Étude de stabilité

Une étude de stabilité est une analyse statistique qui détermine combien de temps un produit reste conforme à ses spécifications de qualité définies au cours du temps. Elle modélise la relation entre le temps et une variable de réponse mesurable pour estimer la durée de conservation du produit — le moment où la réponse devrait dépasser les limites acceptables.

Dernière révision

Point clé

Une étude de stabilité est une analyse statistique qui détermine combien de temps un produit reste conforme à ses spécifications de qualité définies au cours du temps.

Sur cette page
  1. Qu'est-ce qu'une étude de stabilité ?
  2. Quand utiliser une étude de stabilité ?
  3. Recommandations pour bien utiliser l'étude de stabilité
  4. Alternatives : quand ne pas utiliser l'étude de stabilité
  5. Exemple d'étude de stabilité
  6. Comment réaliser une étude de stabilité

Qu'est-ce qu'une étude de stabilité ?

Une étude de stabilité est une analyse statistique qui détermine combien de temps un produit reste conforme à ses spécifications de qualité définies au cours du temps. Elle modélise la relation entre le temps et une variable de réponse mesurable pour estimer la durée de conservation du produit — le moment où la réponse devrait dépasser les limites acceptables.
Dans Zometric, l'outil Stability Study ajuste un modèle de régression à des données temporelles, avec la possibilité d'inclure un facteur lot, et calcule le moment où le produit devrait sortir de ses limites de spécification.

Quand utiliser une étude de stabilité ?

Données requises
• Le jeu de données doit comporter une variable de temps comme prédicteur principal — c'est elle qui pilote l'analyse.
• Un facteur lot facultatif peut être inclus pour tenir compte des différences entre lots de production ; ce facteur peut être traité comme fixe ou aléatoire selon la conception de l'étude.
• La variable de réponse doit être continue, par exemple l'activité, la concentration, le pH ou la masse.

Recommandations de collecte des données
• Assurez-vous que les données représentent fidèlement la population ou le produit étudié — des données incomplètes ou biaisées conduisent à des estimations de durée de conservation peu fiables.
• Recueillez suffisamment de points de données sur plusieurs intervalles de temps pour obtenir la précision nécessaire à des prédictions exactes.
• Mesurez toutes les variables aussi exactement et précisément que possible — les erreurs de mesure affectent directement la qualité du modèle.
• Enregistrez les données dans l'ordre où elles sont collectées pour préserver la structure temporelle de l'analyse.

Ajustement du modèle
• Le modèle doit bien s'ajuster aux données — un modèle mal ajusté produira des estimations de durée de conservation trompeuses.
• Après l'ajustement, examinez les graphiques des résidus, les statistiques de diagnostic des observations inhabituelles et les statistiques récapitulatives du modèle pour confirmer que le modèle représente correctement les données.

Recommandations pour bien utiliser l'étude de stabilité

• Utilisez une variable de réponse continue comme l'activité, la concentration ou la teneur en humidité ; les réponses catégorielles ne conviennent pas à cette analyse.
• Incluez toujours une variable de temps comme prédicteur — toute l'analyse repose sur le suivi de l'évolution dans le temps.
• Incluez un facteur lot lorsque plusieurs lots de production sont étudiés, afin de capturer la variabilité entre lots dans l'estimation de la durée de conservation.
• Décidez si le facteur lot doit être traité comme fixe (lots précis d'intérêt) ou aléatoire (lots représentatifs d'une population plus large) selon l'objectif de l'étude.
• Recueillez des données qui représentent réellement la population ou le produit cible — des données issues de conditions non représentatives donneront des prédictions de durée de conservation inexactes.
• Rassemblez assez de points de données sur des intervalles de temps suffisants pour obtenir des estimations statistiquement fiables et réduire l'incertitude des prédictions.
• Mesurez toutes les variables avec une précision maximale — même de petites erreurs de mesure peuvent décaler sensiblement la durée de conservation estimée.
• Enregistrez les observations dans l'ordre où elles sont collectées pour préserver l'intégrité de la structure de série chronologique.
• Après l'ajustement du modèle, validez-le toujours à l'aide de graphiques des résidus et de statistiques récapitulatives avant de tirer des conclusions ou de rapporter la durée de conservation.
• Un mauvais ajustement du modèle est un signal pour reconsidérer la structure du modèle, rechercher des valeurs aberrantes ou réexaminer les données avant de poursuivre.

