Suscríbete a DeepL Pro para poder traducir archivos de may

Más información disponible en www.DeepL.com/pro.

Datos microbiológicos
20
20.1 Introducción
La recogida de datos es una parte importante de la microbiología. Cada método de
laboratorio genera datos de una forma u otra. En general, estos datos son cualitativos
(como el resultado "correcto" o "incorrecto" de la prueba de esterilidad) o
cuantitativos (como un número obtenido en una prueba de carga biológica). En este
capítulo se examinan algunos aspectos de la captura y el análisis de datos. En total,
se trata de áreas muy amplias, y el propósito del capítulo es simplemente destacar
algunos de los puntos esenciales y proporcionar una comprensión de base de lo que
es la microbiología y cómo podría manejarse. Dado que el establecimiento de límites
es doblemente importante, el capítulo explica cómo podrían establecerse los límites
de las pruebas microbiológicas, basándose en una consideración de los datos
históricos.
La tendencia es aplicable a la mayoría de los análisis microbiológicos. Los datos
brutos de vigilancia tienen poco valor por sí mismos, y los recuentos individuales
elevados no suelen ser significativos. Así pues, es necesario analizar y presentar
adecuadamente conjuntos voluminosos de resultados para ofrecer tendencias y un
enfoque adecuado; por ejemplo, con la vigilancia ambiental de salas blancas.
La notificación de los datos y las tendencias ofrecen la oportunidad de revisar y
modificar la eficacia del control microbiológico y la idoneidad del programa de
vigilancia. Cuando se demuestra un buen control, puede haber oportunidades para
reducir el nivel de vigilancia, reduciendo así los costes sin comprometer el producto
ni al paciente.
A menudo, los datos microbiológicos contienen muchos puntos de datos nulos, lo
que puede plantear problemas en el análisis estadístico de los datos. Es importante
seleccionar herramientas de análisis adecuadas que no lleven a enmascarar sucesos o
tendencias significativos.
Sea cual sea la forma en que se lleve a cabo el análisis de los datos, un equipo
interfuncional deberá generar y revisar informes resumidos periódicos. A la hora de
presentar los datos, se recomienda una combinación de formatos gráficos y tabulados
que ofrezcan una representación visual con un texto resumido de apoyo claro.

20.2 Recuento de microorganismos

Los datos cuantitativos se generan mediante el recuento de microorganismos. Una de
las tareas importantes que debe realizar el microbiólogo farmacéutico es la capacidad
de enumerar microorganismos. El recuento es necesario para evaluar la calidad
microbiana del agua, las salas blancas, las muestras de biocarga durante el proceso,
las materias primas, etc. El método utilizado para contar microorganismos depende
del tipo de información requerida, del número de microorganismos presentes y de la
naturaleza física de la muestra. Un método importante

Pharmaceutical Microbiology. http://dx.doi.org/10.1016/B978-0-08-100022-9.00020-7

2016 Elsevier Ltd. Todos los derechos reservados.
258 Microbiología farmacéutica

Se distingue entre el recuento total de células (que cuenta todas las células, vivas o
no) y el recuento viable (que cuenta los organismos capaces de reproducirse).
El recuento total de células incluye el examen microscópico directo, la medición
de la turbidez de una suspensión (utilizando un nefelómetro o espectrofotómetro), y
la determinación del peso de un cultivo seco (evaluación de la biomasa), mediciones
de trifosfato de adenosina (ATP) (normalmente utilizando la enzima luciferasa que
produce luz en la hidrólisis de ATP), mediante tinción fluorescente, o impedancia
eléctrica. Las técnicas de recuento de viables incluyen la placa de dispersión, la placa
de vertido (a través de la siembra directa o una aplicación como la técnica Miles-
Mistra), la siembra en espiral y la filtración por membrana. Estos métodos se
presentaron en los capítulos 1 y 7. A los clásicos pueden añadirse los métodos
microbiológicos rápidos, que a menudo producen más datos al poder abordar la
cuestión de la "incultivabilidad" (véase el Capítulo 17).

