Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana



Documents pareils
Dosage des sucres par CLHP dans les vins (Oeno 23/2003)

1: généralités; 2: l évaluation par l opérateur; 3: l analyse d image; 4: la densitométrie en absorbance et en fluorescence; 5: la conclusion.

FORMULAIRE DE STATISTIQUES

Analyse de la variance Comparaison de plusieurs moyennes

Principe d un test statistique

CAPTEURS - CHAINES DE MESURES

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»

Glossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire

Séries Statistiques Simples

Cours de Métrologie & Assurance qualité

Annexe commune aux séries ES, L et S : boîtes et quantiles

Précision d un résultat et calculs d incertitudes

APPLICATION QMS AMIKACINE Système intégré Ortho Clinical Diagnostics VITROS 5600, systèmes de chimie VITROS 5,1 FS et 4600

Logiciel XLSTAT version rue Damrémont PARIS

Introduction à l approche bootstrap

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .

Perrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6

Mesures et incertitudes

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Exposing a test of homogeneity of chronological series of annual rainfall in a climatic area. with using, if possible, the regional vector Hiez.

Les coûts de la production. Microéconomie, chapitre 7

Table des matières. I Mise à niveau 11. Préface

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

TECHNIQUES: Principes de la chromatographie

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

Chapitre 7 Les solutions colorées

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

STATISTIQUES. UE Modélisation pour la biologie

La problématique des tests. Cours V. 7 mars Comment quantifier la performance d un test? Hypothèses simples et composites

Dosage des métaux lourds (As, Cd, Cr, Cu, Ni, Pb, Zn et Hg) dans les sols par ICP-MS

Annales du Contrôle National de Qualité des Analyses de Biologie Médicale

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

Chapitre 3. Les distributions à deux variables

Évaluation de la régression bornée

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Le suivi de la qualité. Méthode MSP : généralités

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

BANC D ETALONNAGE EN TEMPERATURE

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen

CONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»

FICHE 1 Fiche à destination des enseignants

Exemples d application

23. Interprétation clinique des mesures de l effet traitement

ASSURANCE DE LA QUALITÉ ET CONTRÔLE DE LA QUALITÉ

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté

1. Vocabulaire : Introduction au tableau élémentaire

TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Evaluation de la variabilité d'un système de mesure

Exercice : la frontière des portefeuilles optimaux sans actif certain

BACCALAURÉAT TECHNOLOGIQUE

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Cours 9 : Plans à plusieurs facteurs

UFR de Sciences Economiques Année TESTS PARAMÉTRIQUES

4. Conditionnement et conservation de l échantillon

(aq) sont colorées et donnent à la solution cette teinte violette, assimilable au magenta.»

Statistiques Descriptives à une dimension

FORMULES DE CALCUL. Prix = PV TTC = PV HT x (1 + taux de TVA) TVA = PV HT x taux de TVA PV HT = PV TTC 1 + taux de TVA

Value at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information

Moisture Analyzers. Dessicateur.

Théorie des sondages : cours 5

Rapport présenté par : Fabien PEREZ. Master 1 : Chimie et Matériaux Option Environnement Année 2010

Etude des propriétés empiriques du lasso par simulations

Programmation Linéaire - Cours 1

PRISE EN MAIN DU SPECTROPHOTOMETRE UV-VISIBLE SHIMADZU U.V. 240

1 Culture Cellulaire Microplaques 2 HTS- 3 Immunologie/ HLA 4 Microbiologie/ Bactériologie Containers 5 Tubes/ 6 Pipetage

Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire :

VIABILITE HIVERNALE ET DEVELOPPEMENT DURABLE

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

Visite à l ICV. En 2009, la création du GIE ICV-VVS permet de franchir un cap en regroupant toutes les ressources disponibles aux filiales ICV et VVS.

