化学药物稳定性研究与控制策略：从方案设计到货架期评估

化学药物稳定性研究的本质，是用可控的加速条件和时间序列，回答一个产品在货架期内“质量会不会变、怎么变、什么时候突破限度”的问题。周立春主讲的《化学药物稳定性研究和控制策略》，在制剂研发、分析质量、注册申报圈子里是出现频率很高的专题。它不只是一个“做几批样品放进稳定性箱”的操作流程，而是一套从处方工艺、分析方法、包装系统到货架期设定、上市后变更管理的完整控制体系。这套体系做得好不好，直接决定一个品种能不能获批、获批后有效期怎么写、上市后出现稳定性趋势异常时能不能快速找到原因。

这篇内容我打算按实际工作中经常遇到的顺序来梳理：先讲稳定性研究的分层逻辑，再讲方案设计、分析方法、质量标准，最后落到控制策略、数据评估、常见偏差和数字化管理。全程不堆概念，尽量给到可以直接用在项目里的思路和工具模板。

1. 稳定性研究到底在研究什么

很多人会把稳定性研究等同于“样品进箱、按时取样、检测含量和有关物质”，但这只是执行层面。稳定性研究的真正目标，是建立产品“质量属性-时间-环境条件”之间的定量关系，并把这个关系转化为有效期、储存条件和包装要求。

从注册申报的角度看，稳定性数据是证明药品在拟定的储存条件和有效期内保持安全、有效、质量可控的关键证据。从企业内部管理看，稳定性研究又承担着异常预警的功能。比如某批产品在加速条件下有关物质增速明显快于其他批次，这通常不是检验问题，而是处方、原料、工艺或包材出现了波动。越早识别这类信号，越能避免批量放行后的临床和商业风险。

稳定性研究的对象不只限于成品。原料药、中间体、待包装品、运输过程、临床使用中的稀释液，以及内包材与药液的相容性，都属于稳定性研究的范畴。不同对象的研究目的和考察终点不一样，方案设计自然也不同。理解了这层逻辑，再看“影响因素试验、加速试验、长期试验”的分类，就会清楚它们分别回答不同阶段的问题。

从项目管理的角度，稳定性研究还有明显的长周期属性。长期试验通常要覆盖拟定的有效期，甚至要留出超出有效期的数据量。如果产品计划申报 24 个月有效期，长期稳定性至少要做到 24 个月，有些监管要求还鼓励做到超过拟定有效期。这意味着稳定性方案在注册策略确定之前就要排好时间表，否则后期补数据会非常被动。

2. 稳定性研究的类型与应用场景

稳定性研究按试验目的可分为影响因素试验、加速试验、中间条件试验、长期试验，以及针对使用和运输场景的专项研究。不同类型的试验在样品批次、放置条件和考察频次上要求不同。

2.1 影响因素试验

影响因素试验也叫强制降解试验，是稳定性研究的起点。目的是通过高温、高湿、光照等强烈条件，了解原料药或制剂固有的降解途径、降解速率和降解产物，识别分子结构中的不稳定位点，为处方设计、包材选择、储存条件设定和分析方法开发提供依据。

这个阶段通常使用一批代表性样品，考察条件根据品种性质而定，常规会设置高温、高湿、光照等条件。对于固体样品还要关注吸湿增重和晶型变化；对于溶液剂则要关注pH、金属离子、氧含量对抗氧化能力的影响。影响因素试验的时间通常较短，比如 5 天、10 天或 30 天，目的不是推算货架期，而是“看极限状态下会发生什么”。

影响因素试验还有一个非常关键的用途：验证分析方法的专属性。如果方法不能有效分离降解产物，或者主峰被降解产物干扰，后续的稳定性数据就不可信。所以影响因素试验在分析方法开发阶段就要完成，不只是在稳定性方案里写一个日期。

2.2 加速试验

加速试验是在比长期试验更剧烈的条件下考察产品的稳定性，目的是缩短观察周期，快速评估产品在偏离推荐储存条件时的质量变化，同时为处方工艺筛选和包材选择提供早期决策依据。

加速试验的放置条件通常是温度略高、湿度略高，具体条件需要根据剂型和产品性质来定。对于需要在冷藏条件下储存的产品，加速条件会相应下调。加速试验的时间点设置比长期试验更密集，通常考察 0、1、2、3、6 个月，不同产品会有所不同。如果加速 6 个月数据全部符合标准，产品的处方和工艺一般可以认为具备较好的稳定性基础。

需要提醒的是，加速试验不能直接替代长期试验。它反映的是趋势和风险，不是最终货架期。尤其是对于降解动力学不是简单一级反应的品种，单纯外推加速数据很可能高估货架期。

2.3 中间条件试验与长期试验

中间条件试验解决的是“加速试验失败、但产品在推荐储存条件下可能稳定”的情况。当产品在加速条件下出现明显变化时，需要在加速条件和长期条件之间增设中间条件，用于进一步判断储存条件和包装的可行性。

