OOT vs. OOS bei Stabilitätsdaten: Drift früh erkennen
Out-of-Trend-Stabilitätsdaten erklärt: wie OOT sich von OOS unterscheidet, wann Regression, CUSUM und Shewhart greifen, plus ein CovaStab-Beispiel.
Oliver Kraft
CovaSyn
Eine Charge kann zwei Jahre lang bequem innerhalb der Spezifikation liegen und trotzdem signalisieren, dass sie im dritten Jahr versagen wird. Out-of-Specification-Prüfung (OOS) erfasst den Punkt, der bereits einen Grenzwert gebrochen hat. Out-of-Trend-Analyse (OOT) soll die Steigung erfassen, die dorthin führt. Die meisten Stabilitätsprogramme sind für das Erste gut instrumentiert und für das Zweite improvisiert.
Dieser Artikel erklärt den Unterschied, geht die drei Standard-OOT-Ansätze durch und zeigt ein durchgerechnetes Beispiel an einer driftenden Gehaltsreihe mit CovaStab-Tools - einschließlich einer Methode, die überhaupt kein Flag zurückgab, was das lehrreichere Ergebnis ist.
OOT und OOS sind nicht dieselbe Frage
Sie unterscheiden sich darin, womit sie vergleichen.
| OOS | OOT | |
|---|---|---|
| Vergleicht ein Ergebnis mit | dem registrierten Spezifikationsgrenzwert | dem erwarteten Verhalten dieser Charge oder dieses Produkts |
| Ausgelöst durch | einen einzelnen Wert, der einen Grenzwert überschreitet | ein Muster über mehrere Zeitpunkte |
| Typische Konsequenz | formale OOS-Untersuchung, Chargenentscheidung | Trenduntersuchung, verschärftes Monitoring, Haltbarkeitsprüfung |
| Statistische Grundlage | keine nötig - es ist ein Vergleich | Regression, Regelkarten, CUSUM |
| Kann es feuern, während alles in Spezifikation ist? | nein | ja, und das ist der Punkt |
Ein OOS-Ergebnis ist ein Faktum. Ein OOT-Ergebnis ist ein Schluss, und Schlüsse brauchen eine festgelegte Methode, einen festgelegten Schwellenwert und eine festgelegte Falschalarmrate. Nennt Ihr OOT-Verfahren nicht alle drei, wird es entweder vierteljährlich Rauschen flaggen oder gar nichts flaggen, bis das Produkt bereits versagt.
Die drei Standard-OOT-Methoden
Regression / Vergleich zeitpunktweise.
Fitten Sie eine Abbaugerade an die historischen Chargen, bauen Sie ein Vorhersage- oder Toleranzintervall darum und flaggen Sie jedes neue Ergebnis, das an seinem Zeitpunkt außerhalb dieses Intervalls liegt. Das kommt dem ICH-Q1E-Denken am nächsten, das bereits verlangt, eine Regressionsgerade zu fitten und deren untere Konfidenzgrenze zu nutzen. Gut darin, eine Charge zu erkennen, die schneller abbaut als ihre Geschwister. Schwach bei einem einzelnen Ausreißer, weil ein Ausreißer die Gerade zu sich selbst zieht.
Shewhart-Regelkarte.
Berechnen Sie Mittelwert und +/- 3-Sigma-Grenzen aus der Reihe, plus +/- 2-Sigma-Warngrenzen, und flaggen Sie jeden Punkt außerhalb. Einfach und vertraut. Ihr blinder Fleck ist genau der, der bei Stabilität zählt: eine stetige, langsame Drift erzeugt Punkte, die einzeln betrachtet gut innerhalb der Grenzen liegen.
CUSUM.
Akkumulieren Sie die vorzeichenbehafteten Abweichungen von einem Zielwert. Kleine, anhaltende Abweichungen summieren sich, sodass CUSUM eine dauerhafte Verschiebung von etwa 0,5 bis 1 Sigma weit schneller erkennt als eine Shewhart-Karte. Das ist die Methode, die für Drift gebaut wurde. Der Preis: sie braucht einen belastbaren Ziel- und Referenzwert und sagt nicht, welcher einzelne Punkt auffällig war.
