以Staska Pharmaceuticals色谱数据系统483观察项为例,解读FDA 483回复指南草案的调查路径
BOB:如何写FDA 483回复-以一个色谱数据完整性失控为实例
一篇译自LCGC International的专栏文章以Staska Pharmaceuticals于2026年2月签发的483表格第2条观察项为例,说明如何按FDA《回应FDA 483表格观察项》指南草案第四节组织回复。
文章以一条色谱数据系统483观察项为例,说明按FDA指南草案第四节展开体系性调查的路径,并提示调查可延伸至其他计算机化系统。
如何回应 FDA 483 观察项?
How Should You Respond to FDA 483 Observations?
来源:LCGC International(色谱在线网) | 作者:Mahboubeh Lotfinia、R.D. McDowall | 2026年7月28日
DOI: 10.56530/lcgc.int.sk1669k6 | 导语:FDA 是否厌倦了写警告信?一份新的指南草案展示了企业应如何回应 483 表格观察项。
中文翻译件
熟悉 FDA 警告信的"行家"和收件人都会对"你的回复不充分"(Your response is inadequate)这句话不陌生——企业针对可怕的 FDA 483 表格检查观察项所列不合规事项提出的拟议解决方案,往往只聚焦于观察项本身,而没有采取系统性的方法。
今年 3 月,FDA 发布了《回应 FDA 483 表格观察项》指南草案。[1] 我们将从实验室视角展开讨论,涵盖以下内容:
● FDA GMP/日常监督检查流程的简要概述;
● 根据指南第四节"处理 FDA 483 观察项的建议"[1] 概述如何回应 483 表格;
● 以近期一项针对色谱数据系统(CDS)的 483 观察项为例,探讨调查并解决该观察项的可能途径。
FDA 建议组建一个多学科团队来调查观察项,该团队应获得充分经费支持并向高级管理层汇报(指南第 275-277 行)。[1] FDA 需要持续的沟通(例如进展更新)以及纠正与预防措施(CAPA)的时间表。我们讨论中不涉及 FDA 回复的格式,以及出现科学分歧时的处理方式。
FDA 检查概述
为了正确看待 483 表格,我们先简要回顾图 1 所示的 FDA 检查流程;另见 FDA 网站上的"483 表格常见问题"。[2]
图 1 FDA 检查流程概览(Chris Burgess 提供意见)。
所有美国境内检查均从检查员出示其证件和 FDA 482 表格《检查通知》副本开始。
检查期间,检查员可能观察到不良状况,予以记录并可能与企业进行讨论。
末次会议时,检查员将 FDA 483 表格副本递交企业(最好有总经理或基地负责人等高级管理层在场)并进行讨论。企业可以、也应当在与检查员的讨论中对 FDA 483 表格作出回应。[3] 回复不必包含全部细节,因为部分 CAPA 需要事后落实,但建议在收尾讨论中提供一份高层级计划。
如果检查员抽取了产品样品,会留下一份 FDA 484 表格副本。
如果 483 表格使用 FDA 的应用 TurboEIR 编制,相关引述会被汇总并每年在 FDA 网站上公布,[4] 可追溯至 2006 年。
FDA 规定,自检查结束起 90 天内审阅对 483 表格的回复。
检查员会撰写企业检查报告(EIR),详述会见的人员、走访的设施(现场/远程)、检查的数据和记录以及各项观察项。该报告为后续检查提供详细信息。
检查分为以下三种类型之一:[5]
● OAI(表明需采取官方行动):建议采取监管或行政行动(即可能签发警告信或无标题信函;境外企业可能被列入进口警报)。这也可能导致与 FDA 召开监管会议。
● VAI(表明需采取自愿行动):发现了不良状况或行为,但 FDA 不准备采取或建议任何行政或监管行动。
● NAI(表明无需采取行动):检查期间未发现不良状况或行为。
对于现行药品生产质量管理规范(CGMP)的重大违规,FDA 采取的进一步措施包括产品召回、境外企业进口警报、撤销产品许可证或永久禁令同意令。
更多信息参见 FDA 网站。警告信和 483 表格观察项的回复时限均为 15 天。后者回复时限的变化曾在 2009 年"聚焦质量"(Focus on Quality)专栏中讨论过。[6]
