Cosmetic OOS investigation: 10 steps before batch disposition

1. OOS คืออะไร และต่างจาก OOT, Atypical Result และ Deviation อย่างไร

OOS หรือ Out of Specification คือผลทดสอบที่อยู่นอกเกณฑ์ Specification หรือ Acceptance Criteria ที่อนุมัติ เช่น pH ความหนืด สี กลิ่น น้ำหนักบรรจุ ปริมาณสารสำคัญ ความบริสุทธิ์ หรือเกณฑ์จุลชีววิทยา ผลอาจมาจากวัตถุดิบ Bulk, In-process, บรรจุภัณฑ์ สินค้าสำเร็จรูป หรือ Stability Sample และอาจเกิดจากห้องปฏิบัติการ การสุ่มตัวอย่าง หรือกระบวนการผลิต

OOT หรือ Out of Trend คือผลยังอยู่ในสเปกแต่เบี่ยงจากแนวโน้มเดิมอย่างมีนัยสำคัญ Atypical Result คือผลผิดธรรมชาติหรือไม่สอดคล้องกับข้อมูลอื่น แม้ยังไม่เข้าเกณฑ์ OOS ส่วน Deviation คือกระบวนการจริงเบี่ยงจากวิธีหรือเงื่อนไขที่อนุมัติ เหตุเดียวอาจเปิดหลายระบบ เช่น อุณหภูมิผสมนอกช่วงเป็น Deviation และความหนืดต่ำกว่าสเปกเป็น OOS ต้องเชื่อมหมายเลขอ้างอิง ไม่ใช้คำหนึ่งแทนอีกคำหนึ่ง

กรอบ ASEAN Cosmetic GMP ให้ความสำคัญกับ Quality Management, Quality Control, Documentation และความรับผิดชอบของ Contract Manufacturing/Analysis ขณะที่ ISO 22716 ครอบคลุมการผลิต การควบคุม การจัดเก็บ และการจัดส่ง บทความนี้ใช้หลักดังกล่าวร่วมกับแนวทาง OOS ของ U.S. FDA สำหรับยาในฐานะ Benchmark เชิงวิทยาศาสตร์ ไม่ได้อ้างว่าแนวทาง FDA สำหรับยาเป็นกฎหมายเครื่องสำอางของไทย

2. 5 การควบคุมทันทีเมื่อพบผลนอก Specification

ช่วงนาทีแรกมีผลต่อคุณภาพการสืบสวน เพราะสารละลายอาจเสื่อม ตัวอย่างอาจถูกทิ้ง ระบบอาจเขียนทับ Log และผู้วิเคราะห์อาจเตรียมชุดทดสอบใหม่โดยไม่ตั้งใจ ให้ SOP กำหนดว่าผู้วิเคราะห์ต้องหยุด แจ้ง และรักษาหลักฐานใดก่อนเริ่มทดสอบเพิ่มเติม

• 1) Hold: กักกันล็อต วัตถุดิบ Bulk สินค้าสำเร็จรูป และล็อตอื่นที่ใช้ตัวอย่างหรือเงื่อนไขร่วมกันตามความเสี่ยง
• 2) Preserve: รักษาตัวอย่างเดิม Sample Preparation, Standard, Reagent, Glassware, Instrument File และ Raw Data เมื่อสภาพอนุญาต
• 3) Notify: แจ้งหัวหน้าห้องปฏิบัติการและ QA โดยไม่แก้ผล ลบ Run หรือเริ่ม Retest เอง
• 4) Record: บันทึก Actual Result, Specification, วิธีทดสอบ รุ่นเอกสาร เครื่องมือ ผู้วิเคราะห์ เวลา และเหตุการณ์ผิดปกติร่วมเวลา
• 5) Assess Scope: ตรวจว่ามี Sample, Sequence, Instrument, Reagent, Analyst, Product หรือล็อตใดอยู่ในช่วงที่อาจได้รับผล

3. Phase I: Laboratory Investigation ต้องทดสอบสมมติฐาน ไม่ใช่หาข้ออ้าง

Phase I มีเป้าหมายประเมินความถูกต้องของข้อมูลและค้นหา Laboratory Error ที่ระบุได้ เริ่มจากสัมภาษณ์ผู้วิเคราะห์ใกล้เวลาที่เกิดเหตุ ทบทวนวิธีทดสอบ การเตรียมตัวอย่างและมาตรฐาน Calculation, Transcription, Dilution, Unit, System Suitability, Instrument Status, Calibration, Column, Reagent, Reference Standard, Environmental Condition และ Audit Trail ของระบบคอมพิวเตอร์

