Biologics CMC 系列(十五):Biologics CAPA 與偏差調查——批次出問題,為什麼重新訓練還不夠?

Executive Summary
一批生物製劑出現異常,找到一個看起來合理的原因,再安排重新訓練,不一定能降低下一次發生的風險。
Biologics CAPA 要處理的,是從異常訊號、調查證據、產品影響,到改善措施與成效確認的完整過程。
這篇先記住五件事:
製程偏差、超出規格的檢測結果(OOS)與趨勢異常(OOT)可能互相連結,但不是同一件事。
初始處理要同時控制風險與保留證據,避免先改變現場,才開始猜原因。
根因分析需要可以驗證的假說;「操作人員疏失」與「方法變異」都需要證據。
重測通過不能自動推翻原結果,放行規格全數合格也不能單獨排除偏差影響。
完成 CAPA 工作項目與證明 CAPA 有效,是兩個不同的判斷。
前言:為什麼報告結案了,同樣的問題還會再發生?
上一篇,我們談到把製程交給 CDMO 時,需要一起交付操作、量測與判斷能力。
接下來的問題是:如果接收端真的做出了不同的結果,團隊要怎麼處理?
假設一項抗體產品完成移轉後,第一次生產發現回收率下降,粒子數也比過去高。團隊檢查批次紀錄,找到某個操作步驟的執行差異,於是寫下「人員未依程序操作」,安排重新訓練,最後完成報告。
幾個月後,換了一個操作人員,同樣的問題又發生。
這時候值得回頭問:上次的調查,究竟解釋了什麼?
如果真正的問題是設備接頭容易裝反、程序描述有歧義,或排程讓產品經歷過長的等待時間,重新訓練可能沒有處理到主要原因。
對生物製劑而言,偏差調查的價值,在於把一次異常轉化成可以用來管理下一批的知識。
先給非科學背景讀者:偏差調查與 CAPA 是什麼?
可以用餐廳冷藏設備異常來理解。
某天發現冰箱溫度偏高,當下先把食材移到合適設備,屬於控制眼前風險。接著需要確認哪些食材受到影響,以及溫度升高多久。
如果檢查發現門沒有關好,還要再往下了解:是門扣損壞、警報無法被聽見,還是工作流程要求人員長時間開門?
不同原因,會導向不同的改善方式。
CAPA 是 Corrective Action and Preventive Action,中文常譯為矯正與預防措施。依 ICH Q10 的用語,矯正措施針對已發生問題的原因,降低再發風險;預防措施針對可能發生問題的原因,降低首次發生的風險。[1]
把同一個已知弱點延伸檢查到其他設備,是合理的系統性處理;公司如何將它分類為矯正或預防措施,可以依程序定義。重要的是具體風險有被處理。
先分清楚:Deviation、OOS、OOT 與 CAPA
名詞 | 在本文中的意思 | 假設例子 |
Deviation:偏差 | 實際執行偏離核准程序、指示或已建立要求 | 中間物等待時間超過核准上限 |
OOS:Out-of-Specification | 檢測結果超出已建立的規格或接受標準 | 某項純度結果低於規格下限 |
OOT:Out-of-Trend | 結果偏離已建立的預期趨勢,可能仍符合規格 | 多批產品的某項雜質持續上升 |
CAPA | 依調查與風險,處理已發生或潛在問題原因的措施 | 修改流路設計、控制條件與監測方式 |
OOS 包括超出既定接受標準的適用製程中實驗室檢測,不只限於最終放行項目。[2]
OOT 的判定規則需要依產品、方法與歷史資料建立;表中的用法不代表全球共用同一套法定門檻。尚未建立穩定歷史基準的早期產品,也應記錄並評估重要的非典型結果,避免硬套不適合的統計界限。
這幾種紀錄可以互相連結。例如,等待時間偏差與後續純度 OOS,可能需要共同調查。但純度結果符合規格,也不會讓等待時間偏差自動消失。

官方要求的重點:調查要能支持品質判斷
ICH Q10 第 3.2.2 節,把 CAPA 放在藥品品質系統中,強調結構化調查,並依風險決定調查投入與文件程度。[1]
美國 21 CFR 211.192 對適用的成品藥製造要求,涵蓋無法解釋的差異及規格不符的調查,也要求評估可能相關的其他批次與產品,留下結論及後續處理紀錄。[3]
EU GMP Chapter 1 第 1.4(xiv) 節特別提醒:當原因被歸為人為錯誤時,要確認沒有忽略製程、程序或系統問題;措施的有效性也需要監測與評估。[4]
本文以治療性抗體的製造與檢測為主要情境。細胞治療、病毒載體與 mRNA/LNP 的產品特性、可用樣品、時效與法規要求不同,不能直接沿用相同測試組合。
以下案例與數值均為教學用假設,不代表實際公司事件、通用規格或核准的批次處置方式。
Biologics CAPA 的法規地圖:每份文件回答不同問題
官方資料 | 可以用來回答的問題 | 使用時要留意的邊界 |
ICH Q10,第 3.2.2 節 | CAPA 如何連接調查、改善與生命週期管理? | 不取代各地適用的 GMP 要求 |
ICH Q9(R1),第 5.1–5.3 節 | 如何依風險安排調查深度,管理不確定性與主觀性? | 風險評分不能替代缺少的證據 |
21 CFR 211.192 | 適用的製造差異與規格不符,如何調查並擴大影響評估? | 本條屬成品藥 CGMP;不同產品與階段仍要確認適用要求 |
FDA OOS 指南(2022) | 化學型檢測異常時,如何安排實驗室及後續調查? | 不宜直接當成所有生物分析的完整規則 |
EU GMP Chapter 1,第 1.4(xiv) 節 | 人為錯誤、最可能根因與 CAPA 有效性如何處理? | 本文引用官方 GMP 目錄列示的 2013 生效版本 |
FDA 資料完整性問答 | 無效結果與相關原始資料如何保存、審查? | 判定結果無效,不等於可以刪除結果 |
FDA 品質協議指南 | 委託方與受託方如何分配通知、調查及資料分享? | 合約不能移除各自適用的 CGMP 責任 |
這些資料的角色不同:美國 CFR 是法規條文;FDA guidance 一般描述機關的建議與現行看法,不能把整份指南中的每句建議都寫成獨立法律義務。EU GMP 則放在歐盟的製造許可與 GMP 監督架構下理解。[1–7]
第一步:控制現場風險,同時保留調查證據
異常剛發生時,團隊通常很想立刻把流程恢復正常。
但操作越多,越可能改變原始狀態。清空儀器、重新製備樣品、丟棄耗材或修改設定後,某些關鍵資訊可能再也無法取得。
可以事前定義不同事件的初始處理,例如:
依風險暫停相關操作,或限制材料、批次與設備的使用。
保留適當的樣品、耗材、儀器狀態與原始紀錄。
記錄發現時間、操作步驟、設備、材料與人員。
通知適當的製造、分析與品質負責人,建立後續決策紀錄。
保留證據不代表讓危險狀態持續存在。需要立即停止、隔離或其他保護措施時,仍應優先處理,並盡可能記錄改變前後的狀態。
FDA 的資料完整性指南要求,作為 CGMP 紀錄的資料應適當保存與審查;即使經調查合理判定某結果無效,原資料及其判定依據仍須保留。[5]
第二步:先把事件寫成事實,避免在問題描述裡先選答案
「操作人員不小心造成粒子增加」,把原因和結果綁在一起,但其中的因果可能尚未被證明。
比較有用的描述是:
「該批在轉移步驟後,粒子檢測高於既定接受標準;當次流路配置與前次批次不同,另有一段等待時間尚待確認。」
接著,把已知、未知與推測分開:
類別 | 假設案例中的內容 |
已知事實 | 哪一份樣品、哪個時間點、什麼方法測到異常 |
待確認資訊 | 實際等待時間、流路組裝方式、樣品處理歷史 |
調查假說 | 接觸材質、操作應力、等待條件或量測問題可能影響結果 |
批次紀錄、設備事件紀錄、取樣時間與分析紀錄,最好放到同一條時間軸上。訪談可以補足脈絡,但「平常都是這樣做」不能取代當次紀錄。
Biologics CAPA 案例一:同樣看到粒子增加,可能需要不同調查
假設抗體製程在轉移後出現粒子異常。
團隊可以提出多個機制假說,再選擇能區分它們的證據:
假說 | 可以優先找的證據 | 判讀限制 |
產品形成聚集體或產品相關粒子 | 製程前後樣品、適當的粒子與蛋白分析 | 單一方法未必涵蓋所有粒徑與組成 |
接觸材料或設備產生外來粒子 | 接觸材質紀錄、耗材檢查、適當的粒子鑑別 | 外觀相似不代表成分或來源相同 |
取樣或樣品處理導入差異 | 樣品容器、轉移、等待與處理紀錄 | 另一份樣品正常,不能單獨排除原批次問題 |
方法或儀器出現異常 | 原始訊號、系統適用性、儀器與方法執行紀錄 | 儀器曾經故障,不代表這次異常就是儀器造成 |
這張表是調查設計示例,不是要求每次粒子事件都執行全部分析。
假設新流路使用了不同 tubing,粒子增加與 tubing 更換同時發生,這只能把它列為候選因素。還需要確認材料身分、代表性比較與其他同期變更,才能提高因果判斷的可信度。
調查實驗也應說明目的、樣品代表性、方法與判讀方式。為了探索原因而進行的測試,不會自動成為可以取代例行放行結果的資料。

案例二:OOS 之後重測通過,原結果怎麼處理?
