为了查看一个观察结果是否偏离趋势，应构建研究批次的预测区间（不考虑研究中的观察结果），同时考虑历史批次的可变性（通过历史+研究中批次之间的共同误差模型）。如果观测值超出预测区间，则视为 OOT。数据集必须包括至少 3 个批次，每个批次至少有 4 个时间点，才能开始此分析。

ECA _AQCWG_ SOP 02_OOE OOT_v1.1_November 2016_rev10_CBu

回答：

OOT的调查可以参考美国FDA的OOS指南，根据不同OOT类型，可以有不同的调查程度和范围。OOT警戒分为三种类型，分别是分析警戒，工艺控制警戒和符合性警戒。OOT警戒需要用历史数据来确定。分析警戒是指某单一值异常（其他值趋势都正常），但还在质量标准内（正常的取样差异及随时间的变化除外）的情况；工艺控制警戒是指一连串的数据点显示可能由实验室或生产工艺变化引起了非典型模式，虽然趋势异常，但不会产生潜在的OOS的情况，数据点可能来自同一批稳定性研究或来自多批的研究；符合性警戒是指同一产品的同一（或其他）稳定性研究产生的OOT结果显示，在有效期内有产生OOS的可能性的情况。

调查的程度取决于数据的性质，产品历史和所检测的特性，对产品质量的潜在风险以及对有关安全性和有效性的潜在影响。CFR 211.166 的CGMP 法规要求对药品稳定性做出评估，而21 CFR 211.192 要求质量控制部门对不明原因的差异进行调查。
如果观察到的是分析警戒，应进行实验室调查。如果实验室调查没有结论，主管人当时可以不采取进一步措施，但是要密切检测后面的时间点。有关检测属性的结果审核也有助于调查。根据产品，历史和分析警戒数据的性质，在确定不是实验室误差的情况下，公司可以决定调查是否存在生产误差。可能需要更多的数据（如下一次稳定性测试点的数据）来说明该结果是否是长期趋势（工艺控制警戒）的一部分或者仅仅是一个孤立结果。如果该研究以后的结果和其他的横向结果都没有超出趋势，那么最初的分析警戒有可能就是一个孤立事件，没必要对其做进一步的调查。
工艺控制警戒可能预示产品或分析性能的意外变化。有着不同寻常趋势的稳定性研究可能显示某一特性的稳定情况发生了改变，而多重分析警戒可能暗示测量过程不再受控。当工艺控制警戒很明显时，调查通常从评估实验室工艺可能存在的变化的影响开始（例如仪器的变化，色谱柱的变化，集成技术的变化，标准的变化等 ）。也可延伸到生产工艺（如检查材料，人员，设备和工艺有无变化）。
因为符合性警戒是指某一检测项目（或一些检测项目）在有效期内可能不符合质量标准限度，因此需要进行全面彻底的调查。通常这种调查从实验室开始，如果不能最终确定根本原因，进一步扩大到生产工艺。生产调查可能会包括与本批可能会产生OOS有关的其他批次（同一产品或相关产品），以确定这种偏差是孤立的还是系统的。调查也要评估是否需要进行另外的分析检测，生产工艺调查，产品召回和增加检测频率。符合性警戒调查的目的是及早发现潜在的OOS和确定可能引起OOS的原因。如果确定了根本原因，应采取适当的措施，例如确定可能采取的预防措施。