20.3 Muestreo
El objetivo de tomar una muestra es que la muestra tomada sea representativa de la
población y que, examinando o probando la muestra, se pueda inferir algo
significativo sobre la población. Una muestra es, por tanto, un subconjunto de una
población seleccionado mediante un proceso. El tamaño de la muestra es el número
de elementos (muestras) incluidos. Para un sistema de agua o una muestra de aire, la
muestra es una proporción del total recogido en un momento dado.
En cuanto al número de muestras tomadas (el diseño de la muestra), la muestra
debe ser representativa. Si la muestra no es representativa o si la toma de muestras
no es la prevista, se dice que se ha producido un error de muestreo (aunque en la
práctica es muy difícil saber si se ha producido un error de muestreo) [1].
Que la muestra sea representativa significa que debe tener un volumen suficiente
(por ejemplo, 200 ml de agua de calidad farmacéutica) o que debe tomarse un
número adecuado de muestras para obtener un resultado representativo (por ejemplo,
determinar cuántas muestras de un número determinado de envases de una materia
prima darán un resultado representativo). Existen diferentes herramientas estadísticas
que pueden utilizarse con este fin, siendo la más sencilla la raíz cuadrada del número
de envases).
La razón, basándonos en el ejemplo anterior del agua, es que el tamaño de la
muestra es importante, ya que está relacionado con la distribución de los
microorganismos. La distribución, como principio general, se analiza a continuación.
En relación con el muestreo, si el agua contiene 1.000 bacterias por litro, esto no
significa que cada mililitro contenga una bacteria. Sin embargo, si se toma una
muestra de 500 ml, la probabilidad de capturar 50 bacterias es mucho mayor que la
probabilidad de capturar una bacteria en una muestra de 1 ml. En este caso, es más
útil considerar el volumen necesario para poder obtener una estimación razonable de
la población microbiana.
Por ejemplo, supongamos que deseamos estimar la población microbiana en 1 L
de muestra. Podríamos analizar el litro entero. Esto llevaría mucho tiempo y sería
caro, y si el litro tuviera valor, la muestra perdería su valor.
Datos 259
microbiológicos

Si queremos estar seguros al 95% de detectar un recuento fiable y conocemos, por

experiencia, el nivel medio de contaminación, podemos aplicar la siguiente fórmula:
ln (1 - P)
V=
μ
donde V es el volumen de muestra a analizar, P es la probabilidad de detectar un
organismo y μ es la tasa media de contaminación.
Supongamos que P = 0,95 (ya que buscamos una confianza del 95%, un factor de
corrección comúnmente aplicado a la mayoría de los datos biológicos) y que la tasa
de contaminación media es de 0,022 ufc/mL. Entonces, el volumen necesario sería
de 1498 mL (o, en la práctica, se analizaría una muestra de 1500 mL).
En cuanto a la procedencia de las muestras, el principio general es el del muestreo
aleatorio. Esto significa que la muestra se selecciona de forma que todas las muestras
del mismo tamaño tengan las mismas posibilidades de ser seleccionadas. El
muestreo aleatorio presupone que la población está bien mezclada antes de proceder al
muestreo. Tomando un ejemplo microbiológico, el muestreo aleatorio se aplicaría al
muestreo de una materia prima de varios bidones.
El muestreo aleatorio no es deseable en todos los casos. Para las pruebas de
esterilidad, por ejemplo, el muestreo está sesgado. El sesgo es tal que las muestras se
refieren al tiempo y que las muestras tomadas se refieren a momentos
aproximadamente iguales durante el llenado del producto (o, en términos del número
de envases llenados, las muestras se toman a intervalos equidistantes). En este caso,
se está midiendo algo diferente que si se utilizara un muestreo aleatorio para
seleccionar las muestras. Además, en el caso del control medioambiental, disponer
de muestras fijas hace que las tendencias sean más significativas.
Además, un aspecto importante del trabajo de los microbiólogos farmacéuticos es
garantizar que las muestras tomadas o enviadas al laboratorio se han hecho de forma
aséptica y que los envases y las condiciones de almacenamiento de la muestra no se
han visto afectados negativamente [2].

20.4 Distribución microbiana

La distribución de los recuentos microbianos es un tema importante, ya que influye
considerablemente en los gráficos de tendencias y en las estadísticas generales, así
como en las técnicas aplicadas para calcular los niveles de alerta y actuación. Los
recuentos microbianos en el medio ambiente rara vez se asemejan a una distribución
normal (en la que s e obtiene una curva clásica en forma de campana o un patrón
binomial; en este caso, el área bajo la curva se divide en dos mitades simétricas). La
distribución normal es un fenómeno que se encuentra en muchos aspectos de la
ciencia física y biológica (desde medidas como la altura humana). La distribución
normal se representa, en su forma más sencilla, como un histograma, tal y como se
muestra en la Figura 20.1.
En la práctica, la distribución de los microorganismos y los recuentos
microbianos muestran una distribución de Poisson (como en el caso de un sistema de
agua en el que los microorganismos se distribuyen aleatoriamente) o una marcada
"asimetría", como en el caso de los recuentos de una sala limpia de alto grado. La
260 Microbiología farmacéutica

mayoría de los datos de vigilancia microbiológica muestran una distribución

asimétrica, en la que la mayoría de los microorganismos se distribuyen de forma
aleatoria.
 Datos 261
microbiológicos

