MCP HubMCP Hub
Volver a habilidades

validate-analytical-method

pjt222
Actualizado Yesterday
3 vistas
17
2
17
Ver en GitHub
Metageneral

Acerca de

Esta habilidad valida métodos analíticos como HPLC o GC para productos farmacéuticos de acuerdo con las directrices ICH Q2(R1). Ayuda a los desarrolladores a determinar la especificidad, linealidad, exactitud, precisión, límites de detección y robustez. Úsela al crear planes de validación, desarrollar estrategias regulatorias o transferir métodos entre laboratorios.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add pjt222/agent-almanac -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativo
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/validate-analytical-method

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación


name: validate-analytical-method locale: de source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > Validiere analytische Methoden nach ICH Q2(R1)-Richtlinien durch Bestimmung von Spezifitaet, Linearitaet, Richtigkeit, Praezision, Nachweis- und Bestimmungsgrenze sowie Robustheit. Verwende diesen Skill bei der Validierung einer HPLC- oder GC-Methode fuer Arzneimittel, bei der Entwicklung einer Validierungsstrategie nach regulatorischen Anforderungen, beim Erstellen eines Validierungsplans fuer pharmazeutische Qualitaetskontrolle oder bei der Ueberleitung einer validierten Methode in ein anderes Labor. license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: chromatography complexity: advanced language: natural tags: chromatography, validation, ICH, accuracy, precision, linearity

Analytische Methode validieren

Validiere eine analytische Methode systematisch nach ICH Q2(R1) durch Nachweis aller relevanten Validierungsparameter: Spezifitaet, Linearitaet, Richtigkeit, Praezision (Wiederholbarkeit und Zwischenpraezision), Nachweisgrenze, Bestimmungsgrenze und Robustheit.

Wann verwenden

  • Validierung einer neuen HPLC- oder GC-Methode fuer Arzneimittelanalyse
  • Entwicklung einer Validierungsstrategie nach ICH Q2(R1), EMA oder FDA-Anforderungen
  • Methodentransfer zwischen Laboren (muessen Validierungsparameter verifiziert werden)
  • Erweiterung einer validierten Methode auf neue Matrizen oder Konzentrationsbereiche
  • Dokumentation der Methodenleistung fuer regulatorische Einreichungen

Eingaben

  • Erforderlich: Methodenbeschreibung (Saeule, Eluent, Detektion, Probenvorbereitung)
  • Erforderlich: Analyt und Matrix (pharmazeutische Form, biologisches Material, Umweltmatrix)
  • Erforderlich: Art der Methode (Gehaltsbestimmung, Verunreinigungsbestimmung, Identifizierung)
  • Optional: Regulatorische Anforderungen (ICH, USP, Ph. Eur., FDA-Richtlinie)
  • Optional: Zielspezifikationen aus entwickelter Methode

Vorgehensweise

Schritt 1: Validierungsplan erstellen

Lege Umfang und Strategie der Validierung fest:

  1. Validierungsparameter nach Methodentyp:
ParameterIdentifizierungGehaltsbestimmungVerunreinigungen
SpezifitaetJaJaJa
LinearitaetNeinJaJa
RichtigkeitNeinJaJa
WiederholbarkeitNeinJaJa
ZwischenpraezisionNeinJaJa
LODNeinNeinJa
LOQNeinNeinJa
RobustheitNeinJaJa
  1. Standardmengen planen: Wieviele Standardloesungen pro Konzentration; wieviele Replikate.
  2. Probenplanung: Welche Matrices? Welche Konzentrationsbereiche?
  3. Akzeptanzkriterien festlegen: Was muss jeder Parameter erreichen um die Validierung zu bestehen?
## Validierungsplan
- Methode: [Bezeichnung]
- Analyt: [Name, CAS-Nr.]
- Matrix: [Art der Probe]
- Regulatorische Basis: [ICH Q2(R1)/USP/andere]
- Geplante Konzentrationsbereiche: [min - max mg/L oder %]

Erwartet: Vollstaendiger Validierungsplan mit allen Parametern und Akzeptanzkriterien vor Beginn der experimentellen Arbeit.

Bei Fehler: Falls Akzeptanzkriterien unklar, konsultiere ICH Q2(R1) und interne SOPs; definiere Kriterien vor Beginn des Experiments.

