解读 FDA 实验室数据完整性 (DI) 审查指南：不仅仅是 ALCOA-Data Quality and Integrity Investigation in Laboratories (Analytical)-附资料下载-药研库

解读 FDA 实验室数据完整性 (DI) 审查指南：不仅仅是 ALCOA-Data Quality and Integrity Investigation in Laboratories (Analytical)-附资料下载

在制药行业的质量体系中，“数据完整性”（Data Integrity, DI）早已不是一个新概念，但它依然是 FDA 检查官在现场检查（Inspection）中挖掘“宝藏”的重灾区。

今天为大家分享一份来自 FDA 国际项目办公室（Office of International Programs） 的高价值培训资料——《Data Quality and Integrity Investigation in Laboratories (Analytical)》。这份资料由 FDA 专家 Dr. Ademola O. Daramola 编写，极其详尽地揭示了 FDA 检查官是如何在分析实验室中“顺藤摸瓜”，发现数据造假和违规行为的。

如果你是 QC、QA 或者相关合规人员，这篇基于 FDA 视角的深度总结绝对不容错过。

1. 核心概念：质量与完整性的区别

很多人会将数据质量（Data Quality）和数据完整性（Data Integrity）混为一谈，PPT 开篇就做出了明确区分：

数据质量 (Data Quality)： 指存储信息的完整性、准确性、及时性和一致性。
数据完整性 (Data Integrity)： 特指数据的完整性、准确性和一致性。它是通过 ALCOA 原则来实现的（可追溯、清晰、同步记录、原始/真实副本、准确）。

关键点： 数据质量驱动数据完整性，两者是合规的基石。

2. 实验室：数据问题的“金矿”

为什么 FDA 如此关注实验室？PPT 中使用了一个非常形象的比喻：实验室是一个“金矿”或“宝藏箱” 。

因为很多 GMP 或产品质量问题的“症状”，最终都会在 QC 实验室的检测结果中体现出来（例如原料差导致成品检测异常）。而 电子数据系统（如 HPLC/GC 软件） 则是检查官挖掘违规证据的“重灾区” 。

3. FDA 严查的 8 大“作弊”手段

这份资料最精彩的部分在于它列举了 FDA 在电子系统中常见的 8 种数据操纵手法：

试运行分析 (Trial Sample Analysis)：
- 手法： 在正式进样前，先用“试样”跑一遍。如果结果合格，再跑“正式”样；如果不合格，就当作没发生过，不记录也不调查。
- 特征： 这些样品常被模糊命名为 "Test", "Trial", "SS" 等。
删除或覆盖数据 (Deletion/Overwrite)：
- 手法： 利用软件漏洞或 Windows 后台权限删除原始数据，或者直接覆盖原文件名。
以测试达标为目的 (Testing Into Compliance)：
- 手法： 遇到不合格结果（OOS）时不进行调查，而是不断复测，直到测出一个合格结果，然后只报告这个合格结果，销毁或忽略之前的失败数据。
走后门篡改 (Back-door Manipulation)：
- 手法： 改变样品称量重量以凑出合格效价。
- 手法： 修改积分参数（如调整峰切割点）来抑制杂质峰或让主峰合格。
管理员权限滥用 (Administrator Foul Play)：
- 手法： 管理员关闭审计追踪（Audit Trail），或修改电脑系统时间以进行“时光倒流”式的补测。
物理手段 (Physical manipulation)： 拔掉网线阻止数据传输，或故意破坏设备制造故障假象。
未处理的额外峰 (Extraneous peaks not processed)。
手动积分 (Manual reintegration)： 无正当理由的手动重积分。

4. OOS 调查中的常见违规

当出现超标结果（OOS）时，如何处理也是 FDA 关注的焦点。文档强调了几个绝对禁止的行为：

禁止平均化 (No Averaging)： 绝对不能将 OOS 结果与合格结果进行平均，试图以此掩盖不合格事实。应该保留所有结果并根据书面标准进行评估。
调查范围不足： 确认 OOS 后，不能只拒绝当前批次就完事，必须将调查扩展到可能受影响的其他批次（根据 21 CFR 211.192）。
无理由无效化： 没有科学依据就直接判定 OOS 结果无效。