过程确认样本量合理性的监管要求

ISO 13485:2016，7.5.6--生产和服务提供过程的确认，要求组织在要点 d) as appropriate, document statistical techniques with rationale for sample sizes。

ISO 11607:2019 等其他标准也有类似要求。ISO 11607:2019 第 1 部分，4.3-- Sampling requires that sampling plans are based upon statistically valid rationales。

但是，不仅 ISO 标准要求有效的统计原理，美国 FDA 也在 TITLE 21 CFR 820.250 - Statistical techniques中有类似的要求，而且非常严肃，如图所示。

什么是过程确认的样本量的有效理由？

如何合理确定过程确认样本量是一个有待回答的问题。

第一个简单的答案是，是否有标准要求特定的样本量。

遗憾的是，很少有标准真正规定具体的样本计划。

第二个更复杂的答案可以在 ISO 13485 中找到。

ISO 13485:2016，4.1.2 b) the organization shall apply a risk-based approach to the control of the appropriate processes needed for the quality management system.。

这已经是我们问题的答案。

一个有效的理由（有时也称为正当理由）是基于风险（或严重性），从而基于我们正在考虑的产品的预期用途--很简单，对吗？

等等......你不知道怎么做？你还不知道该怎么做？别担心，我将进一步解释....

容限区间法

要解释与医疗器械风险管理的联系，我们首先需要了解用于数据统计解释的常用方法。

ISO 16269 是一个关于数据统计解释的标准，其中第 6 部分解释了"Determination of statistical tolerance intervals"。

ISO 16269-6 根据分布类型（属性或变量）、置信水平（90%、95%、99%）、概率（也是可靠性）水平（同样是 90%、95%、99%）和样本大小，为统计容差区间分析提供了 k 值。

根据 ISO 14971 标准，an organization must define its risk acceptability for individual and overall residual risks。

虽然该定义将某些概率（也包括可靠性）水平与产品风险联系在一起，但除非有正当理由，否则必须至少使用 95% 的置信度（来源：Taylor, Wayne (2017). Statistical Procedures for the Medical Device Industry）。

既然我们已经有了置信度和概率水平（也是可靠性），那么如果我们有了属性数据，就大功告成了。

如果是变量数据，我们必须确定样本量 n 以获得 k 值。

ISO 16269-6 提供的表格显示，the k-value decreases with an increasing sample size n。

经过努力，我们又回到了最初的问题上：需要多少样本？

但这次，我们要测试的不仅仅是样本数量。

我们有了置信水平和概率水平，从而可以做出置信声明。

现在，随着样本量 n 越小，k 值越大，样本量就不那么重要了。

尽管如此，样本的代表性还是非常重要的。

过程确认样本大小：样本何时具有代表性？

当样本能代表所研究的人群时，样本就具有代表性，样本可以是随机样本、分层样本或定期样本。

在随机抽样中，每个样本被选中的可能性相同。

在分层抽样中，从每个收集盘中抽取的单位数量相等，而在周期性抽样中，每 n 个单位都会被抽取。

所以，我想你还是会问自己："这是否意味着我只能抽取 3 个样本？

答案是："视情况而定！"

假设我们有 95% 的置信水平和 95% 的概率水平，并且我们正在进行评估：

属性数据（如去/不去）：

ISO 16269-6 要求我们采集 59 个样本，且所有样本都必须通过（来源：ISO 16269-6）。

要回答上述问题：不，不能只采集 5 个样本！

可变数据（如 1.78 毫米）：

ISO 16269-6 为我们提供了多个选项，我们必须决定是选择3 个、30 个还是 100 个样本。

对于注塑成型工艺来说，3 个样本很可能不具有代表性，无法让温度、压力、速度等在整个范围内变化，也无法用 3 个样本来证明正态分布。

回答上述问题：还是要看情况---评估影响过程的各种因素的风险，将平均值和标准偏差与规格联系起来，并做一些计算！

要证明数据是正态分布可能很困难。

置信度声明

置信水平 (C) 和概率水平 (P) 使我们可以使用置信度声明，如 "置信度为 C%，超过 P% 的单位符合要求"。

属性数据和变量数据有什么区别？

属性数据和变量数据之间的区别非常重要，但也非常简单。

属性数据：去/不去、通过/失败、好/坏；结果是定性的！

变量数据：连续值，如 1.78N、2.45mm、1.09bar；结果是定量的。

虽然使用可变数据测试的样品数量较少，但属性数据易于记录，评估速度快。