Análisis de la Guía sobre Data Integrity del MHRA (II)

Siguiendo con el análisis de la guía de integridad de datos del MHRA, voy a proceder a traducir y analizar la segunda parte. La primera parte (enlace) se centraba en cómo debe la organización sentar las bases de la gestión de la integridad de los datos, y cómo hay que entender y realizar los análisis de riesgos asociados a la gestión de los datos.

La segunda parte analiza el diseño de los sistemas y procesos para dar cabida a toda la estructura de integridad de datos dentro de la organización. También analizaré una parte de la definición de términos e interpretación de requisitos, la parte más extensa de la guía y que prefiero dividir ya que hay mucho concepto.

He añadido notas, que son pequeños comentarios personales para diferenciarlos del propio contenido traducido e interpretado de la guía. No me los tengáis en cuenta.

Diseñar sistemas y procesos para asegurar la integridad de los datos; crear el “entorno adecuado”.

Los sistemas y procesos deben diseñarse de manera que faciliten el cumplimiento de los principios de integridad de los datos. Los elementos que posibilitan el comportamiento deseado incluyen pero no se limitan a:

  • Disponer de relojes adecuadamente controlados/sincronizados para registrar los eventos horarios con el fin de garantizar la trazabilidad y la reconstrucción, conociendo y especificando la zona horaria en la que se utilizan estos datos en varios emplazamientos.
  • Accesibilidad a los registros en los lugares en que se llevan a cabo las actividades, de modo que no se registren los datos de manera extraoficial y se transcriban posteriormente a los registros oficiales.
  • El acceso a los formularios de papel en blanco para el registro de datos primarios debería controlarse adecuadamente. La reconciliación, o el uso de libros controlados con páginas numeradas, puede ser necesario para prevenir la reedición de un registro. Puede haber excepciones tales como registros médicos (GCP) cuando esto no resulte práctico.
  • Deben existir niveles de privilegio de acceso de los usuarios que prevengan la modificación no autorizada de los datos (o exista audit trail, si no es posible la prevención).
  • La provisión de un ambiente de trabajo (como espacio adecuado, tiempo suficiente para las tareas y equipo que funcione correctamente) que permita la realización de las tareas y el registro de los datos cuando sea necesario.
  • Acceso a los registros originales para el personal que realiza actividades de revisión de datos.
  • Reconciliación de impresiones controladas.
  • Formación suficiente sobre los principios de integridad de los datos impartida a todo el personal adecuado (incluida la alta dirección).
  • Inclusión de expertos en la materia en el proceso de evaluación de riesgos.
  • Supervisión de la gestión de las métricas de calidad relevantes para el tratamiento de datos.

Un tema que incorporan de manera interesante es el uso de “escribas” para registrar la actividad en nombre de otro operador puede considerarse, por ejemplo, cuando esté justificado:

  • El acto de registro simultáneo compromete el producto o la actividad, por ejemplo, la documentación de las intervenciones en la línea por parte de operadores estériles.
  • Necropsia (GLP)
  • Para hacer frente a las limitaciones culturales o de alfabetización/idioma, por ejemplo, cuando una actividad es realizada por un operario pero es presenciada y registrada por una segunda persona.

En estas situaciones, la entrada de la segunda persona debe ser paralela a la tarea que se está realizando, y los registros deben identificar tanto a la persona que realiza la tarea como a la persona que completa el registro, garantizando la trazabilidad. La persona que realice la tarea deberá refrendar el registro siempre que sea posible, aunque se acepta que este paso de refrendo sea retrospectivo. El proceso para completar la documentación de supervisión (scribe) debe describirse en un procedimiento aprobado que especifique las actividades a las que se aplica el proceso.

Nota: Como vemos, se redunda en las diferentes adaptaciones que las organizaciones deben realizar para dar acomodo a la gestión de la integridad de los datos. Algunas cosas están internalizadas, pero otras como la simultaneidad de los registros horarios, especialmente en tareas de proceso y registros manuales, no acaba de estar bien coordinada. No es extraño ver operarios consultando un reloj de pulsera para anotar datos críticos.

devops-3148393_960_720

Definición de términos e interpretación de requisitos

De entre todas las definiciones, he elegido para este segundo bloque aquellas que directamente definen conceptos básicos sobre los datos, para de esta forma sentar la base de las definiciones más complejas.

  • Datos:

Hechos, cifras y estadísticas recopiladas para referencia o análisis. Todos los registros originales y copias originales de los registros, incluidos los datos y metadatos de la fuente original y todas las transformaciones e informes subsiguientes de estos datos, que se generen o registren en el momento de la actividad del GXP y que permitan una reconstrucción y evaluación completas y completas de la actividad del GXP.

