Facultad de Ciencias

Trabajo Fin de Grado

Grado en Química

Desarrollo y validación de un método HPLC para la

determinación simultánea de paracetamol, ácido acetilsalicílico
y cafeína en productos farmacéuticos

Autor: Adrián de la Fuente Ballesteros

Tutor: Marisol Vega Alegre

Julio 2019
 AGRADECIMIENTOS

El trabajo que se expone a continuación ha sido realizado por el alumno del Grado en
Química de la Universidad de Valladolid ADRIAN DE LA FUENTE BALLESTEROS,
en el departamento de Química Analítica.

En primer lugar, quisiera expresar mi agradecimiento a MARISOL VEGA ALEGRE,

tutora de este proyecto, por su apoyo incondicional en todo momento y por compartir
conmigo sus conocimientos.

Del mismo modo, también me gustaría mencionar a los profesionales ROSARIO

GÓMEZ y FRANCISCO DE LA ROSA por facilitarme el material de laboratorio y
prestarme ayuda con los equipos.
 RESUMEN
Desarrollo y validación de un método HPLC para la determinación
simultánea de paracetamol, ácido acetilsalicílico y cafeína en productos
farmacéuticos
A. de la Fuente Ballesteros1, M. Vega Alegre1,2
1
Departamento de Química Analítica, Universidad de Valladolid, Campus Miguel Delibes, Paseo de Belén
7, 47011 Valladolid. 2Instituto de Procesos Sostenibles, Universidad de Valladolid, Dr. Mergelina s/n,
47011 Valladolid. E-mail: [email protected]

Palabras clave: analgésicos, validación, incertidumbre, RP-HPLC, optimización, diseño de

experimentos, paracetamol, ácido acetilsalicílico, cafeína.

Los métodos usados en los análisis farmacéuticos deben ser validados para demostrar que
son lo suficientemente exactos, específicos, sensibles y precisos
para cumplir con los requisitos reglamentarios de la industria farmacéutica, garantizando
así la seguridad y la calidad de los productos. La validación es una forma sistemática de
evaluar que el procedimiento analítico es adecuado para el propósito previsto, que
produce resultados confiables y precisos y cumple con los requisitos de los organismos
reguladores.

El ácido acetilsalicílico (AAS) y el paracetamol (PCM) se utilizan como agentes

analgésicos y antipiréticos y aparecen generalmente asociados con la cafeína (CFN).
Estos compuestos pueden determinarse simultáneamente en medicamentos y en otras
formulaciones utilizando la técnica RP-HPLC-UV-Vis. Las mediciones se realizaron con
un cromatógrafo de líquidos Agilent Technologies serie 1200 equipado con una columna
RP C18 y un detector UV-Vis de longitud de onda variable.

Antes de la validación del método, las condiciones cromatográficas se optimizaron

utilizando un diseño experimental de Taguchi para identificar los factores más
significativos y sus niveles. Se seleccionaron seis factores a tres niveles (composición de
metanol, acetonitrilo y tampón de fosfato 0,01 M en la fase móvil, pH, velocidad de flujo
y longitud de onda) y un factor a dos niveles (temperatura de columna) para elaborar un
diseño L18(2137) de matriz ortogonal. La sacarosa se utilizó como factor de ruido para
simular el efecto del excipiente con el fin de aumentar la robustez del método analítico.
El análisis de varianza de las áreas de los picos para los tres compuestos indicó que el
factor que más influyó fue la longitud de onda, sin embargo la composición y el pH de la
fase móvil fueron los factores que más influyeron en la resolución de los picos. La
sacarosa no afectó ni a las áreas de los picos ni a los tiempos de retención. Las
condiciones de RP-HPLC optimizadas y posteriormente utilizadas en la realización de
experimentos fueron: temperatura, 25 ºC; composición de la fase móvil MeOH:
Acetonitrilo: Tampón fosfato, 30: 5: 25; pH, 2,7; velocidad de flujo, 1 mL·min-1 y
longitud de onda, 230, 246 y 273 nm para AAS, PCM y CFN, respectivamente.

Los parámetros de validación estimados han sido: exactitud, precisión, selectividad,

robustez, límite de detección y límite de cuantificación, linealidad e intervalo lineal. La
veracidad se evaluó para AAS y PCM mediante la participación en una prueba de aptitud
para estudiantes de Química Analítica. Todos los parámetros de validación cumplieron
los objetivos previamente especificados. La incertidumbre de medida se evaluó a partir
de los resultados de la validación. La incertidumbre obtenida superó ligeramente el
objetivo propuesto.