4.5
4
3.5
3
Frecuenci

2.5
2
a

1.5
1
0.5
0

Papelera
Figura 20.1 Un histograma estándar, como podría ser típico de los datos biológicos.

de los resultados son cero o recuentos bajos, con muy pocos resultados que registren
recuentos más altos. Así, un gráfico de datos muestra una cola larga y fina hacia la
izquierda del gráfico [3].
Con la distribución de Poisson, la frecuencia de recuento de "sucesos" a lo largo
del "tiempo" es más aleatoria (como en la figura 20.2). Así, los fenómenos de la
distribución de Poisson explican sucesos en los que una muestra puede superar un nivel
de intervención un día, estar por debajo durante otros 2 días y volver a superarlo. Esta
situación no indica que la contaminación aparezca y desaparezca, ni que una muestra
haya dado el resultado correcto y la otra uno no representativo, simplemente refleja
una distribución en el tiempo y el espacio.

S1 S2 S3 S4 S5

Dónde

Sx = muestra por día

Figura 20.2 Representación de una distribución de Poisson típica: una posible

distribución de microorganismos en cinco muestras (Sx) tomadas de la misma
262 Microbiología farmacéutica

salida de agua.
Datos 263
microbiológicos

Al margen de los parámetros estadísticos, hay que tener en cuenta que los datos
biológicos son variados, y existen razones ajenas a los propios datos numéricos que
explican por qué los datos microbiológicos son especialmente variados [4]. Las
variaciones pueden deberse a varios factores, entre ellos:
●
los métodos de control (que suelen ser intrínsecamente variables);
●
medios de cultivo, donde pueden surgir variaciones entre los distintos tipos de medios
(como medios de uso general o medios específicos para hongos), si los medios contienen
algún aditivo, como neutralizador desinfectante, y entre fabricantes;
●
tiempos de incubación;
●
temperaturas de incubación;
●
procedimientos de muestreo;
●
tamaño o volumen de la muestra;
●
diferentes ubicaciones de las muestras;
●
diferentes tiempos de muestreo;
●
frecuencia de control o muestreo;
●
las personas que realizan el muestreo;
●
criterios de aceptación (como los medios para establecer los niveles de alerta y actuación).
La imprecisión de la técnica de muestreo también puede agravar estos efectos.
Este hecho explica por sí solo por qué siempre debe tomarse un número razonable de
muestras repetidas en respuesta a un evento fuera de los límites. Tales distribuciones
también pueden aumentar el grado de error estándar obtenido del recuento en placa.

20.5 Evolución de los datos

La razón por la que se exige el uso de gráficos de tendencias está relacionada con
uno de los mayores retos de la microbiología farmacéutica: la gran cantidad de datos
que se recogen y la dificultad para interpretarlos, y el hecho de que un único evento
de seguimiento sólo proporciona una "instantánea" de lo que puede haber ocurrido
en un día concreto, que puede ser representativa o no.
Así pues, el análisis de tendencias es muy importante para la vigilancia del medio
ambiente y es necesario para que el microbiólogo pueda ver "el panorama general".
No existe un enfoque correcto o incorrecto para seleccionar un sistema de análisis de
tendencias, aunque sí existen peligros al seleccionar un sistema de tendencias
inadecuado para el conjunto de datos. Los gráficos de control son herramientas útiles
para visualizar un proceso y proporcionan "resúmenes" rápidos de las estadísticas del
proceso. Los gráficos de control parten del supuesto de que los datos representados
son independientes, es decir, que un valor determinado no está influido por su valor
anterior y no afectará a los valores futuros. Los gráficos de control se han utilizado
durante muchos años como parte de los sistemas de control estadístico de procesos
(CEP).