Evaluation de cépages résistants ou tolérants aux principales maladies cryptogamiques de la vigne

PHYSIQUE-CHIMIE. Partie I - Spectrophotomètre à réseau

Cours de Tests paramétriques

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE

Observation statistique

Lecture graphique. Table des matières

TRAVAUX PRATIQUESDE BIOCHIMIE L1

Annales du Contrôle National de Qualité des Analyses de Biologie Médicale

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

SVE 222 & PCL-442. Fascicule de Travaux Pratiques

Biostatistiques : Petits effectifs

TP 3 diffusion à travers une membrane

Bio-Rad Laboratories CONTRÔLE DE QUALITÉ. Le logiciel de Bio-Rad pour une gestion experte du contrôle de qualité

Programmation linéaire

EVALUATION DE L EXPOSITION AU BRUIT EN PERIODE SCOLAIRE CHEZ UN MAITRE-NAGEUR EN PISCINE COUVERTE

ÉTUDE SUR L EFFICACITÉ DES PNEUS D HIVER EN ÉTÉ RÉALISÉE PAR CAA-QUÉBEC

DÉVERSEMENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYMÉTRIQUE SOUMISE À DES MOMENTS D EXTRÉMITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE

La spectrophotométrie

Introduction à la présentation graphique avec xmgrace

3. Caractéristiques et fonctions d une v.a.

Gestion obligataire passive

Aspartame ou stévia: le duel

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Transcription:

Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana J.M. Roussel, Consultant, Aix-en-Pce Prof. Dr. Gertrud Morlock, Chair of Food Science, JLU Giessen S. Meyer, JLU Giessen CCCM, 05/06/03, Paris Page

Introduction : la méthode de dosage Méthode de dosage rapide des édulcorants végétaux de Stevia Rebaudiana Intervalle de mesure : 0,0 à 0, % en poids. matrices : yaourt et formulation industrielle Yaourt : homogénéisation et dissolution de MeOH F.I. : dissolution dans l eau, dilution dans MeOH Dépôt : ATS 4 (Camag) Plaques : HPTLC silica gel 60 F 54 0x0 cm (Merck) CCCM, 05/06/03, Paris Page

Introduction : la méthode de dosage Méthode de dosage rapide des édulcorants végétaux de Stevia Rebaudiana Séparation : ADC (Camag) avec acétate d éthyle méthanol acide acétique (3::, v/v/v) Dérivatisation post chromatographique : TLC Immersion Device (Camag), dérivatisation au β-naphtol puis chauffage sur TLC Plate Heater (Camag). Evaluation densitométrique :TLC Scanner 3/WinCATS (Camag) 500 nm. CCCM, 05/06/03, Paris Page 3

Validation : plan de travail selon NF V03-0 Critère Nbe d analyses Commentaire Plan d étalonnage (Fonction de réponse) - i séries d essais obtenues dans des conditions de fidélité intermédiaire (i 3) 5 séries (5 plaques HPTLC) Une série représente un étalonnage complet obtenu dans des conditions de fidélité intermédiaire. - k niveaux de concentration par série, k > nombre de coefficients du modèle choisi 4 niveaux de concentration - j répétitions par série à chaque niveau (j ) 3 répétitions par série Le plan doit couvrir l intervalle de mesure, LQ comprise si nécessaire. Pas d analyse statistique spécifique du plan d étalonnage, il est utilisé pour obtenir les concentrations retrouvées du plan de caractérisation CCCM, 05/06/03, Paris Page 4

Validation : plan de travail selon NF V03-0 Critère Nbe d analyses Commentaire Plan de caractérisation (exactitude) - i séries d essais obtenues dans des conditions de fidélité intermédiaire (i = 5 pouvant être ramené à 3 ou 4 sur justification) 5 séries (5 plaques HPTLC) - k niveaux de concentration par série, (k 3) 3 niveaux de concentration - j répétitions par série à chaque niveau (j ) 3 répétitions par série Le nombre de niveaux est nécessairement 3 afin de vérifier la linéarité de la relation entre concentration vraie et concentration retrouvée Chaque série est traitée par rapport à l étalonnage correspondant (même jour, ) pour obtenir les concentrations retrouvées CCCM, 05/06/03, Paris Page 5

Validation : plan de travail selon NF V03-0 Critère Nbe d analyses Commentaire Estimation de la LD Estimation de la LQ Dépend du protocole choisi 0 points d étalonnage 0 mesures du bruit de fond Cf. plan de caractérisation, l étude du profil d exactitude permet l estimation de la LQ 0 points d étalonnage 0 mesures du bruit de fond La norme fait référence aux protocoles : - EURACHEM - ISO 843 - ICH Protocole à utiliser lorsqu elle est inconnue et que la validation a, entre autres, comme objectif de déterminer une quantité minimale quantifiable par l étude de résultats analytiques CCCM, 05/06/03, Paris Page 6 La LQ est définie par l intercept entre les limites d acceptabilité et l intervalle de tolérance

