Interne Laborpräzision

Geschrieben von Dr. Janet Thode Veröffentlicht in Methodenvalidierung

Bei der Bewertung quantitativer analytischer Qualitätskontrollmethoden hinsichtlich ihrer Anwendungstauglichkeit (fitness for purpose) während der Methodenvalidierung muss auch der Validierungsparameter „interne Laborpräzision“ berücksichtigt werden. Der Begriff „interne Laborpräzision“ kann auch unter folgenden Synonymen1 vorkommen:

  • intermediäre Präzision
  • (laborinterne) Reproduzierbarkeit
  • (labor-) interne Vergleichspräzision / Laborvergleichspräzision

und könnte

  • die Tag-zu-Tag-Präzision, die Analyst-zu-Analyst-Präzision, die Messgerät-zu-Messgerät-Präzision…

enthalten.

Wie aus den verschiedenen Begriffen und der Definition der ICH Q2(R1) Methodenvalidierungsrichtlinie2 hervorgeht, ist die interne Laborpräzision ein Parameter, der die Variabilität der Ergebnisse untersucht, die durch verschiedene Einflüsse innerhalb eines Labors erzeugt werden und in der zukünftigen Routineanalyse auftreten können wie z.B. die Analyse durch verschiedene Analysten, an verschiedenen Tagen, mit verschiedenen Messgeräten, mit verschiedenen Reagenzien- oder Säulen-Chargen... Es muss betont werden, dass abgesehen von diesen Variationen, wiederholte Messungen mit demselben Messverfahren und derselben Probe im selben Labor (also unter Wiederholbedingungen) für die interne Laborpräzision gemacht werden (können). Dies entspricht der Wiederpräzision (repeatability), welche unter den gleichen Betriebsbedingungen während eines kurzen Zeitintervalls evaluiert wird. Im Gegensatz dazu wird die interne Laborpräzision über einen längeren Zeitraum unter Berücksichtigung der oben genannten Variationen untersucht.

Die interne Laborpräzision als Teil der Präzision im Allgemeinen gibt uns einen Hinweis auf den Grad der Streuung der Ergebnisse aufgrund zugrundeliegender zufälliger Fehler. Daher kann die interne Laborpräzision durch die relative Standardabweichung ausgedrückt werden. Wenn man bedenkt, dass im Gegensatz zur Wiederholpräzision bei der internen Laborpräzision mehr Variablen berücksichtigt werden, ist es leicht verständlich, dass die relative Standardabweichung von Experimenten der internen Laborpräzision üblicherweise größer ist als die bei Experimenten der Wiederholpräzision beobachtete.

Die Datenauswertung soll anhand folgender Beispiele veranschaulicht werden. Stellen Sie sich zwei Analysten vor, die eine Gehaltsbestimmung eines Arzneimittelwirkstoffs durchführen. Beide führen 6 Messungen am selben Tag mit demselben Messgerät durch und erhalten die folgenden Ergebnisse:

  Messung Gehalt [mg] Mittelwert [mg] SD [mg] RSD [%]
 Analyst 1 1 1,44 1,46 0,019 1,29
2 1,46
3 1,45
4 1,49
5 1,45
6 1,44
Analyst 2    1 1,49 1,48 0,008 0,55
2 1,48
3 1,49
4 1,47
5 1,48
6 1,49
   Interne Laborpräzision (n=12) 1,47  0,020 1,38

Die Mittelwerte sind in diesem Beispiel ziemlich ähnlich, aber die Streuung der Ergebnisse ist für Analyst 1 etwas größer, was möglicherweise auf seine Arbeitsweise zurückzuführen sein könnte. Dies zeigt sich sowohl in der Standardabweichung (SD) als auch in der relativen Standardabweichung (RSD).

Um die Bedeutung der Verwendung der relativen Standardabweichung für die Auswertung der internen Laborpräzision zu verdeutlichen, sei Ihnen das nächste Beispiel ans Herz gelegt. Stellen Sie sich dasselbe Szenario wie zuvor vor, wobei Analyst 2 seine Analyse jedoch diesmal mit einem anderen Messgerät durchführt:

  Messung Gehalt [mg] Mittelwert [mg] SD [mg] RSD [%]
 Analyst 1 1 1,44 1,46 0,019 1,29
2 1,46
3 1,45
4 1,49
5 1,45
6 1,44
Analyst 2    1 1,35 1,35 0,008 0,56
2 1,34
3 1,35
4 1,36
5 1,34
6 1,35
   Interne Laborpräzision (n=12) 1,40  0,057 4,09

Es ist ersichtlich, dass Analyst 2 genauso präzise ist wie zuvor (wenn Sie nur seine SD und RSD betrachten), aber dass es offensichtlich einen starken Einfluss des zweiten Messgeräts gibt (was sich in der höheren RSD zeigt, welche ja Standardabweichung und Mittelwert in Verbindung setzt).

Zur Auswertung der Daten könnten Sie auch darüber nachdenken, zwei Datensätze (z.B. von zwei Analysten mit jeweils 6 Messungen wie im obigen Beispiel) mit Hilfe statistischer Tests zu vergleichen, um zu zeigen, dass sie sich nicht signifikant unterscheiden. Ich möchte jedoch von einem solchen Ansatz abraten, da es vorkommen kann, dass ein solcher Test bei geringer Streuung innerhalb jedes Datensatzes und der kleinen Stichprobe (z.B. n = 12) doch zu einem signifikanten Ergebnis führt, was dann in einem Argumentationsproblem resultiert.

Gemäß der ICH Q2(R1)-Richtlinie ist es nicht erforderlich (aber immer noch üblich), jede Variation einzeln zu untersuchen, stattdessen wird die Verwendung eines sogenannten Matrixansatz empfohlen.

Angesichts der laufenden Bemühungen, Methodenvalidierungen nicht mehr nur als „Abhaken von Checklisten“ gemäß generischer Ansätze durchzuführen, sondern unter Berücksichtigung von QbD-Prinzipien wie einer risikobasierten Bewertung der wichtigen Methodeneinflussfaktoren, wird es interessant sein, wie dies in der neuen ICH Q14-Richtlinie umgesetzt wird.

 

 

 

1 Im Englischen existiert eine Reihe weitere Begriffe, gerne den Blogartikel einfach auf Englisch ansehen ;-) 
2 ICH Q2(R1): “intermediate precision expresses within-laboratories variations: different days, different analysts, different equipment, etc”.