Spis treści
- Podsumowanie
- Wspólny fundament — Arrhenius
- Klasyczny Arrhenius i MKT
- ASAP — Arrhenius z korektą na wilgotność
- AccelStab — kinetyka Šesták–Berggren
- Synlogica Terminus Quality — probabilistyczne decydowanie o odchyleniach
- Porównanie bezpośrednie
- Założenia i tryby awarii
- Który model, kiedy
- Bibliografia
- Wnioski
1. Podsumowanie
Cztery rodziny modeli dominują w pracach nad badaniami przyspieszonymi i predykcyjnymi stabilności w farmacji: klasyczne równanie Arrheniusa, Arrhenius z korektą na wilgotność stosowany w Accelerated Stability Assessment Program (ASAP), podejście kinetyczne Šesták–Berggren zaimplementowane w open-source'owym pakiecie R AccelStab oraz probabilistyczne podejście Arrhenius + Monte Carlo, którego Synlogica Terminus Quality używa do decydowania o odchyleniach.
Często omawia się je jako konkurentów. Nimi nie są. Trzy z nich (Arrhenius, ASAP, AccelStab) odpowiadają na pytanie rozwojowe — „jaki okres ważności mogę zadeklarować na podstawie krótkiego, obciążającego badania?" — podczas gdy Synlogica odpowiada na pytanie operacyjne — „mając już scharakteryzowaną kinetykę tego produktu i ten rzeczywisty zapis loggera, czy ta seria nadaje się do zwolnienia i z jaką pewnością?" Niniejszy dokument przedstawia wprost równania i założenia każdego z modeli, porównuje je i pokazuje, gdzie każdy z nich ma swoje miejsce.
2. Wspólny fundament — Arrhenius
Wszystkie cztery podejścia dziedziczą Arrheniusowską zależność stałej szybkości degradacji k od temperatury:
A = czynnik przedwykładniczy · Ea = energia aktywacji (≈60–120 kJ/mol dla małych cząsteczek)
R = 8.314 J/(mol·K) · T = temperatura bezwzględna (K)
To, co dodają ponad to bazowe równanie — człon wilgotnościowy, nieliniową postać degradacji, model niepewności — jest dokładnie tym, co je różni.
3. Klasyczny Arrhenius i MKT
Tradycyjne podejście dopasowuje k w kilku podwyższonych temperaturach, ekstrapoluje do warunku przechowywania i podaje pojedynczy okres ważności. Dla ekspozycji nieizotermicznej (np. odchylenia w dystrybucji) jest ono często sprowadzane do średniej temperatury kinetycznej (MKT):
Założenia: jedna dominująca, limitująca szybkość reakcja degradacji; Ea stała w całym zakresie temperatur; prosta kinetyka (zerowego lub pierwszego rzędu); wilgotność albo nieistotna, albo utrzymywana na stałym poziomie; temperatura czujnika równa temperaturze produktu.
Ograniczenia: daje punktowe oszacowanie, które ukrywa niepewność w Ea, w kalibracji czujnika oraz w niejednorodności przestrzennej; MKT odrzuca kształt odchylenia; brak członu wilgotnościowego; zawodzi, gdy mechanizm degradacji zmienia się wraz z temperaturą.
4. ASAP — Arrhenius z korektą na wilgotność
Accelerated Stability Assessment Program (Waterman i in.) rozszerza Arrheniusa o jawny, log-liniowy człon wilgotnościowy i wykorzystuje projekt izokonwersyjny: produkty są przetrzymywane w kilku kombinacjach temperatury/wilgotności względnej przez dni do tygodni, mierzy się czas do osiągnięcia ustalonego poziomu degradacji i dopasowuje:
RH = wilgotność względna (%) · B = współczynnik wrażliwości na wilgotność
Okres ważności i jego przedział ufności są następnie propagowane symulacją Monte Carlo po dopasowanych parametrach. ASAP stanowi podstawę komercyjnych narzędzi Accelerated Predictive Stability (APS) i jest szeroko stosowany w dokumentacjach QbD.
Założenia: pojedynczy izokonwersyjny punkt końcowy degradacji; log-liniowa zależność od wilgotności; równowaga wilgotnościowa z opakowaniem (otwartym lub zdefiniowanym); zachowanie Arrheniusowskie w całym zakresie obciążenia; znany limit specyfikacji definiujący „awarię".