ตรวจ Raw Data ทั้งชุด ไม่ดูเฉพาะค่ารายงาน เช่น Chromatogram, Spectrum, Balance Printout, pH Calibration, Microbial Plate Image, Run Sequence, Injection Order และการแก้ Integration หากสงสัยสมมติฐานเฉพาะ ให้ทดลองกับ Original Preparation เมื่อยังคงตัว เช่น Reinjection เพื่อประเมิน Instrument Malfunction หรือการตรวจ Standard Response เพื่อดู Drift แต่ต้องกำหนดว่าการทดลองนั้นตอบคำถามอะไร

คำว่า Analyst Error, Sample Error หรือ Instrument Error โดยไม่มีหลักฐานไม่เพียงพอ หากพบข้อผิดพลาดชัด ต้องประเมินว่าระบบ วิธี เอกสาร การฝึกอบรม หรือเครื่องมือใดทำให้เกิดซ้ำได้ และตรวจว่างานอื่นในช่วงเดียวกันได้รับผลหรือไม่ Laboratory Error ที่เกิดบ่อยเป็นสัญญาณของปัญหาระบบ ไม่ใช่เหตุส่วนบุคคลที่ปิดด้วยการอบรมทุกครั้ง

4. เมื่อใดจึงยกเลิกผล OOS เดิมได้

การ Invalidate ผล OOS ควรทำเมื่อการสืบสวนพิสูจน์สาเหตุจากการวัดหรือการทดสอบได้ชัด เช่น ตัวอย่างหกจริง การถ่ายโอนไม่ครบ Calculation Formula ผิด Instrument Malfunction ที่มีหลักฐาน หรือใช้ Standard ผิด Lot การเขียนว่า Likely Lab Error หรือผล Retest ผ่านไม่ใช่หลักฐานเพียงพอในการลบผลเดิม

แม้ยืนยัน Laboratory Error ได้ ต้องเก็บผลดั้งเดิม เหตุผล หลักฐาน การอนุมัติ และผลกระทบต่อข้อมูลอื่นไว้ใน Audit Trail จากนั้นกำหนด Correction และ CAPA ตามความเสี่ยง หากสาเหตุเกี่ยวกับ Method Robustness, Sample Preparation หรือ System Suitability ต้องประเมินวิธีทดสอบและผลย้อนหลัง ไม่ควรจำกัดการแก้ไขเฉพาะผู้วิเคราะห์รายนั้น

หากสาเหตุยังไม่ชัดหรือมีเพียงสมมติฐาน ให้ถือว่าผลเดิมยังมีนัยสำคัญและเข้าสู่ Full-scale Investigation การปฏิเสธล็อตไม่ได้ทำให้ไม่ต้องสืบสวน เพราะสาเหตุอาจกระทบผลิตภัณฑ์ ล็อต หรือวิธีทดสอบอื่น

5. Phase II: ขยายจากห้องปฏิบัติการสู่กระบวนการผลิต

เมื่อไม่พบ Laboratory Error ที่พิสูจน์ได้ QA ควรนำการสืบสวนร่วมกับ Production, R&D, Engineering, Warehouse, Purchasing และ Supplier ตามขอบเขต ทบทวน Sampling Plan, Sample Location, Homogeneity, Master Formula, Batch Record, Yield, In-process Data, Deviation, Equipment Log, Cleaning, Calibration, Environment, Water System, Raw Material Variability และประวัติลอตใกล้เคียง

สร้าง Timeline และ Process Map เพื่อหาว่าคุณลักษณะที่ไม่ผ่านถูกสร้างหรือเปลี่ยนที่ขั้นใด ตัวอย่างเช่น ความหนืดอาจสัมพันธ์กับลำดับเติม อุณหภูมิ Shear Rate, Holding Time หรือวัตถุดิบหลายปัจจัย ขณะที่ Microbial OOS ต้องทบทวน Sample Handling, Water, Hygiene, Cleaning, Preservation System และ Environmental Signal อย่างเป็นระบบ ไม่ควรสรุปจากเหตุที่มองเห็นง่ายที่สุด

