蒲公英 - 制药技术的传播者 GMP理论的实践者

搜索
查看: 11477|回复: 16
收起左侧

[统计应用] [R]药品稳定性实验数据分析及可视化

  [复制链接]
药徒
发表于 2017-6-25 21:33:30 | 显示全部楼层 |阅读模式

欢迎您注册蒲公英

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本帖最后由 calvin 于 2017-6-25 21:41 编辑

药品稳定性研究从研发阶段的长期、加速,以及生产阶段的承诺稳定性考察,持续稳定性考察。都积累了大量数据,对于这些数据,有什么用,我们又该怎么分析呢?


经过思考,打消了把代码写成自定义函数的想法~下面是原始代码。


ICH Q1E 统计分析方法


下载链接:http://pan.baidu.com/s/1jGB6tuu 密码:4g35


描述

  • 研发阶段有效期制定
    研发阶段,稳定性实验数据除了根据药典及一些指导原则规定的,外括法来制定有效期外,还应对其进行统计分析,以获得更加合理的有效期,并且,随着数据的增加,可以作为延长有效期的依据。
  • 生产阶段的质量评估
    生产阶段的稳定性数据可以用来评估产品质量稳定性,以评估在有效期内药品是合格的。


分析方法:

假设:a1为时间(月份),a2为杂质含量

方法:回归分析

软件:R console 3.3.1

代码:如下

  1. #Input stability data, Change:data in bracket

  2. Stability_month<-c(0,6,18,24)

  3. Stability_impurity1<-c(0.012,0.020,0.03,0.032)

  4. Stability_impurity2<-c(0.008,0.012,0.023,0.035)

  5. Stability_impurity3<-c(0.01,0.020,0.027,0.031)

  6. Stability_content1<-c(0.995,0.99,0.991,0.978)

  7. Stability_content2<-c(0.989,0.990,0.982,0.98)

  8. Stability_content3<-c(0.981,0.985,0.976,0.975)

  9. Stability_data=data.frame(Stability_month=Stability_month,Stability_impurity1=Stability_impurity1,Stability_impurity2=Stability_impurity2,Stability_impurity3=Stability_impurity3,Stability_content1=Stability_content1,Stability_content2=Stability_content2,Stability_content3=Stability_content3)

  10. Stability_data<-stack(Stability_data,select=-Stability_month)

  11. Stability_data$lot<-rep(1:3,each=4)

  12. Stability_data$month=Stability_month

  13. Stability_data$item=c(rep("impurity",12),rep("content",12))

  14. Stability_data<-Stability_data[,-2]

  15. names(Stability_data)=c("Result","lot","month","item")

  16. #############factors combination analysis#############

  17. #variance equivalence test

  18. bartlett.test(Result~item,data=Stability_data)

  19. #P value is 0.2431, cann't reject H0 hypothesis

  20. #covariance test

  21. summary(aov(Result~month*item,data=Stability_data))

  22. #there's a significant slope, so the items should be analysis separately.

  23. #############batch combination analysis#############

  24. Stability_data_impurity<-Stability_data[Stability_data$item=="impurity",]

  25. Stability_data_content<-Stability_data[Stability_data$item=="content",]

  26. ###impurity analysis

  27. #variance equivanlence test

  28. bartlett.test(Result~lot,data=Stability_data_impurity)

  29. #or

  30. #library(car)

  31. #ncvTest(fitmodel)

  32. #P value is 0.8742, cann't reject H0 hypothesis

  33. summary(aov(Result~lot*month,data=Stability_data_impurity))

  34. #the 2-order interaction chi-square test result is P value=0.947, no significant difference of slope

  35. #fit model

  36. mode_impurity<-lm(Result~month,data=Stability_data_impurity)

  37. #mode test

  38. opar=par(no.readonly=T)

  39. par(mfrow=c(2,2))

  40. plot(mode_impurity)

  41. #standard error test

  42. #independence test

  43. library(car)

  44. durbinWatsonTest(mode_impurity)

  45. #variance equivalence test

  46. #method 1

  47. ncvTest(mode_impurity)

  48. #method 2

  49. bartlett.test(Result~month,data=Stability_data_impurity)

  50. #predict

  51. Result<-predict(mode_impurity,data.frame(month=48),interval='confidence')[[3]]

  52. Result

  53. #visualization

  54. month_interval=seq(0,48,by=0.5)

  55. predict_month=data.frame(month=month_interval)

  56. Line_predict<-predict(mode_impurity,predict_month,interval="confidence",level=0.95)

  57. plot(Stability_data_impurity$month,Stability_data_impurity$Result,xlim=c(0,50),ylim=c(0,0.1))

  58. abline(mode_impurity)

  59. #the same as month_interval.