Faustregel: Shewhart für Schocks, CUSUM für Drift, Regression für "verhält sich diese Charge wie die anderen".
Durchgerechnetes Beispiel: eine driftende Gehaltsreihe, die nie OOS wird
Repräsentative Stabilitätsreihe für ein niedermolekulares Präparat, Gehalt als % Label Claim, 3-Monats-Intervalle bis 24 Monate, untere Spezifikation 95,0 % LC:
100,2, 99,9, 99,7, 99,5, 99,2, 98,4, 97,3, 96,4, 95,6
Die ersten fünf Punkte liegen auf einer flachen Steigung. Ab Monat 12 verdreifacht sich die Steigung ungefähr. Mit bloßem Auge ist das offensichtlich. Hier ist, was die Tools zurückgaben.
`covastab_detect_oos`
mit spec_lower = 95,0: alle neun Punkte lieferten flag: "normal". Null OOS-Ergebnisse über die gesamte Studie. Die Charge ist zu jedem einzelnen Zeitpunkt konform, und ein rein OOS-getriebenes Review würde die Akte ohne Maßnahme schließen.
`covastab_significant_change`
auf derselben Reihe: has_significant_change: false, max_change_pct: 4,4, spec_violated: false. Ein Verlust von 4,4 % gegenüber der Baseline, gegen das ICH-5-%-Kriterium für signifikante Veränderung beim Gehalt. Unter der Schwelle, also kein formaler Auslöser - aber 4,4 % der 5-%-Budgetgrenze sind verbraucht, und die letzten drei Intervalle haben den größten Teil davon aufgebraucht.
`covastab_control_chart`
(Shewhart) auf derselben Reihe: Mittelwert 98,4667, UCL 103,4461, LCL 93,4872, Warngrenzen 101,7863 und 95,1470, und ooc_points: []. Keine außer Kontrolle geratenen Punkte. Das ist korrektes Verhalten, und es zeigt den blinden Fleck direkt: Der letzte Wert von 95,6 liegt nur 0,45 über der Warngrenze, weil die Grenzen aus einer Reihe berechnet wurden, die die Drift bereits enthält. Drift bläht Sigma auf, Sigma weitet die Grenzen, und die geweiteten Grenzen schlucken die Drift.
Drei Tools also, drei "kein Flag", bei einer Reihe, die jeder Stabilitätswissenschaftler eskalieren würde. Grenzwert- und schockbasierte Methoden sind für einen langsamen Trend strukturell das falsche Instrument.
Wo das eigentliche Signal steckt.
Segmentieren Sie die Reihe. Monate 0 bis 12 verlieren 1,0 % LC über vier Intervalle. Monate 12 bis 24 verlieren 3,6 % über dieselben vier Intervalle. Dieser Steigungswechsel ist der Befund, und genau dafür existiert ein Regressions-mit-Intervall- oder CUSUM-Ansatz. Auf derselben repräsentativen Datensatzfamilie lieferte covastab_estimate_shelf eine Haltbarkeit von 28,2 Monaten (R2 0,9989, Steigung p = 1,3e-8), und covastab_fit_arrhenius lieferte Ea 107,45 kJ/mol mit Q10 4,08 und R2 0,995 - Zahlen, dokumentiert in unserem früheren CovaStab-Provenance-Set. Eine Steigung, die sich ab Monat 12 versteilt, bricht die Linearitätsannahme, auf der diese Zahlen beruhen. Das ist der praktische Grund, warum OOT zählt: Es flaggt nicht nur eine Charge, es sagt Ihnen, dass Ihr Haltbarkeitsmodell falsch ist.