假設某項以化學分析為基礎的純度檢測,第一次結果超出規格,後續重測則符合規格。
這時不能只留下通過的結果。
FDA 2022 年 OOS 指南區分初步實驗室調查與全面調查,反對缺乏科學理由、反覆測到合格為止的做法。如果實驗室錯誤的證據仍不明確,製造公司應進行全面 OOS 調查,包括檢視生產與取樣程序。重測與重新取樣各自需要目的與依據,不能因為後來通過,就自動認定原結果無效。[2]
比較合理的調查方向包括:原樣品與溶液狀態、計算、方法執行、儀器紀錄,以及是否存在可證明且足以解釋結果的錯誤。
這份 FDA 指南的範圍需要說清楚:它適用於 CDER 管轄藥品的化學型實驗室檢測,涵蓋其管轄生技產品的相關化學檢測,但不是針對 biological assays 制定的完整調查指南。[2]
因此,不能直接把其中每項細節當成所有 cell-based potency assay 或 immunoassay 的固定規則。這些方法仍需依方法設計、有效性標準、統計模型與適用要求制定程序;生物變異較大,也不構成任意排除不利資料的理由。

分析調查要再往下拆:系統、樣品與結果各自是否有效?
「System suitability 通過」回答的是預定的系統檢查,不會自動證明每份樣品都被正確處理,或每個結果都適合使用。
ICH Q2(R2) 以分析方法的預定用途為核心,說明驗證與方法性能的關係。[8] 調查時,可以把資訊分成四層:
層次 | 假設的檢查項目 | 避免的跳躍推論 |
方法與系統 | 儀器狀態、系統適用性、設定與計算版本 | 系統通過,所以樣品必然沒有問題 |
樣品 | 身分、取樣代表性、容器、儲存、稀釋與凍融 | 同批另一份樣品正常,所以原結果一定錯 |
試驗執行 | 關鍵試劑、標準品、操作順序與時間 | 試劑在效期內,所以表現一定與過去相同 |
結果與模型 | 原始訊號、積分、曲線、有效範圍與既定判讀規則 | 軟體輸出一個數字,所以數字一定有效 |
對 cell-based potency assay,還可能需要檢查細胞身分與狀態、培養條件、標準品反應及適用的曲線模型。這些是依方法提出的調查方向,不是每項產品都必須採用同一套檢查清單。
也要區分「整次 assay 未達有效性標準」與「有效 assay 中某樣品的結果不符合產品標準」。兩者需要不同判讀,但相關資料與原因都應保留。結果如何重測、如何納入批次判斷,應依事前建立且有科學依據的程序處理。
案例三:「人員疏失」還需要往下問什麼?
假設調查發現操作人員使用了錯誤的轉移路徑。
重新訓練可能有必要,但還值得確認:
當時的圖示是否容易辨識?接頭是否能被錯誤連接?不同版本文件是否同時存在?關鍵確認步驟是否真的能及時發現錯誤?
如果問題是標示不清與接頭可互換,只增加一次訓練,未必能有效降低再發風險。
可評估的措施可能包括改善識別、調整組裝方式、增加適當的防錯設計,以及在有用的位置加入確認步驟。採用前仍需確認變更不會導入新的產品接觸、清潔、操作或資料風險。
Five Whys 或魚骨圖可以幫忙整理問題,但每多問一個「為什麼」,都應有資料支持下一層推論。填滿五層,不代表已經找到根因。
Correction、Corrective Action 與 Preventive Action,實務上怎麼連起來?
