《Journal of Pharmaceutical Sciences》：Stability-indicating reversed-phase liquid chromatography for fixed-dose combination pharmaceutical products: A systematic review and critical appraisal
编辑推荐：
•至少需要包含一个与产品相关的强制降解实验。•仅有53.8%的研究报告了明确的峰值纯度证据。•仅11.9%的纳入研究中报告了质量平衡证据。•仅2.1%的研究中进行了正交结构鉴定。•材料报告的不一致性影响了48.3%的纳入研究。引言反相液相色谱是一种用于药品分析、杂质检测和稳定性评
- •
至少需要包含一个与产品相关的强制降解实验。
- •
仅有53.8%的研究报告了明确的峰值纯度证据。
- •
仅11.9%的纳入研究中报告了质量平衡证据。
- •
仅2.1%的研究中进行了正交结构鉴定。
- •
材料报告的不一致性影响了48.3%的纳入研究。
引言
反相液相色谱是一种用于药品分析、杂质检测和稳定性评估的核心技术。在固剂量组合产品（FDC）中，分析工作量比单一成分产品更大，因为必须用一种方法同时处理多种活性成分、辅料和降解途径。因此，被描述为稳定性指示的方法应提供令人信服的证据，证明可以在降解产物和其他基质成分存在的情况下特异性地测量活性成分，而不仅仅是依赖验证统计数据或分析应用本身。
强制降解实验对此至关重要，因为它们可以测试相关的化学或物理压力是否会导致色谱方法无法解决的挑战。此类实验的证据价值取决于起始基质、压力的范围和强度、所有活性成分的覆盖情况、空白样品和安慰剂的使用、色谱分辨率、峰值纯度评估，以及在可行的情况下对降解产物的质量平衡或正交表征。国际稳定性和分析验证指南为这项工作提供了监管背景，而当代的分析程序开发指南则强调了基于科学理解的控制。
已发表的FDC方法通常报告了酸、碱、氧化、热和光解压力，并可能将这些程序描述为稳定性指示的。然而，该标签本身并不能证明组合成品是否受到了压力测试，每个活性成分是否都得到了充分的挑战，或者降解产物是否被充分表征以支持强烈的特异性声明。当在参考标准或组合活性成分制剂上进行了强制降解实验，而成品单独评估时，这些区别尤为重要。因此，应明确说明每种压力暴露使用的起始基质。
因此，本综述不仅简单列举了已发表的方法，还系统地识别了针对真正的组合药品产品的最新RP-HPLC/RP-UPLC/RP-UHPLC方法，并批判性地评估了用于支持稳定性指示声明的证据的充分性和报告质量。该综述采用系统范围回顾的方法，进行了研究级别的批判性评估，并涵盖了研究特征、分析物级别的验证数据以及活性成分×压力条件的证据。报告组织参考了PRISMA 2020标准。
部分摘要
综述设计和报告框架
对2020年1月1日至2026年9月14日最终搜索截止日期期间发表的主要分析方法研究进行了系统回顾和结构化批判性评估。该回顾旨在评估报告质量和证据强度，而非估计合并治疗效果。搜索、筛选、检索和纳入过程均遵循了PRISMA 2020的标准。
纳入标准
符合条件的报告描述了应用于……的RP-HPLC、RP-UPLC或RP-UHPLC方法。
搜索和选择
历史筛选路径包含1,987条唯一记录。2026年的最终搜索更新在源特定筛选和跨源去重后增加了42篇额外的候选报告。因此，总共检索了517篇报告，其中48篇未找到；469篇报告被评估是否符合纳入标准。评估后共有312篇报告被排除，14篇历史报告仍未解决，143项研究被纳入。
主要发现：压力覆盖范围广泛，但证据深度有限
主要发现是报告的压力暴露范围与支持的稳定性指示证据之间的差异。所有纳入研究中都出现了酸、碱和氧化类别，热和光解暴露也很常见。在作者批准的1,673个合格观察结果中，28.0%属于5-20%的响应区间，31.0%属于<5%的区间，35.8%无法评估，5.2%属于>20%的区间。
结论
最近的RP-HPLC/RP-UPLC/RP-UHPLC方法通常提供了广泛的强制降解覆盖范围，但稳定性指示声明的证据强度仍然不均衡。在143项研究的证据基础上，定量响应通常较低或无法直接评估，支持降解的证据较少，正交结构鉴定很少见，材料报告的不一致性较为普遍。氧化测试的范围尤其狭窄。
数据可用性
支持描述性和批判性分析的研究级数据集作为补充数据S1提供。准确的最终搜索字符串和源原生执行细节在补充搜索策略S2中提供。PRISMA 2020报告映射作为补充材料S3提供。根据合理请求，可以向编辑提供额外的检索和审计材料以供验证。
方案和注册
在最终分析之前，项目跟踪器中制定了工作方案和决策代码手册。没有公开的注册标识符。
手稿准备过程中生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了OpenAI ChatGPT来协助数据组织、计算检查、语言编辑和手稿结构化。作者根据需要对输出进行了审查和编辑，并对出版物的内容负全部责任。作为研究工作流程一部分的AI辅助活动在第2.9节中单独描述。
资助
这项研究没有收到公共部门、商业部门或非营利部门的任何具体资助。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
Mohammad Abu Alrub
