Data Integrity im QC: praxisorientierte Schritt-für-Schritt-Anleitung
Wie man Data Integrity im QC-Labor implementiert: operative Step-by-Step-Guideline
Einleitung
Um wirklich audit-ready zu sein, muss ein QC-Labor die Data Integrity in jede Phase der Datenerzeugung, -prüfung und -archivierung integrieren.
Diese praktische Anleitung folgt dem operativen Ansatz des Leitfadens und übersetzt regulatorische Prinzipien in tägliche, nachvollziehbare Aktivitäten.
Phase 1: Datenerzeugung (Analyst)
1. Zeitgleiche Aufzeichnung
- Jede Tätigkeit zum Zeitpunkt der Durchführung dokumentieren (ALCOA – Contemporaneous).
- Keine temporären Notizen auf nicht kontrollierten Blättern.
2. Vollständige Raw Data
- Chromatographiedateien, Sequenzen und Metadaten sofort speichern.
- Sicherstellen, dass das System keine destruktiven Änderungen an Raw Files zulässt.
3. Peak-Integration
- Standard: automatische Integration.
- Manuelle Re-Integration nur wenn notwendig, und immer dokumentieren:
- Grund
- geänderte Parameter
- Einfluss auf das Ergebnis
4. Häufige Fehler vermeiden
Fehler, die vermieden werden müssen:
- Speichern auf USB-Sticks
- Nutzung gemeinsamer Accounts
- Ersetzen von Dateien oder unautorisierte Reprozessierung
Phase 2: Datenreview (QC Supervisor / QA)
Essenzielle Checklist des Data Reviewers
- Sind alle Raw Data vorhanden?
- Audit Trail vollständig geprüft? Kritische Ereignisse begründet?
- Re-Integrationen dokumentiert und genehmigt?
- Konsistenz zwischen Labornotizbuch, CDS-Sequenz und Abschlussbericht?
- Methoden gemäß Change Control aktualisiert?
Der Leitfaden enthält spezifische Templates für die Review von HPLC, GC, Empower, LIMS und ELN.
Phase 3: Umgang mit Abweichungen, OOS und OOT
- Keine Wiederholung von Tests ohne formale Untersuchung.
- Data Integrity und OOS/OOT korrekt verbinden:
Eine Re-Integration, die das Ergebnis ändert, erfordert eine Untersuchung. - Alle Versionen der erzeugten Result Sets archivieren.
Wie eine Non-Conformity zu behandeln ist
- Ereignis identifizieren (z. B. falsch integrierter Peak)
- Einfluss auf das Ergebnis bewerten
- Vollständige Dokumentation im System
- QA einbeziehen
- CAPA definieren – z. B. Methodenupdate zur Prävention weiterer Fehler
Häufige Fehler und operative Lösungen
| Fehler | Risiko | Lösung |
|---|---|---|
| Fehlende Audit Trail Review | kritischer Finding | SOP + verpflichtende Checklisten |
| Manuelle Backups | Datenverlust | zentrale automatische Backups |
| Iteratives Reprocessing | Manipulationsverdacht | Privilegien einschränken & jede Ausführung tracken |
| Fehlende Daten | unvollständiger Datensatz | tägliches Reconciliation-Schema |
GMP Best Practice
„If it’s critical, make it visible“:
Jede Aktivität, die ein Ergebnis beeinflussen kann, muss einen nachvollziehbaren, überprüfbaren Fußabdruck hinterlassen.
Realistisches Szenario
Ein Analyst reintegriert einen Verunreinigungs-Peak, um eine fehlerhafte automatische Integration zu korrigieren.
Durch die Änderung fällt der Wert jedoch von OOT in konform.
→ Korrekte Maßnahmen laut Leitfaden:
- sofortige Dokumentation im LIMS
- Review & Genehmigung durch Supervisor
- Eröffnung eines OOS
- Überprüfung der Integrationsmethode
- vollständige Neuberechnung über ein versioniertes Result Set
Vollständiger Leitfaden
Wie man Data Integrity im QC-Labor korrekt anwendet: Prozesse, Prüfungen, häufige Fehler und operative Checklisten — audit-ready und vollständig konfo