Recordemos que la definición de los datos pasa a ser ALCOA+

A – atribuible a la persona que genera los datos

L – legible y permanente

C – contemporáneo

O – registro original (o copia certificada)

A – preciso

El símbolo “+”, como novedad, representa lo siguiente:

Las medidas de gestión de datos también deben garantizar que los datos sean completos, coherentes, duraderos y estén disponibles a lo largo de todo el ciclo de vida, dondequiera que se encuentren;

Completo – los datos deben estar completos; un conjunto completo

Consistente – los datos deben ser autoconsistentes

Duradero – duradero durante todo el ciclo de vida de los datos

Disponible – fácilmente disponible para propósitos de revisión o inspección

Nota: esta nueva definición de los datos viene a garantizar la facilitad de disponibilidad de los datos y su conservación, además de parámetros como la consistencia de los mismos y el hecho de no aislar partes de los datos para evitar que pierdan sentido. Seguramente responde a problemas detectados en inspecciones, por lo que no está de más verificar cómo están nuestros sistemas de gestión de datos con respecto a estos nuevos conceptos.

  • Datos primarios (sinónimo de “source data” definidos en la GCP de la ICH)

Los datos primarios se definen como el registro original (datos) que puede describirse como la primera captura de información, ya sea registrada en papel o electrónicamente. La información que se captura originalmente en un estado dinámico debe permanecer disponible en ese estado.

Los datos primarios deberán permitir la reconstrucción completa de las actividades. Cuando se ha capturado de forma dinámica y se ha generado electrónicamente, las copias en papel no pueden considerarse “datos primarios”.

En el caso de equipos electrónicos básicos que no almacenan datos electrónicos o que sólo proporcionan una salida de datos impresa (p. ej. balanzas o medidores de pH), la impresión constituye los datos primarios. Cuando el equipo electrónico básico almacene datos electrónicos de forma permanente y sólo tenga un cierto volumen antes de sobrescribirlos; estos datos se revisarán periódicamente y, en caso necesario, se cotejarán con los registros en papel y se extraerán como datos electrónicos cuando estén respaldados por el propio equipo.

Nota: Me parece interesante tener definidos los datos primarios en nuestra organización, y tenerlo en cuenta a la hora de renovar equipo. La posibilidad de extraer datos de un equipo y su interfase con los sistemas existentes se han de evaluar en el momento de la compra.

  • Metadatos:

Los metadatos son datos que describen los atributos de otros datos y proporcionan contexto y significado. Por lo general, se trata de datos que describen la estructura, los elementos de datos, las interrelaciones y otras características de los datos, por ejemplo, los audit-trail. Los metadatos también permiten que los datos sean atribuibles a un individuo (o si se generan automáticamente, a la fuente de datos original).

Los metadatos forman parte integrante del registro original. Sin el contexto proporcionado por los metadatos, los datos no tienen sentido.

Ejemplo: 3.5 (carece de sentido por sí sólo, le falta información) metadatos, dando contexto y significado, (texto en cursiva) son:

lote de cloruro de sodio 1234, 3.5mg. J Smith 01/Jul/14 (ahora ya forma parte de un contexto)

Nota: Me recuerda al Oso Polar de Perdidos. Un elemento sacado de su contexto pierde sentido.

  • Data Integrity:

La integridad de los datos es el grado en que los datos son completos, coherentes, precisos, fiables, confiables y que estas características de los datos se mantienen a lo largo de todo su ciclo de vida. Los datos deben recopilarse y mantenerse de manera segura, de manera que sean atribuibles, legibles, registrados al mismo tiempo, originales (o una copia fiel) y exactos. Para garantizar la integridad de los datos se requieren sistemas adecuados de gestión de la calidad y de los riesgos, incluida la adhesión a principios científicos rigurosos y a buenas prácticas de documentación.

  • Gobierno o Gestión de datos (Data Governance):

Las normas para garantizar que los datos, independientemente del formato en que se generen, se registren, procesen, conserven y utilicen para garantizar el registro durante todo el ciclo de vida de los datos.

El gobierno de los datos debe ocuparse de la propiedad de los datos y de la contabilización a lo largo de todo su ciclo de vida, y considerar el diseño, el funcionamiento y la supervisión de los procesos/sistemas para cumplir con los principios de integridad de los datos, incluido el control de los cambios intencionales y no intencionales de los datos.

