Die Methodenvalidierung ist ein Bestätigungsprozess für die anzuwendenden analytischen Methoden, um ihre Eignung für den beabsichtigten Gebrauch zu bewerten. Validierungsergebnisse werden verwendet, um die Qualität, Zuverlässigkeit und Konsistenz von analytischen Methoden zu beurteilen. Analytische Methodenvalidierung ist daher integraler Bestandteil einer jeder guten analytischen Praxis und eine zwingende Voraussetzung für jede Methode, die in einem pharmazeutischen QC-Labor oder assoziierten Auftragslaboren zur Anwendung kommen soll.

Als Faustregel gilt, dass analytische Methoden validiert oder revalidiert werden müssen

• vor ihrer Einführung in den Routineeinsatz für analytische Zwecke;
• für alle Änderungen der Methode nach ihrer Validierung (z.B. Änderung der Pufferzusammensetzung, Änderung des Geräteprofils); und
• für jede Änderung, die außerhalb des ursprünglichen Einsatzzwecks der Methode liegt.

Ist Ihnen jemals in den Sinn gekommen, was passieren würde, wenn die Bedingungen bei der Entwicklung einer analytischen Methode variieren würden? In diesem Artikel werden wir die gleiche Frage mit dem Parameter Robustheit (robustness) behandeln, der im Rahmen der Methodenvalidierung untersucht werden kann, wenn dies nicht schon früher geschehen ist.

Robustheit ist die Untersuchung einer analytischen Methode, bei der zuverlässige Ergebnisse erhalten werden, selbst wenn die Methode mit leichten Veränderungen durchgeführt wird. Es ist die Fähigkeit einer Methode, unbeeinträchtigt zu bleiben, wenn geringfügige Variationen angewendet werden. Ein allgemeineres Beispiel für diesen Parameter wäre es, sich vorzustellen, dass ein Fußballspieler unter bestimmten Bedingungen mit bestimmten Techniken Elfmeterschüsse übt. Nun wird derselbe Fußballspieler gebeten, die Schüsse mit einem anders dimensionierten Ball, einem kleineren Ziel, bei höherer Umgebungstemperatur oder mit verschiedenen Turnschuhen auszuführen. Wenn die Ergebnisse (statistisch) ähnlich sind, kann die Technik als robust bezeichnet werden.

In unserem heutigen Blog werden wir den Begriff Genauigkeit im Kontext der Methodenvalidierung sowie dessen Berechnung erläutern, seine Bedeutung hervorheben und darüber informieren, welche Anforderungen bestehen.

Unter der Genauigkeit (accuracy) einer analytischen Methode wird das Maß der Differenz zwischen den gemessenen Werten gegenüber den erwarteten, theoretisch wahren Werten verstanden, welches aufgrund von Fehlern auftritt. Solche Fehler können zufälliger oder systematischer Natur sein. Stellen Sie sich zum Beispiel eine Situation vor, in der ein Fußballspieler seine Elfmeterschüsse übt. Er gilt als genau, wenn er jedes Mal das Tor (also den Zielbereich) trifft - unabhängig von der Seite oder Ecke des Tores. Er ist jedoch nicht präzise, da er nicht immer die gleiche Ecke oder Seite trifft, aber das ist eine andere Geschichte, die wir bereits im vorherigen Blogartikel erzählt haben. Es ist jedoch wichtig, das Konzept der Genauigkeit nicht mit dem der "Richtigkeit" (trueness) zu verwechseln, da die Richtigkeit nur systematische Fehler misst und sich auf einen Referenzwert bezieht, während die Genauigkeit beide Arten von Fehlern umfasst und sich auf den "wahren" Wert bezieht. Weitere Informationen finden Sie hier.

In unserem Blogartikel möchten wir heute einen kurzen Blick auf den analytischen Methodenvalidierungsparameter "Präzision" werfen und die verschiedenen Begriffe Wiederholpräzision (repeatability), interner Laborpräzision (intermediate precision) und Vergleichspräzision / Reproduzierbarkeit (reproducibility) erläutern.

Präzision ist ein Maß für die Übereinstimmung (Nähe) von Daten, die durch eine Reihe von Experimenten unter ähnlichen Bedingungen erhalten werden. Für analytische Methoden ist es der Grad der Übereinstimmung der Ergebnisse, die unter den spezifizierten Bedingungen der Methode erhalten werden. Präzision zielt darauf ab, zufällige Fehler anzuzeigen, der in der Methode auftreten können.

Präzision sollte unter keinen Umständen mit Genauigkeit (accuracy) verwechselt werden. Eine Methode kann präzise, aber nicht genau sein oder umgekehrt oder beides. Nachfolgend ein Beispiel für ein besseres Verständnis: