USO DA INCERTEZA DE MEDIÇÃO NA AVALIAÇÃO DE CONFORMIDADE DE MEDICAMENTOS. Noh Ah Jeong

Transcrição

1 UNIVERSIDADE DE SÃO PAULO FACULDADE DE CIÊNCIAS FARMACÊUTICAS Curso de Graduação em Farmácia-Bioquímica USO DA INCERTEZA DE MEDIÇÃO NA AVALIAÇÃO DE CONFORMIDADE DE MEDICAMENTOS Noh Ah Jeong Trabalho de Conclusão do Curso de Farmácia-Bioquímica da Faculdade de Ciências Farmacêuticas da Universidade de São Paulo. Orientador: Prof. Dr. Felipe Rebello Lourenço São Paulo 2018

2 1 Sumário 1. INTRODUÇÃO OBJETIVOS MATERIAIS E MÉTODOS Peso médio Teor de ranitidina Uniformidade de doses Estimativa da incerteza de medição RESULTADOS E DISCUSSÃO CONCLUSÕES BIBLIOGRAFIA... 19

3 2 RESUMO JEONG, N.A. Uso da incerteza de medição na avaliação de conformidade de medicamentos no. 20. Trabalho de Conclusão de Curso de Farmácia- Bioquímica Faculdade de Ciências Farmacêuticas Universidade de São Paulo, São Paulo, Palavras-chave: Incerteza de medição, simulações de Monte Carlo, avaliação de conformidade As decisões de conformidade de um produto farmacêutico usualmente são tomadas com base em resultados analíticos. Um resultado analítico sempre apresenta uma incerteza associada, que deve ser considerada durante a avaliação de conformidade. O objetivo do presente trabalho é estimar a incerteza de medição associada aos ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para amostras de diferentes laboratórios (X e Y). Aplicou-se o método de simulações de Monte Carlo para a estimativa das incertezas associadas aos ensaios, assim como a correlação entre os resultados obtidos. Os resultados obtidos para o peso médio, teor de rantidina e uniformidade de doses foram de 359,2 ± 2,7 mg, 120,4 ± 1,8% e 23,6 ± 3,1 para o laboratório X e de 312,5 ± 0,9 mg, 107,0 ± 1,4% e 7,1 ± 1,7 para o laboratório Y. Os resultados de peso médio, teor de ranitidina e uniformidade de doses apresentam-se correlacionados, o que deve ser considerado na estimativa das incertezas e dos riscos do consumidor (aprovar um lote que deveria ter sido reprovado) ou do produtor (reprovar um lote que deveria ter sido aprovado).

4 3 1. INTRODUÇÃO Para decidir se um dado analítico está conforme a uma especificação é necessário conhecer a incerteza de medição, pois a medição de dados analíticos sempre apresentam erros inerentes às etapas do processo de medição e obtenção do dado que se expressam na forma de dispersão dos valores. As fontes dessa variação incluem imprecisão dos equipamentos, a própria amostra, aproximações, interferências e condições do ambiente. [2] [5] No âmbito farmacêutico, uma decisão errada de conformidade significa um risco para o consumidor do medicamento, quando aceitamos um lote não conforme, e para o produtor do medicamento, quando rejeitamos um lote conforme as especificações. Assim, a incerteza de medição auxilia e serve como critério na determinação da conformidade e na garantia da qualidade de um medicamento, assegurando uma confiança para o consumidor sobre a declaração de conformidade do medicamento bem como sobre a declaração de estabilidade e equivalência farmacêutica. [1] [4] [5] A incerteza de medição já foi usada na validação de um novo ensaio microbiológico para determinar a potência de linezolida em solução injetável com base no erro residual da análise de variância dos diâmetros da zona de inibição [6], bem como num estudo de equivalência terapêutica do ciprofloxacino que diferenciou o desempenho terapêutico do medicamento em posologias diferentes. [7] A estimativa da incerteza de medição pode ser realizada empregando-se duas abordagens: 1) abordagem botton-up: os componentes de incerteza das fontes individuais são combinados, empregando-se a lei de propagação de incerteza, o método da planilha de Kragten ou simulações de Monte Carlo, de forma a se obter as incertezas combinada e expandida final; ou 2) abordagem topdown: os efeitos sistemáticos e aleatórios são estimados de forma combinada através das estimativas de exatidão e precisão, respectivamente, dos métodos

