Estudos de comparabilidade são essenciais na indústria farmacêutica para demonstrar que um produto fabricado em condições alteradas (ex.: novo local de produção, novo fabricante de IFA, mudanças em equipamentos ou processos) permanece equivalente em termos de qualidade, segurança e eficácia. A estatística desempenha papel central na sustentação dessas conclusões.
Neste artigo, exploramos os principais métodos estatísticos utilizados para demonstração de equivalência entre lotes, incluindo testes de hipótese, construção de intervalos de confiança e interpretação regulatória.
1. Quando a Comparabilidade é Requerida
- Mudança de local de fabricação.
- Mudança de fornecedor de IFA ou excipiente crítico.
- Troca de equipamento crítico (granulador, misturador etc.).
- Otimizações de processo.
- Submissão de dossiê de variação regulatória.
A demonstração deve ocorrer com base em dados analíticos (ex.: teor, uniformidade, dissolução), e a interpretação deve distinguir equivalência estatística de mera não diferença.
2. Abordagens Estatísticas Comuns
2.1 Testes de Equivalência por Intervalo de Confiança
A abordagem mais aceita é baseada na construção de intervalos de confiança da diferença entre médias:
- Define-se uma margem de equivalência (Δ).
- Calcula-se o IC bilateral de 90% da diferença entre médias.
- Se o IC estiver contido dentro de [−Δ, +Δ], há equivalência.
Exemplo:
- Diferença observada: 0,5%.
- IC 90%: [−0,8%; +1,9%].
- Δ: ±5%.
- Conclusão: equivalente.
2.2 Two One-Sided Tests (TOST)
Testa duas hipóteses unilaterais simultaneamente:
- H₀: a diferença é menor que −Δ ou maior que +Δ.
- H₁: a diferença está dentro do intervalo aceitável.
Equivalente à abordagem de IC, mas com formulação hipotética mais clara.
2.3 Análise de Variância (ANOVA) para múltiplos lotes
Quando se compara mais de dois lotes (ex.: 3 do fabricante antigo e 3 do novo):
- Usa-se ANOVA para testar homogeneidade de médias.
- Em caso de significância, seguir com testes de equivalência pareada.
2.4 Testes Não Paramétricos
Quando os dados não são normalmente distribuídos:
- Teste de Mann-Whitney para dois grupos.
- Bootstrap para intervalos de confiança empíricos.
- Testes de Kolmogorov-Smirnov para distribuição geral.
3. Construção da Margem de Equivalência (Δ)
Deve ser técnica e cientificamente justificada com base em:
- Histórico de variabilidade do processo.
- Impacto na performance clínica ou farmacocinética.
- Especificações do método analítico (ex.: exatidão e precisão).
Exemplo prático
Para teor com especificação de 95–105%, usar Δ = ±5% pode ser excessivo. Basear-se na variabilidade real de lotes anteriores pode reduzir Δ para ±2%.
4. Boas Práticas para Execução
- Usar múltiplos lotes representativos (idealmente 3 ou mais por grupo).
- Garantir mesma metodologia analítica (ou comprovar equivalência analítica).
- Aplicar tratamento estatístico previsto em POP.
- Documentar toda a fundamentação da margem de equivalência.
- Submeter dados em formato bruto e tratado (Excel, SAS, R) para auditoria.
5. Considerações Regulatórias
- ICH Q8 e Q12 enfatizam que a compreensão estatística é parte da abordagem de Quality by Design.
- ANVISA e EMA têm aceitado abordagens baseadas em IC + TOST com fundamentação técnica.
- A FDA exige que métodos estatísticos não apenas rejeitem H₀, mas comprovem equivalência.
Considerações Finais
A demonstração de comparabilidade estatística entre lotes é mais que uma comparação de médias: exige planejamento experimental, construção de margens cientificamente justificadas e uso criterioso de testes de hipótese. Quando bem executado, esse estudo minimiza riscos de variações não detectadas e aumenta a confiança na robustez do processo.
Quer automatizar a análise estatística de comparabilidade com base em métodos aceitos por agências regulatórias?
Fale com um especialista