MCP HubMCP Hub
Вернуться к навыкам

validate-analytical-method

pjt222
Обновлено Yesterday
2 просмотров
17
2
17
Посмотреть на GitHub
Метаgeneral

О программе

Этот навык проводит валидацию аналитических методов, таких как ВЭЖХ или ГХ, для фармацевтических препаратов в соответствии с руководством ICH Q2(R1). Он помогает разработчикам определить специфичность, линейность, правильность, прецизионность, пределы обнаружения и робастность. Используйте его при создании планов валидации, разработке регуляторных стратегий или передаче методов между лабораториями.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/validate-analytical-method

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация


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

GitHub репозиторий

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

Похожие навыки

content-collections

Мета

Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.

Просмотреть навык

polymarket

Мета

Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.

Просмотреть навык

creating-opencode-plugins

Мета

Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.

Просмотреть навык

sglang

Мета

SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.

Просмотреть навык