ขอบเขตต้องครอบคลุมล็อตที่ผลิตก่อนและหลัง ล็อตที่ใช้วัตถุดิบหรือเครื่องจักรร่วม Stability Lots และสินค้าที่ส่งมอบแล้วเมื่อเกี่ยวข้อง หากพบผลกระทบหลังจำหน่าย ให้เชื่อม Complaint, Risk Assessment และ Recall Plan ตามความรุนแรง

6. Retest กับ Resample ต่างกัน และใช้เมื่อใด

Retest คือการทดสอบซ้ำจาก Original Homogeneous Sample หรือส่วนที่เหลือจากตัวอย่างเดิม ส่วน Resample คือการเก็บตัวอย่างเพิ่มเติมหรือตัวอย่างใหม่จากล็อต ความแตกต่างสำคัญเพราะ Retest ตรวจความทำซ้ำของการวิเคราะห์ ขณะที่ Resample อาจตอบคำถามเรื่องความเป็นตัวแทนของ Sampling Plan หรือความไม่สม่ำเสมอของล็อต

ก่อนทำ Retest ให้มี Protocol หรือ SOP ระบุสมมติฐาน จำนวนครั้ง ผู้วิเคราะห์ วิธีจัดการข้อมูล และเกณฑ์หยุด โดยใช้หลักวิทยาศาสตร์และความแปรปรวนของวิธี ไม่กำหนดจำนวนตามผลที่ทยอยออกมา การให้ผู้วิเคราะห์คนอื่นทำซ้ำอาจเหมาะเมื่อสมมติฐานเกี่ยวกับ Technique แต่ผู้ทดสอบต้องมีคุณสมบัติและใช้วิธีที่อนุมัติ

Resample เหมาะเมื่อมีหลักฐานว่า Original Sample ไม่เป็นตัวแทนหรือ Sampling Method มีปัญหา ไม่ควรเก็บใหม่เพียงเพราะตัวอย่างแรกไม่ผ่าน หากวิธีสุ่มตัวอย่างบกพร่อง ต้องแก้ Sampling Plan ผ่านระบบควบคุมการเปลี่ยนแปลง และประเมินผลต่อล็อตหรือข้อมูลเดิมที่ใช้วิธีเดียวกัน

7. หลีกเลี่ยง Testing into Compliance, Averaging และ Outlier ที่ใช้ผิดวัตถุประสงค์

Testing into Compliance คือการทดสอบซ้ำต่อไปจนพบค่าผ่านแล้วเลือกค่าที่ต้องการ วิธีนี้ทำลายความน่าเชื่อถือของระบบและซ่อนความแปรปรวน จำนวน Retest ต้องกำหนดล่วงหน้าและสิ้นสุดด้วยการประเมินล็อต ไม่เพิ่มรอบเพราะผลยังไม่เป็นที่พอใจ

การเฉลี่ยใช้ได้เมื่อวิธีที่อนุมัติกำหนด Replicate เพื่อสร้างหนึ่ง Reportable Result เช่น การฉีดซ้ำจาก Sample Preparation เดียวตามวิธี แต่ไม่ควรเฉลี่ยผล OOS กับผล Retest ที่ผ่านเพื่อทำให้ค่าเฉลี่ยเข้าเกณฑ์ ผลจากแต่ละ Full Analysis มีความหมายต่อการสืบสวนและต้องถูกรายงานตามระบบ

Statistical Outlier Test อาจช่วยชี้ค่าที่ต่างจากกลุ่ม แต่ไม่พิสูจน์สาเหตุและไม่ใช่ใบอนุญาตให้ตัดข้อมูลทิ้ง โดยเฉพาะเมื่อความแตกต่างอาจสะท้อน Product Heterogeneity, Sampling Issue หรือ Process Variability การตัดข้อมูลต้องมีพื้นฐานในวิธี สถิติ และหลักฐานทางวิทยาศาสตร์ที่เหมาะกับวัตถุประสงค์

8. Batch Disposition และความรับผิดชอบในงาน OEM/Contract Laboratory

QA ต้องตัดสินล็อตจาก Totality of Evidence ได้แก่ ผลเดิม ผลเพิ่มเติม ความน่าเชื่อถือของวิธี สาเหตุ ขอบเขต Process Capability, Stability, Microbiology, Packaging และความเสี่ยงต่อผู้ใช้ ไม่ควรปล่อยล็อตเพราะค่าล่าสุดผ่านเพียงอย่างเดียว ทางเลือกอาจเป็น Reject, Rework, Reprocess, Additional Testing หรือ Release ตามข้อกำหนดและหลักฐานที่อนุมัติ