20.5.1 Gráficos de control

La falta de normalidad y la aparente aleatoriedad de la distribución son importantes a
la hora de utilizar gráficos de control. Antes de construir un gráfico de control, deben
examinarse los datos recogidos para ver si siguen una distribución normal. Aunque,
264 Microbiología farmacéutica

como ya se ha dicho, es improbable que la distribución de microorganismos indicada

por los "recuentos" de la vigilancia ambiental siga una distribución normal, cualquier
análisis estadístico que
 Datos 265
microbiológicos

se basa en la distribución normal sigue siendo el enfoque más preciso. Por lo tanto,
corresponde al usuario demostrar en primer lugar si existe una distribución normal y,
a continuación, si es posible, transformar los datos para aproximarlos a la
distribución normal. Sólo cuando esto no sea posible deberán utilizarse métodos
alternativos.
La distribución normal es la base de los métodos estadísticos más comunes. Esto
se debe a que [5]:
(a) Muchas poblaciones naturales tienen una distribución normal;
(b) las medias de grandes muestras aleatorias de poblaciones suelen distribuirse normalmente;
(c) Muchas poblaciones pueden aproximarse a la distribución normal mediante la
transformación de datos (véase más adelante).
La distribución normal puede evaluarse visualmente mediante un histograma, un
gráfico de manchas o un diagrama de probabilidad normal (donde el diagrama
resultante debe situarse aproximadamente a lo largo de una línea recta).
Sin embargo, surge un problema porque los datos microbiológicos rara vez son
binomiales. Binomial se refiere a la probabilidad de que ocurra un suceso en el que
el suceso tiene la misma probabilidad de ocurrir en cada ocasión, como, por ejemplo,
que una persona sea hombre o mujer [6]. Por el contrario, los microorganismos de
una muestra siguen la distribución de Poisson y los recuentos microbianos de una
prueba tienden a seguir una distribución sesgada, como se ha comentado
anteriormente. Por lo tanto, los microbiólogos a menudo tienen que considerar la
transformación de los datos como paso previo a la ejecución de gráficos de control.

20.5.2 Transformación de datos

Los datos microbiológicos que no siguen una distribución normal pueden necesitar
ser transformados para determinadas técnicas estadísticas y gráficos. Los datos
también pueden transformarse para facilitar su visualización. Además, los intervalos
de confianza y las pruebas de hipótesis tendrán mejores propiedades estadísticas si la
variable dependiente es aproximadamente normal con respecto a su media, con
varianza constante. En este caso, pueden utilizarse datos transformados en los que la
distribución normal no podría desplegarse de forma significativa.
La transformación es un ajuste matemático que se aplica a los datos para intentar
que la distribución de los datos se ajuste a los requisitos; cada punto de datos, que
llamaremos zi, se sustituye por el valor transformado:

yi = f ( zi )

donde f es una función.

En estadística, a veces se llama "transformada de potencia".
Consideraciones para su uso en datos microbiológicos:
(a) ningún tipo de transformación es ideal para unos fines determinados;
(b) Las transformaciones para valores de 0 deben ajustarse a un valor mínimo de 1 (habrá que
añadir una constante a cada dato). Recuerde que, cuando realice otros cálculos
estadísticos, debe volver a ajustar los datos restando la constante;
(c) para datos de recuento bajo (en los que la mayoría de los recuentos son inferiores a 10).
266 Microbiología farmacéutica

La recomendación es tomar la raíz cuadrada para transformar los datos (alternativamente,

se pueden tomar los cuadrados);
Datos 267
microbiológicos

(d) para datos de recuento elevado (en los que la mayoría de los recuentos son superiores a
10). La recomendación es tomar un logaritmo en base 10. Las escalas logarítmicas son
preferibles para grandes variaciones en los recuentos. Esto se debe a que, al tomar el
logaritmo de los números, se reduce el aumento del recuento. Los logaritmos de base 10
se utilizan simplemente porque son más fáciles de entender.

En la Figura 20.3 se presentan algunos datos de carga biológica. Hay tres recuentos
de valores muy altos (>1000) frente a un conjunto de datos en el que el recuento
medio es de 10.
En la Figura 20.4 se ha utilizado el mismo conjunto de datos. Esta vez los datos se
han con- vertido a log10. Los datos son más fáciles de seguir.

Figura 20.3 Datos ilustrativos, que contienen valores de recuento elevados.

Figura 20.4 Datos de recuento microbiano transformados logarítmicamente.