假設某個樣品標籤錯置的事件已被確認。
工作層次 | 假設的處理方式 | 要回答的問題 |
當下控制與更正 | 限制相關樣品使用,依可追溯紀錄確認身分與影響 | 眼前哪些材料與結果不能直接使用? |
矯正措施 | 處理已確認的標籤產生或核對流程弱點 | 已發生問題的原因是否被降低? |
預防性延伸評估 | 檢查其他尚未發生事件的相似流程 | 同類弱點是否存在於其他地方? |
成效確認 | 在相關使用情境下檢查錯誤率、攔截能力與紀錄 | 措施在實際運作中是否有效? |
不是每一件低風險事件都需要另開一份大型 CAPA 專案。是否另立 CAPA、如何整合既有改善,應依程序、再發情形、系統性與風險決定,並留下理由。
但降低行政負擔,也不能成為忽略反覆小事件的理由。幾件單獨被判為低風險的事件,放在一起可能顯示相同的控制缺口。
產品影響評估:通過規格,仍然需要回答哪些問題?
偏差調查通常同時有兩條工作:理解原因,以及判斷受影響產品如何處置。
即使最終檢測符合規格,仍要確認現有方法是否涵蓋這次偏差可能影響的品質屬性。
例如,抗體中間物經歷較長的等待時間,不能只用濃度沒有改變,推論其他品質都沒有影響。需要回到實際溫度、濃度、容器、暴露時間、既有研究,以及合適的品質資料。
影響範圍也要有邊界:是否涉及共用設備、同批耗材、相同試劑、其他時間點或其他產品?若有已配送或已使用的產品,則需另外評估適用的通報、回收或其他行動。這些行動的具體要求應另依產品與地區確認;211.192 本身規定的是調查及相關批次/產品的延伸評估。[3]
「沒有看到不良結果」與「有足夠證據支持風險可接受」,中間仍可能有資訊缺口。
批次處置應由具適當權責的品質單位,依完整資料與適用要求決定。CAPA 對未來批次的改善,也不會回頭證明當前批次品質可接受。
完整假設案例:抗體中間物等待時間延長後,如何安排調查?
以下以一個假設的抗體中間物為例。原核准程序的等待上限為 8 小時,當批實際等待 12 小時。數字只用來說明調查設計,不是建議的製程條件。
發現時,團隊已取得濃度合格的結果,但還沒有足夠資料支持延長後的整體品質。
先建立事件時間軸。 確認等待時間的起點與終點、產品實際溫度、容器、濃度、攪拌、轉移與取樣條件。設備紀錄、操作紀錄與分析紀錄的時間,也要確認能夠互相比對。
再做有邊界的影響評估。 盤點既有 hold-time 研究是否涵蓋相同中間物、濃度、容器、溫度與後續步驟。若研究只涵蓋其他條件,不能只因為名稱相同就直接外推。
依可能機制選證據。 如果主要疑慮是蛋白質聚集或化學變化,團隊可以評估適當的尺寸分析、粒子、電荷或其他相關品質資料;若懷疑微生物風險,則需要對應的微生物控制與資料。不是每項都必須新增,而是每項選擇都要能解釋用途。
區分原因與後果。 等待延長可能來自設備排程衝突,但產品影響仍需獨立評估。找到排程原因,不等於證明產品沒有受到影響。
調查項目 | 假設中可取得的資訊 | 仍需回答的問題 |
時間與溫度 | 等待起訖與連續溫度紀錄 | 是否有量測缺口或非代表性位置? |
既有研究 | 一組較短等待時間的資料 | 是否足以支持當批實際條件? |
品質檢測 | 濃度合格,其他資料待整理 | 方法能否看見這次可能造成的變化? |
發生原因 | 下游設備無法依原排程使用 | 是否為單次事件,其他批次是否也受影響? |
控制措施 | 調整排程與建立升級通知 | 是否需要設備、程序或控制策略變更? |
調查結論可以是證據支持該批產品品質可接受,也可以是仍需補充資料、限制使用或拒絕批次。不能預先把「證明可以放行」當成調查唯一目標。
如果改善涉及延長正式等待上限、更換材料或修改製程,應另依變更控制確認研究、驗證、必要的產品比較及法規影響。CAPA 編號本身不會讓變更自動獲准。
找不到確定根因時,怎麼形成有用的結論?