Los sistemas de Gestión de Datos deben incluir la formación del personal sobre la importancia de los principios de integridad de los datos y la creación de un entorno de trabajo que permita la visibilidad y fomente activamente la notificación de errores, omisiones y resultados no deseados.

La alta dirección debe ser responsable de la implementación de sistemas y procedimientos para minimizar el riesgo potencial para la integridad de los datos, y de identificar el riesgo residual, utilizando técnicas de gestión de riesgos como los principios de la ICH Q9. Los Contratistas deben asegurarse de que la propiedad, el control y la accesibilidad de los datos estén incluidos en cualquier contrato o acuerdo técnico con un tercero.

Se debe realizar una revisión del gobierno de datos como parte de su programa de control de proveedores.

Los sistemas de gestión de datos también deben garantizar que los datos estén fácilmente disponibles y directamente accesibles a petición de las autoridades nacionales competentes. Los datos electrónicos deben estar disponibles en forma legible para el ser humano.

Nota: Es como una política de gestión de datos. Parece interesante formalizar dicha política dentro del Sistema de Calidad, incluir la formación en Data Integrity dentro del programa de formación inicial y periódica y comentar temas de Data Integrity en las reuniones con la dirección. Podría ser útil establecer indicadores o KPI sobre Data Integrity, y garantizar el acceso y legibilidad de todos los datos informáticos.

  • Ciclo de vida de los datos:

Todas las fases de la vida de los datos, desde la generación y el registro hasta el procesamiento (incluido el análisis, la transformación o la migración), el uso, la retención, el archivo/recuperación y la destrucción.

El gobierno de los datos, tal como se describe en la sección anterior, debe aplicarse a lo largo de todo el ciclo de vida de los datos para garantizar su integridad. Los datos pueden conservarse en el sistema original, sujetos a controles adecuados, o en un archivo apropiado.

Nota: Los datos obsoletos son datos, no hay que descuidarlos durante todo el periodo de archivo de datos.

  • Registro y toma de datos:

Las organizaciones deben tener un nivel adecuado de comprensión de los procesos y conocimientos técnicos de los sistemas utilizados para la recogida y el registro de datos, incluidas sus capacidades, limitaciones y vulnerabilidades.

El método seleccionado debe garantizar que se recopilen y conserven datos con la precisión, integridad, contenido y significado adecuados para el uso previsto. Cuando la capacidad del sistema electrónico permite el almacenamiento dinámico, no es apropiado que se conserven datos estáticos (impresos/manuales) en lugar de datos dinámicos (electrónicos).

Como los datos son necesarios para permitir la reconstrucción completa de las actividades, la cantidad y la resolución (grado de detalle) de los datos que deben recogerse deben justificarse.

Cuando se utilizan, deben controlarse los formularios en blanco (incluyendo, entre otros, hojas de trabajo, cuadernos de laboratorio y registros maestros de producción y control). Por ejemplo, se pueden expedir y reconciliar conjuntos numerados de formularios en blanco una vez completados. Del mismo modo, los cuadernos paginados encuadernados, sellados o formalmente emitidos por un grupo de control de documentos permiten la detección de cuadernos no oficiales y cualquier hueco en las páginas de los cuadernos.

Nota: De nuevo, la cultura de Data Integrity se ha de fomentar en la organización. Con una política, procedimientos, formación, auditorías, análisis de riesgos, implicación de la dirección, medidas de prevención de falsificación de datos, controles de acceso a sistemas por niveles (que un operario no pueda liberar producto), trazabilidad garantizada, etc.

  • Transferencia de datos – migración:

La migración de datos es el proceso de trasladar los datos almacenados de un lugar de almacenamiento permanente a otro. Esto puede incluir cambiar el formato de los datos, pero no el contenido o el significado.

La transferencia de datos es el proceso de transferencia de datos y metadatos entre tipos de medios de almacenamiento o sistemas informatizados. En caso necesario, la migración de datos podrá cambiar el formato de los datos para hacerlos utilizables o visibles en un sistema informatizado alternativo.

Los procedimientos de transferencia/migración de datos deben incluir una justificación y estar sólidamente diseñados y validados para garantizar el mantenimiento de la integridad de los datos durante su ciclo de vida. Se debe prestar especial atención a la comprensión del formato de los datos y de las posibilidades de alteración en cada etapa de generación, transferencia y almacenamiento posterior de los datos. A menudo se subestiman los desafíos de la migración de datos, especialmente en lo que respecta al mantenimiento del significado completo de los registros migrados.