Schritt 2: Spezifitaet und Systemeignung pruefen

Zeige, dass die Methode selektiv fuer den Analyten ist:

  1. Placebotests: Messe die leere Matrix (Placebo ohne Wirkstoff) und pruefe ob signifikante Interferierende vorhanden sind.
  2. Bekannte Verunreinigungen: Injiziere Loesung mit bekannten Verunreinigungen; zeige, dass diese von Wirkstoffpeak getrennt sind (Rs >= 2,0).
  3. Stresstest-Proben (Stabilitaetspruefung): Saeure/Lauge/Hitze/Licht-degradierte Proben; zeige dass Degradationsprodukte separiert sind.
  4. Systemeignungsparameter (vor jeder Messreihe):
    • Aufloesung (Rs): >= 2,0 fuer kritische Peakpaare
    • Tailing-Faktor: 0,8-1,5
    • Bodenzahl (N): >= [Spezifikationswert]
    • Retentionszeit-RSD: < 1%
## Spezifitaetstest
| Test | Bedingung | Ergebnis | Akzeptiert? |
|------|-----------|----------|-------------|
| Placebo | Matrix ohne Analyt | kein Peak bei tR | Ja/Nein |
| Verunreinigung X | [conc] | Rs = [wert] | Ja/Nein |
| Stresstest | [Bedingung] | Degradationsprodukte separiert | Ja/Nein |

Erwartet: Keine Interferenz durch Placebo; alle Verunreinigungen und Abbauprodukte ausreichend getrennt.

Bei Fehler: Falls Spezifitaet unzureichend, modifiziere Trennbedingungen (pH, Gradient, stationaere Phase) und wiederhole.

Schritt 3: Linearitaet bestimmen

Zeige, dass das Detektorsignal linear mit der Analytkonzentration korreliert:

  1. Kalibrierbereich: Typisch 50-150% des nominalen Analytgehalts fuer Gehaltsbestimmung; 0,1-120% fuer Verunreinigungen.
  2. Anzahl Kalibrierstandards: Mindestens 5 Konzentrationen; doppelt oder dreifach gemessen.
  3. Auswertung:
    • Lineare Regression; Berechnung von R2
    • R2 >= 0,999 fuer Gehaltsbestimmung; >= 0,998 fuer Verunreinigungen
    • Y-Achsenabschnitt: Pruefe auf Signifikanz (t-Test); wenn signifikant, pruefe Ursache
  4. Residualplot: Auftragen der Residuen (Abweichung vom Fit) gegen Konzentration; systematische Muster deuten auf Nichtlinearitaet.
## Linearitaetsergebnis
| Konzentrationsbereich | Steigung | Y-Achsenabschnitt | R2 | LOF-Test |
|----------------------|---------|-------------------|-----|---------|
| [min] - [max] [Einheit] | [wert] | [wert] | [wert] | bestanden |

Erwartet: R2 >= 0,999 im gesamten Kalibrierbereich; Residualplot ohne systematische Muster.

Bei Fehler: Falls R2 < 0,999, pruefe auf Ausreisser, Detektor-Saettigung bei hohen Konzentrationen oder Adsorptionseffekte bei niedrigen Konzentrationen. Erweitere ggf. den Konzentrationsbereich.

Schritt 4: Richtigkeit und Praezision bestimmen

Zeige, dass die Methode den wahren Wert richtig und reproduzierbar misst:

  1. Richtigkeit (Accuracy):
    • Dotiere Placebo mit bekannten Mengen Analyt (typisch 80, 100, 120% des nominalen Gehalts)
    • Berechne Wiederfindung = (gemessen / eingesetzt) * 100%
    • Akzeptanzkriterium: 98-102% fuer Gehaltsbestimmung; 80-120% fuer Verunreinigungen
  2. Wiederholbarkeit (Repeatability):
    • 6 Injektionen derselben Probe (gleicher Tag, gleicher Analyst, gleiches Geraet)
    • Berechne RSD der Peakflaechenverhaeltnisse
    • Akzeptanzkriterium: RSD <= 2% fuer Gehaltsbestimmung; <= 5-10% fuer Verunreinigungen
  3. Zwischenpraezision (Intermediate Precision):
    • Messungen an verschiedenen Tagen und/oder durch verschiedene Analysten
    • Berechne RSD ueber alle Messreihen
    • Zeigt Robustheit des Verfahrens unter normalen Laborbedingungen
## Richtigkeit und Praezision
| Konzentration (%) | n | Wiederfindung (%) | RSD (%) | Akzeptiert |
|------------------|---|------------------|---------|------------|
| 80 | 3 | [wert] | [wert] | Ja/Nein |
| 100 | 6 | [wert] | [wert] | Ja/Nein |
| 120 | 3 | [wert] | [wert] | Ja/Nein |

Erwartet: Wiederfindung 98-102% und RSD <= 2% (Gehaltsbestimmung) an allen Konzentrationspunkten.

Bei Fehler: Falls Wiederfindung systematisch zu hoch oder zu niedrig, pruefe Kalibrierung, Probenpraeparation und Matrixeffekte. Falls RSD zu gross, pruefe Injektorleistung und Probenhomoegnitaet.

Schritt 5: LOD, LOQ und Robustheit bestimmen

Ermittle untere Nachweisgrenze und pruefe Methodenstabilitaet:

  1. Nachweisgrenze (LOD): Kleinste Menge, die mit S/N = 3 nachgewiesen werden kann.
    • LOD = 3,3 * sigma / S (sigma = Rauschen der Basislinie; S = Kalibrierkurvensteigung)
    • Alternativ experimentell durch Verduennen bis S/N = 3
  2. Bestimmungsgrenze (LOQ): Kleinste Menge, die mit angemessener Praezision und Richtigkeit bestimmt werden kann.
    • LOQ = 10 * sigma / S
    • Experimentell: S/N = 10 mit RSD <= 10% und Richtigkeit 80-120%
  3. Robustheit: Kleine absichtliche Aenderungen der Methodenparameter:
    • pH +/- 0,2 Einheiten, Fluss +/- 0,1 mL/min, Temperatur +/- 5 degC
    • Pruefe ob Systemeignungsparameter weiterhin erfuellt werden
    • Dokument welche Parameter kritisch sind
## Nachweis- und Bestimmungsgrenze
- LOD (S/N = 3): [Konzentration] [Einheit]
- LOQ (S/N = 10): [Konzentration] [Einheit]
- LOQ-Validierung: RSD = [%], Wiederfindung = [%]

Erwartet: LOD und LOQ bestimmt; alle Robustheitsstests im Akzeptanzbereich; kritische Parameter identifiziert.

Bei Fehler: Falls LOQ-Praezision unzureichend, prueffe Injektionspraezision bei niedrigen Konzentrationen (Adsorption, Verdampfung). Falls Robustheit unzureichend, identifiziere welcher Parameter kritisch ist und enge Toleranzen in Methodenbeschreibung ein.

Validierung

  • Validierungsplan mit allen Parametern und Akzeptanzkriterien erstellt
  • Spezifitaet gegenueber Placebo, Verunreinigungen und Abbauprodukten gezeigt
  • Linearitaet mit R2 >= 0,999 ueber den gesamten Kalibrierbereich bestimmt
  • Richtigkeit an mindestens 3 Konzentrationspunkten geprueft
  • Wiederholbarkeit (n = 6) und Zwischenpraezision dokumentiert
  • LOD und LOQ experimentell bestimmt und verifiziert
  • Robustheit gegenueber kleinen Parameteraenderungen geprueft
  • Validierungsprotokoll erstellt und von verantwortlicher Person unterzeichnet

Haeufige Stolperfallen

  • Akzeptanzkriterien erst nach Ergebnissen festlegen: Kriterien muessen vor dem Experiment definiert sein; nachtraegliche Anpassung ist regulatorisch inakzeptabel.
  • Nur interne Standards fuer Gehaltsbestimmung: Externe Standardkalibrierung ist fuer Gehaltsbestimmung akzeptiert, aber Matrixeffekte muessen ausgeschlossen werden.
  • Robustheit mit zu grossen Aenderungen: Robustheitstests sollen kleine, praxisrelevante Aenderungen simulieren; zu grosse Aenderungen testen die Methode ausserhalb ihres Anwendungsbereichs.
  • Fehlende statistische Auswertung: Alle Ergebnisse muessen statistisch ausgewertet werden (Mittelwert, SD, RSD, Konfidenzintervall).

Verwandte Skills

  • develop-hplc-method -- HPLC-Methoden entwickeln vor Validierung
  • develop-gc-method -- GC-Methoden entwickeln vor Validierung
  • troubleshoot-separation -- Probleme beheben die Validierungsergebnis beeinflussen

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/de/skills/validate-analytical-method
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Habilidades relacionadas

content-collections

Meta

Esta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.

Ver habilidad

polymarket

Meta

Esta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.

Ver habilidad

creating-opencode-plugins

Meta

Esta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.

Ver habilidad

sglang

Meta

SGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.

Ver habilidad