Der Kontrastfall: ein echtes OOS
Zweite Reihe, gleiche Spezifikation, ein bewusster Ausreißer bei Monat 18:
100,1, 100,0, 99,9, 100,2, 99,8, 100,0, 93,5, 99,9, 100,1
covastab_detect_oos flaggte genau einen Punkt: Wert 93,5, flag: "OOS", Detail "Below lower spec (95.0)". Sauber, korrekt, eindeutig.
covastab_control_chart auf derselben Reihe lieferte Mittelwert 99,2778, UCL 105,7882, LCL 92,7674, Warngrenzen 103,6180 und 94,9375, wieder mit ooc_points: []. Der 93,5-Punkt liegt unterhalb der 2-Sigma-Warngrenze, aber oberhalb der 3-Sigma-LCL, weil genau dieser Ausreißer das Sigma aufgebläht hat, das seine eigenen Grenzen bildet. Schätzen Sie Grenzen aus einer sauberen Baseline-Periode, nicht aus der zu prüfenden Reihe.
Ehrliche Grenzen: was diese Tools nicht taten
- `covastab_detect_oot` lieferte überhaupt keine Flags. Wir riefen es mit
method = regression,method = cusumundmethod = shewhartauf, an beiden Reihen oben, einschließlich der mit einem eklatanten 6,6-Prozentpunkte-Ausreißer. Jeder Aufruf lieferte eine leere Ergebnisliste. Bei dieser Eingabeform ist der OOT-Detektor heute nicht nutzbar, und das wurde CovaTox/CovaStab Engineering gemeldet. Wir veröffentlichen das, statt still eine Zahl von anderswo einzusetzen. Nutzen Sie bis zur Behebungcovastab_control_chartundcovastab_significant_changeplus eine eigene segmentierte Regression. - `covastab_detect_oos` gibt für jede Zeile `timepoint: 0` zurück. Die Flags und Werte sind korrekt; das Timepoint-Feld trägt den Eingabemonat nicht. Ordnen Sie Ergebnisse nach Zeilenreihenfolge zu, nicht nach dem zurückgegebenen Zeitpunkt.
- `covastab_significant_change` schien das Argument `initial_value` zu ignorieren. Wir übergaben 100,2; der zurückgegebene
assay_change_pctvon 0,2 undmax_change_pctvon 4,4 sind beide konsistent mit einer Baseline von 100,0. Prüfen Sie die tatsächlich verwendete Baseline, bevor Sie den Prozentsatz zitieren. - Nichts davon ist eine Chargenfreigabe-Entscheidung. Das sind Triage-Signale auf Zahlen, die bereits vorliegen. Ein OOT-Signal startet eine Untersuchung; es schließt keine ab, und es ersetzt nicht Ihr validiertes Stabilitätsprotokoll, Ihre OOS-SOP oder eine behördliche Einreichung.
- Kleine Reihe. Neun Zeitpunkte sind ein normaler Stabilitätsdatensatz und eine kleine statistische Stichprobe. Regelgrenzen aus neun Punkten sind konstruktionsbedingt breit. Trendaussagen festigen sich, wenn über Chargen gepoolt wird, und das Pooling selbst muss begründet werden (ICH-Q1E-Poolability-Testung).
Ein praktisches OOT-Verfahren
1. Legen Sie die Methode fest, bevor die Daten eintreffen. Schreiben Sie ins Protokoll, welcher Test für welchen Parameter gilt, und bei welchem Alpha.
2. Bauen Sie Regelgrenzen aus einer sauberen historischen Baseline, nicht aus der zu beurteilenden Reihe.
3. Führen Sie die Grenzwertprüfung (covastab_detect_oos) und die Trendprüfung getrennt durch. Ein Bestehen entschuldigt das andere nicht.
4. Segmentieren Sie die Reihe und vergleichen Sie frühe mit später Steigung. Ein Steigungswechsel ist der häufigste echte OOT-Befund.
5. Fitten Sie das Haltbarkeitsmodell nach jedem bestätigten Trend neu. Hat sich die Steigung geändert, hat sich auch die Extrapolation hinter Ihrem Verfalldatum geändert.
Häufige Fragen
Was bedeutet Out of Trend (OOT) bei Stabilitätsdaten?