回应 483 表格概述
指南关于如何回应 483 表格观察项的建议见图 2。[7] 关键在于不能只盯着具体的观察项,而要采取全体系(system-wide)的方法。请记住,审计和检查只是取样、只是特定时刻的快照——我们将在下一节分析 483 案例时再讨论这一点。
图 2 处理 FDA 483 表格观察项的建议。[1]
高级管理层必须积极参与这一过程,为多学科团队提供资源,以理解和评估观察项;策划并实施调查;制定、实施和评估有效的 CAPA。FDA 必须通过定期更新了解调查进展。更新频次通常在提交 FDA 的第一份 483 回复中告知。
调查一条 CDS 483 观察项
我们的"小白鼠"……抱歉,是案例研究对象:2026 年 2 月签发给 Staska Pharmaceuticals 的 483 表格[7],该企业是一家合同生产组织(CMO)。我们重点关注其针对 CDS 的第 2 条观察项(另见图 3):
图 3 色谱数据系统 483 观察项摘要。[7]
实验室控制未包含建立科学合理且适当的规格、标准、取样方案和检验程序,以确保组分、中间体和药品符合鉴别、含量、质量和纯度的相应标准。
具体而言:
贵公司缺乏足够的控制措施,以确保用于无菌药品放行检验的高效液相色谱(HPLC)系统所产生的分析数据的完整性和可靠性。
A. 贵公司没有书面程序要求在批次放行前审核 HPLC 分析产生的电子原始数据、审计追踪和系统生成记录。贵公司质量控制(QC)药师仅审核打印报告并人工核对计算,而不审核:
● 电子原始色谱图;
● 积分事件和手动积分;
● 进样序列以及任何删除或重复的进样;
● 显示用户活动(包括数据修改或删除)的审计追踪;
● 元数据(例如用户 ID、系统配置变更)……
B. 一名化学师承担了产品放行的大部分 HPLC 分析工作,质量部门未对电子数据进行独立核查。这种做法无法提供足够的监督来发现:
● 未经授权的峰再积分;
● 删除失败的进样或超标(OOS)结果;
● 选择性报告数据;
● 操纵积分参数以获得合格结果;
● 未作调查的系统适用性失败……
C. 获授权执行 HPLC 分析的〈不公开〉名员工在〈不公开〉CDS 中拥有管理员用户角色。〈不公开〉的管理员权限允许这些用户:
● 数据采集后修改积分参数;
● 重新处理色谱数据;
● 修改或禁用审计追踪设置;
● 更改系统配置和方法;
● 添加和删除用户……
该观察项聚焦于:使用打印的 HPLC 汇总报告放行产品,而包括 QA 在内的所有人都未审阅电子记录。我们掌握的信息有限:该引述讨论了可能的数据完整性违规,但没有给出数据被操纵或伪造的具体示例——对这类引述而言并不寻常。也未提及 IT 支持,由此引发一个问题:"检查员对计算机化系统是否足够了解?"我们同样不知道该 CDS 是若干独立安装之一,还是网络化系统。
实验室应如何聚焦调查?图 2 所示指南草案的框架,必要时可用 FDA 数据完整性指南(DI 指南)问题 18[9] 中提到的 FDA《申请诚信政策》[8] 加以补充。
顾问/合格第三方的参与
FDA 和 PIC/S 指南文件在以下领域持续讨论独立顾问/合格第三方的作用:
● 制定调查计划(指南第 113-114 行[1]);
● 员工访谈(PIC/S PI-041 第 12.1.1 节[10]);
● CAPA 制定,尤其是处理涉及数据完整性(DI)的 483 观察项时(指南第 217-220 行[1] 和 PIC/S PI-041 第 6.7.1 节[10]);
● 以独立视角开展 CAPA 有效性检查,确保后续行动已完全解决所有违规(PIC/S PI-041 第 12.2.1.4 节[10])。
在更为严重的 GMP 或数据完整性警告信中也会提及这一点。
调查领域
针对 CDS 第 2 条观察项,建议调查团队关注的领域见图 4,下文详述。由于篇幅所限,我们没有讨论分析过程的审查——因为重点在于系统和人员。
图 4 CDS 483 观察项调查的可能范围。[2]
数据治理(DG)、数据完整性(DI)与数据管理(DM)
尽管第 2 条观察项未提及,但评估本次不合规全程的 DG、DI、DM 控制及相关培训,是一项关键要求。质量管理体系(QMS)中有哪些方针和程序?如有,当前的有效性框架和成熟度水平如何?培训是如何开展的?