Ograniczenia: wymaga projektu badania z kontrolowaną wilgotnością; log-liniowy człon RH jest empirycznym przybliżeniem; ujęcie izokonwersyjne zakłada, że ścieżka degradacji nie zmienia się pomiędzy warunkami.
5. AccelStab — kinetyka Šesták–Berggren
AccelStab to open-source'owy pakiet R (CRAN; AccelStab na GitHub), który łączy Arrheniusowski człon temperaturowy z funkcją modelu reakcji Šesták–Berggren, dając elastyczne, zamknięte analitycznie nieliniowe dopasowanie do całej krzywej degradacji zamiast pojedynczego punktu izokonwersyjnego:
α = frakcja zdegradowana · m, n = empiryczne wykładniki modelu reakcji
Ekstrapoluje degradację zarówno w czasie, jak i temperaturze oraz kwantyfikuje niepewność za pomocą bootstrapu parametrycznego (parametry kinetyczne losowane z wielowymiarowego rozkładu t) i/lub analitycznej metody delta — dając przedziały ufności i predykcji na przewidywanej krzywej.
Założenia: postać Šesták–Berggren oddaje rzeczywisty kształt degradacji; Arrheniusowska zależność od temperatury; oszacowania parametrów są w przybliżeniu wielowymiarowo-t; tam, gdzie wilgotność ma znaczenie, można dodać Arrheniusowski człon zmodyfikowany o wilgotność.
Ograniczenia: więcej parametrów (m, n) wymaga więcej/czystszych danych do identyfikacji; nadal jest to narzędzie do badań rozwojowych, a nie silnik decyzyjny per wysyłka; open-source — stan walidacji jest odpowiedzialnością użytkownika.
6. Synlogica Terminus Quality — probabilistyczne decydowanie o odchyleniach
Terminus Quality nie próbuje ustalić okresu ważności na podstawie obciążającego badania. Bierze już scharakteryzowaną kinetykę Arrheniusa produktu (Ea, A oraz ich niepewność, z badania rozwojowego ICH Q1A) i stosuje ją do rzeczywistego, nieizotermicznego zapisu loggera z faktycznego zdarzenia dystrybucyjnego, aby odpowiedzieć na pytanie o zwolnienie:
z Ea, A, błędem czujnika i zmiennością przestrzenną propagowanymi metodą Monte Carlo
→ rozkład pozostałego okresu ważności, a nie oszacowanie punktowe
Tam, gdzie degradacja jest nieliniowa, Terminus dopasowuje ten sam model reakcji Šesták–Berggren stosowany przez AccelStab (dα/dt = k·f(α)) metodą nieliniowych najmniejszych kwadratów i podaje przedziały ufności oraz predykcji za pomocą bootstrapu parametrycznego (parametry kinetyczne losowane z wielowymiarowego rozkładu t) i metody delta — obok propagacji Monte-Carlo dla Ea, A, kalibracji czujnika i niepewności przestrzennej. Silnik obejmuje zatem zarówno prosty przypadek całkowanego Arrheniusa, jak i pełny przypadek kinetyczny Šesták–Berggren, wybierając per produkt.
Wynikiem jest rekomendacja ważona prawdopodobieństwem — RELEASE / CONDITIONAL / HOLD z podanym przedziałem ufności — spakowana wraz z każdym wejściem, wersją modelu i założeniem na potrzeby audytu. Wiążącą decyzję podejmuje człowiek (QA / QP).
Założenia: parametry Arrheniusa z etapu rozwoju są ważne i przypięte do wersji; zapis loggera, po kalibracji i przesianiu luk, reprezentuje produkt w podanych granicach przestrzennych; istotną wielkością jest skumulowana ekspozycja (całka). Wilgotność jest uwzględniana tam, gdzie dane stabilnościowe produktu wspierają człon wilgotnościowy.
Czym nie jest: nie jest zamiennikiem ASAP/AccelStab w rozwoju i z założenia ma charakter doradczy — nie podpisuje decyzji o losie serii.