Spécificité de la méthode La spécificité de la méthode est démontrée par la comparaison des enregistrements obtenus à partir des différentes espèces analysées sur chaque plaque : Etalons, Echantillons supplémentés Matrice : Yaourt supplémenté CCCM, 05/06/03, Paris Page 7

Spécificité de la méthode La spécificité de la méthode est démontrée par la comparaison des enregistrements obtenus à partir des différentes espèces analysées sur chaque plaque : Etalons, Echantillons supplémentés Matrice : Yaourt, échantillons supplémentés à 60 et 00 ng/dépot CCCM, 05/06/03, Paris Page 8

Spécificité de la méthode La spécificité de la méthode est démontrée par la comparaison des enregistrements obtenus à partir des différentes espèces analysées sur chaque plaque : Etalons, Echantillons supplémentés Matrice : Formulation industrielle CCCM, 05/06/03, Paris Page 9

Estimation de la LD/LQ : rapport signal/bruit LD = 3,3 * R * N LQ = 0 * R * N R : N : facteur de réponse du composé. bruit moyen. CCCM, 05/06/03, Paris Page 0

Estimation de la LD/LQ : courbe de calibrage Yi = a 0 + a * Xi variance résiduelle, SR LD = 3,3 * SR/a LQ = 0 * SR/a a 0 : ordonnée à l origine a : pente de la droite CCCM, 05/06/03, Paris Page

Estimation de la LD/LQ : résultats Estimations pour une quantification par la hauteur de pic : Rapport signal/bruit LD = 5,84 ng/dépôt LQ = 48,04 ng/dépôt Etalonnage LD = 4,4 ng/dépôt LQ = 3,36 ng/dépôt Estimations pour une quantification par la surface de pic : Rapport signal/bruit LD = 0,09 ng/dépôt LQ = 30,58 ng/dépôt Etalonnage LD = 6,56 ng/dépôt LQ = 9,88 ng/dépôt LQ choisie (matrices et ) = 30 ng/dépôt CCCM, 05/06/03, Paris Page

Etude de la fonction de réponse Le modèle d étalonnage choisi : Modèle Équation Réf. Concentration prédite inverse Quadratique y = a + 0 + ax ax ² SFSTP NF V03-0 NF T90-0 xˆ = a + a 4a a ( a y) La norme NF T90-0 de 009 propose, dans le domaine de l analyse de l eau, une évaluation de la fonction de réponse à l aide de deux outils : Comparaison entre les biais observés et les EMA (Ecart Maximal Acceptable) Adéquation entre l erreur du modèle mathématique et l erreur expérimentale 0 CCCM, 05/06/03, Paris Page 3

Etude de la fonction de réponse Approche par les EMA étalonnage (NF T90-0) Il s agit ici de vérifier que les biais observés (b ij ) entre les concentrations prédites inverses et les concentrations vraies sont acceptables par rapport à un EMA étalonnage fixé par l expérimentateur. On fixe un EMA étalonnage pour chaque niveau, il correspond au biais maximal admissible pour ce niveau. Approche statistique globale (NF T90-0) Il s agit ici de vérifier l adéquation entre l erreur expérimentale et l erreur du modèle SCE tot = SCE exp + SCE mod I J i= j= I J ( ) ( ) xˆ x = xˆ xˆ + ( x xˆ ) ij ij i= j= ij ij I J i= j= ij ij CCCM, 05/06/03, Paris Page 4

Source de variation Etude de la fonction de réponse Approche statistique globale (NF T90-0) Somme des carrés des écarts Degrés de liberté Variances Critère calculé Valeur critique au risque α=% Modèle SCE mod I SCEmod Smod S VC mod = mod = C mod = I Sexp F (I, I(J-), -α) Expérimentale SCE exp I(J-) SCE exp Sexp = I( J ) Totale SCE tot IJ La valeur critique est la valeur de Fisher, pour un risque α et un nombre I et I(J-) degrés de libertés. Ce test est effectué avec un risque α de % Si C mod est inférieur à VC mod, alors l erreur du modèle n est pas significativement différente de l erreur expérimentale et le modèle est accepté CCCM, 05/06/03, Paris Page 5