只聚焦 CDS?
回应 483 表格时的一个常见错误是只关注引述中列出的项目(即 CDS)。指南第 211-215 行指出:
"FDA 483 观察项并非所有缺陷的详尽清单……企业应在其质量管理体系内采取适当的纠正措施,以处理可能存在的、未被引述的不良状况。"[1]
指南第 196 行还提到系统性方法,[1] 这与 ICH Q10 对质量风险管理(QRM)的定义一致。[11] 因此,提出以下问题至关重要:实验室还使用哪些其他计算机化系统(包括电子表格)?是否存在职责分离?虽然调查可以延伸到生产和 QA/QMS 系统,但我们的重点是实验室。
最新的系统清单[12] 应列出所有 GMP 系统和电子表格。
确定纸质打印件是否是唯一的 GMP 记录。是否所有系统都只以纸质打印件为重?
就电子表格而言,文件是否保存?打印件与电子表格文件之间是否存在关联(依据 21 CFR 11.70)?[13]
对每个计算机化系统,是否存在职责分离,还是所有用户都拥有管理员权限?是否进行了数据完整性风险评估(DIRA)?[11,14,15] 是否有数据采集和解释的标准操作规程(SOP)?
风险是否在产品、设备和场地层面得到评估、记录并保持更新?
法规知识未保持更新
自 2005 年 Able Laboratories 欺诈案以来——这是首例因未审阅审计追踪而被 483 引述的案例——电子记录相对于纸质打印件的优先地位就已明确。[16,17] 该公司似乎没有跟上法规知识更新,但线索就在"现行"药品生产质量管理规范(CGMP)这个名称里。FDA 有一个网页专门说明,包括质量体系在内的系统和流程必须保持"现行"。[18] 为什么法规知识没有与时俱进、以反映监管解读的变化?该公司显然忽视了 2018 年 FDA DI 指南的发布,尤其是关于电子记录为何优先于纸质打印件的问题 10 和 12。[9]
第二人复核
自 1978 年起,第二人复核就是 21 CFR 211.194(a)(8)[19] 规定的监管要求。审计追踪复核的更多细节参见 FDA DI 指南[9] 问题 7 和 8。
质量监督与文化
为什么质量部门对实验室开展的工作没有任何监督或权限?指南第 326-328 行提到了质量保证(QA)的作用:
"……确定导致该观察项的问题为何此前未被质量部门发现、也未在 FDA 检查前由企业管理层纠正……企业应考虑质量体系、人事管理和整体质量文化的改进如何能够提升组织绩效。"[1]
缺乏质量监督和数据治理可能导致 DI 违规,我们稍后将其作为可能的根本原因进行讨论。
计算机化系统与完整数据
21 CFR 211.194(a)[19] 对完整数据有明确要求。简言之,"完整"包括分析期间收集的所有数据和记录,而不仅仅是汇总打印件。实验室对其他计算机化系统是否也只是审阅打印的汇总报告?
就 CDS 而言,汇总报告可能不包含色谱图。
采集与报告之间发生的事情未被提及:系统适用性试验(SST)失败、合规性积分、数据删除等。多年来多篇"质量之问"(Questions of Quality)专栏已涵盖这些内容。[20-22]
483 中未提及 IT 的作用,但你至少需要了解计算机化系统(即使是独立系统)是如何配置、备份和时间同步的。
调查是否延伸到分析仪器?