  60. lines(month_interval,Line_predict[,3],col="red")

  61. lines(month_interval,Line_predict[,2],col="red")

  62. par(new=T)

  63. plot(48,Result,xlim=c(0,50),ylim=c(0,0.1),xaxt="n")

  64. segments(48,0,48,Result)
  65. text(48,Result,paste("(48,",round(Result,4)*100,"%)"),pos=3)
  66. #6% is lager than 5%, predict result at 36th months
  67. predict(mode_impurity,data.frame(month=36),interval='confidence')[[3]]
  68. #Reuslt is 4.8%
  69. c("retest period is 36 months")
复制代码

模型诊断



预测图形


引自:Drug base (http://www.drugqm.com/?id=18


本作品采用知识共享 署名-非商业性使用-相同方式共享 4.0 国际 许可协议进行许可。要查看该许可协议,可访问 http://creativecommons.org/licenses/by-nc-sa/4.0/ 或者写信到 Creative Commons, PO Box 1866, Mountain View, CA 94042, USA。


回复

使用道具 举报

发表于 2018-12-7 11:12:27 | 显示全部楼层
想看具体分析过程
回复

使用道具 举报

药士
发表于 2017-6-25 23:35:06 | 显示全部楼层
回复

使用道具 举报

药徒
发表于 2017-6-26 06:29:19 | 显示全部楼层
回复

使用道具 举报

药徒
发表于 2017-6-26 06:54:21 | 显示全部楼层
回复

使用道具 举报

药师
发表于 2017-6-26 08:50:49 | 显示全部楼层
学习一下啦,谢谢提供分享。
回复

使用道具 举报

药生
发表于 2017-6-26 08:56:49 | 显示全部楼层
回复

使用道具 举报

大师
发表于 2017-6-28 17:23:34 | 显示全部楼层
高手呀,代码看不懂,惭愧!
回复

使用道具 举报

药徒
发表于 2017-6-28 17:38:35 | 显示全部楼层
除过卧槽,牛逼之外我还能说点什么呢?

点评

感谢支持。  发表于 2017-7-11 08:37
回复

使用道具 举报

药徒
 楼主| 发表于 2017-7-11 08:37:29 | 显示全部楼层
九三 发表于 2017-6-28 17:23
高手呀,代码看不懂,惭愧!

这个贴子的数据分析是基于GNU R Version 3.3.1的,其实对于药品生产企业质量管理,乃至绝大多数生产企业来说,用Minitab或JMP是最方便的,学习曲线较好。R语言的学习曲线太平坦,很难提高。不过对于数据分析自动化,可重复性报告来说,还是很有用的。FDA也用的。

我也看到你在论坛发了大量统计学的文章,还是蛮有深度的啊。以后一起探讨。
回复

使用道具 举报

药徒
发表于 2017-7-31 20:20:57 | 显示全部楼层
有些深奥,看不懂
回复

使用道具 举报

发表于 2017-8-8 11:12:50 | 显示全部楼层
谢谢分享,谢谢分享
回复

使用道具 举报

药徒
发表于 2018-8-21 08:52:43 | 显示全部楼层
谢谢分享!
回复

使用道具 举报

药徒
发表于 2019-3-15 15:12:20 | 显示全部楼层
看了一头雾水呀
回复

使用道具 举报

发表于 2020-5-11 15:44:30 | 显示全部楼层
谢谢分享,多一点说明就好了
回复

使用道具 举报

药徒
发表于 2021-7-26 16:43:45 | 显示全部楼层
卧槽,太厉害了
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

×发帖声明
1、本站为技术交流论坛,发帖的内容具有互动属性。您在本站发布的内容:
①在无人回复的情况下,可以通过自助删帖功能随时删除(自助删帖功能关闭期间,可以联系管理员微信:8542508 处理。)
②在有人回复和讨论的情况下,主题帖和回复内容已构成一个不可分割的整体,您将不能直接删除该帖。
2、禁止发布任何涉政、涉黄赌毒及其他违反国家相关法律、法规、及本站版规的内容,详情请参阅《蒲公英论坛总版规》。
3、您在本站发表、转载的任何作品仅代表您个人观点,不代表本站观点。不要盗用有版权要求的作品,转贴请注明来源,否则文责自负。
4、请认真阅读上述条款,您发帖即代表接受上述条款。

QQ|手机版|蒲公英|ouryao|蒲公英 ( 京ICP备14042168号-1 )  增值电信业务经营许可证编号:京B2-20243455  互联网药品信息服务资格证书编号:(京)-非经营性-2024-0033

GMT+8, 2024-11-24 17:41

Powered by Discuz! X3.4运维单位:苏州豚鼠科技有限公司

Copyright © 2001-2020, Tencent Cloud.

声明:蒲公英网站所涉及的原创文章、文字内容、视频图片及首发资料,版权归作者及蒲公英网站所有,转载要在显著位置标明来源“蒲公英”;禁止任何形式的商业用途。违反上述声明的,本站及作者将追究法律责任。
快速回复 返回顶部 返回列表