Alternatives : quand ne pas utiliser l'étude de stabilité

• S'il n'y a pas de variable de temps dans les données, utilisez plutôt Fit Regression Model pour analyser la relation entre d'autres prédicteurs continus et la réponse.
• Si l'objectif est de prédire une réponse à partir de plusieurs prédicteurs autres que le temps, utilisez Fit Regression Model pour une analyse à plusieurs variables.
• Si la variable de réponse a deux catégories, comme conforme ou non conforme, utilisez plutôt Fit Binary Logistic Model.
• Si la variable de réponse contient trois catégories ordonnées ou plus, comme faible, moyen ou élevé, utilisez plutôt Ordinal Logistic Regression.
• Si la variable de réponse contient trois catégories non ordonnées ou plus, comme rayure, bosse ou déchirure, utilisez plutôt Nominal Logistic Regression.

Exemple d'étude de stabilité

L'ingénieur qualité d'une société pharmaceutique veut déterminer pendant combien de temps des comprimés contenant un nouveau médicament restent efficaces. La concentration du médicament dans les comprimés diminue progressivement au cours du temps ; l'ingénieur cherche donc à identifier le moment où elle atteint 90% de son activité initiale. Le médicament étant nouveau, la société ne dispose que de cinq lots pilotes pour estimer la durée de conservation. L'ingénieur teste donc un comprimé de chaque lot à neuf intervalles distincts. En utilisant une étude de stabilité pour estimer la durée de conservation, l'ingénieur traite chaque lot comme un facteur fixe, car tous les lots sont échantillonnés systématiquement. Saisissez 90 dans LSL. Les étapes suivantes :

  1. Rassemblement des données nécessaires.
Stability Study — figure 1
  1. Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2. Pour trouver stability study, choisissez Statistical module> Regression>Stability Study.
  3. Dans l'outil, saisissez les données ainsi que les autres entrées comme suit :
Stability Study — figure 2

5. Après avoir utilisé l'outil mentionné ci-dessus, vous obtenez les résultats suivants :

Stability Study — figure 3Stability Study — figure 4Stability Study — figure 5

Comment réaliser une étude de stabilité

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Regression > Stability Study.
  3. Ensuite, mettez à jour les données manuellement, ou copiez-les (Ctrl+C) depuis une feuille Excel ou collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
  4. Ensuite, vous devez renseigner les options requises.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de Stability Study, la fenêtre est divisée en deux parties.

Stability Study — figure 6

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.

Load example : des données d'exemple sont chargées.

Load File: permet de charger directement les données Excel.

Dans la partie droite, de nombreuses options sont proposées :