สำหรับงาน OEM/ODM ให้ Quality Agreement ระบุว่าโรงงาน ห้องปฏิบัติการภายใน ห้องปฏิบัติการภายนอก และเจ้าของแบรนด์รับผิดชอบส่วนใด ใครเปิด OOS ใครส่ง Raw Data/Investigation Summary ใครอนุมัติ Retest หรือ Resample ระดับใดต้องแจ้งแบรนด์ และใครมีอำนาจ Batch Disposition การจ้างห้องปฏิบัติการไม่ได้โอนความรับผิดชอบด้านคุณภาพออกจากผู้ผลิตหรือเจ้าของผลิตภัณฑ์ทั้งหมด

ก่อนส่งมอบ แบรนด์ควรได้รับหลักฐานที่ตกลงไว้ว่า OOS ที่กระทบล็อตถูกประเมินครบ ไม่มี Critical Investigation หรือ CAPA ที่ทำให้การปล่อยล็อตไม่เหมาะสม และ COA สอดคล้องกับข้อมูลทั้งหมด ไม่ควรแก้ COA โดยเลือกเฉพาะผลผ่านโดยไม่มีคำอธิบายและการอนุมัติที่ตรวจสอบย้อนกลับได้

9. Checklist 10 ขั้นตอนและ KPI สำหรับระบบ OOS ที่น่าเชื่อถือ

Workflow ที่ดีต้องเร็วพอรักษาหลักฐาน แต่ไม่เร่งปิดจนขาดเหตุผล กำหนด SLA ตามความเสี่ยงและความซับซ้อน พร้อมกระบวนการขยายเวลาที่ระบุ Interim Control และผู้อนุมัติ

• 1) ยืนยันผลกับ Specification และวิธีทดสอบ Revision ที่ถูกต้อง
• 2) Hold ล็อตและรักษาตัวอย่าง Raw Data กับ Audit Trail
• 3) เปิด OOS Record และแจ้ง QA/Laboratory Supervisor
• 4) ทำ Phase I Laboratory Investigation แบบทดสอบสมมติฐาน
• 5) Invalidate เฉพาะเมื่อมี Clear Assignable Laboratory Cause
• 6) ขยาย Phase II สู่ Sampling, Production, Material, Equipment และ Environment เมื่อจำเป็น
• 7) อนุมัติ Retest/Resample Plan ก่อนเริ่มและกำหนดเกณฑ์หยุด
• 8) ประเมินทุกผล ทุกล็อต และสินค้าที่แจกจ่ายแล้วตามขอบเขต
• 9) ให้ QA ตัดสิน Batch Disposition พร้อมเหตุผลและลายมือชื่ออนุมัติ
• 10) เปิด CAPA/Change Control ตรวจประสิทธิผล และ Trend ตาม Test, Product, Analyst, Instrument, Supplier และ Root Cause

10. Dashboard ที่ควรดูมากกว่าจำนวน OOS

จำนวน OOS สูงไม่จำเป็นต้องแปลว่าระบบแย่ หากองค์กรรายงานโปร่งใส ให้ดู OOS Rate ต่อจำนวน Test, Invalidated OOS Rate, Repeat OOS, Phase I-to-Phase II Ratio, Investigation Cycle Time, Retest Frequency, CAPA Overdue, Effectiveness Pass Rate และ Batch Rejection Cost ร่วมกัน

ทำ Pareto ตาม Test Method, Product, Instrument, Analyst, Supplier, Process Step และ Root Cause พร้อมดู OOT หรือ Borderline Result ก่อนกลายเป็น OOS เชื่อมข้อมูลกับ Deviation, Complaint, Yield, Stability และ Change Control เพื่อให้ Management Review เห็นความเสี่ยงเชิงระบบและ ROI ของการปรับปรุงวิธี เครื่องมือ หรือกระบวนการ

บทความนี้เป็นกรอบบริหารคุณภาพสำหรับเครื่องสำอางและการสนทนากับโรงงาน OEM/ODM ไม่แทนกฎหมาย SOP การประเมินความปลอดภัย หรือคำตัดสิน Batch Release เฉพาะผลิตภัณฑ์ ควรตรวจข้อกำหนด อย. เอกสาร ASEAN มาตรฐานองค์กร และตลาดปลายทางที่ใช้จริง