrenzen, wenn Ea aus den Daten abgeleitet wurde) für jede Zieltemperatur. Aktivierte Residuendiagramme erscheinen am Ende.
Wenn Sie Prediction und/oder Overage aktiviert haben, werden deren interaktive Felder nach den Ergebnistabellen angefügt – zur Verwendung siehe die Beschreibungen der Felder Prediction und Overage oben. Beide Felder beruhen auf dem soeben angepassten Modell, das für Ihre aktuelle Sitzung zwischengespeichert wird; sie funktionieren daher nicht mehr ("Session expired"), wenn Sie die Seite längere Zeit verlassen oder Ihre Sitzung zurückgesetzt wird. Klicken Sie dann einfach erneut auf Calculate, um sie zu aktualisieren.
Mit der Schaltfläche Download as PDF unten im Output-Feld exportieren Sie alles, was gerade angezeigt wird – alle oben gezeigten Tabellen und Diagramme –, als PDF-Bericht. Der Export entspricht genau dem, was zum Zeitpunkt des Klicks angezeigt wird; klicken Sie daher zuerst erneut auf Calculate, wenn Sie seit dem letzten Lauf Optionen geändert haben.
Häufig gestellte Fragen
Was ist eine Stabilitätsstudie nach ICH Q1E?
Sie schätzt die Haltbarkeit eines Arzneimittels oder eines anderen regulierten Produkts, indem eine Regression einer messbaren Zielgröße wie Wirkstoffgehalt, Konzentration, pH-Wert oder Feuchte gegen die Zeit angepasst und ermittelt wird, wann die Zielgröße voraussichtlich eine Spezifikationsgrenze schneidet. Das erweiterte Werkzeug ergänzt die für eine Zulassungseinreichung benötigten ICH-Q1E-Funktionen, etwa Chargen-Poolbarkeit und Extrapolationsbewertung.
Warum beträgt Alpha für das Poolen von Chargen 0.25 statt 0.05?
Der ICH-Q1E-Standardwert von 0.25 liegt bewusst über dem üblichen 0.05, damit es schwerer ist, das Zusammenfassen von Chargen zu begründen; so bleibt die Haltbarkeitsschätzung konservativ. Die Tests entscheiden, ob sich die Steigungen zwischen den Chargen unterscheiden und, falls nicht, ob sich nur die Achsenabschnitte unterscheiden; ausgegeben wird das einfachste Modell, das die Daten noch angemessen beschreibt.
Wann sollte man die Advanced Stability Study statt der einfachen Stability Study verwenden?
Verwenden Sie das erweiterte Werkzeug, wenn die Studie die Dokumentationsanforderungen von ICH Q1E erfüllen muss, mehr als eine Lagertemperatur umfasst, Bracketing oder Matrixing verwendet oder eine Overage-Empfehlung benötigt. Für eine schnelle Haltbarkeitsschätzung aus Zeit-, Zielgrößen- und Chargendaten ohne diese Anforderungen nutzt das einfachere Werkzeug Stability Study denselben Kern aus Regression und Pooling.
Wie führt man eine Advanced Stability Study in Zometric Statistical Software durch?
Wählen Sie Statistical Tool > Regression > Advanced Stability Study und fügen Sie die Daten ein, laden Sie sie oder geben Sie sie ein. Wählen Sie die Spalten Response, Time und Batch, geben Sie eine Lower oder Upper Spec ein, legen Sie fest, wie die Charge behandelt wird, und setzen Sie optional Temperaturprojektion, Box-Cox und Overage. Klicken Sie auf Calculate, um Haltbarkeitstabelle, Pooling-Ergebnisse, Diagramme und Projektionen zu erhalten.
