生物测定方法验证准确性和精密度的不同评估方法的评价（可惜图片传不上来。。。）

医学翻译备胎

目前生物制药开展的如火如荼，各地新建生物制药科技园，生物公司也广泛增加投入。在这样的背景下，我们选取了一篇生物测定方法验证相关的文章，旨在引发从业人员，尤其是生物测定方法的验证人员的深思，在验证评估过程中考虑产品、方法相关信息并科学使用统计学工具。

生物测定方法（Biological assays 或Bioassys）是生产生物制品所需进行质量评估的主要部分。 常见的生物测定方法：酶反应实验、结合实验、细胞测定实验、动物实验。与理化分析方法相比，生物测定具有更大的可变性。通常情况下，酶反应实验和结合实验的方法变异性比较小，一般在5%~20%之间，但是细胞测定试验和动物试验的测定结果变化都在50%以上。一般来说企业是通过精心操作来减少细胞测定试验的结果变化。

为了保证生物分析方法的变异性，适当的方法验证还是很有必要的。相对准确度（偏差）和精密度是验证中非常重要的两个方面。根据生物制品质量控制分析方法验证技术审评一般原则，准确度和精密度是定量杂质检查、生物活性（效价）测定和含量测定都需要验证的项目（如下图）。

虽然在USP<1033>中有对准确度和精密度的一般策略和公式的描述，但是，定义比较模糊。业界对于什么情况下采用对数转换以及具体采用那个统计学计算方法都心存困惑。为了解决这些问题，Binbing Yu和Harry Yang在《PDA制药科学和技术期刊》发表了《生物测定方法验证准确性和精密度的不同评估方法的评价》这篇文章，提出了对准确度和精密度更严格的定义以及三种计算相对标准偏差的替代方法。作者认为USP<1033>中的RSD公式的偏离度（bias）和标准偏差都比这三种替代方法更高。

USP<1033>中提出了正常水平的公式和对数转换水平的公式，但并没有描述这两个公式的使用条件。由于不同的法规当局对accuracy的定义有差别，这篇文章首先声明稳重“accuracy”指的是偏离度（bias），精密度（precision）指的是变异性（variability）。偏离度跟日常的计算一致，评估真实值与测试值之间的差异（计算公式： Bias=（μr-μ）/μ*100%）。精密度一般考虑三个方面：重复性（repeatability）、中间精密度（intermediate precision）和重现性（reproducibility），而该文主要考虑的是重复性，也就是在后文提到的批间差异（intra-run或者within-run
variation）。由于该参数与运行次数直接相关，相对标准偏差（RSD）或者变异系数（CV）通常用于变异的评估标准。计算公式：RSD=σr/μr *100%

该文详细介绍了USP方法以及另外三种方法的计算公式，每个参数的具体意义以及每个方法的学术来源，感兴趣的小伙伴们可以去看看原文（PDA J Pharm Sci and Tech 2017, 71 297-305）。

当相对效能正偏离或者不同浓度水平的变异与浓度成比例的时候采用log-转换。作者采用计算机模拟的方式来比较四种计算方法，考虑了正常（高斯）分布、对数正态分布、两种不同斜度的斜正态分布。分布的密度函数见下。

对于每个分布和每个SD分别进行8和32次的模拟实验，最后分别计算平均值和RSD值的偏离、SDs和均方根偏差（RMSE）值，来评估不同情况下的不同方法的优劣。最后的结果显示当标准偏差为0.1时，四种方法平均值和RSD值的偏离都很小。当标准偏差为0.3时，四种方法的偏离会有差异，而USP方法的RSD偏离值显著高于另外三种方法。RSD的SDs值和RMSE值也显示USP方法的比其他方法都要高。所以暗示在标准偏差较大的情况下，目前USP<1033>的计算方式并不合适。大家请注意小分子的分析方法标准偏差一般都较小，但是大分子的分析方法标准偏差一般都大于0.3，这个结论实际上也就推翻了现行USP<1033>的科学性，从长远看，USP<1033>必定会有被修正的基础。对比国内生物药分析方法相关的药典规定，这方面的考量基本缺失，也是我们业内人员需要特别注意的。

这篇文章的实验给我们一个警示，并不是USP方法就是最好的方法，对于不同的产品，不同的分析方法，会有适合的评价方法。USP<1033>也提出鼓励业界采用统计学方法来评估所采用的分析方法。有意思的是，这篇文章也为我们提供了一个有趣的思路，采用模拟的方式对我们的数据模型进行评估，在节约成本的同时又能提高效率，这值得我们学习。

chank

转发的时候最好标明出处！另外这个不是临床研究范畴！

syhorchid

了解一下