有些調查最後無法確認唯一根因。
例如,關鍵中間物沒有留樣,設備也缺少足夠解析度的紀錄。團隊可能只能辨識最可能原因,或幾個尚未排除的因素。
EU GMP Chapter 1 允許在無法確認真正根因時,考慮最可能的原因並採取措施;這不代表可以把推測寫成已證實的事實。[4]
比較清楚的結論會交代:支持與不支持各假說的資料、調查限制、尚存不確定性,以及控制與追蹤安排。
ICH Q9(R1) 強調風險判斷應管理主觀性,讓知識與資料支持決策。[6] 實務上,可在審查時區分「有資料支持的低風險」與「因資料不足而暫時沒有看到問題」。
原因尚未確定,也不代表批次可以自動放行;如果關鍵品質風險仍無法排除,就需要保留相應的處置限制。
CAPA 成效確認:訓練簽完名,只能證明訓練完成
假設 CAPA 是改善轉移流路與作業指示。
文件改版、訓練完成與設備安裝,屬於執行證據。成效確認則要看:相關使用情境下,措施是否降低原先的錯誤或失效風險?
可以在執行前定義:
項目 | 假設案例中的安排 |
對象 | 實際使用改善後流路的操作,涵蓋相關人員與配置 |
指標 | 正確組裝、確認步驟表現、相關事件與品質資料 |
觀察範圍 | 依生產頻率、失效模式與風險,選擇合理期間及使用次數 |
接受條件 | 事前定義足以支持有效的證據 |
未達條件的處理 | 重新評估假說、措施或觀察設計 |
這些是規劃示例,沒有適用所有 CAPA 的固定三批或三個月答案。
如果設備三個月只使用一次,「三個月沒有再發」的資訊量有限。另一方面,偏差件數下降,也可能來自產量減少或通報行為改變,不能直接當成成效。
措施已完成、成效仍待確認的狀態,應在系統中保持清楚,依程序追蹤與升級處理。

用一個統計算例,理解「沒有再發」的限制
假設改善後觀察 20 次操作,沒有發現同類事件。這是有用的觀察,但不能因此宣稱失敗機率已經是零。
在每次操作互相獨立、發生機率固定,且所有事件都能被偵測與正確分類的簡化二項模型下,若 n 次觀察中沒有事件,事件機率的單側 95% 精確信賴上限為:
p 上限 = 1 − 0.05^(1/n)
依這個模型計算,0/20 對應的上限約為 13.9%;0/100 則約為 3.0%。這是依精確二項信賴界限原理得到的教學算例,不是實測數據,也不是 CAPA 接受標準。[9]
這些數字不代表實際失敗率就是 13.9% 或 3.0%,也不是對參數做機率保證;它們顯示少量零事件資料仍有很大的不確定性。
實際製程可能有班別、設備、批次與人員的群聚效應,發生率也可能隨時間改變;漏報或偵測能力改變,會讓這個簡化模型更不適用。因此,成效確認需要同時考慮代表性、直接的防錯或性能證據,以及合理的統計方法,不能只累積日曆天數或機械套用樣本數。
與 CDMO 合作:在異常發生前,把調查責任說清楚
跨公司調查容易卡在資料與權責。
製造端有設備與操作紀錄,開發端有歷史製程知識,分析實驗室握有原始資料。如果只收到「調查完成,無品質影響」的摘要,委託方未必有足夠依據完成自己的判斷。
FDA 的品質協議指南建議說明偏差如何通知、調查、記錄與解決,以及檢測結果與調查報告如何分享。雙方也不能透過合約移除各自適用的 CGMP 責任。[7]
專案上可以具體約定事件通知、資料取得、調查主責、報告審查、批次處置、歧見處理,以及 CAPA 的執行與成效追蹤。
通知時限與升級方式需要依事件風險及適用要求設計,不宜把單一商業合約中的天數寫成全球規定。
一份可供審查的調查報告,至少要讓讀者找到什麼?
