Área de Estadística, Investigación y Desarrollo


Área de Producción, Control y garantía de calidad, Tecnología e Ingeniería

Quimiometría y estadística aplicada al análisis multivariable de datos y al diseño de experimentos

10, 12, 17, 19 de marzo de 2020

Fechas

Primer día, bloque 1.

Segundo día, bloque 2.

Tercer día, bloque 3.

Cuarto día, bloque 4.

Coordinación

Manel Alcalà Bernàrdez. Profesor agregado de química analítica.

Presentación y objetivos

Las guías PAT de la FDA (2004), ICH Q8R2 (2009), el anexo 15 de las EUGMPs (2015) y el reciente capítulo general de la European Pharmacopoeia “Chemometric methods applied to analytical data” (5.21), expresan la necesidad de aplicación de análisis multivariable de datos y diseño de experimentos para la validación de nuevos procesos. Una mayor comprensión de productos y procesos es equivalente a un menor riesgo y una mayor garantía de calidad.

Comprender los fundamentos estadísticos del análisis multivariable de datos y el diseño de experimentos a un nivel suficiente para alcanzar una adecuada comprensión del proceso que haga factible la monitorización y control de procesos farmacéuticos.

Destinatarios

Responsables y técnicos de los departamentos de desarrollo galénico, analítico, control de calidad, fabricación y regulatorio.

Programa


Bloque 1:

Introducción al análisis mutivariable
Estadística descriptiva de datos multivariables.
Pretratamiento de datos multivariables (corrección línea base, suavizado, normalización, derivación, variable normal estándar, corrección de la señal de dispersión multiplicativa, corrección ortogonal de la señal, centrado y escalado y criterios de aplicación para filas y columnas).
Cálculos con matrices.
Ejemplos de aplicación en conjuntos de datos multiparamétricos y espectroscópicos.

 

Bloque 2:

Análisis cualitativo
Métodos de reconocimiento por pautas (Pattern recognition methods, PRM).
Concepto de similitud: correlación y distancia.
Métodos supervisados y no supervisados.
Análisis en componentes principales (Principal component analysis, PCA).
Definición e interpretación de scores y loadings.
Modelos de calibración y predicción basados en proyección PCA.
Desarrollo de criterios para la elección de pretratamientos previo al cálculo de PCA.
Detección patrones de comportamiento de datos multivariables, cálculo de errores, identificación de variables importantes y de muestras anómalas.
Ejemplos de aplicación en bibliotecas de identificación de materias primas mediante datos espectroscópicos, monitorización de procesos basado en datos multiparamétricos y espectroscópicos.

 

Bloque 3:

Análisis cuantitativo
Introducción a la regresión multivariable.
Regresión lineal multiple (Multiple linear regression, MLR).
Regresión en componentes principales (Principal component regression, PCR).
Regresión mínimos cuadrados parciales (Partial least squares, PLS).
Estudio comparativo de distintas técnicas de regresión multivariable.
Análisis y aplicación de las etapas para el desarrollo del modelo de calibración.
Estrategias para la preparación de muestras de calibración (laboratorio, proceso, planta piloto y espectro de proceso).
Selección de los conjuntos de calibración y predicción.
Errores de calibración y predicción.
Detección de variables/muestras anómalas y desarrollo de criterios para la mejora de modelos de calibración.
Ejemplos de aplicación en monitorización de procesos, estrategia PAT y conceptos de continuous process verification.

 

Bloque 4:

Diseño de experimentos (Design of experiments, DoE)
Clasificación y objetivos.
Diseños de screening.
Diseños de optimización y modelado.
Espacio de diseño en Quality by Design (QbD).
Conceptos de ICH Q8R2. Control process parameters (CPP), critical quality attributes (CQA).
Significación de los factores en la función respuesta.
Función de deseabilidad.
Ejemplos de aplicación en desarrollo de procesos basados en espacio de diseño, junto con monitorización de atributos críticos de calidad.

 

Ponentes
  • Manel Alcalà Bernàrdez. Profesor agregado de química analítica.