268 Microbiología farmacéutica

Tomar los logaritmos de los números también hace que las características de los
datos se ajusten mejor y supera los problemas asociados a la distribución no normal.
Para evaluar si se ha alcanzado la normalidad, un enfoque gráfico suele ser más
informativo que una prueba estadística formal. Por ejemplo, se suele utilizar un
gráfico de cuantiles normales para evaluar el ajuste de un conjunto de datos a una
población normal. Como alternativa, también se han propuesto reglas empíricas
basadas en la asimetría y la curtosis de la muestra, como tener la asimetría en el
rango de -0,8 a 0,8 y la curtosis en el rango de -3,0 a 3,0. Sandle [7] ofrece una
explicación más detallada.

20.6 Utilización de niveles de alerta y actuación y

fijación de límites de vigilancia
Muchos métodos microbiológicos tienen especificaciones, en particular los que
figuran en la farmacopea. Sin embargo, en el caso de la vigilancia medioambiental, es
habitual que el usuario establezca niveles de alerta y, en el caso de los productos no
estériles, niveles de actuación. En el caso de la vigilancia medioambiental, estos
niveles no son especificaciones. Son indicadores de cambio y se utilizan para
establecer tendencias e iniciar las investigaciones necesarias [8].
Los niveles de alerta y actuación pueden definirse como:
●
Nivel de alerta: un nivel, cuando se supera, indica que el proceso puede haberse desviado
de su condición de funcionamiento normal. Esto no justifica necesariamente una acción
correctiva, pero el usuario debe tenerlo en cuenta.
●
Nivel de acción: un nivel, cuando se supera, indica que el proceso se ha desviado de su
rango de funcionamiento normal. Esto requiere una investigación documentada y medidas
correctoras.
Es importante señalar que para el control medioambiental, los análisis del agua y
otras determinaciones de la carga biológica, utilizamos el término "nivel" en lugar de
"límite". Límite es un término más absoluto que implica pasar o fallar, aceptar o
rechazar. Esto es apropiado para la prueba de esterilidad, pero carece de sentido para
la vigilancia del medio ambiente, donde la tendencia es de primordial importancia en
lugar de un recuento individual (que rara vez es significativo, debido a la variabilidad
en el recuento microbiano y el efecto del error estándar. Esto es cada vez más
importante cuando los valores del nivel de acción son pequeños).
Existen dos enfoques para establecer los niveles de alerta y acción. El primero es
el enfoque establecido desde hace tiempo de tener valores fijos en los que los
resultados de la muestra por debajo del valor s e consideran satisfactorios y los
resultados de la muestra por encima del valor se consideran desviaciones, según lo
establecido tanto por la Administración de Alimentos y Medicamentos de EE.UU.
(FDA) como por las buenas prácticas de fabricación (BPF) de la UE. Por ejemplo, el
nivel de acción para las muestras de aire activo de grado B/ISO clase 7 es de 10
unidades formadoras de colonias (ufc)/m3. Ignorando por el mom ento el control de
tendencias, si nuestros resultados están por debajo del valor de 10 son
satisfactorios. Si nuestros resultados son iguales o superiores a 10, se consideran
insatisfactorios y se espera una "acción" (normalmente una investigación). En el caso
 Datos 269
microbiológicos
de la vigilancia ambiental de las instalaciones no estériles, habría que establecer ese
nivel de acción, y en el caso de la vigilancia ambiental de las zonas estériles y no
estériles, habría que calcular los niveles de alerta.
270 Microbiología farmacéutica

No existen normas preestablecidas para el cálculo de los niveles de alerta y

actuación. Las técnicas precisas y las cantidades de datos que se utilicen dependerán
de varios factores, que pueden incluir:
●
la duración del uso de la instalación;
●
la frecuencia con la que el usuario tiene previsto utilizar los límites (es decir, cuándo tiene
previsto reevaluar o recalcular los límites. ¿Es anual? ¿Dos veces al año? etc.);
●
Costumbres y prácticas en la organización del usuario (por ejemplo, ¿existe una técnica
estadística preferida?).

