Bei einem Methodentransfer oder einer Vergleichbarkeitsstudie lautet die Frage nicht, ob zwei Labore oder zwei Methoden unterschiedliche Ergebnisse liefern, sondern ob der Unterschied klein genug ist, um keine Rolle zu spielen. Ein t-Test beantwortet die erste Frage, das Verfahren der zwei einseitigen Tests (TOST) die zweite. Mit TOST legst du vorab eine Akzeptanzgrenze fest, zum Beispiel ±2,0 % für einen Gehalt, berechnest das 90-%-Konfidenzintervall der mittleren Differenz und schließt auf Äquivalenz, wenn das ganze Intervall innerhalb der Grenze liegt. USP <1224> zum Methodentransfer und USP <1210> zu statistischen Werkzeugen beschreiben genau dieses Vorgehen.
Warum stellt der t-Test die falsche Frage?
Ein t-Test geht von der Hypothese "kein Unterschied" aus und sucht Belege dagegen. Beim Transfer geht dabei zweierlei schief:
- Präzise Labore werden bestraft. Bei engen Daten wird ein Unterschied von 0,5 % statistisch signifikant, obwohl er analytisch bedeutungslos ist.
- Schwache Studien bestehen. Mit wenigen Bestimmungen und großer Streuung ist nichts signifikant, und "kein signifikanter Unterschied" wird als "vergleichbar" gelesen. Fehlende Belege werden zum Beleg.
Beide Fehler zeigen die zwei Beispiele unten.
Wie funktioniert TOST?
1. Grenze vor der Studie festlegen. Die Äquivalenzgrenze ±θ ist eine fachliche Entscheidung: der größte Unterschied, der keine auf dem Ergebnis beruhende Entscheidung ändern würde. Für einen Gehalt mit Spezifikation 95,0 bis 105,0 % ist ±2,0 % üblich; bei Verunreinigungen wird eine Grenze relativ zur Berichtsschwelle genutzt. 2. Studie durchführen. Typisch dieselben homogenen Chargen im abgebenden und im aufnehmenden Labor, mit Wiederholungen an mehreren Tagen oder durch mehrere Analytiker. 3. 90-%-Konfidenzintervall der mittleren Differenz berechnen (aufnehmend minus abgebend). Die 90 % ergeben sich aus zwei einseitigen Tests zu je 5 %. 4. Entscheiden. Liegt das ganze Intervall innerhalb von −θ bis +θ, ist Äquivalenz gezeigt. Liegt ein Teil außerhalb, ist sie nicht gezeigt, egal wo der Mittelwert liegt.
Beispiel 1: signifikant, aber äquivalent
Gehalt einer Charge, sechs Bestimmungen je Labor, Grenze ±2,0 %.
| Abgebendes Labor | Aufnehmendes Labor | |
|---|---|---|
| Ergebnisse (%) | 99,6, 100,1, 99,3, 100,4, 99,8, 100,0 | 99,0, 99,5, 98,7, 99,8, 99,1, 99,3 |
| Mittelwert (%) | 99,87 | 99,23 |
| Standardabweichung (%) | 0,39 | 0,39 |
Mittlere Differenz −0,63 %, gepoolte Standardabweichung 0,39 %, Standardfehler 0,22 %. Mit t(0,95; 10) = 1,812 liegt das 90-%-Konfidenzintervall bei −1,04 % bis −0,23 %.
Ein t-Test liefert p = 0,018: "signifikant verschieden". TOST sagt: Das ganze Intervall liegt innerhalb von ±2,0 %, die Labore sind für diesen Zweck äquivalent. Das aufnehmende Labor misst etwa 0,6 % niedriger, was es zu verstehen lohnt (Umgang mit dem Referenzstandard, Integration), aber kein Grund, den Transfer scheitern zu lassen.
Beispiel 2: nicht signifikant, aber nicht belegt
Gleiche Grenze, aber nur drei Bestimmungen je Labor und mehr Streuung.
| Abgebendes Labor | Aufnehmendes Labor | |
|---|---|---|
| Ergebnisse (%) | 99,2, 100,6, 98,9 | 100,4, 98,6, 101,2 |
| Mittelwert (%) | 99,57 | 100,07 |
Mittlere Differenz +0,50 %, gepoolte Standardabweichung 1,14 %, 90-%-Konfidenzintervall −1,48 % bis +2,48 %.