5 4 analíticos, utilizando-se resultados de validação do método ou estudos interlaboratoriais. O método de simulação de Monte Carlo é uma ferramenta com ampla aplicação em diversas áreas da ciência, que se baseia na amostragem de números aleatórios para estudar diversos fenômenos (por exemplo: como os parâmetros de entrada afetam um determinado parâmetro de saída). Sua aplicação na estimativa da incerteza de medição decorre do fato de que as simulações de Monte Carlo permitem avaliar os efeitos da variabilidade dos diferentes parâmetros de entrada (por exemplo: massa do padrão, volume de um balão volumétrico) num determinado parâmetro de saída (por exemplo: concentração final da solução padrão). O método de simulações de Monte Carlo apresenta vantagens em relação à lei de propagação das incertezas e da planilha de Kragten, pois permite estudar mais facilmente como correlação entre os parâmetros de entrada afetam a incerteza de medição final. A correlação entre os parâmetros de entrada pode aumentar ou reduzir a incerteza final, dependendo de como estas variáveis de entrada relacionam-se com a variável de saída. A incerteza de medição é útil na avaliação de conformidade, pois permite estimar os riscos do consumidor (aprovar um lote que deveria ter sido reprovado) e do produtor (reprovar um lote que deveria ter sido aprovado). Uma vez que a correlação entre parâmetros de entrada pode aumentar ou reduzir a incerteza final, consequentemente podem também afetar as estimativas dos riscos do consumidor e do produtor. 2. OBJETIVOS O objetivo deste trabalho é empregar a incerteza de medição na avaliação de conformidade de medicamentos. Para tal, será realizado um estudo de caso com 2 lotes distintos de comprimidos de cloridrato de ranitidina em comparação

6 5 com um padrão, substância química de referência de cloridrato de ranitidina. A conformidade dos lotes serão analisados, com o auxílio da incerteza de medição, nas análises das características de peso médio, teor de ranitidina e uniformidade de conteúdo (por variação de massa) dos comprimidos. [3] 3. MATERIAIS E MÉTODOS Neste trabalho foram analisados comprimidos de cloridrato de ranitidina de dois fabricantes, laboratório X (lote: L0I1627) e laboratório Y (lote: L ). Os comprimidos foram analisados em relação a um padrão (Substância Química de Referência de cloridrato de ranitidina). Os testes realizados foram determinação do peso médio, teor de ranitidina e uniformidade de dose (por variação de massa) dos comprimidos, conforme instruído na farmacopeia brasileira Peso médio Foram pesados vinte comprimidos de cada lote, individualmente, numa balança semi analítica para se determinar o peso médio. Conforme a farmacopéia, tolera-se até duas unidades fora do limite de variação (± 5,0%) em relação ao peso médio, mas nenhuma pode exceder o dobro da porcentagem Teor de ranitidina Foi selecionado o método de doseamento por espectrofotometria de absorção no ultravioleta. Para cada lote, vinte comprimidos foram pesados e pulverizados e a quantidade equivalente a 0,125 g de ranitidina do pó foi transferida para um balão volumétrico de 250 ml e diluída com 150 ml de água.

7 6 As soluções foram homogeneizadas por ultrassom por 10 minutos e completou-se os volumes do balões com água. As soluções foram diluídas sucessivamente até atingir a concentração de 0,00125% (p/v). Uma solução do padrão na mesma concentração foi preparada com o mesmo solvente, água. E a partir da leitura das absorvâncias das soluções em 314 nm foi calculado o teor dos comprimidos de cada lote. 3.3 Uniformidade de doses Conforme a farmacopéia, a uniformidade das doses unitárias foi avaliada por método de variação de peso. A quantidade de cloridrato de ranitidina foi determinada em 10 comprimidos de cada lote, utilizando-se os valores de peso médio e teor. O valor de aceitação (VA) é calculado segundo a equação: VA = M-X +ks em que M = Valor de referência X = Média dos conteúdos individuais, expressa como porcentagem da quantidade declarada k = Constante de aceitabilidade s = Desvio padrão da amostra 3.4. Estimativa da incerteza de medição O método de simulação de Monte Carlo é uma ferramenta que se baseia na amostragem de números aleatórios para estudar fenômenos (por exemplo: como os parâmetros de entrada afetam um determinado parâmetro de saída). Sua aplicação na estimativa da incerteza de medição decorre do fato de que as simulações de Monte Carlo permitem avaliar os efeitos da variabilidade dos diferentes parâmetros de entrada (por exemplo: massa do padrão, volume de um