长期试验则是最接近真实储存条件的研究，数据直接支撑有效期的制定。长期试验考察时间点覆盖拟定有效期前后，通常按 0、3、6、9、12、18、24、36 个月等时间点取样。为了应对数据异常或补充考察，建议在方案中预留延展时间点，并在留样数量上留足余量。

2.4 使用中稳定性、运输稳定性与相容性研究

除了上述三大类，还有几类容易被排期忽略的研究。

使用中稳定性针对多剂量包装或需要临用配制的产品，考察开启后、稀释后或配伍后在一定时间内的质量变化，直接决定说明书里的“开启后可存放 xx 小时”。

运输稳定性通过模拟实际运输中的温度波动、振动和湿度变化，评估产品在供应链环节中的风险。冷链品种尤其要重点设计。

相容性研究关注内包材、生产接触材料与药液的相互作用，包括浸出物、吸附、迁移等问题。这类研究通常和稳定性考察同步取样，但分析方法更加复杂。

3. 稳定性研究方案设计的关键要素

稳定性方案是整套研究的地基。方案设计阶段最忌讳“照搬模板”，因为剂型不同、原料性质不同、目标市场不同，方案差异会很大。一份可执行的稳定性方案至少需要明确样品信息、批次数、放置条件、取样时间点、考察指标、检验方法和留样策略。

样品的代表性是前提。注册批、中试批和商业批的稳定性数据在法规认可度上不同。原则上，用于申报的稳定性批次应能代表拟商业化工艺，批量、设备、工艺参数、原辅料来源和最终包装都应与商业化生产一致。如果后续有工艺变更或场地转移，稳定性研究需要重新评估。

放置条件的选择要结合目标市场的气候带和产品储存要求。出口产品还要考虑运输和仓储环节的实际温度范围，不能只看某一个市场的药典要求。取样时间点的设计要考虑产品降解速度的预判，初始点通常安排在放样当天或 0 月，后续时间点可以按不等间隔设置，降解较快的品种早期时间点要加密。

考察指标要覆盖可能受时间影响的全部关键质量属性。含量、有关物质、水分、溶出度、外观、pH、晶型、微生物限度、内毒素、包装完整性等，需根据剂型和风险确定。不建议把所有指标都堆在每一个时间点测，有些指标可以只在关键时间点考察，比如晶型在 0 月和终点考察，可以降低检验成本，同时不损失关键信息。

留样策略要留出复测余量。稳定性试验箱内的样品一旦取出，就不能再放回重新取样。每个时间点的取样量要按“当次检验量 + 复测量 + 可能增加的检验项目”来估算。样品量不足是稳定性成功执行的常见风险，补样几乎不可能，只能缩小检测项目或减少复测。

4. 稳定性的分析方法与方法学验证

稳定性数据是否可信，七成取决于分析方法是否具备稳定性指示能力。所谓稳定性指示能力，是指方法能准确、专属地测定主成分和降解产物，并且检测结果不受辅料、降解产物、异构体或其他杂质的干扰。

在方法开发阶段，需要通过影响因素试验获得的降解样品来考察方法专属性。强制降解后的样品应该出现预期的降解产物峰，并且主峰纯度满足要求。如果某些降解产物没有紫外吸收，或者不在现有色谱条件下出峰，需要结合 CAD、ELSD、MS 等检测器综合判断。

稳定性分析方法考察时，有几个容易踩的坑。

第一，对照品溶液和供试品溶液在放置过程中自身不稳定，导致含量结果漂移。建议在稳定性检验中加入系统适用性控制，并考察对照品溶液的稳定性。第二，有关物质方法对已知杂质和未知杂质的校正因子不明确，导致计算结果偏差。定量方式要尽可能符合方法验证时的设定。第三，溶出度方法的区分力不够，主药含量下降但溶出曲线没有变化，掩盖了制剂性能的劣化。对于难溶性药物和缓控释制剂，溶出方法的设计尤其重要。

稳定性检验的方法学验证不完全等同于放行检验的方法验证。稳定性样品基质更复杂，降解产物更多，样品存放时间更长，因此还需关注方法在不同时间点样品间的耐用性。建议在稳定性方案执行前完成全部方法学验证，至少确保含量、有关物质、溶出度三个核心方法达到可使用状态。

5. 质量标准与限度制定

稳定性研究中的“合格”不是只看单点数据是否在放行标准内，而是要结合趋势判断。产品在有效期末尾仍能满足质量标准，才是稳定性研究的最终目标。

稳定性考察通常使用和放行检验相同的分析方法，但质量标准中的限度可以区分放行标准和货架期标准。放行标准通常比货架期标准更严格，中间留出合理的衰减空间。例如有关物质放行限度定为 1.0%，货架期标准定为 1.5%，这样 24 个月长期数据即使持续上升，也不至于在有效期末尾超标。