La transferencia de datos debe ser validada. Los datos no deben ser alterados durante o después de ser transferidos a la hoja de trabajo u otra aplicación. Debe existir una pista de auditoría para este proceso. Se deben seguir los procedimientos de calidad adecuados si la transferencia de datos durante la operación no se ha realizado correctamente. Cualquier cambio en el software de capa media debe ser manejado a través de Sistemas de Gestión de Calidad apropiados.

Las hojas de trabajo electrónicas utilizadas en la automatización, como la documentación en papel, deben controlarse en cuanto a su versión y cualquier cambio en la hoja de trabajo debe documentarse/verificarse adecuadamente.

Nota: Cualquier transferencia de datos es un riesgo por sí misma, y debe ser validado, bien sea manual o informática. Si no tenemos el grado suficiente de conocimiento para ello, mejor utilizar asesores externos que incurrir en un riesgo que va a costar justificar en caso de problemas.

  • Procesamiento de datos:

Una secuencia de operaciones realizadas sobre los datos para extraer, presentar u obtener información en un formato definido. Algunos ejemplos podrían ser: análisis estadístico de datos de pacientes individuales para presentar tendencias o conversión de una señal electrónica bruta en un cromatograma y, posteriormente, un resultado numérico calculado.

Debe haber una trazabilidad adecuada de cualquier parámetro definido por el usuario que se utilice en las actividades de procesamiento de datos con respecto a los datos brutos, incluida la atribución a quién realizó la actividad.

Las pistas de auditoría y los registros conservados deben permitir la reconstrucción de todas las actividades de tratamiento de datos, independientemente de si los resultados de dicho tratamiento se comunican posteriormente o se utilizan de otro modo con fines reglamentarios o comerciales. Si el procesamiento de datos se ha repetido con la modificación progresiva de los parámetros de procesamiento, esto debería ser visible para asegurar que los parámetros de procesamiento no están siendo manipulados para lograr un resultado más deseable.

CONCLUSIONES:

Como vemos, para la MHRA es importante que la cultura de Data Integrity se fomente en la organización. Esto es extensible al resto de agencias regulatorias.

Por ejemplo, como he comentado en las notas, algunos puntos que podemos incorporar o verificar periódicamente en nuestros sistemas podrían ser:

  • Crear una política sobre Data Integrity.
  • Crear procedimientos y registros
  • Impartir formación inicial y continuada y evaluando su eficacia.
  • Realizar auditorías.
  • Realizar análisis de riesgos.
  • Incluir la validación de sistemas informáticos.
  • Mediante la Implicación de la dirección (demostrable).
  • Implementar medidas de prevención de falsificación de datos.
  • Instaurar controles de acceso a sistemas por niveles (por ejemplo, que un operario no pueda liberar producto).
  • Crear procedimientos de comunicación de problemas a las agencias regulatorias (y quizás clientes).
  • Ejecutar análisis de tendencias.
  • Realizar controles de cambios de sistemas informáticos.
  • Permitier garantizar la trazabilidad (audit trail).
  • Garantizando el acceso restringido a los datos, física o virtualmente.
  • Y de cualquier otra manera que cree valor añadido sin implicar recursos excesivos.

La lista podría ser eterna, pero la idea es tener en cuenta este concepto de Data Integrity en nuestras empresas, que haya una cultura que genere confianza y que podamos demostrar que tenemos un grado de control suficiente sobre estos conceptos. Quizás para ello hemos de rediseñar nuestros sistemas, y propongo una adaptación gradual en base a un análisis de riesgos. Empecemos por lo más crítico, después por lo menos crítico, pero que podamos demostrar que se ha hecho este ejercicio y hay un plan aprobado y viable. Y si no se cumple, se replantea y justifica.

Espero haya sido interesante este análisis. En cuanto pueda publico la tercera parte del análisis, que incluye definiciones un poco más complejas y que requieren de un estudio concienzudo.

Si os ha parecido interesante, podéis suscribiros para que mejore la visibilidad de este blog y pueda llegar a más gente. Si tenéis algún comentario, lo responderé lo antes posible por aquí o por las redes sociales.

Actualización 23-marzo-2018:

A raíz del análisis de la Guía sobre Data Integrity / Integridad de datos de la agencia británica MHRA, como he comentado,  existe una necesidad a nivel regulatorio de crear, disponer y difundir una Política de Integridad de Datos.
Mientras iba redactando los artículos, he ido subrayando y anotando aquellos aspectos importantes que podrían ser la esencia de la guía, y los he consolidado en una Política que puede ser interesante incorporar en nuestro Sistema de Calidad. Os dejo el enlace para descarga, que será gratuita hasta finales de marzo: enlace.

1 comment

Leave a comment

Your email address will not be published. Required fields are marked *