Técnicas Estatísticas para Validação de Métodos qualitativos

1. Técnicas Estatísticas para Validação de Métodos qualitativos DorivalLeão

2. Necessidade

3. Validação de Métodos • “A validação deve garantir, através de estudos experimentais, que o método atenda às exigências das aplicações analíticas, assegurando a confiabilidade dos resultados” (ANVISA). • “Validação é o processo de definir uma exigência analítica e confirmar que o método sob investigação tem capacidade de desempenho consistente com o que a aplicação requer” (ISO/IEC 17025). • “A validação de métodos assegura a credibilidade destes durante o uso rotineiro, sendo algumas vezes mencionado como o “processo que fornece uma evidência documentada de que o método realiza aquilo para o qual é indicado para fazer” (USP).

4. Validação de Métodos qualitativos

5. Ensaios Microbiológicos

6. Modelo Logístico • é o valor da variável explicativa; • é a quantidade de replicatas(número de ensaios); • número de replicatas detectada com micro-organismos em replicatas; • n é o total de combinações. • Suponha uma amostra de n observações independentes da terna • Com isso, assumimos que a variável resposta tem distribuição de probabilidade binomial tal que • Para adequarmos a resposta média ao modelo linear usamos a função de ligação • que pode ser escrita como

7. Modelo Logístico • Modelo Logístico com negativo • Modelo Logístico com positivo

8. Ensaios

9. Experimento 1 • Realizar o teste com uma baixa concentração de micro-organismos e aumentar a concentração até que pelo menos 50% das amostras sejam detectadas no método tradicional EnsaioRealizadoemparalelo.

10. Modelo Logístico em que : probabilidade detecção O método de testealternativoapresenta um limite de detecçãomaiorque o método de testetradicional (P-valor abaixo de 0,01%).

11. Ensaio 2 • Executar o testeemparaleloemtrês (ouduas) concentraçõesdistintas.

12. Modelo Logístico em que : probabilidade detecção O método de testealternativoapresenta um limite de detecção similar aométodotradicional(P-valor de 11%).

13. Teste Qui-Quadrado de homogeneidade • Ensaio 3: • Determinarumaconcentraçãoespecífica de micro-organismos; • Executar um ensaioparalelo entre osdoismétodos. • Conclusão: • Tanto o testeexato de Fisher quanto o teste qui-quadradodetectaramdiferenças entre osdoismétodos; • O testealternativoapresentamaior “chance” de detecção;

14. Cálculo do Tamanho da Amostra • Nível de significância: 0,05 • Poder: 0,95

15. Especificidade • Crescimento • Outros • Capacidade de detectar variedades de micro-organismos diferentes, que podem estar presentes na amostra. • Capacidade de detectar micro-organismos diferenciando-os de partículas externas, não deixando com que elas interfiram no resultado do teste.

16. Exatidão e Precisão • A exatidão e a precisão de um método alternativo pode ser expressa como a razão relativa de resultados falso positivos e falso negativos entre o método alternativo e o método tradicional, utilizando-se inóculos padronizados com uma baixa concentração de micro-organismos.

17. A relação entre Teste Alternativo e Teste Tradicional

18. Sensibilidade e Especificidade e

19. Sensibilidade • Especificidade • Probabilidade do teste alternativo detectar dado que o teste tradicional (ou referência) detecta • Probabilidade do teste alternativo não detectar dado que o teste tradicional (ou referência) não detecta

20. Coeficiente Kappa de Cohen • É umamedidaestatística da concordância de doisavaliadoresquando ambos classificam a mesmaamostra;

21. Grau de Concordância

22. Grau de Concordância

23. Robustez • Consiste em medir a capacidadedo método apresentar resultados “similares” quandosubmetido a pequenasalteraçõesintencionais; • Fornece indicação da confiabilidade durante o uso rotineiro.

24. Ensaio • Executar o método com diferentes analistas e temperaturas distintas. Neste caso, realizamos um experimento cruzado totalmente aleatoriazado.

25. Modelo Logístico Conclusão: Como o P-valor paraanalistas e temperaturasão “grandes”, concluímosque a interferência dos analistas e da temperatura (nafaixa de estudo) sãodesprezíveis.

26. ReferênciasBibliográficas • PDA, J. of Pharmaceutical Science and Technology, technical report 3, Evaluation, Validation, and Implementation of New Microbiological Testing Methods. • Leão JÚNIOR, D. ; AOKI, Reiko ; SILVA, G. F. . Statisticalanalysisofproficiencytestingresultsunderellipticaldistributions. ComputationalStatistics & Data Analysis, v. 53, p. 1427-1439, 2009.