Los principios en los que se basa el cálculo de los niveles de alerta y actuación son
los siguientes:
●
se calculan a partir de un análisis histórico de datos. El usuario deberá definir la cantidad
de datos históricos que se utilizarán. Puede basarse en el tiempo o en un número mínimo
de muestras. Para que los datos sean significativos, es necesario un número
razonablemente mayor de observaciones para que el conjunto de datos sea representativo.
Así, se recomienda que cualquier análisis sea, como mínimo, de 1 año o 100 resultados;
●
debe utilizar algún tipo de técnica estadística. Las técnicas estadísticas suelen dividirse en
paramétricas y no paramétricas. La diferencia es que las paramétricas se refieren a un
procedimiento que se propone probar una hipótesis sobre un parámetro dentro de una
población descrita por una determinada forma de distribución, que suele ser la distribución
normal. Por lo tanto, los métodos paramétricos sólo se aplican realmente a conjuntos de
datos que se distribuyen normalmente. Un ejemplo de técnica paramétrica es la prueba t de
Student;
●
Son habituales tres técnicas estadísticas para evaluar los niveles de vigilancia: el corte
percentil, la distribución normal y los enfoques de distribución exponencial negativa.

20.6.1 Percentil de corte

Para los datos de recuento bajo (como el control medioambiental de la UE GMP
Grado A/ISO 14644 clase 5, o de un sistema de agua para inyección), el enfoque de
corte por percentiles es el más adecuado (y el más fácil de aplicar). Los percentiles
son conjuntos de divisiones que producen exactamente 100 partes iguales en una
serie de valores continuos. Para calcular los percentiles, los datos deben recopilarse,
ordenarse y clasificarse de menor a mayor.
Al seleccionar los valores de corte del percentil, normalmente el nivel de alerta se
fija en el percentil 90 o 95, y el nivel de actuación en el percentil 95 o 99. Así, si se
selecciona el percentil 90, significa que cualquier resultado por encima del percentil
90 es un 90% superior a los valores recogidos normalmente durante el año anterior
(o cualquiera que haya sido el periodo de selección de datos). No existe una guía
fácil para determinar el percentil adecuado. Según la experiencia de este autor, es
más habitual utilizar el percentil 95 para el nivel de alerta y el percentil 99 para el
nivel de actuación. Esta selección se basa en el nivel de riesgo que el usuario desea
incorporar al sistema. Otra consideración a tener en cuenta es si el microbiólogo
desea redondear hacia arriba o hacia abajo al cero o al cinco más próximos. Si lo
hace, puede facilitar la aplicación de los niveles a quienes los utilicen. Al personal de
laboratorio le puede resultar más fácil recordar y reconocer los niveles de alerta y
actuación de 10 y 20, en lugar de 8 y 22.
Cuando los datos son de un rango amplio, un enfoque alternativo consiste en
Datos 271
microbiológicos
agrupar los datos en categorías utilizando la distribución de frecuencias, por ejemplo,
0-10, 11-20, 21-30, etcétera. Cuando se selecciona la categoría más próxima al
percentil de corte, se puede utilizar el punto medio de
272 Microbiología farmacéutica

la categoría o puede seleccionarse el valor superior de la categoría. Por ejemplo, si la

categoría 21-30 representa el percentil 95, el nivel de actuación seleccionado puede
ser 25 o 30, en función de los criterios predefinidos adoptados.
Para calcular los percentiles 95 y 99, lo mejor es copiar los datos en MS Excel y
utilizar la función "PERCENTILO". Esto es

= PERCENTILO (array, p)

20.6.2 Desviaciones estándar/distribución exponencial negativa

Para datos de recuento más elevados (como los recuentos de muestras de aire activo
en el grado D), se emplean desviaciones estándar (si hay una distribución normal) o
una distribución exponencial negativa (para datos sesgados). A diferencia del
enfoque del corte percentil, esta técnica utiliza el recuento medio y observa la
dispersión (o varianza) de las distintas observaciones. Para estos enfoques, el nivel
de alerta equivale a dos desviaciones estándar y el nivel de acción a tres desviaciones
estándar de la media.
Cuando los datos parecen distribuidos normalmente, o si se ha realizado con éxito
una transformación de los datos como la raíz cuadrada o el logaritmo, pueden
utilizarse las desviaciones estándar para calcular los niveles de control (aunque
existe el peligro de que se produzcan imprecisiones). Un error común es elaborar un
histograma y utilizar la segunda (para el nivel de alerta) y la tercera (para el nivel de
acción) desviaciones estándar. Esto es incorrecto porque, al hacerlo, este enfoque lleva
inherente una probabilidad de dos colas.
La distribución exponencial negativa (un término para datos sesgados
negativamente) proporciona una aproximación rea- sonable de la distribución
normal. Multiplicando la media por 4,6 se obtiene una aproximación al percentil 99,
y multiplicando la media por 3,0 se obtiene una aproximación al percentil 95.

