Universitat de Barcelona

Industria Farmacéutica. Programa General de Cursos de Especialización 2017. Formación Continua

Estadística, Investigación y Desarrollo

Quimiometría y Estadística Aplicada al Análisis Multivariable de Datos (MVDA Aplicado a PAT) y el Diseño de Experimentos (DoE Aplicado a QbD).

22, 24, 30 y 31 de mayo de 2018

Coordinación

Manel Alcalà Bernàrdez. Profesor Agregado de Química Analítica, UAB.

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.

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

Se tratarán casos reales y ejercicios prácticos mediante programas informáticos de cálculo quimiométrico.

Destinatarios

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

Programa

Bloque 1: Introducción al análisis multivariable

Día 22 de mayo, 15h - 19h

  • 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, criterios de aplicación para filas y columnas).
  • Cálculos con matrices.
  • Ejemplos de aplicación en conjuntos de datos multiparamétricos y espectroscópicos.

Bloque 2: Análisis cualitativo

Día 24 de mayo, 15h - 19h

  • Métodos de reconocimiento por pautas (pattern recognition methods, PRM).
  • Concepto de similaridad: 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

Día 30 de mayo, 15h - 19h

  • Introducción a la regresión multivariable.
  • Regresión lineal múltiple (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)

Día 31 de mayo, 15h - 19h

  • 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, UAB.