Ein OOT-Ergebnis ist ein Stabilitätsergebnis, das noch innerhalb seiner registrierten Spezifikation liegt, aber nicht dem erwarteten Verhalten der Charge oder des Produkts entspricht. Es wird statistisch identifiziert - durch Regression gegen historische Chargen, durch eine Regelkarte oder durch CUSUM - statt durch Vergleich mit einem Grenzwert. OOT ist eine Frühwarnung, dass eine Charge vor ihrem Verfalldatum versagen könnte, während jedes einzelne Ergebnis noch besteht.
Was ist der Unterschied zwischen OOT und OOS?
OOS bedeutet, dass ein einzelnes Ergebnis einen registrierten Spezifikationsgrenzwert überschritten hat; das ist ein direkter Vergleich und braucht keine Statistik. OOT bedeutet, dass ein Muster über Zeitpunkte hinweg vom erwarteten Verhalten abweicht, während alle Ergebnisse innerhalb der Spezifikation bleiben. OOS löst eine formale Untersuchung und eine Chargenentscheidung aus. OOT löst eine Trenduntersuchung und oft eine Überprüfung des Haltbarkeitsmodells aus. Eine Charge kann jahrelang OOT sein, ohne je OOS zu werden.
Welche statistische Methode erkennt Out-of-Trend-Stabilitätsergebnisse am besten?
Das hängt vom Fehlermodus ab. Shewhart-Regelkarten erkennen plötzliche Schocks, verpassen aber langsame Drift, weil Drift das Sigma aufbläht, aus dem die Grenzen gebaut werden. CUSUM erkennt anhaltende kleine Verschiebungen von etwa 0,5 bis 1 Sigma weit früher und ist die richtige Wahl für allmählichen Abbau. Regression mit Vorhersage- oder Toleranzintervallen eignet sich am besten für die Frage, ob eine Charge schneller abbaut als ihre Geschwister.
Kann ein Stabilitätsergebnis Out of Trend, aber trotzdem in Spezifikation sein?
Ja, und das ist der übliche Fall. In unserem durchgerechneten Beispiel lieferte eine Reihe, die von 100,2 auf 95,6 % Label Claim gegen eine untere Spezifikation von 95,0 % fällt, null OOS-Flags von covastab_detect_oos und has_significant_change: false von covastab_significant_change, bei einer maximalen Veränderung von 4,4 % gegen das ICH-5-%-Kriterium. Jeder Punkt bestand, während sich die Steigung ab Monat 12 verdreifachte.
Erfordert ein OOT-Ergebnis eine formale Untersuchung?
Behördliche Leitlinien schreiben für OOT keine OOS-artige formale Untersuchung vor, aber Inspektoren erwarten ein dokumentiertes, vorab festgelegtes Trending-Verfahren und eine dokumentierte Reaktion, wenn es auslöst. Praktisch: Methode und Schwellenwert im Protokoll festlegen, bevor die Daten existieren, die Bewertung dokumentieren und bei einem über Zeitpunkte oder Chargen bestätigten Trend zu einem Haltbarkeits- oder Prozess-Review eskalieren.
Wie viele Zeitpunkte braucht man, bevor eine Trendanalyse aussagekräftig ist?
Regelgrenzen und Regressionsintervalle aus einer typischen neunpunktigen Stabilitätsreihe sind breit, sodass frühe Trends leicht übersehen und einzelne Punkte schwer zu beurteilen sind. Trendaussagen festigen sich, wenn mehrere Chargen gepoolt werden, und das Pooling muss zuerst begründet werden - die ICH-Q1E-Poolability-Testung prüft, ob Steigungen und Achsenabschnitte ähnlich genug sind, um sie zu kombinieren.
Weiterführende Beiträge
- ICH-Q1E-Haltbarkeitsberechnung erklärt
- Design einer Zwangsdegradationsstudie
- Cpk und Ppk für pharmazeutische Prozessfähigkeit
Führen Sie Ihre eigene Stabilitätsreihe durch covastab_detect_oos, covastab_control_chart und covastab_significant_change in der CovaSyn-Free-Tier, und sehen Sie, was Ihre Daten sagen, bevor der nächste Zeitpunkt eintrifft.
Tools für dieses Thema
Direkt im AI-Agenten nutzen.
- CovastabICH-Stabilität, Arrhenius-Fits, Shelf-Life.