药物制剂学中数理统计方法应用的研究综述

秦秉杰

(山西药科职业学院,山西 太原 030031)

引言

药物制剂研究旨在通过合理的试验设计(Design of Experiments,DoE)进行系统的处方与工艺筛选,找到影响处方和工艺的关键变量以及这些变量的变化范围,并由此建立药品质量体系(Product Quality System,PQS)[1]。

在药品质量体系建立的过程中,需要全面地研究影响药物成品质量的各种处方和工艺参数,以及其交互作用。数理统计在整个过程中发挥了非常重要的作用,具体体现:一是为了尽可能以最少的实验次数获得处方筛选与工艺优化实验,利用统计学对实验数据进行统计分析,确立关键工艺参数;二是处方筛选与工艺优化实验,利用统计学对实验数据进行统计分析,确立关键工艺参数;三是对制剂进行质量控制,从而得到安全、有效、稳定的药物制剂。在制剂研究中有大量的数据资料需要搜集、整理与分析,数理统计对药剂学研究与实践具有重要意义。

1 实验设计方法的选择

制剂研究需要选择合适的试验设计方法进行处方筛选与工艺优化,而合适的试验设计方法可以大大减少试验次数,缩短试验周期,更好地获得最优处方或工艺。常用的试验设计方法有正交设计法、均匀设计法、析因设计法、Box—Behnken响应面法等。

正交试验设计方法是制剂研究中常用的实验设计方法。其采用正交表安排试验,通过有代表性的实验结果来反映整体试验情况[2]。正交实验设计方法综合考虑了各个因素的影响,具有“均匀分散、整齐可比”的特点,但其一般只适用于水平数≤5的试验。

均匀试验设计方法与正交试验设计方法相比,其只考虑“均匀分散”性,而忽略“整齐可比”性,使得实验点均衡分散在实验范围内,从而以更少的试验次数代表全面实验。均匀试验设计方法适用于水平数较多的试验。

析因试验设计方法综合考虑多变量系统里各个元素的影响力以及各元素之间交互作用,通过析因实验,找出多变量系统中的关键参数及其交互作用。析因试验设计适用于多因素的交叉分组试验。

Box—Behnken响应面法在析因试验设计方法的基础上加上星点和中心点设计,通过多因素响应面分析,更精准地拟合多变量系统中的关键参数及其交互作用。Box—Behnken响应面法适用于多因素非线性关系的研究。

正交试验设计方法与均匀试验设计方法在制剂处方筛选与工艺优化中有广泛的应用。如王敬伟等[3]采用正交试验设计方法对兰索拉唑片进行处方筛选,通过对三种崩解剂(预胶化淀粉、交联羧甲基纤维素钠、羧甲淀粉钠)及其用量、三种增溶剂(十二烷基硫酸钠、聚山梨酯-80、泊洛沙姆)及其用量进行四因素三水平的正交试验,以溶出度为判断指标,确定兰索拉唑片芯的处方组成。在确定兰索拉唑片芯处方组成后,作者进一步采用均匀试验设计方法对处方进行优化。通过对羧甲基淀粉钠与微晶纤维素的用量进行均匀试验设计,以溶出度为判断指标,最终确定优化处方。

Martin Hagedorn等[4]采用析因试验设计方法对利用双重离心-纳米研磨机制备非诺贝特纳米混悬剂进行处方筛选。通过对三种聚合物及其用量、三种表面活性剂及其用量进行析因试验,绘制等值线图,筛选出最优的药物活性成分/聚合物/表面活性剂体系。

Ehsan Nourafkan等[5]采用Box—Behnken响应面法评价三个变量对反向微乳液处方的影响。通过对变量pH、司盘80和吐温80混合物中司盘80百分比、环己烷与丙醇混合物中丙醇百分比进行Box—Behnken (33) 试验设计,研究其对液滴平均粒径大小与多分散系数的影响。通过ANOVA分析筛选出反向微乳液的最优处方。

