穩定性研究
穩定性研究是一種統計分析,用於確定產品隨時間推移能在其規定的品質規格內保持多長時間。它對時間與可量測的反應變數之間的關係建模,以估計產品的貨架期,即預期反應超出可接受限值的時間點。
最後審閱
核心要點
穩定性研究是一種統計分析,用於確定產品隨時間推移能在其規定的品質規格內保持多長時間。
什麼是穩定性研究?
穩定性研究是一種統計分析,用於確定產品隨時間推移能在其規定的品質規格內保持多長時間。它對時間與可量測的反應變數之間的關係建模,以估計產品的貨架期,即預期反應超出可接受限值的時間點。
在 Zometric 中,Stability Study 工具對基於時間的資料配適迴歸模型,可選擇包含批次因子,並計算預測產品何時超出其規格界限。
何時使用穩定性研究?
資料要求
• 資料集必須包含時間變數作為主要預測變數,這是驅動分析的因素。
• 可選擇包含批次因子,以考慮各生產批次之間的差異;根據研究設計,該因子可作為固定因子或隨機因子處理。
• 反應變數必須是連續型的,例如效價、濃度、pH 值或重量。
資料收集指南
• 確保資料準確代表所關注的總體或產品,不完整或有偏的資料會導致貨架期估計不可靠。
• 在多個時間間隔上收集足夠的資料點,以提供準確預測所需的精度。
• 儘可能準確、精確地量測所有變數,量測誤差會直接影響模型的品質。
• 按收集順序記錄資料,以保留分析基於時間的結構。
模型配適
• 模型必須對資料配適良好,配適不佳的模型會產生具有誤導性的貨架期估計。
• 配適之後,應檢視殘差圖、異常觀測值的診斷統計量以及模型彙總統計量,以確認模型準確地代表了資料。
正確使用穩定性研究的指南
• 使用連續型反應變數,如效價、濃度或水分含量;分類反應不適合此分析。
• 始終包含時間變數作為預測變數,整個分析都圍繞追蹤隨時間的變化而構建。
• 研究多個生產批次時,應包含批次因子,以便在貨架期估計中體現批次間的變異。
• 根據研究目標,確定將批次因子作為固定因子(所關注的特定批次)還是隨機因子(代表更大總體的批次)處理。
• 收集真正代表目標總體或產品的資料,來自非代表性條件的資料會得出不準確的貨架期預測。
• 在足夠多的時間間隔上收集足夠的資料點,以支援統計上可靠的估計並降低預測的不確定性。
• 以最高精度量測所有變數,即使很小的量測誤差也可能使估計的貨架期發生顯著變化。
• 按收集順序記錄觀測值,以保持時間序列結構的完整性。
• 配適模型之後,在得出任何結論或報告貨架期之前,務必使用殘差圖和模型彙總統計量對其進行驗證。
• 模型配適不佳是一個訊號,提示在繼續之前應重新考慮模型結構、檢查離群值或重新審視資料。
替代方法:何時不宜使用穩定性研究
• 如果資料中沒有時間變數,請改用 Fit Regression Model,分析其他連續預測變數與反應之間的關係。
• 如果目標是根據多個非時間預測變數預測反應,請使用 Fit Regression Model 進行多變數分析。
• 如果反應變數有兩個類別,如合格或不合格,請改用 Fit Binary Logistic Model。
• 如果反應變數包含三個或更多有序類別,如低、中或高,請改用 Ordinal Logistic Regression。
• 如果反應變數包含三個或更多無序類別,如劃痕、凹痕或撕裂,請改用 Nominal Logistic Regression。
穩定性研究範例
一家制藥公司的品質工程師希望確定含有新藥的藥片能保持有效多長時間。藥片中藥物的濃度隨時間逐漸降低,因此工程師要找出濃度降至初始效價 90% 的時間點。由於該藥物是新藥,公司只有五個試生產批次可用於估計貨架期。因此,工程師在九個不同的時間間隔上對每個批次的一粒藥片進行測試。工程師使用穩定性研究來估計貨架期,並將每個批次作為固定因子,因為所有批次都是系統抽樣的。在 LSL 中輸入 90。步驟如下:
- 收集所需資料。