限度的制定需要结合稳定性数据和临床安全性数据。ICH 相关指导原则和各国药典对特定杂质的限度有基本要求，但具体品种的限度要基于毒理学评估、批次数据和稳定性趋势综合确定。限度定得太松，产品安全性存疑；定得太紧，生产和储存余量不够，后期稳定性很容易超趋势。更稳妥的做法是，在工艺验证批数据出来之后，用至少三批代表性样品的数据来复核限度，而不是在研发初期拍脑袋定一个值。

此外，稳定性数据的管理建议增加警戒限度和行动限度。警戒限度用于监控批次间趋势，超过警戒值提示需要加强关注；行动限度触发调查和整改。长期稳定性数据波动大时，不要急着下结论，先确认是否是检验误差和系统波动，再考虑产品本身的变化。

6. 稳定性控制策略的整体设计

控制策略不是稳定性研究做完之后的总结，而是处方工艺、包材选择、储存条件、货架期和变更管理共同构成的闭环。稳定性数据是这个闭环的反馈信号。

处方层面的稳定性控制，重点在原料药稳定性和辅料相容性。对于易水解、易氧化的药物，处方中需要加入 pH 调节剂、抗氧剂、络合剂或采用包合技术。辅料筛选阶段要结合影响因素试验数据，不能只看成形性。

工艺层面的稳定性控制，关注水分控制、温度控制、粒度分布、晶型稳定性和灭菌工艺。湿法制粒的产品残留水分高，长期存放更容易发生水解；无定形药物储存过程中可能发生转晶，导致溶出和生物利用度变化。

包材选择是稳定性控制策略中最容易被低估的一环。铝塑泡罩、双铝、PVC/PVDC、玻璃瓶、塑料瓶、西林瓶加胶塞，不同包装的阻隔性能差异很大。高湿度地区销售的产品，吸湿性品种建议选择高阻隔包装，并在包装验证时考察密封性。

储存条件和货架期的设定，应当以长期试验数据和加速试验数据为依据，结合运输稳定性和使用中稳定性结果综合判断。储存条件的表述要具体，避免宽泛写法。货架期的推定要保守，不要因为某一批加速数据表现好就盲目延长。

上市后变更阶段的稳定性控制，直接触发再研究。原辅料来源变更、处方比例变更、工艺参数变更、批量扩大、生产场地变更、包装材料变更，都需要评估是否重新进行稳定性考察。变更的分级不同，考察批次和时间点不同，但都需要用稳定性数据支持可比性结论。

7. 稳定性数据评估与货架期统计方法

稳定性数据的价值在于趋势分析，而不在于单点报告。同一个时间点的检测结果波动，可能来自分析方法误差、取样不均匀或样品本身变化。通过多批次、多时间点的回归分析，可以更客观地判断货架期。

常用的统计方法是线性回归。将关键质量属性对时间做回归，计算回归线的 95% 置信区间，以置信区间与质量标准限度相交的时间点作为货架期估计。这个方法适用于降解速率近似零级或一级反应的情况。如果数据呈现明显非线性，或样品间差异较大，需要更保守的处理方式。

下面是一个使用 Python 做稳定性数据线性回归和货架期推算的示例，实际使用时要根据项目数据格式调整路径和参数。

import pandas as pd import numpy as np from scipy import stats # 示例数据结构：month, batch_no, assay data = pd.DataFrame({ "month": [0, 3, 6, 9, 12, 18, 24], "batch_no": ["B20240601"] * 7, "assay": [99.8, 99.5, 99.1, 98.7, 98.2, 97.5, 96.8] }) slope, intercept, r_value, p_value, std_err = stats.linregress( data["month"], data["assay"] ) # 以含量下限 95.0% 为例计算货架期 limit = 95.0 shelf_life = (limit - intercept) / slope print(f"回归方程: y = {slope:.4f} * t + {intercept:.4f}") print(f"斜率: {slope:.4f} %/月") print(f"按均值线推算货架期: {shelf_life:.1f} 个月")

这种计算只是一个基础示例，实际申报数据还需要考虑 95% 置信区间、批间差异、检验误差和最低有效数据量。很多企业会用稳定性数据管理软件或 SAS 完成统计评估，思路是一致的：先用图形看趋势，再做假设检验，最后结合实际批次数据给出保守结论。