El método RP-HPLC optimizado es simple, rápido, sensible y preciso y, por lo tanto,

adecuado para el análisis rutinario del ácido acetilsalicílico, paracetamol y cafeína en
analgésicos. Este se aplicó a la determinación de estos analitos en formulaciones
comerciales vendidas en España.
 ABSTRACT

Development and validation of a HPLC method for the simultaneous

determination of paracetamol, acetylsalicylic acid and caffeine in
analgesics
A. de la Fuente Ballesteros1, M. Vega Alegre1,2
1
Department of Analytical Chemistry, University of Valladolid, Campus Miguel Delibes, Paseo de Belén 7,
47011 Valladolid. 2Institute of Sustainable Processes, University of Valladolid, Dr. Mergelina s/n, 47011
Valladolid. E-mail: [email protected]

Key words: analgesics, validation, uncertainty, RP-HPLC, optimization, design of experiments,

paracetamol, acetylsalicylic acid, caffeine.

Methods used in pharmaceutical analysis must be validated to demonstrate that they are
sufficiently accurate, specific, sensitive and precise to conform to the regulatory
requirements of the pharmaceutical industry, thus ensuring safety and quality of
pharmaceutical products. Validation is a formal and systematic way to assess that the
analytical procedure is suitable for its intended purpose, produces reliable and accurate
results and also fulfils the requirements of regulatory bodies.

Acetylsalicylic acid (AAS) and paracetamol (PCM) are used as analgesic and antipyretic
agents. They may appear associated with caffeine (CFN) in many pharmaceutical
formulations. These compounds can be simultaneously determined in tablets and other
formulations using RP-HPLC with UV/visible detection. Measurements were made with
an Agilent Technologies series 1200 HPLC equipped with a RP C18 column and a
variable wavelength UV/visible detector.

Prior to method validation, the chromatographic conditions were optimized using a

Taguchi experimental design to identify the most influencing factors and their optimal
levels. Six factors at three levels (composition of methanol, acetonitrile and 0.01 M
phosphate buffer in the mobile phase, pH, flow rate and detection wavelength) and one
factor at two levels (column temperature) were assigned to the columns of a L18(2137)
orthogonal array. Saccharose was used as a noise factor to simulate the effect of the
excipient in order to increase robustness of the analytical method. ANOVA of the peak
areas for the three compounds indicated that the most influencing factor was wavelength,
but the composition and pH of the mobile phase was the most influencing factors on peak
resolution. Saccharose didn’t affect either the peak areas or the retention times. The
optimized HPLC conditions used in further experiments were: temperature, 25 ºC;
composition of the mobile phase MeOH:AcN:Phosphate buffer, 30:5:25; pH, 2.7; flow
rate, 1 mLmin-1 and wavelength, 230, 246 and 273 nm for AAS, PCM y CFN
respectively.

The validation parameters to be estimated include accuracy, precision, selectivity, limit

of detection, limit of quantitation, linearity, linear range and robustness. Trueness was
evaluated for AAS and PCM through participation in a proficiency test for students of
Analytical Chemistry. Validation parameters satisfied the quality objectives previously
established. The measurement uncertainty was evaluated from the validation results.
Expanded uncertainty was slightly higher than the proposed value.

The optimized RP-HPLC method is simple, rapid, sensitive and accurate and therefore
suitable for the routine analysis of acetylsalicylic acid, paracetamol and caffeine in
analgesic formulations. It was applied to the determination of these drugs in commercial
formulations sold in Spain.
INDICE

1.- INTRODUCCION TEÓRICA ....................................................................................... 1

1.1.- Parámetros técnicos de validación. ............................................................................. 2
1.2.- Incertidumbre. ............................................................................................................. 4
1.3.- Determinación de analgésicos por RP-HPLC-UV-Vis. .............................................. 6
2.- OBJETIVOS ................................................................................................................... 9
3. MATERIALES Y MÉTODOS ...................................................................................... 11
3.1. Evaluación de la incertidumbre de medida. ................................................................ 11
3.1.1.- Balanzas.................................................................................................................. 11
3.1.2.- Material volumétrico. ............................................................................................. 11
3.2. Selección de las longitudes de onda de máxima absorción de los analitos. ............... 12
3.3. Determinación por RP-HPLC-UV-Vis. ...................................................................... 12
3.4.-Optimización de la determinación cromatográfica. ................................................... 13
3.4.1.-Análisis de datos, ANOVA. .................................................................................... 15
3.4.2.- Participación en un ejercicio interlaboratorio. ....................................................... 16
3.5.- Aplicación del método a muestras reales. ................................................................. 16
4.- RESULTADOS Y DISCUSIÓN .................................................................................. 19
4.1.-Validación de equipos de medida. .............................................................................. 19
4.1.1.- Balanzas.................................................................................................................. 19
4.1.2.- Material volumétrico. ............................................................................................. 20
4.2.- Validación del método............................................................................................... 27
4.3.- Evaluación de la incertidumbre de medida. .............................................................. 36
4.4.- Aplicación del método a muestras reales. ................................................................. 37
5.- CONCLUSIONES ....................................................................................................... 41
6.- REFERENCIAS. .......................................................................................................... 43
7.- MATERIAL COMPLEMENTARIO ........................................................................... 45
ABREVIATURAS