Etude de la fonction de réponse 30 à 600 ng/dépôt Analyse sur la hauteur de pic EMA étalonnage fixé à 0 % puis à 0 % en valeur relative # levels 4 # series 5 40,00 30,00 0,00 0,00 0,00 0 00 00 300 400 500 600-0,00-0,00-30,00-40,00 # repetitions 3 Analyse sur la hauteur de pic Variation source SSD df Variance Calc F value Risk level (%) Tabulated F value Conclusion Model 535,0498 4 33,6 3,86650 0,0 3,6740446 KO Experimental 98,76 56 344,3067 Total 4606,6 60 CCCM, 05/06/03, Paris Page 6

Etude de la fonction de réponse 30 à 600 ng/dépôt Analyse sur la surface de pic EMA étalonnage fixé à 0 % puis à 0 % en valeur relative # levels 4 # series 5 40,00 30,00 0,00 0,00 0,00 0 00 00 300 400 500 600-0,00-0,00-30,00-40,00 # repetitions 3 Analyse sur la surface de pic Variation source SSD df Variance Calc F value Risk level (%) Tabulated F value Conclusion Model 0,00 4 75,50054,50365 0,0 3,6740446 OK Experimental 6855,79 56,4484 Total 7957,7934 60 CCCM, 05/06/03, Paris Page 7

Fidélité Pour chacun des k niveaux de concentration issus de l étude d exactitude : La variance de répétabilité des I séries de valeurs de R Z ij s écrit alors : S W = I i= ( J ) ( S ) I i= i ( J ) I i i avec, pour chaque série : S i = J i j= ( R R ) Z J ij i Z i Si le nombre de valeurs par série et identique, la formule se résume à la simple moyenne des variances: La variance de répétabilité de I séries est la moyenne des variances de répétabilité, pondérée des différents nombres de valeurs par série. CCCM, 05/06/03, Paris Page 8 S W I i= = ( S ) I i

Fidélité Pour chacun des k niveaux de concentration issus de l étude d exactitude : La variance inter-séries s écrit alors : C est-à-dire : S B S = S( R ) Z i I ( ( ) ) Ji RZ RZ i= I B = i J I S avec J I, le nombre moyen de valeurs par série S J W W Si le nombre de mesures dans chaque série est identique (J i = J I ) CCCM, 05/06/03, Paris Page 9

Fidélité Pour chacun des k niveaux de concentration issus de l étude d exactitude : L écart-type de fidélité intermédiaire est alors : S = S + FI B S W S FI = S W si si S S B B = = S( R S( R Z Z i i ) ) S J S J W W < 0 0 Et le Coefficient de Variation de fidélité intermédiaire de l échantillon considéré est : SFI CV FI =00. R CCCM, 05/06/03, Paris Page 0 Z

Conc. (ng/ml) Fidélité : résultats La fidélité de la méthode peut s exprimer sur l ensemble de l intervalle de mesure, à l aide des dispersions mesurées sur les recouvrements d exactitude Hauteur de pic CV % Répetabilité Matrice : Yaourt CV % Fid. Inter. CCCM, 05/06/03, Paris Page Conc. (ng/ml) Surface de pic CV % Répetabilité CV % Fid. Inter. 50 4,5 8,44 50 4,05 6,3 300 3, 4,00 300,3 3,9 500 5,36 5,36 500 3,47* 3,47* Hauteur de pic Matrice : Formulation Surface de pic 75 3,54 4,75 75,8 3,38 50,8 4,55 50 3,40 3,7 5,85 3,9 5 3,69 3,99 * : après rejet de la série aberrante

Fidélité : résultats La fidélité de la méthode peut s exprimer sur l ensemble de l intervalle de mesure, à l aide des dispersions mesurées sur les recouvrements d exactitude obtenus dans chaque série de mesures Hauteur de pic CV % Répetabilité Matrice : Yaourt CV % Fid. Inter. Surface de pic CV % Répetabilité CV % Fid. Inter. 4,3 6,9 3,4* 7,63* Hauteur de pic CV % Répetabilité Matrice : Formulation CV % Fid. Inter. Surface de pic CV % Répetabilité CV % Fid. Inter. 3,09 4,60 3,3 4,67 * : après rejet de la série aberrante CCCM, 05/06/03, Paris Page