Ein t-Test liefert p = 0,62: "kein signifikanter Unterschied". TOST sagt: Das Intervall reicht über +2,0 % hinaus, Äquivalenz ist nicht gezeigt. Die Studie ist zu klein und zu verrauscht, um die Aussage zu tragen. Der Weg nach vorn sind mehr Bestimmungen oder zuerst die Ursache der Streuung.
Wie wählst du die Grenze?
An der Grenze sind die meisten Transferprotokolle am schwächsten. Drei Anker helfen:
- Spezifikationsbreite. Die Grenze muss innerhalb der Spezifikation Raum für die Prozessstreuung lassen. ±2,0 % bei einer Spezifikation von ±5,0 % ist vertretbar, ±4,0 % nicht.
- Leistungsfähigkeit der Methode. Die Grenze muss mit der Vergleichspräzision der Methode und einer vertretbaren Zahl an Bestimmungen erreichbar sein. Eine Fallzahlberechnung vor der Studie zeigt, ob sie es ist.
- Wirkung auf Entscheidungen. Würde eine Verschiebung in der Größe der Grenze eine Freigabe- oder Stabilitätsentscheidung ändern, ist die Grenze zu weit.
Schreibe Grenze, Begründung und Fallzahl ins Protokoll, bevor Daten existieren. Eine Grenze, die nach Sicht der Daten gewählt wird, ist kein Test.
Über zwei Labore hinaus: Vergleichbarkeit nach einer Änderung
Dieselbe Logik gilt, wenn es um eine Methodenänderung, eine neue Geräteplattform oder eine Prozessänderung geht: Definiere quantitativ, was "gleich" heißt, und zeige, dass das Konfidenzintervall der Differenz in dieser Definition liegt. Bei mehreren Chargen oder Stufen wird je Stufe oder mit einem gemischten Modell geprüft; bei Steigungen, etwa Stabilitätstrends, wird die Differenz der Steigungen verglichen.
Grenzen der Aussage
- TOST zeigt, dass die mittlere Differenz klein ist. Dass die Präzision gleichwertig ist, zeigt es nicht; dafür braucht es, wenn relevant, einen eigenen Vergleich der Varianzen.
- Die Äquivalenz gilt für die geprüften Proben und den geprüften Bereich. Eine Übertragung auf andere Stärken oder Verunreinigungsniveaus braucht eine eigene Begründung.
- Das Ergebnis ist nur so gut wie die Grenze. Ein statistisch korrekter Test gegen eine unbegründete Grenze ist trotzdem kein Beleg.
Häufige Fragen
Was ist der TOST-Äquivalenztest?
Zwei einseitige t-Tests, die prüfen, ob die mittlere Differenz größer als −θ und kleiner als +θ ist. Praktisch ist das dasselbe wie die Prüfung, ob das 90-%-Konfidenzintervall der Differenz vollständig innerhalb der Grenze ±θ liegt.
Warum 90 % und nicht 95 % Konfidenz?
Jeder der beiden einseitigen Tests wird auf dem 5-%-Niveau durchgeführt. Zusammen entsprechen sie einem zweiseitigen 90-%-Konfidenzintervall, und der Gesamtfehler, Äquivalenz fälschlich zu behaupten, bleibt bei 5 %.
Welches Akzeptanzkriterium ist beim Transfer einer Gehaltsmethode üblich?
Eine mittlere Differenz innerhalb von ±2,0 % absolut ist für Gehalte von Wirkstoff und Fertigprodukt üblich, kombiniert mit Kriterien zur Präzision. Verunreinigungsmethoden nutzen oft Grenzen relativ zur Berichtsschwelle oder zum Spezifikationslimit.
Kann ein Transfer bestehen, obwohl der t-Test einen signifikanten Unterschied zeigt?
Ja. Statistische Signifikanz sagt nur, dass der Unterschied wahrscheinlich nicht null ist. Liegt das Konfidenzintervall innerhalb der Äquivalenzgrenze, ist der Unterschied zu klein, um eine Rolle zu spielen, und der Transfer besteht.
Welche Leitlinien beschreiben Äquivalenztests beim Methodentransfer?
USP <1224> behandelt den Transfer analytischer Verfahren, USP <1210> statistische Werkzeuge einschließlich Äquivalenztests. Relevant sind außerdem der ISPE Good Practice Guide zum Technologietransfer und ICH Q14 für den Lebenszyklus.