2 处方筛选与工艺优化数据分析

在选用合适的实验设计方法进行处方筛选与工艺优化实验研究后,所得的实验数据需要经过合理的统计分析,从而推断出各因素的最佳水平或最佳方案。

采用正交设计法所得的实验数据,可以通过直观分析或统计分析方法分析实验结果,推断出各因素的最佳水平。采用均匀试验设计方法所得的实验结果没有整齐可比性,分析结果不能采用一般的方差分析,需要采用多元回归分析,或者逐步回归分析法进行分析,推断出最佳方案。

胡一桥等[6]在胰岛素聚乳酸微球处方筛选过程中,以微球的形成与否为判断指标,先后对乳化温度、溶剂挥发温度与乳化剂、油相进行正交试验设计,通过直观的观察微球的形成情况来对实验结果进行判断,从而得到聚乳酸微球的最佳处方组成。在确定胰岛素聚乳酸微球的处方组成后,作者进一步采用均匀试验设计方法与逐步回归分析法进行制备工艺的优化。均匀试验设计与逐步回归分析得到逐步回归方程,推断出最佳方案。

C. Tuba Sengel-Turk等[7]利用两因素三水平的析因试验设计方法对脂质体聚合物微粒进行处方筛选。利用Design Expert R 6.0.8 软件对试验数据进行统计,并做回归分析,研究各变量的影响以及各变量之间的交互作用。利用反应曲面图可以直观地看出各变量的影响以及最优处方。

Martin Hagedorn等利用析因试验设计方法对非诺贝特纳米混悬剂进行处方筛选。利用MODDE 11软件对试验数据进行统计分析,绘制等高线图,直观地看出各变量对指标的影响,筛选出基于药物活性成分、聚合物、表面活性剂的最优药物制剂处方。

Ehsan Nourafkan等利用Box—Behnken响应面法对反向微乳液进行处方筛选。利用Minitab软件对试验数据进行统计分析,绘制3D响应面图,直观地看出两两变量对指标的影响,并联合ANOVA分析筛选出反向微乳液的最优处方。

3 质量控制

药品必须满足相应的质量要求,才能成为合格的商品。缓控释制剂的质量评价与常规剂型的质量评价相似,如外观、原料药含量测定、药物稳定性、溶出度等,但由于缓控释制剂需要按程序设计定时定量的输出活性成分,这使得其体外释放速率与体内吸收速率的检测更为重要,因此其还需要检测释放度、药物的体内生物利用度和生物等效性评价和体内外相关性评价等方面[8]。

在药品质量评价过程中,数理统计扮演了非常重要的角色。以缓控释制剂为例,数理统计方法在质量风险管理中的作用主要体现在:一是通过对数据进行整理,反映客观现象规律。在体外释放度评价过程中,药物的释放数据一般可采用零级方程、一级方程、Peppas方程等进行拟合,从而判断制剂的释药机制。二是比较两件事物之间的显著性差异。在缓控释制剂的体内生物利用度和生物等效性评价过程中,需要确定受试制剂与参比制剂在单次给药后的吸收速度、吸收程度的生物等效性,确定受试制剂与参比制剂在多次给药后的吸收程度、稳态血药浓度、波动情况有无显著性差异,以及对各药物动力学参数的计算。三是对一件事物的两种性质之间的关系进行分析,如相关性研究。在缓控释制剂的体内外相关性评价过程中,需要建立药物体外释放特征(药物溶出度)与体内药代动力学过程(药物体内吸收速度与程度)之间的定量关系。

4 结论

综上所述,数理统计方法参与了药物制剂研究的整个流程中,具体体现在:一是科学合理的选择试验设计方法,尽可能以最少的实验获得最全面可靠的信息;二是分析实验数据,找出影响事物变化的主要因素,从而在处方筛选与工艺优化中选出最优方案;三是对事物特征进行客观描述,并对事物之间的差异或者相关性进行统计分析[9],从而对制剂进行质量风险管理,得到安全、有效、稳定的药物制剂。数理统计在医药研究的各个领域都有广泛的应用,正确熟练的掌握数理统计对医药领域的研究和实践具有指导意义。