以下是工作用的內容架構,不是主管機關指定的唯一範本:
報告部分 | 應能找到的內容 |
事件與範圍 | 批次、設備、方法、材料、發現時間與實際偏離 |
初始控制 | 哪些操作或材料被限制、何時通知、如何保留證據 |
事實與時間軸 | 原始紀錄來源、版本、關鍵時間點與資訊缺口 |
假說與調查 | 各假說的機制、支持/反證、實驗設計與限制 |
產品影響 | 受影響品質屬性、批次、其他產品與已配送產品 |
原因結論 | 已確認原因、最可能原因、促成因素及確定程度 |
措施與變更 | 當下處理、CAPA、責任人、時程及變更控制連結 |
批次處置 | 品質單位的判斷、依據與尚未解除的限制 |
成效確認 | 對象、指標、觀察範圍、接受條件及不符時的處理 |
同一事件可能已完成足以支持批次處置的調查,但長期 CAPA 成效確認仍在進行。這不代表可以在產品品質風險尚未釐清時放行:支持當批處置所需的調查與產品影響評估,必須充分完成並經適當核准;適用的暫時控制也須有依據。後續成效確認如何追蹤,應由程序與權責單位定義。放行責任另須依地區確認,例如歐盟適用的 Qualified Person(QP)批次認證要求。[3,4] 尚未完成的工作不能藏在「已結案」裡。
也不應為了符合一個結案天數,把仍在推測的原因改寫成確定原因。必要的延展、暫時控制與升級處理,都應清楚記錄。
從早期開發開始,留下未來用得上的調查能力
早期研發的紀錄與品質系統,未必採用商業製造同等的正式程度,但仍可以先建立幾項習慣:
保留可追溯的樣品與原始資料,記錄設備、原料和方法版本,區分觀察與推論,並讓失敗條件也進入知識整理。
例如,小規模製程反覆出現回收率波動時,若每次只保留最好的一次結果,後續放大或移轉就可能失去理解變異的機會。
進入 GMP 與臨床供應後,則需依產品、階段與地區要求,建立適當的正式程序及品質監督。ICH Q10 的生命週期架構可以協助銜接不同階段,但不能被用來豁免適用要求。[1]
我的觀察:好的調查,會讓下一次決策更有依據
一份調查報告最有價值的部分,是讓後續團隊知道:哪些原因已有證據、哪些還不能確定,遇到相同訊號時該看什麼。
如果結案後只多了一份訓練紀錄,設備、程序與監測都沒有因調查得到改善,值得重新檢查這次 CAPA 處理了多少實際風險。
對 Biologics CAPA 而言,能夠清楚說明調查的限制,也是一種必要的專業判斷。結論的確定程度,應該與證據相稱。
關於 LuTra Studio
LuTra Studio 關注生物製劑、RNA therapeutics、藥物遞送,以及研究成果進入臨床開發時的製程與 CMC 挑戰。
我們協助團隊整理製程與分析資料、辨識技術風險、規劃開發及移轉問題,並促進研發、分析與外部合作夥伴之間的技術溝通。
如果你的團隊正在面對製程放大、CDMO 移轉或反覆發生的品質異常,歡迎透過 LuTra Studio 與我們交流。
延伸閱讀
References
ICH / U.S. FDA. Q10 Pharmaceutical Quality System. FDA guidance, April 2009. 參考第 3.2.2 節與詞彙定義。官方文件
U.S. FDA. Investigating Out-of-Specification (OOS) Test Results for Pharmaceutical Production: Guidance for Industry. Revision 1, May 2022. 參考適用範圍、第 III–V 節。官方文件
U.S. Code of Federal Regulations. 21 CFR 211.192 — Production record review. eCFR;官方年度彙編文本(2025)
European Commission. EudraLex Volume 4, Part I, Chapter 1: Pharmaceutical Quality System. In operation from 31 January 2013. 參考第 1.4(xiv)–(xv) 節。官方文件
U.S. FDA. Data Integrity and Compliance With Drug CGMP: Questions and Answers. December 2018. 參考 Question 2。官方文件
ICH / U.S. FDA. Q9(R1) Quality Risk Management. FDA guidance, May 2023. 參考第 5.1–5.3 節。官方文件
U.S. FDA. Contract Manufacturing Arrangements for Drugs: Quality Agreements. November 2016. 參考第 IV 節。官方文件
ICH / U.S. FDA. Q2(R2) Validation of Analytical Procedures. FDA guidance, March 2024. 官方文件
NIST. Dataplot Reference Manual: EXACT BINOMIAL. 單側與雙側精確二項信賴界限。官方資料





留言