- 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
- 要找到穩定性研究,請選擇 Statistical module> Regression>Stability Study。
- 在工具中輸入資料及其他輸入項,如下所示:

5. 使用上述工具後,得到如下輸出:



如何進行穩定性研究
操作步驟如下:
- 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
- 在首頁選擇 Statistical Tool> Regression > Stability Study。
- 接下來,手動更新資料,或從 Excel 表格中複製(Ctrl+C)資料並貼上(Ctrl+V);也可以使用 Load Example 選項載入範例資料。
- 接下來,需要填寫必要的選項。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
穩定性研究的工具介面分為兩部分。

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
Load example:將載入範例資料。
Load File: 用於直接載入 Excel 資料。
右側提供以下選項:
- Response: 隨時間追蹤的量測值,如效價、pH 值或水分含量。這是被檢驗的變數,用於判斷產品在整個貨架期內是否保持在可接受的限值之內。
- Time: 記錄每次量測的時間點(例如 0、3、6、12 個月)。工具使用該變數對反應在儲存期間如何變化建模。
- Batch: 每個樣本所屬的具體生產批次。包含批次可檢測不同批次的降解速率是否不同,這會直接影響貨架期的估計。
- Lower Spec: 反應的最低可接受值。如果產品的量測值低於該限值,則視為超出規格,不再安全或有效。
- Upper Spec: 反應的最高可接受值。如果量測值超出該限值,產品同樣視為超出規格。根據產品的不同,可以使用其中一個或兩個規格界限。
- Alpha for Pooling Batches : 控制各批次是分別分析還是合併(彙集)為一個模型。較高的 alpha 值(0.25)使批次更容易合併,從而得到更保守、更可靠的貨架期估計。預設值 0.25 有意高於假設檢定中常用的 0.05,因為在穩定性研究中,除非有強有力的證據表明各批次表現相同,否則保持批次分開更為穩妥。
- Use One Spec Limit to Calculate Shelf Life: 有些產品只朝一個方向降解,例如效價只會隨時間降低。在這種情況下,只有一個規格界限(下限或上限)有意義。啟用此選項後,工具將僅基於該單一界限而不是兩個界限來計算貨架期,從而得到更準確、更恰當的估計。
- Batch is : 定義批次變數在統計上如何處理。設為 Fixed Factor 時,結果僅適用於所測試的特定批次,即貨架期基於這些確切的批次估計。若設為 random,則結果推廣到所有可能的未來批次。當這些特定批次代表該產品時,使用 Fixed。
- Confidence Interval : 信賴區間給出真實貨架期可能落入的範圍。預設的 95% 表示有 95% 的把握認為實際貨架期位於計算出的範圍之內。預設設為 95% 是因為這是被廣泛接受的產業和監管標準,既足夠謹慎以保護消費者,又對製造商切實可行。較低的值(如 90%)會得到更長的貨架期,但確定性較低;較高的值(如 99%)則會不必要地縮短估計的貨架期。
常見問題
什麼是穩定性研究?
穩定性研究是一種統計分析,用於確定產品隨時間推移能在其品質規格內保持多長時間。它對可量測的反應(如效價)隨時間的變化配適迴歸模型,可選擇包含批次因子,並將貨架期估計為預期反應超出其規格界限的時間點。
穩定性研究需要哪些資料?
需要一個時間變數作為主要預測變數,以及一個連續型反應,如效價、濃度、pH 值或重量。可以新增批次因子,以考慮各生產批次之間的差異。在多個時間間隔上收集足夠的資料點,準確量測,並按收集順序記錄資料。
批次應作為固定因子還是隨機因子?
當所測試的特定批次是關注物件並代表該產品時,將批次作為固定因子處理;此時貨架期適用於這些批次。當這些批次代表更大的總體時,將其作為隨機因子處理,結果即推廣到所有可能的未來批次。
為什麼合併批次的 alpha 為 0.25?
合併批次的 alpha 控制各批次是分別分析還是合併為一個模型。預設值 0.25 有意高於假設檢定中常用的 0.05,因為在穩定性研究中,除非有強有力的證據表明各批次表現相同,否則保持批次分開更為穩妥。