20.6.3 Enfoque de frecuencia

Un enfoque alternativo es utilizar un enfoque de corte de frecuencia. A menudo se
aplica a las operaciones de llenado aséptico. La justificación de este enfoque es que
el establecimiento de niveles de alerta de <1 o 0 ufc, con niveles de actuación de 1 o
2 ufc, es científicamente incorrecto porque ni las tecnologías de muestreo del aire ni
los métodos microbiológicos actuales (o previstos) admiten estos requisitos. Por
ejemplo, no existen métodos normalizados para la recogida de muestras de aire, y la
variabilidad es comparativamente alta, en función de la metrología y la capacidad
analítica del método. Además, no existen datos sobre el límite de detección de los
métodos de muestreo ambiental (cero no significa ausencia de contaminación, sino
simplemente que está por debajo del nivel de detección en ese momento) [9].
Otra complicación es que, a niveles de recuperación muy bajos, no hay forma
acordada de establecer estadísticamente niveles de alerta o de acción, porque los
recuentos son simplemente demasiado bajos para que el análisis estadístico sea útil.
Sobre esta base, un recuento de 1 ufc no es significativamente diferente de un
recuento de 10 ufc (de hecho, algunas publicaciones científicas sugieren que ±0,5
log es una hipótesis razonable de variabilidad).
 Datos 273
microbiológicos
Para superar este problema, el segundo enfoque consiste en evaluar las zonas en
función de la fre- cuencia de distribución de los recuentos y en establecer una
"acción" si el nivel de
274 Microbiología farmacéutica

(o "episodios de contaminación") supera un determinado nivel. En las zonas de

procesamiento estéril, la frecuencia se basa en el nivel aceptable de recuentos
distintos de cero. Por lo tanto, se espera que los casos de contaminación en el
procesamiento aséptico s e a n poco frecuentes.

20.6.4 Problemas con la fijación de límites

El cálculo de los niveles de alerta y actuación plantea una serie de problemas. Entre
ellas se incluyen:
●
selección de un conjunto de datos insuficientemente reducido, de modo que no se captó la
norma del proceso;
●
el conjunto de datos era grande pero, por diferentes motivos, causas especiales hicieron
que no se tipificara durante un periodo de tiempo más largo;
●
si los niveles deben reducirse o aumentarse después de cada revisión si el conjunto de
datos indica un cambio de dirección. Aquí hay que establecer firmemente si cualquier
cambio en los datos históricos se debe a una causa especial o a una causa común. Si la
conclusión es que se debe a una causa especial y ésta se ha corregido, probablemente no
deban modificarse los niveles de vigilancia. En cambio, si los cambios se deben a una
causa común, es probable que deban modificarse los niveles de vigilancia. Incluso si se
establece una causa común, puede ser prudente no cambiar a menos que la tendencia
aparezca a lo largo de 2 años. El objetivo de las revisiones no debe ser aumentar o reducir
los límites sin razones de peso.

No hay que olvidar que, al fijar los niveles de vigilancia, se parte de la premisa de
que el 95% y el 99% de los datos se sitúan dentro de ellos y que el 5% y el 1% de los
datos se sitúan fuera de ellos. Por lo tanto, cabe esperar desviaciones ocasionales de
estos niveles en los datos recogidos y las tendencias del año siguiente, y siempre se
esperarán algunas desviaciones del nivel de acción si el conjunto de datos utilizado
para los cálculos es realmente representativo.
Cabe señalar que varios profesionales cuestionan la pertinencia de disponer de un
límite de alerta, especialmente cuando se aplica a la fabricación no estéril. En
muchos casos, si se produce una desviación, normalmente se pasa de un "nivel
normal" a la acción sin que aumente la tendencia al nivel de alerta.

20.6.5 La necesidad de fijar límites de vigilancia

A diferencia de la fabricación estéril, no existen normas reglamentarias importantes
para el establecimiento de límites en la fabricación no estéril.
El establecimiento de límites de control para la fabricación no estéril puede
implicar una evaluación de:
●
la composición química del producto;
●
el proceso de producción;
●
la vía de aplicación;
●
uso previsto del producto;
●
el sistema de suministro del producto;
●
el tipo de conservante antimicrobiano.

