{"id":873,"date":"2026-09-02T06:35:32","date_gmt":"2026-09-02T06:35:32","guid":{"rendered":"https:\/\/nhdbio.com\/analytical-methods\/analytical-method-validation\/"},"modified":"2026-10-13T17:29:44","modified_gmt":"2026-10-13T17:29:44","slug":"validation-des-methodes-danalyse","status":"publish","type":"page","link":"https:\/\/nhdbio.com\/fr\/analytical-methods\/analytical-method-validation\/","title":{"rendered":"Validation de m\u00e9thode simplifi\u00e9e : pouvez-vous faire confiance \u00e0 cette mesure ?"},"content":{"rendered":"

Un laboratoire affirme que sa m\u00e9thode est valid\u00e9e. Cela semble rassurant, mais valid\u00e9e pour quoi faire ? Une m\u00e9thode qui identifie une mol\u00e9cule n'est pas automatiquement adapt\u00e9e pour mesurer une infime impuret\u00e9. La validation demande si une proc\u00e9dure est suffisamment performante pour l'usage pr\u00e9vu.<\/p>\n

1. D\u00e9finir la question avant de juger la m\u00e9thode<\/h2>\n

\u00c9crivez la d\u00e9cision envisag\u00e9e en mots simples : identifier un peptide, quantifier son contenu ou \u00e9valuer une impuret\u00e9 particuli\u00e8re pr\u00e8s d'une limite. Pr\u00e9cisez ensuite le mat\u00e9riel, les conditions d'\u00e9chantillon et la plage concern\u00e9e. ICH Q2(R2) organise la validation autour de l'ad\u00e9quation \u00e0 cet usage pr\u00e9vu.<\/p>\n

\"Figure
Figure 1. Trois questions analytiques exigent des preuves diff\u00e9rentes : identit\u00e9, contenu et impuret\u00e9. Il s'agit d'une carte d\u00e9cisionnelle p\u00e9dagogique, pas d'un protocole de validation universel.<\/figcaption><\/figure>\n

If the laboratory\u2019s demonstrated scope differs from your question, a validation summary may not answer your need. Ask for the applicable scope and version instead of requesting only a \u201cvalidated\u201d label.<\/p>\n

2. Exactitude : la r\u00e9ponse se situe-t-elle pr\u00e8s de la valeur accept\u00e9e ?<\/h2>\n

Pour un exemple p\u00e9dagogique, imaginez une r\u00e9f\u00e9rence \u00e0 laquelle une valeur de 100 unit\u00e9s a \u00e9t\u00e9 attribu\u00e9e. Trois r\u00e9sultats sont 99, 100 et 101. Un autre ensemble est 89, 90 et 91. Le second ensemble est coh\u00e9rent en interne, mais d\u00e9cal\u00e9 par rapport \u00e0 la r\u00e9f\u00e9rence. La coh\u00e9rence interne n'\u00e9limine pas le biais.<\/p>\n

L'exactitude concerne la proximit\u00e9 avec une valeur accept\u00e9e. L'\u00e9valuer exige une r\u00e9f\u00e9rence appropri\u00e9e ou une autre approche justifi\u00e9e ; vous ne pouvez pas l'\u00e9tablir simplement en r\u00e9p\u00e9tant un \u00e9chantillon inconnu.<\/p>\n

\"Figure
Figure 2. R\u00e9sultats r\u00e9p\u00e9t\u00e9s invent\u00e9s autour d'une r\u00e9f\u00e9rence de 100. Des r\u00e9sultats serr\u00e9s pr\u00e8s de 90 sont pr\u00e9cis mais biais\u00e9s ; l'illustration n'est pas un crit\u00e8re de r\u00e9ussite ou d'\u00e9chec.<\/figcaption><\/figure>\n

3. Pr\u00e9cision : des r\u00e9ponses r\u00e9p\u00e9t\u00e9es concordent-elles ?<\/h2>\n

La pr\u00e9cision concerne la concordance entre des mesures r\u00e9p\u00e9t\u00e9es. Dans l'exemple, 99\/100\/101 et 89\/90\/91 sont relativement proches au sein de leurs propres ensembles. Un ensemble de 80\/100\/120 a une moyenne de 100 mais une variation bien plus large. Une moyenne seule peut masquer une inconsistance.<\/p>\n\n\n\n\n\n\n\n
R\u00e9sultats invent\u00e9s<\/th>\nMoyenne<\/th>\nCe qu'il faut remarquer<\/th>\n<\/tr>\n<\/thead>\n
99, 100, 101<\/td>\n100<\/td>\nProches les uns des autres et de la r\u00e9f\u00e9rence<\/td>\n<\/tr>\n
89, 90, 91<\/td>\n90<\/td>\nProches les uns des autres mais d\u00e9cal\u00e9s<\/td>\n<\/tr>\n
80, 100, 120<\/td>\n100<\/td>\nMoyenne d'apparence correcte, variation importante<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Demandez aussi ce qui a \u00e9t\u00e9 r\u00e9p\u00e9t\u00e9. R\u00e9injecter un m\u00eame \u00e9chantillon pr\u00e9par\u00e9 diff\u00e8re de pr\u00e9parer des \u00e9chantillons de fa\u00e7on ind\u00e9pendante. Des mesures sur plusieurs jours ou par plusieurs analystes explorent une variation que les injections r\u00e9p\u00e9t\u00e9es seules ne capturent pas.<\/p>\n