5. OOT 确认方法
有较多可以用于确定OOT的统计学方法，本文主要讲述几个统计学要求不高并且不需要用到实验室信息管理系统（LIMS）的方法来确定分析警戒OOT，每种方法的优缺点都在下文中进行描述，而对于工艺控制警戒OOT和符合性警戒OOT的确认方法做了简单的描述。同时，文中也对用于确定警戒限的历史数据做了讨论。一般，稳定性OOT是越早发现越好，但工艺控制警戒及符合性警戒是很难在稳定性研究早期发现。
5.1 分析警戒OOT的确认
在得到稳定性数据时就发现确认分析警戒是很重要的，因为分析警戒OOT很可能是实验室的原因，这样可以最大可能找到并产生分析警戒OOT的原因。如果有实验室信息管理系统（LIMS），分析警戒可以很容易发现，没有LIMS，也可以用一些简单的方法来发现分析警戒OOT。如下方法可能都需要做一些简单的计算，而在下文会提到的另一种方法可能更简单。一般来说，方法越简单越容易执行，但是，太简单的方法可能在发现工艺控制警戒OOT和符合性警戒OOT的能力会不够。
主要有如下四种方法：
（1）根据与前一个数据比较的变化情况（计算与前一个时间点的结果的变化）
（2）根据与前一个数据比较的变化情况（每时间单位的变化大小，如时间以月计，则6月的时是与前一时间点的变化值除以6）
（3）根据与0个月数据比较的变化情况（计算与0月的结果的变化）
（4）不做计算，直接根据检测值（不需计算）
这些方法都需要有历史数据来设定相应的限度标准，这类方法比固定限度的方法要好，因为固定限度的方法可能限度范围太大或太小，发现OOT能力不够或造成警戒误报；目前在药品稳定性试验中用于确认OOT的方法可能还有这种固定限度的方法，如：
（1）连续三个结果超出某一限度；
（2）连续结果之间的差异超过了先前结果与质量标准差异的一半；
（3）结果超出了最初结果的±5％；
（4）结果超出了之前结果的±3％；
（5）结果超出了之前所有结果平均值的±5％
以上方法优点在于易于理解和应用，并且通常无需对每一时间点均设定相应的限度。但是，这些方法的最大缺陷在于缺乏统计学理论依据，OOT确认标准的制定过于经验化。此外，OOT的确认标准还会随特殊情况的数据的变化而变化，缺乏一定的稳定性，可能会导致高变异性数据容易出现假阳性OOT结果，而低变异性数据容易出现假阴性OOT结果。不仅如此，其中部分方法是将现在结果与另一参照结果进行比较。如果参照结果不准确，这样的比较可能不能准确反映现在结果是否为OOT，所以稳定性OOT确认的方法已及相应的标准应该有统计学基础，需要科学合理。
当OOT警戒限确认之后，检测数据的变化（或者直接是检测数据）与OOT警戒限比较，当数据在警戒限之外时，认为出现了OOT。OOT警戒限是评估历史数据以及检测项目的性质之后确认的，评估中可以使用柱形图及频率分布图等。
如果稳定性数据是随着时间降低的，则平均变化值是负值，警戒限应该包括最小值，如果稳定性数据随时间变化是稳定的，则其平均变化值近似为0，警戒限应该包括上下限，分析警戒是监测实验室错误的，所以建议设定上下限
如，OOT警戒限可以用下述公式来规定：

公式中，K是变异系数，一般取K=3（假设数据是正态分布的）或者取t统计量（f，1-α），f代表自由度，α表示显著性水平。上下限度可以取差异分布的α和1-α的的百分数。这中方法适用于稳定性数据不呈正态分布的情况。
K值或显著性水平的选择需要谨慎考虑，因为如果将限度设地太宽，发现OOT能力减弱，而限度太紧则可能出现假阳性的结果（误报），所以在选择确定K值或α值时需要平衡两者，同时还需要考虑后续的调查程度，如果后续调查非常复杂，那么限度应该相应放宽一点。所以，不能给出一个能够普遍使用的标准，一般都需要根据具体的检测项目性质，数据量的大小及后续调查的复杂程度来综合评估历史数据来得出警戒限。