A la hora de establecer límites, muchos de los principios de la fabricación estéril

son pertinentes.
 Datos 275
microbiológicos

20.7 Comunicación de datos

Sea cual sea el método de notificación elegido, los datos microbiológicos deben
presentarse, interpretarse y resumirse para que la alta dirección pueda comprender la
tendencia y la "visión de conjunto". Estos datos deben presentarse con la frecuencia
correcta (es decir, ni con demasiada frecuencia ni con demasiada poca frecuencia).
No hay una forma correcta o incorrecta de presentar los datos. Sin embargo, un
enfoque claro y sencillo suele ser el más útil. Esto puede incluir:
●
el uso de gráficos y tablas. Esto permite comparar la tendencia de un área con otra y
formular preguntas con conocimiento de causa;
●
cada prueba debe presentarse por separado. Los gráficos multilínea y el uso de más de una
escala en un gráfico suelen ser confusos;
●
centrarse en cada sala de llenado u operación principal por separado. A menudo resulta útil
comparar diferentes áreas, pero es confuso intentarlo en un solo gráfico;
●
incluir todos los datos disponibles. Es importante seleccionar el periodo de tiempo durante
el cual deben recogerse y representarse los datos (normalmente, será mensual, trimestral,
anual u, ocasionalmente, a más largo plazo). Una vez seleccionado el periodo, no deben
excluirse datos;
●
incluir límites de alerta y acción en los gráficos. A veces, una tendencia puede inducir a
error. Es importante entender cómo se relaciona una tendencia con los niveles de control
aplicados;
●
incluir información adecuada con tablas y gráficos. Esto ayuda a identificar patrones y
posibles razones de una tendencia determinada. Dicha información incluye:
1. lugares,
2. fechas,
3. veces,
4. resultados de la identificación,
5. cambios en el diseño de la sala,
6. funcionamiento de los nuevos equipos,
7. cambios de turno o de personal,
8. estaciones,
9. problemas de calefacción, ventilación y aire acondicionado (por ejemplo, un aumento
de la temperatura).

20.8 Conclusión
En este capítulo se han examinado las variables asociadas a los datos
microbiológicos y se ha explicado cómo estos datos presentan una distribución
sesgada y no se prestan a un análisis estadístico sencillo. Conocer esta variación es
esencial para interpretar los datos relativos a los recuentos microbianos. También es
necesario para elaborar gráficos de control. Existen tres enfoques generales para los
gráficos de control: histogramas, gráficos de sumas acumuladas y gráficos de
Shewhart [10].
El capítulo ha tomado este concepto de distribución y lo ha aplicado a la
tendencia de los datos y a la asignación de límites microbianos (cuando no existen
límites compendiales o reglamentarios). La tendencia de los datos es necesaria para
la interpretación del recuento microbiano porque los resultados individuales del
276 Microbiología farmacéutica

control microbiológico rara vez son significativos cuando se examina la totalidad de

los datos recopilados. Este enfoque es importante para ejercicios como
Datos 277
microbiológicos

control medioambiental o análisis del agua. Lo importante es la dirección de la

tendencia que toman los datos a lo largo del tiempo y los niveles de alerta aplicados
para indicar las desviaciones de la norma.

Referencias
[1] Cochran WG. Sampling techniques. 3ª ed. Nueva York: John Wiley & Sons; 1977.
[2] Cundell AM. Microbial testing in support of aseptic processing. Pharm Technol
2004;58:56-64.
[3] Wilson J. Vigilancia medioambiental: conceptos y aplicaciones erróneos. PDA J Pharm
Sci Technol 2001;55(3):185-90.
[4] Richter S. Product contamination control, a practical approach bioburden t e s t i n g . J
Validation Technol 1999;5:333-6.
[5] Stephens MA. EDF statistics for goodness of fit and some comparisons. J Am Stat
Assoc 1974;69:730-7.
[6] Sokal RR, Rohlf FJ. Biometry: the principles and practice of statistics in biological re-
search. New York: W.H. Freeman and Co.; 1995. p. 411-22.
[7] Sandle T. An approach for the reporting of microbiological results from water systems.
PDA J Pharm Sci Technol 2004;58(4):231-7.
[8] Tang S. Microbial limits reviewed: the basis for unique Australian regulatory
requirements for microbial quality of non-sterile pharmaceuticals. PDA J Pharm Sci
Technol 1998;52(3):100-9.
[9] Ackers J, Agallaco J. Vigilancia medioambiental: mitos y aplicaciones erróneas. PDA J
Pharm Sci Technol 2001;55(3):176-84.
[10] Klein M. Dos alternativas al gráfico de Shewhart. J Qual Technol 2000;32(4):427-31.