4. Domaine : la m\u00e9thode fonctionne-t-elle l\u00e0 o\u00f9 vous en avez besoin ?<\/h2>\n

Supposons qu'une m\u00e9thode quantitative invent\u00e9e ait d\u00e9montr\u00e9 des performances utiles de 10 \u00e0 100 unit\u00e9s. Un r\u00e9sultat \u00e0 0.5 ou 150 tombe en dehors de ce domaine d'exemple. Une droite d'\u00e9talonnage sur le papier ne suffit pas \u00e0 prouver des r\u00e9ponses fiables en dehors du domaine test\u00e9.<\/p>\n

\"Figure
Figure 3. An invented supported range of 10\u2013100 units. Values outside it require an appropriate procedure or additional evidence, not simple extrapolation.<\/figcaption><\/figure>\n

La d\u00e9tection et la quantification sont aussi deux questions diff\u00e9rentes. Un signal faible peut \u00eatre d\u00e9tectable sans \u00eatre quantifiable de fa\u00e7on fiable. Pour un r\u00e9sultat proche d'une limite de d\u00e9cision, demandez quelle capacit\u00e9 a r\u00e9ellement \u00e9t\u00e9 d\u00e9montr\u00e9e.<\/p>\n

5. Sp\u00e9cificit\u00e9 et changements m\u00e9ritent attention<\/h2>\n

La sp\u00e9cificit\u00e9 ou s\u00e9lectivit\u00e9 demande si des composants interf\u00e9rents pertinents emp\u00eachent la mesure pr\u00e9vue. Une m\u00e9thode qui lit la somme de deux composants qui se chevauchent peut ne pas quantifier la cible s\u00e9par\u00e9ment. Demandez comment cette possibilit\u00e9 a \u00e9t\u00e9 \u00e9valu\u00e9e pour le mat\u00e9riau d'int\u00e9r\u00eat.<\/p>\n

Une colonne, une pr\u00e9paration, un instrument ou un mat\u00e9riau modifi\u00e9 peut affecter l'applicabilit\u00e9. Cela ne signifie pas que chaque changement exige le m\u00eame travail. Cela signifie que le laboratoire doit \u00e9valuer quelles v\u00e9rifications, quel travail de transfert ou quelle revalidation sont n\u00e9cessaires pour ses conditions.<\/p>\n

6. Pratique : juger l'all\u00e9gation plut\u00f4t que l'\u00e9tiquette<\/h2>\n
Trois r\u00e9sultats r\u00e9p\u00e9t\u00e9s sont 90, 90 et 90 pour une r\u00e9f\u00e9rence assign\u00e9e 100. Une concordance parfaite suffit-elle \u00e0 d\u00e9montrer l'exactitude ?<\/strong><\/p>\n
\nV\u00e9rifiez votre r\u00e9ponse<\/summary>\n

Non. La concordance d\u00e9montre la pr\u00e9cision pour ces r\u00e9p\u00e9titions ; l'\u00e9cart par rapport \u00e0 100 est une question d'exactitude. La performance acceptable doit \u00eatre d\u00e9finie pour l'usage pr\u00e9vu.<\/p>\n<\/details>\n<\/div>\n

Pour s'informer sur un r\u00e9sultat, demandez l'usage pr\u00e9vu, la version actuelle de la m\u00e9thode, la plage d\u00e9montr\u00e9e, les preuves de performance pertinentes et les crit\u00e8res d'acceptation r\u00e9els. Cette le\u00e7on de base ne prescrit pas de conformit\u00e9 r\u00e9glementaire ni de pourcentages d'acceptation g\u00e9n\u00e9riques pour les mat\u00e9riaux NHD.<\/p>\n

Utilisez ce guide dans une demande de produit<\/h2>\n

Pour des mat\u00e9riaux tels que KPV<\/a>\u3001MOTS-c<\/a>, identifiez d'abord la forme exacte, la quantit\u00e9 et la question de recherche. Demandez ensuite quels enregistrements sont disponibles pour le lot concern\u00e9. Des noms de produits identiques ne rendent pas diff\u00e9rentes sp\u00e9cifications interchangeables.<\/p>\n

Une demande que vous pouvez envoyer :<\/strong> Veuillez confirmer la sp\u00e9cification du mat\u00e9riau et les documents de lot disponibles pour ma recherche pr\u00e9vue. Identifiez les \u00e9l\u00e9ments non test\u00e9s. Pour les pourcentages ou les r\u00e9sultats de teneur, incluez la m\u00e9thode, les unit\u00e9s et la base de d\u00e9claration.<\/div>\n

Discutez des produits et des exigences documentaires avec NHD<\/a>. Continuez l'apprentissage : Lire un chromatogramme<\/a> \/ LC\u2013MS identity<\/a>.<\/p>\n