稳定性考察计划本身也可以用结构化配置来管理。下面是一个简单的 JSON 格式稳定性方案配置示例，可以按项目实际字段扩展。

{ "project_name": "XX片 24个月长期稳定性", "product": "XX片", "dosage_form": "片剂", "specification": "10mg", "batches": ["B20240601", "B20240602", "B20240603"], "conditions": { "long_term": "25℃ / 60%RH", "accelerated": "40℃ / 75%RH" }, "time_points": [0, 3, 6, 9, 12, 18, 24, 36], "test_items": [ "外观", "含量", "有关物质", "溶出度", "水分", "微生物限度" ], "packaging": "铝塑泡罩包装", "responsible": "质量研究部", "status": "active" }

把方案结构化之后，可以很方便地导出为稳定性考察计划表，并与 LIMS 系统联动。这个做法尤其适合同时管理多个品种、多个批次、多个条件的团队。

8. 稳定性数据管理的常见问题与整改建议

稳定性执行过程中遇到的问题，很多不是检验技术问题，而是项目管理问题。下面把常见现象、可能原因、排查方向和解决方案整理成表。

处理稳定性异常时，首先要做的是确认数据本身是否可靠。复核原始图谱、重新计算、检查对照品和仪器状态。数据无误后再进入偏差调查。切忌发现超标就立刻给产品定性，先排除检验误差，再讨论质量趋势。

9. 稳定性研究中的数据完整性与数字化管理

稳定性研究周期长、环节多、涉及人员广，是数据完整性风险比较集中的领域。稳定性试验箱的温湿度记录、取样记录、检验记录、图谱、审计追踪、偏差记录，必须形成完整的证据链。

试验箱的温湿度监控建议做到实时记录和自动报警，同时保留校准记录和超限处理记录。纸质记录存在补写、誊抄、修改不透明的风险，电子记录系统则需要配置权限管理和审计追踪。稳定性样品要有明确的编号规则，避免样品混淆。

数字化转型对于稳定性研究的意义，不只是减少手工操作，更重要的是把分散在 Excel、LIMS、纸质记录中的数据整合起来，形成自动化的趋势分析。稳定性考察计划表、取样提醒、结果录入、趋势图、超限预警，都可以在一个系统里完成。对于品种多、批次数大的研发企业，建议优先建设稳定性数据管理模块。

数据完整性原则可以概括为 ALCOA 相关要求：可归属、清晰、同步、原始和准确。具体到稳定性研究，就是任何一条数据都要能追溯到具体样品、具体时间、具体操作人和具体仪器，不能出现事后补记和无法说明的数据修改。

如果企业暂时没有 LIMS，至少要用规范化的 Excel 模板管理稳定性数据，并对文件设置只读保护、版本控制和修改日志。将原始检验记录扫描归档，建立纸质和电子双份备份，是成本低且有效的过渡方案。

10. 稳定性控制策略的实践建议

把前面的内容落到实际项目中，有几点建议值得参考。

第一，稳定性方案要在处方工艺基本确定之前就开始起草。越早暴露稳定性风险，处方和工艺调整的成本越低。等到注册批放样前才补做影响因素试验，既耽误时间，又容易限制处方筛选空间。

第二，建立稳定性考察计划台账，按品种、批次、条件、时间点、检验项目、责任人、状态字段管理。在 Excel 中用筛选和条件格式就能实现基础管理，也可以用 JSON 配置生成自动化计划。关键是不要让方案和实际放样出现“两张皮”。

第三，第一次做稳定性研究时，先做预实验，用小样放进加速条件跑 1 到 3 个月，确认检测方法和样品量都合适后再启动正式放样。尤其是分析方法不确定、降解产物出峰不稳定的品种，预实验可以提前暴露问题。

第四，留样量宁可多备，不要少备。方案设计时按最坏情况估算，包括复测、额外项目、异常调查可能的补测。稳定性样品一旦取完，无法重新补充，多留几粒样品比后期想尽办法补救要省事得多。

第五，定期做趋势分析，不要等到所有时间点测完才看数据。每批样品每个条件下至少有 3 个时间点数据后，就可以绘制初步趋势图，观察早期信号。一旦发现加速数据异常，就要排查处方、包材和工艺，不要拖到长期试验再做决定。

第六，变更管理触发机制要前置。工艺、处方、原料、包材、场地、批量等发生变更时，首先要问一个问题：这个变更会不会影响稳定性？如果影响，就要在新条件下安排稳定性考察，并和变更前的数据进行对比。变更后稳定性数据是评价变更质量一致性的重要依据。

第七，数据管理从源头上规范化。纸质记录、电子数据、图谱、审计追踪、偏差调查记录，都按逻辑归档。稳定性研究结束后，所有资料应能完整支撑数据的追溯和审计。

化学药物稳定性研究的难点不在于单个实验有多难，而在于它跨越处方、工艺、分析、包材、注册、上市后管理等多个环节，且时间周期长，一旦设计不合理，返工成本很高。把方案做扎实、把分析方法做稳、把数据管清楚，才是这套控制策略真正发挥作用的根基。