5.2 工艺控制警戒OOT警戒限的确定
工艺控制警戒OOT确认的统计原理是设定限度看稳定性数据趋势是否与其他批次不同，同样，这也需要历史数据，需要足够多的历史数据来设定警戒限。而相应的确定工艺控制警戒限比分析警戒要复杂，在年度质量审核时来做是最容易的，因为年度审核时有大量数据可以用来评估。斜率控制图（《Handbook of Stability Testing in Pharmaceutical Development（Kim Huynh-Ba，editor）》）是确定工艺控制警戒的一种方法，另一种方法是将历史数据进行集成（ICH Q1E）。工艺控制警戒可能在分析警戒调查或年制质量审核中产生。
5.3 符合性警戒
符合性警戒与工艺控制警戒的区别主要是符合性警戒表示在效期内可能出现OOS。同样，确定符合性警戒也需要历史数据，也可以在年度质量审核中调查。调查符合性警戒OOT是很重要的，因为这表示在效期内可能出现OOS结果。工艺控制警戒OOT的确认方法也适用于符合性警戒OOT，但需要评估是否会印发OOS。其中一种方法是拟合法（一般是线性回归）预测效期内后面时间点的结果并与实际值比较，评估在效期内产生OOS的风险。符合性警戒OOT确认的方法必须包括：最好使用什么方法（什么条件），最少需要多少历史数据，怎样能最好评估会否在效期内产生OOS
6. 历史数据的评估
OOT警戒限都需要用到历史数据，选择合适的历史数据是很重要的，这可能与选用哪种方法一样重要。为确保OOT警戒限的有效性，需要设置最小需要的历史数据数量。历史数据反映的是历史情况，而OOT警戒限是用来评判未来产生的数据是否在合理的范围内，所以，选择的历史数据应该能够反映将来的情况，否则可能会出现限度范围太大或太小的情况。企业的生产及质量管理是动态的，可能会改工艺，改分析方法，此时就需要排除老工艺或老方法的数据更新历史数据库确定新的警戒限，需要注意的是历史数据数量不能太少。结合变更控制系统，这个是可以实现的。
一个很常见的问题是历史数据太少，尤其是产品刚开发时，这时可以参考ICH Q1E 的组合方法，不同的项目应相应的选择合适的组合程度。需要指出的是，产品是一直在生产的，可能会有新变化，稳定性OOT的警戒限应该定期审核更新，使之能最反映最真实合适的限度，如果需要，可以在年度质量审核中对警戒限进行重新评估。

历史数据的统计及确认需要考虑，有些明显超出不符合趋势的数据不应放入作为制定标准的历史数据中，推荐采用线性回归斜率差不多的批次稳定性数据来作为决定趋势限度标准的历史数据。 如果限度超过标准限度，则以限度为标准，如果出现负值，则以 0 为下界。

变更存储条件需要重新做稳定性研究，长期试验  0/3/6/9/12/24...请参考http://lib.shilinx.com/wiki/index.php?title=%E5%8C%96%E5%AD%A6%E8%8D%AF%E7%89%A9%EF%BC%88%E5%8E%9F%E6%96%99%E8%8D%AF%E5%92%8C%E5%88%B6%E5%89%82%EF%BC%89%E7%A8%B3%E5%AE%9A%E6%80%A7%E7%A0%94%E7%A9%B6%E6%8A%80%E6%9C%AF%E6%8C%87%E5%AF%BC%E5%8E%9F%E5%88%99

不太清楚是否有这样细致明确的法规依据。

我们不要被所谓的法规依据所套牢，而限制了我们主动思考的能力。实际上，不管是有法规依据还是没有法规依据，其背后都是有一个依据，即“理”。

这个“理”，可以分类道理，理由，合理，科学性等。

法规的制定，需要讲道理，讲科学性，讲分类，才可能制定出大家信服的规范，法律法规，而且这些要随着新的变化而变化。

而没有法规依据，是因为这些情况暂时没有一个相对参照或者标准，或者要case by case去考量的。还有一种情形是需要企业考量的，或者是企业内部的管理问题，资源问题，或者其他方面的问题，监管者不好也不应该去过多干涉，即便干涉了，也是可能吃力不讨好。

那么就本问题，即便有法规依据，我们其实完全可以不用去查找相应的法规，因为要进行趋势分析，必定要积累到一定的数据方可行。那么这个数量是多少呢。研发阶段，经常有这样的问题，比如连续三批，是不是必须三批，连续是不是中间不能有其他品种其他批次。还比如三批验证，为什么不是二批，为什么不是四批等等。

我们可以从以下几个朴素的道理，可以推测哪种更合理，更遵循科学道理，更有说服力，比如

1.从统计概率来讲，要具备统计学意义，通常不能少于3，并且如果要更有趋势，那至少5，又比如我们考察线性，比如中间精密度，重复性等等

2.道生一，一生二，二生三，三生万物，不解释，本人道行过浅，估计也解释不清楚

3.一点，二线，三面，点线面体，才能形成一定的气候

4.一而再，再而三

5.一人为私，二人为公，三为群

6.三人行必有我师

7.一是偶然，二是必然，三是必须，当一个事情出现第三次的时候，那就是一个共性问题

8，三人成虎

9，编不下去，祝大家周末愉快

另外，可以使用一个小软件，叫minitab，看需要多少数量，以及ICH Q1E是不是可以参考参考。