Profil d exactitude : Démarche SFSTP / NF V03-0 A chaque niveau de concentration, k, les paramètres suivants sont estimés : µ k le biais du niveau S B, k la variance inter-série du niveau la variance intra-série du niveau S W, k un niveau k (k varie de à K) est composé de i séries (i varie de à I) de j répétitions (j varie de à J) Dans notre étude : 3 niveaux (k varie de à 3) composés chacun de 5 séries (5 plaques HPTLC, i varie de à 5) de 3 répétitions (j varie de à 3) CCCM, 05/06/03, Paris Page 3

CCCM, 05/06/03, Paris Page 4 Profil d exactitude : Démarche SFSTP / NF V03-0 Exprimé en échelle relative, cet intervalle est, pour un niveau k : Avec : CV F.I.,k, provenant de k I F k Z CV B J I t R k.,... ; + ± +β ν,,.,. ˆ ˆ ˆ k B k W k I F S S S + =,, ˆ ˆ k W k B R k σ σ =. + + = k k k R J R B

Profil d exactitude : Démarche SFSTP / NF V03-0 t + β ν ; est le quantile de la distribution de Student à ν degrés de liberté : ν = Rk + J I ( R + ) k + J IJ ν est rarement une valeur entière, si on ne dispose pas de tables utilisant les valeurs non entières de degrés de liberté on peut approcher la valeur du quantile par interpolation linéaire entre les deux valeurs de degrés de liberté entiers qui encadrent ν. CCCM, 05/06/03, Paris Page 5

Profil d exactitude : Démarche ISO-669 La norme ISO-669 définit dans son chapitre 6 l intervalle statistique de dispersion comme étant l intervalle estimé, d après un échantillon, pour lequel il est possible d affirmer avec un niveau de confiance -α (par exemple, 95 %) qu il contient au moins une proportion donnée, p, d individus de la population. Ses limites en sont les limites statistiques de dispersion. CCCM, 05/06/03, Paris Page 6

Profil d exactitude : Démarche ISO-669 Dans le cadre de la validation d une méthode d analyse : n, le nombre d observations dans un échantillon de référence. p, la proportion minimale de la population déclarée comme se trouvant dans l intervalle statistique de dispersion. L écart type de l échantillon peut être l écart-type de fidélité intermédiaire du niveau de concentration ou bien tout simplement : n L intervalle statistique de dispersion bilatéral avec un élargissement p à un niveau de confiance -α a alors les limites : k est le facteur d élargissement donné par la norme en fonction de -α, de n et de p. CCCM, 05/06/03, Paris Page 7 S = n ( x i x) i= xl = x k( n; p; α ) x x + k U = ( n; p; α ) S S

Profil d exactitude selon NF V03-0, calcul sur la hauteur de pic Profil d exactitude : Matrice : Yaourt Profil d exactitude selon ISO 669-6, calcul sur la hauteur de pic CCCM, 05/06/03, Paris Page 8

Profil d exactitude selon NF V03-0, calcul sur la surface de pic Profil d exactitude : Matrice : Yaourt Profil d exactitude selon ISO 669-6, calcul sur la surface de pic CCCM, 05/06/03, Paris Page 9

Profil d exactitude selon NF V03-0, calcul sur la hauteur de pic Profil d exactitude : Matrice : formulation Profil d exactitude selon ISO 669-6, calcul sur la hauteur de pic CCCM, 05/06/03, Paris Page 30

Profil d exactitude selon NF V03-0, calcul sur la surface de pic Profil d exactitude : Matrice : formulation Profil d exactitude selon ISO 669-6, calcul sur la surface de pic CCCM, 05/06/03, Paris Page 3

Conclusion Grande spécificité par la dérivatisation post chromatographique, Intervalle de mesure adapté aux produits alimentaires, Fidélité adéquate pour ce type de matrices, Tolérance sur les résultats adaptée aux faibles teneurs rencontrées dans les matrices alimentaires (0.0 à 0.% en poids). CCCM, 05/06/03, Paris Page 3

Conclusion Des perspectives intéressantes : Adaptation de la méthode pour les matrices chargées en sucres, non analysables facilement par HPLC/UV Modification de la phase mobile (acétate d éthyle méthanol acide acétique (6::, v/v/v)) CCCM, 05/06/03, Paris Page 33

Conclusion Et pour finir : Des protocoles efficaces de validation des méthodes existent et sont, pour certains, normalisés, Ces protocoles permettent de caractériser les performances des méthodes HPTLC Qui peut encore dire que l HPTLC n est pas une technique quantitative? Merci de votre attention! CCCM, 05/06/03, Paris Page 34