7. Porównanie bezpośrednie
| Wymiar | Klasyczny Arrhenius / MKT | ASAP | AccelStab | Synlogica Terminus Quality |
|---|---|---|---|---|
| Pytanie, na które odpowiada | Deklaracja okresu ważności | Deklaracja okresu ważności (szybka) | Krzywa degradacji + okres ważności | Czy ta seria nadaje się do zwolnienia? |
| Model temperatury | Arrhenius | Arrhenius | Arrhenius | Arrhenius |
| Wilgotność | Nie | Tak (log-liniowo, B·RH) | Opcjonalnie | Opcjonalnie (jeśli scharakteryzowana) |
| Postać degradacji | Zerowy/pierwszy rząd | Punkt izokonwersyjny | Šesták–Berggren f(α) | Całkowany profil + Šesták–Berggren |
| Niepewność | Zazwyczaj brak | Monte Carlo | Bootstrap (mv-t) / delta | Monte-Carlo + bootstrap (mv-t) / delta |
| Dane wejściowe | Badanie wielotemperaturowe | Badanie obciążające T×RH | Badanie obciążające | Kinetyka produktu + rzeczywisty zapis loggera |
| Etap | Rozwój | Rozwój | Rozwój | Dystrybucja / zwolnienie |
| Wynik | Punktowy okres ważności | Okres ważności + CI | Krzywa + CI/PI | RELEASE/CONDITIONAL/HOLD + CI + pakiet decyzyjny |
8. Założenia i tryby awarii, które dzielą
Każdy z opisanych tu modeli wprowadzi w błąd, jeśli jego założenia zostaną naruszone. Wspólne tryby awarii:
- Zmiana mechanizmu — jeśli limitująca szybkość ścieżka degradacji zmienia się pomiędzy warunkami obciążenia a warunkami przechowywania, ekstrapolacja Arrheniusa (i wszystko, co na niej zbudowano) jest nieważna.
- Pominięta niepewność Ea — błąd ±15% w energii aktywacji może przesunąć oszacowanie okresu ważności o miesiące; oszacowania punktowe to ukrywają.
- Czujnik ≠ produkt — błąd kalibracji loggera i niejednorodność przestrzenna wewnątrz wysyłki oznaczają, że zmierzony profil nie jest dokładnie profilem produktu.
- Pominięta wilgotność dla produktów wrażliwych na wilgoć — zarówno klasyczny Arrhenius, jak i całkowanie ślepe na wilgotność zawyżają pewność.
9. Który model, kiedy
- Szybkie ustalenie zarejestrowanego okresu ważności, gdy wilgotność ma znaczenie: ASAP / APS.
- Modelowanie pełnej krzywej degradacji, w sposób otwarty i odtwarzalny: AccelStab (Šesták–Berggren).
- Szybkie wewnętrzne sprawdzenie zdrowego rozsądku: klasyczny Arrhenius / MKT — ze świadomością jego martwych punktów.
- Decyzja o zwolnieniu konkretnej wysyłki po odchyleniu: Synlogica Terminus Quality — wykorzystuje model rozwojowy i rzeczywisty zapis i zwraca audytowalną, ważoną prawdopodobieństwem rekomendację.
10. Bibliografia
- Waterman K.C. i in. — The Application of the Accelerated Stability Assessment Program (ASAP) to Quality by Design (QbD) for Drug Product Stability. AAPS PharmSciTech (PMC3167263).
- Humidity-corrected Arrhenius equation: the reference condition approach. Int. J. Pharmaceutics, 2016 (S0378517316300473).
- AccelStab: Accelerated Stability Kinetic Modelling — pakiet CRAN i winieta; źródło na github.com/AccelStab/AccelStab (Šesták–Berggren + Arrhenius; przedziały bootstrap parametryczny / metoda delta).
- ICH Q1A(R2) Stability Testing; ICH Q1E Evaluation of Stability Data.
11. Wnioski
- Wszystkie cztery metody dzielą Arrheniusowski rdzeń; różnią się obsługą wilgotności, postacią degradacji, metodą niepewności i przeznaczeniem.
- ASAP i AccelStab są narzędziami rozwojowymi do okresu ważności; Synlogica jest narzędziem operacyjnym do decydowania o zwolnieniu per seria — są komplementarne.
- Niezależnie od modelu, obronnym wynikiem jest rozkład z podanymi założeniami, a nie pojedyncza liczba — a dla zwolnienia: audytowalny pakiet decyzyjny, w którym to człowiek jest organem decyzyjnym.