使用 USP〈1058〉B 类分析仪器时是否存在类似的用户角色漏洞?[23] 现代分析仪器(如天平、pH 计)具备设置用户角色和访问权限的功能,只有管理员才能修改时钟。实验室是否使用了此类仪器?是否建立了独立账户并实现职责分离?任何打印件都应能追溯到具体用户。
管理层领导力
指南术语表将最高管理层(executive management)定义为在企业最高层级指导和管控企业的高级人员,有权并有责调动企业内资源。[1] 这种领导力——包括数据治理——似乎"缺席"了。
Stayson 和 Tender 警告信[24,25] 中 FDA 建议的纠正措施之一,是要求管理层和 QA 具备计算机化系统知识以确保合规运营;两份警告信的分析见"聚焦质量"专栏。[26]
员工访谈
如 FDA 指南第 253 行所述,访谈不应仅限于与观察项相关的岗位员工。[1] 根据 PIC/S PI-041 第 12.1.1.1 节,员工访谈应涵盖现任和前任人员,[10] 从一线到董事会,并包括流程负责人、IT 系统负责人和实验室管理员,以了解这种情况为何被容许。质量监督的作用及其相关问责应作为访谈的一部分。我们稍后将讨论这一点。
在本案例(观察项第 2 条 C 部分)中,访谈范围可以扩大到 CDS 供应商。这有助于公司了解不良的技术控制是否为配置管理不善的促成因素——例如,能够关闭审计追踪然后再打开的能力。系统采购前是否进行了 DIRA?
批记录审查
指南草案 C 部分指出 21 CFR 211.192 的要求:调查可能与该特定失败或偏差相关的同品种其他批次以及其他药品(第 297-298 行)。[1] 此外,第 309-314 行给出了一个示例,说明如何扩大调查范围。[1] 这与 PIC/S PI-041 第 12.1.1.1 节一致。[10]
确定范围(数据、产品、流程和特定批次)……
虽然 483 表格[7] 中未作说明,但对产品质量、患者安全和数据完整性的影响,可能要求调查延伸到审阅已放行上市销售的批次。使用存疑系统生产并已分销的产品会有什么影响?
我们的建议是:考虑对单个产品从原料、中间体到放行检验的完整批记录进行审查。需要采用回顾性方法确定一定数量的批次和生产周期。[10,27] 手动积分、操纵积分参数和重新处理数据等问题可能使产品杂质谱受到质疑。这可能引导调查确定是否存在任何潜在的患者安全风险。
缺陷风险评估
就本案例而言,针对 CDS 存在各类有缺陷的 DI、DG 和 DM 实践。WHO TRS 996 附件 5 的术语表对良好数据和记录管理实践的定义如下:
"应当落实的有组织措施的总和,以共同和分别确保数据和记录安全、可归属、清晰、可追溯、持久、同步记录、原始和准确;若未有力实施,则可能影响数据的可靠性和完整性,并削弱基于这些数据记录所作决策的稳健性。"[28]
表 1 展示了属于不良 DM 和 DI 的一些示例。483 表格中未提及公司的 QMS。整个 QMS 需要彻底审查,确保数据治理和完整性贯穿其中,并确保员工接受适当培训以保证有效实施。
表 1 来自 483 观察项第 2 条的不良数据管理和数据完整性示例。[7]
可能的根本原因
鉴于 483[7] 中的信息很少,下列可能的根本原因存在高度不确定性。以下是我们(作者)的建议:
● 高级管理层明显未参与实验室运营,例如未开展现场巡视(Gemba walks)以走出办公室、亲身了解任何问题。
● 整个组织缺乏 CGMP 法规知识,以及关于涉及计算机化系统和数据完整性的 GMP 记录生成的培训:这需要对所有实验室员工以及质量保证和管理层进行培训;需要通过初始培训和在职培训以及有效性验证来落实:
21 CFR 211.15(a) 规定:"现行药品生产质量管理规范培训应由合格人员持续进行,并保持足够频次,以确保员工持续熟悉适用于他们的 CGMP 要求。"[19]
这与欧盟 GMP 第 2 章第 2.11 节[29] 的要求相同。
● 对分析工作缺乏质量监督,说明质量部门人员似乎没有足够的教育、培训和经验来履行职责。
● 组织内 CDS 及任何其他计算机化系统中存在利益冲突:应提出变更控制,记录新的角色和访问权限,随后进行基于风险的验证。
这些都不是快速简便的修复,而是需要时间才能有效实施中期和长期行动。
用 AI 帮你写回复?