8 7 balão volumétrico) num determinado parâmetro de saída (por exemplo: concentração final da solução padrão). O método de Monte Carlo foi implementado utilizando-se uma planilha em MS-Excel, adotando-se um gerador de números aleatórios com distribuição normal, média µ e desvio padrão, através da fórmula =inv.norm(aleatório();µ; ), onde a média µ é o valor medido para um determinado parâmetro (por exemplo: µ = 100 para um balão volumétrico de 100 ml) e o desvio padrão é a estimativa da incerteza padrão associada ao parâmetro (por exemplo: é a incerteza padrão associada ao balão volumétrico de 100 ml). Os valores de incerteza das balanças e dos aparatos volumétricos foram obtidos a partir dos certificados de calibração fornecidos pelos fabricantes. A incerteza associada as determinações espectrofotométricas foram obtidas como o desvio padrão experimental de 5 determinações em condições de repetibilidade. 4. RESULTADOS E DISCUSSÃO Os resultados para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para os medicamentos analisados (laboratórios X e Y) estão apresentados na Tabela 1.

9 8 Tabela 1. Resultados para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para os medicamentos analisados (laboratórios X e Y). Ensaio Especificação Laboratório X Resultados Laboratório Y Peso médio - 359,2 312,5 Teor de ranitidina 90 a 110% VR 120,4 107,0 Uniformidade de doses VA < 15 23,6 7,1 As incertezas de medição associadas aos resultados de peso médio, teor de ranitidina e uniformidade de doses foram estimadas empregando-se método de simulações de Monte Carlo, a partir das fontes de incertezas individuais. Para o peso médio considerou-se a própria variação das massas dos 20 comprimidos analisados como principal fonte de incerteza. A incerteza associada a determinação das massa (incerteza da balança) foi desprezável e, por este motivo, não foi considerada para efeito da estimativa da incerteza associada ao peso médio. O histograma para os valores obtidos a partir das simulações de Monte Carlo para o ensaio de peso médio para as amostras analisadas (laboratórios X e Y) estão apresentados nas Figuras 1 e 2.

10 9 FIGURA 1. Histograma dos resultados de peso médio obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório X. FIGURA 2. Histograma dos resultados de peso médio obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório Y.

11 10 As incertezas associadas aos teores de ranitidina nos comprimidos foram determinadas considerando-se os componentes de incerteza relacionados às determinações das massas (incerteza da balança) do padrão (Substância Química de Referência de cloridrato de ranitidina) e das amostras, relacionados aos procedimentos de diluições (incertezas dos balões volumétricos e pipetas volumétricas), assim como das determinações espectrofotométricas (incertezas instrumentais). Adicionalmente, a incerteza associada à determinação do peso médio também foi considerada, uma vez que a tomada de ensaio (massa da amostra) deve ser realizada em função deste resultado. O histograma para os valores obtidos a partir das simulações de Monte Carlo para o ensaio de teor de ranitidina para as amostras analisadas (laboratórios X e Y) estão apresentados nas Figuras 3 e 4. FIGURA 3. Histograma dos resultados de teor de ranitidina obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório X.

12 11 FIGURA 4. Histograma dos resultados de teor de ranitidina obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório Y. Por fim, as incertezas associadas a avaliação da uniformidade de dose (por variação de massa) levaram em consideração as incertezas associadas a determinação do peso médio e do teor de ranitidina nos comprimidos. O histograma para os valores obtidos a partir das simulações de Monte Carlo para o ensaio de uniformidade de doses (por variação de massa) para as amostras analisadas (laboratórios X e Y) estão apresentados nas Figuras 5 e 6.

13 12 FIGURA 5. Histograma dos resultados de uniformidade de doses (por variação de massa) obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório X. FIGURA 6. Histograma dos resultados de uniformidade de doses (por variação de massa) obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório Y.

14 13 Os valores das estimativas de incerteza, obtidas pelo método de simulações de Monte Carlos, para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para as amostras analisadas (laboratórios X e Y) estão apresentados na Tabela 2. Tabela 2. Valores das estimativas de incerteza, obtidas pelo método de simulações de Monte Carlos, para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para as amostras analisadas (laboratórios X e Y) Ensaio Especificação Laboratório X Resultados Laboratório Y Peso médio - 359,2 ± 2,7 312,5 ± 0,9 Teor de ranitidina 90 a 110% VR 120,4 ± 1,8 107,0 ± 1,4 Uniformidade de doses VA < 15 23,6 ± 3,1 7,1 ± 1,7 Observação: Os valores de incerteza estão expressos como incerteza expandida com um nível de confiança de 95% e fator de abrangência k = 2,0. Observou-se uma correlação entre os resultados obtidos para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa), conforme por ser visualizado nas Figuras 7 a 12.