  • Response: la mesure que vous suivez dans le temps, comme l'activité, le pH ou la teneur en humidité. C'est la variable testée pour vérifier si le produit reste dans les limites acceptables pendant toute sa durée de conservation.
  • Time: les instants auxquels chaque mesure a été enregistrée (p. ex. 0, 3, 6, 12 mois). L'outil utilise cette variable pour modéliser l'évolution de la réponse pendant la période de stockage.
  • Batch: le lot de production précis auquel appartient chaque échantillon. Inclure le lot permet de détecter si des lots différents se dégradent à des vitesses différentes, ce qui affecte directement l'estimation de la durée de conservation.
  • Lower Spec: la valeur minimale acceptable de la réponse. Si la mesure du produit passe sous cette limite, il est considéré comme hors spécification et n'est plus sûr ni efficace pour l'usage.
  • Upper Spec: la valeur maximale acceptable de la réponse. Si la mesure dépasse cette limite, le produit est de nouveau considéré comme hors spécification. Selon le produit, vous pouvez utiliser l'une des limites de spécification ou les deux.
  • Alpha for Pooling Batches : détermine si les lots sont analysés séparément ou combinés (regroupés) dans un seul modèle. Une valeur alpha plus élevée (0.25) facilite le regroupement des lots, ce qui donne une estimation de la durée de conservation plus prudente et plus fiable. La valeur par défaut de 0.25 est volontairement supérieure au 0.05 habituel des tests d'hypothèse, car dans les études de stabilité, il est plus sûr de garder les lots séparés, sauf preuve solide qu'ils se comportent de la même façon.
  • Use One Spec Limit to Calculate Shelf Life: certains produits ne se dégradent que dans un sens — par exemple, l'activité ne fait que diminuer avec le temps. Dans ce cas, une seule limite de spécification (inférieure ou supérieure) est pertinente. Activer cette option indique à l'outil de calculer la durée de conservation à partir de cette seule limite plutôt que des deux, ce qui donne une estimation plus exacte et plus appropriée.
  • Batch is  : définit comment la variable lot est traitée statistiquement. Lorsqu'elle est définie comme Fixed Factor, les résultats ne s'appliquent qu'aux lots précis testés — la durée de conservation est estimée à partir de ces lots exacts. Si elle est définie comme aléatoire, les résultats sont généralisés à tous les lots futurs possibles. Fixed est utilisé lorsque ces lots précis représentent le produit.
  • Confidence Interval  : un intervalle de confiance donne une plage dans laquelle la véritable durée de conservation a des chances de se situer. La valeur par défaut de 95% signifie que vous avez 95% de confiance que la durée de conservation réelle se trouve dans la plage calculée. Elle est fixée à 95% par défaut parce que c'est la norme largement acceptée par l'industrie et les autorités de réglementation — elle équilibre une prudence suffisante pour protéger les consommateurs et un caractère pratique pour les fabricants. Une valeur plus faible (p. ex. 90%) donnerait une durée de conservation plus longue mais moins de certitude ; une valeur plus élevée (p. ex. 99%) raccourcirait inutilement la durée de conservation estimée.

Questions fréquentes

Qu'est-ce qu'une étude de stabilité ?

Une étude de stabilité est une analyse statistique qui détermine combien de temps un produit reste conforme à ses spécifications de qualité au cours du temps. Elle ajuste un modèle de régression d'une réponse mesurable, comme l'activité, en fonction du temps, éventuellement avec un facteur lot, et estime la durée de conservation comme le moment où la réponse devrait dépasser ses limites de spécification.

De quelles données avez-vous besoin pour une étude de stabilité ?

Il faut une variable de temps comme prédicteur principal et une réponse continue comme l'activité, la concentration, le pH ou la masse. Un facteur lot peut être ajouté pour tenir compte des différences entre lots de production. Recueillez assez de points de données sur plusieurs intervalles de temps, mesurez avec exactitude et enregistrez les données dans l'ordre où elles sont collectées.

Le lot doit-il être un facteur fixe ou aléatoire ?

Traitez le lot comme un facteur fixe lorsque les lots précis testés présentent un intérêt et représentent le produit ; la durée de conservation s'applique alors à ces lots. Traitez-le comme aléatoire lorsque les lots représentent une population plus large, de sorte que les résultats sont généralisés à tous les lots futurs possibles.

Pourquoi l'alpha de regroupement des lots vaut-il 0.25 ?

Alpha for Pooling Batches détermine si les lots sont analysés séparément ou combinés dans un seul modèle. La valeur par défaut de 0.25 est volontairement supérieure au 0.05 habituel des tests d'hypothèse, car dans les études de stabilité, il est plus sûr de garder les lots séparés, sauf preuve solide qu'ils se comportent de la même façon.