就在本专栏付印之际,英国药品和健康产品管理局(MHRA)在其网站上发布了一些关于使用人工智能(AI)回应监管发现的建议。该建议指出:
"……(我们)遇到了包含不存在的 MHRA 指南引用的回复、对不恰当监管框架的引述,以及针对严重缺陷的回复——这些回复看似意在误导,而非解决根本问题。"[30]
"……(其中)包含实质性错误,包括不存在的引用以及不准确的信息……"[30]
不当使用 AI 给监管机构带来了更大的监管负担,也增加了患者风险。因此,别当小丑——把一条观察项丢进商业在线 AI 工具就期待得到智者般的回复。要透明,明智且合规地使用 AI。该帖子提供了与 FDA 指南草案[1] 相似的建议:回复必须在技术上准确、由多学科经验丰富的人员验证、并经高级管理层批准。帖子还提供了一个选项,可披露在回应观察项时使用了 AI。请阅读并遵循这一建议。[30]
总结:理解不合规的成本
你可能在想,调查并解决一条 483 观察项需要投入大量人力、时间和金钱,如图 4 所示。你说得对。看看 2020 年 11 月"聚焦质量"文章[26] 中的图 1,你会发现合规的成本永远、永远、永远比不合规的成本更低。你明白这个道理,但高级管理层意识到这一点了吗?
致谢
我们按字母顺序感谢以下人士的审阅意见,这些意见改进了本专栏:Monika Andraos、Chris Burgess、Andrea Chellini、Hugues Desreumaux、Jim Henderson、Bob Iser 和 Prasadhi Shiva。
参考文献(References)
1. FDA Draft Guidance for Industry Responding to FDA Form 483 Observations at the Conclusion of a Drug CGMP Inspection; Food and Drug Administration: Silver Spring, MD, 2026.
2. FDA Form 483 Frequently Asked Questions. Food and Drug Administration website, 2020. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/inspection-references/fda-form-483-frequently-asked-questions (accessed 2026-05-24).
3. What Should I Expect During an Inspection? Food and Drug Administration website, 2020. https://www.fda.gov/industry/fda-basics-industry/what-should-i-expect-during-inspection (accessed 2026-05-25).
4. Inspection Observations. Food and Drug Administration website. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/inspection-references/inspection-observations (accessed 2026-06-26).
5. Inspection Classifications. Food and Drug Administration website, 2024. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/inspection-basics/inspection-classifications (accessed 2026-05-19).
6. McDowall, R. D. The Tiger Has Sharp New Teeth. Advanstar, 2009. https://www.spectroscopyonline.com/view/tiger-has-sharp-new-teeth (accessed 2026-05-28).
7. FDA Form 483 Observations, Staska Pharmaceuticals Inc.; Food and Drug Administration: Silver Spring, MD, 2026.
8. FDA Application Integrity Policy: Fraud, Untrue Statements of Material Facts, Bribery, and Illegal Gratuities (Compliance Policy Guide Section 120.100); Food and Drug Administration: Rockville, MD, 1991.