15 14 Gráfico de Dispersão de Teor versus PM Teor PM FIGURA 7. Gráfico de dispersão dos resultados de teor de ranitidina vs. peso médio (PM) obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório X. Gráfico de Dispersão de VA versus PM VA PM FIGURA 8. Gráfico de dispersão dos resultados de uniformidade de doses (VA) vs. peso médio (PM) obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório X.

16 15 Gráfico de Dispersão de VA versus Teor VA Teor FIGURA 9. Gráfico de dispersão dos resultados de uniformidade de doses (VA) vs. teor de ranitidina obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório X. Gráfico de Dispersão de Teor versus PM Teor PM FIGURA 10. Gráfico de dispersão dos resultados de teor de ranitidina vs. peso médio (PM) obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório Y.

17 16 Gráfico de Dispersão de VA versus PM VA PM FIGURA 11. Gráfico de dispersão dos resultados de uniformidade de doses (VA) vs. peso médio (PM) obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório Y. Gráfico de Dispersão de VA versus Teor VA Teor FIGURA 12. Gráfico de dispersão dos resultados de uniformidade de doses (VA) vs. teor de ranitidina obtidos a partir das simulações de Monte Carlo para a amostra analisada do laboratório Y.

18 17 Esta correlação entre os resultados pode ser explicada pelo fato de que o resultado do peso médio é utilizado como parte do cálculo para a determinação do teor de ranitidina, e pelo fato de que os resultados de peso médio e teor de ranitidina são utilizados como parte do cálculo para a avaliação da uniformidade de doses. Os coeficientes de correlação entre os resultados de peso médio, teor de ranitidina e uniformidade de dose (por variação de massa), estimados a partir das simulações de Monte Carlo, estão apresentados nas Tabelas 3 e 4. Tabela 3. Matriz de correlação entre os resultados de peso médio, teor de ranitidina e uniformidade de dose (por variação de massa), estimados a partir das simulações de Monte Carlo, para a amostra do laboratório X. Peso Médio Teor de ranitidina Uniformidade de doses Peso médio 1,000 0,503 0,298 Teor de ranitidina 0,503 1,000 0,606 Uniformidade de doses 0,298 0,606 1,000 Tabela 4. Matriz de correlação entre os resultados de peso médio, teor de ranitidina e uniformidade de dose (por variação de massa), estimados a partir das simulações de Monte Carlo, para a amostra do laboratório Y. Peso Médio Teor de ranitidina Uniformidade de doses Peso médio 1,000 0,216 0,185 Teor de ranitidina 0,216 1,000 0,866 Uniformidade de doses 0,185 0,866 1,000

19 18 Com base nos resultados analíticos experimentais e nas estimativas de incerteza obtidas pelas simulações de Monte Carlo, foi possível estimar os riscos do consumidor (aprovar um lote que deveria ter sido reprovado) ou do produtor (reprovar um lote que deveria ter sido aprovado). Um resumo dos riscos particulares para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para as amostras analisadas (laboratórios X e Y) estão apresentados na Tabela 5. Tabela 5. Estimativas dos riscos particulares do consumidor ou do produtor, obtidas pelo método de simulações de Monte Carlos, para os ensaios de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para as amostras analisadas (laboratórios X e Y) Ensaio Especificação Riscos particulares Laboratório X Laboratório Y Peso médio - 0,0020%* 0,0000* Teor de ranitidina 90 a 110% VR 0,0000** 0,0020* Uniformidade de doses VA < 15 0,0000** 0,0000* *Risco do consumidor (aprovar um lote que deveria ter sido reprovado) e **Risco do produtor (reprovar um lote que deveria ter sido aprovado). 5. CONCLUSÕES O estudo proposto permitiu estimar as incertezas de medição associadas aos testes de peso médio, teor de ranitidina e uniformidade de doses (por variação de massa) para as amostras analisadas dos diferentes laboratórios (X e Y). O método de Monte Carlo mostrou-se adequado, pois permitiu estimar as incertezas de medição, a correlação entre os resultados do peso médio, teor de ranitidina e uniformidade de doses, além de possibilitar a estimativa dos riscos particulares do

20