药品质量稳定性的量化分析

　　药品生产是一个系统工程，在这样一个复杂的系统工程中，存在许多不确定因素，哪怕是最先进的制药公司都可能会对其中的一些因素没有完全掌握。随着药品GMP法规的实施，以及国内外各种认证的要求，对历史数据的统计分析逐步被制药企业和官方药品检定机构所重视，并日渐成为监控药品质量的必备分析技术。

　　但是一说起统计分析，不少人就会退避三舍，敬而远之。其实，随着计算机信息技术的飞速发展，非统计专业背景的分析人士进行专业统计分析已经不是什么稀罕的事情。下面就用一个发生在药品质量稳定性分析领域的实际案例来说明如何借助权威统计分析软件JMP在医药公司中推广和应用统计分析技术。

　　某药厂想根据试生产的三批盐酸特拉唑嗪胶囊来了解新药品的有效期。取样的样品为气泡眼铝塑包装，放置于湿度为RH70%、温度为25℃的条件下。分别在0月、1月、2月、3月、6月、9月后观察样品的外观、有关物质、溶出度及含量变化。试根据检定结果，预测该药品在25度下的有效期(指含量降解至90%所需的时间)。

　　如下图所示，共显示了3个列变量、18条行记录保存在JMP软件的数据表中，其中第一列表示不同的药品批号;第二列表示这批药品的贮存时间(月);第三列表示这批药品贮存若干个月后的含量值。

　　图一 盐酸特拉唑嗪胶囊的检测数据

　　首先，想大致了解一下药品含量的稳定性如何。根据数据的特征，选择单值控制图来进行图形化分析。从用JMP软件绘制出来的下图可知，所有批次的药品含量都很不稳定，而且随着贮存时间的延长明显地下降，尤其是贮存9个月后，含量都已经低于控制下限了。

　　图二 不同批号“含量”的单值控制图

　　接着，想更加量化地研究药品含量与存贮时间的关系。这时，回归分析中的简单线性回归是个很合适的分析工具。我们可以为三个批号的药品分别构建一个回归模型，也可以将这三个批号的药品看作一个整体，只构建一个单一的回归模型。经过用JMP软件分析得到不同模型的比较检验(如下图所示)，发现可以用相同的截距和斜率来表达三个批号的药品。因此，决定选择第二种回归分析方式。

　　图三 不同批号“含量”的简线性回归模型比较

　　然后，针对所有数据，用JMP软件构建出一个简单线性回归模型(如下图所示)，即含量 = 99.893333 - 0.6933333*贮存时间(月)。从拟合汇总、方差分析的报表来看，该模型是成立的，具有显著的统计学意义。这个模型的实际意义是：总体而言，每过1个月，药品含量平均会下降0.69个百分比。

　　图四 “含量”的总体简单线性回归模型

　　最后，再用JMP软件基于前面得到的回归模型进行反向预测(如下图所示)，可以求得含量降解到90%时，需要经过的平均时间是14.26个月，这个时间95%的置信区间是14.03到14.52个月。因此，我们可以更保守、同时也更有把握地说：该药品在40度下的有效期是14个月。

　　图五 “含量”回归模型的反向预测

　　坦率地说，目前我国医药企业的质量管理层次还不够高，很多统计质量管理工具的应用水平与国外同类企业相比还有很大的差异。希望此文能对趋势分析技术在今后药品领域中的应用和推广起到抛砖引玉的作用，进而让更多的人重视和熟练使用该技术，使其更好地服务于药品质量的监控与提高。