9. FDA Guidance for Industry Data Integrity and Compliance With Drug CGMP Questions and Answers; Food and Drug Administration: Silver Spring, MD, 2018.
10. PIC/S PI-041 Good Practices for Data Management and Integrity in Regulated GMP/GDP Environments; PIC/S: Geneva, 2021.
11. ICH Q10 Pharmaceutical Quality Systems. International Council on Harmonisation of Technical Requirements for Pharmaceuticals for Human Use: Geneva, 2008.
12. EudraLex – Volume 4 Good Manufacturing Practice (GMP) Guidelines, Annex 11 Computerised Systems. European Commission: Brussels, 2011.
13. 21 CFR Part 11; Electronic Records; Electronic Signatures Final Rule. Federal Register 1997, 62(54), 13430–13466.
14. MHRA GXP Data Integrity Guidance and Definitions. Medicines and Healthcare products Regulatory Agency: London, 2018.
15. McDowall, R. D. Can We Simplify Data Process Mapping? Spectroscopy 2024, 39(7), 20–26. DOI: 10.56530/spectroscopy.tk4986x8
16. Able Laboratories Form 483 Observations. Food and Drug Administration website, 2005. https://www.fda.gov/media/70711/download (accessed 2026-07-25).
17. McDowall, R. D. Able Laboratories Fraud Case: What Have We Learnt? LCGC International 2025. https://www.chromatographyonline.com/view/able-laboratories-fraud-case-what-have-we-learnt-
18. Facts About the Current Good Manufacturing Practices (CGMPs). Food and Drug Administration website, 2021. https://www.fda.gov/drugs/pharmaceutical-quality-resources/facts-about-current-good-manufacturing-practices-cgmp (accessed 2026-07-25).
19. 21 CFR 211 Current Good Manufacturing Practice for Finished Pharmaceutical Products. Food and Drug Administration: Silver Spring, MD, 2008.
20. McDowall, R. D. Where Can I Draw The Line? LCGC Europe 2015, 28 (6), 336–342.
21. Longden, H.; McDowall, R. D. Can We Continue to Draw the Line? LCGC Europe 2019, 32 (12), 641–651.
22. McDowall, R. D. Ingenious Ways to Manipulate Peak Integration? LCGC International 2024, 1 (2), 20–26.
23. USP General Chapter <1058> Analytical Instrument Qualification. United States Pharmacopoeia Convention Inc.: Rockville, MD.
24. FDA Warning Letter, Tender Corporation; Food and Drug Administration website, 2020. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/warning-letters/tender-corporation-599789-07232020 (accessed 2026-07-25).
25. FDA Warning Letter, Stason Pharmaceuticals, Inc.; Food and Drug Administration website, 2020. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/warning-letters/stason-pharmaceuticals-inc-604889-07082020 (accessed 2026-07-25).
26. McDowall, R. D. Do You Really Understand the Cost of Noncompliance? Spectroscopy 2020, 35 (11), 13–22.
27. McDowall, R. D. Data Integrity and Data Governance: Practical Implementation in Regulated Laboratories; Royal Society of Chemistry: Cambridge, U.K., 2019.
28. WHO Technical Report Series No. 996 Annex 5 Guidance on Good Data and Records Management Practices. World Health Organisation: Geneva, 2016.
29. EudraLex – Volume 4 Good Manufacturing Practice (GMP) Guidelines, Chapter 2 Personnel. European Commission: Brussels, 2014.
30. Use of AI for GXP Inspection Responses: Setting Standards Without Stifling Innovation. Medicines and Healthcare products Regulatory Agency (MHRA) website, 2026. https://mhrainspectorate.blog.gov.uk/2026/06/29/use-of-ai-for-gxp-inspection-responses-setting-standards-without-stifling-innovation/ (accessed 2026-06-29).
来源:BasicPharma搬砖工 · mp.weixin.qq.com