PCM Paracetamol
AAS Ácido acetilsalicílico
CFN Cafeína
Ac Acetonitrilo
T Temperatura
Me Metanol
B Tampón fosfato
F Velocidad de flujo
L Longitud de onda
R Réplica
N1 Nivel de ruido 1 (sin sacarosa)
N2 Nivel de ruido 2 (con sacarosa)
RP-HPLC Cromatografía de líquidos de alta resolución en fase inversa
UA Unidades de absorbancia
u Incertidumbre
GUM Guía para la expresión de la incertidumbre de medida
ANOVA Análisis de varianza
MR Material de referencia
DER Desviación estándar relativa
LOD Límite de detección
LOQ Límite de cuantificación
K’ Factor de capacidad
Rs Resolución
α Selectividad
tr Tiempo de retención
H Altura equivalente del plato teórico
N Número de platos teóricos
W Anchura de pico
L Longitud de la columna
 1. Introducción teórica

1.- INTRODUCCION TEÓRICA

La validación de métodos de ensayo ha sido siempre una necesidad de los laboratorios

analíticos ya que es demandada en normas relacionadas con la gestión de la calidad,
particularmente en la norma ISO/IEC 17025:2017. En dicha norma, se define validación
como la confirmación mediante examen y aportación de evidencias objetivas que
demuestren el cumplimiento de ciertos requisitos para un uso o aplicación prevista.

El proceso de validación es similar al ciclo de Deming, quien formula una estrategia de

mejora de la calidad en cuatro pasos: planificar, hacer, verificar y actuar (Tague, 2005).
Si este aspecto lo aplicamos al área de la Química Analítica, encontramos que la
validación puede desglosarse en los siguientes pasos:
1) Identificar el método de análisis, se efectuará en función de las exigencias y material
disponible, teniendo en cuenta que deberá adjuntarse una fase de certificación de los
instrumentos de medida empleados.
2) Especificar las características del método, elaborando un protocolo de validación.
3) Determinar las características del método mediante la realización de experimentos y
calcular la incertidumbre de medida.
4) Comparar los resultados con los requisitos establecidos mediante técnicas
estadísticas.
5) Expresar el resultado del proceso. Si los resultados cumplen los requisitos se declara
que el método está validado para su uso generándose un informe. (Lazos Martínez y
Hernández Gutiérrez, 2004).

El fin de la industria farmacéutica ha sido desde siempre producir medicamentos seguros

para el consumidor. El avance científico y tecnológico ha permitido introducir mejoras
que hacen que este sector tenga que adaptarse a una gran diversidad de cambios. La
mayor parte de los productos elaborados están relacionados con el ámbito vital de forma
que el margen de error tiene que ser mínimo. Por ello, los medicamentos son sometidos a
un exhaustivo control a lo largo de su vida que es lo que se conoce como Buenas
Prácticas de Fabricación; es aquí donde surge el concepto validación. Por consiguiente, la
validación de los métodos de control de calidad en la industria farmacéutica es esencial
por la necesidad de obtener resultados fiables y reproducibles que doten al proceso de
fabricación de un alto grado de seguridad (certeza).

1|
Trabajo Fin de Grado

Sostener una calidad constante en el producto generado reducirá costes en la industria y

mejorará la satisfacción del cliente.

El proceso de validación de un método de ensayo implica estimar una serie de parámetros

de funcionamiento del método que ayudan a una correcta evaluación de la calidad de los
resultados de los laboratorios. Estos parámetros se obtienen del desarrollo del método, de
la participación en ejercicios interlaboratorio o protocolos internos y se clasifican en dos
grupos: parámetros de gestión y técnicos. (Díaz-Guerra et al., 2000; Eurachem/Citac,
2012).
Tabla 1. Parámetros de validación de los métodos de ensayo.

Inversión inicial
Costes de puesta a punto del método
Parámetros de gestión

Costes en función del nº de muestras/día

Parámetros económicos
Costes en formación
Sueldo del personal cualificado
Costes generales de laboratorio…

Rapidez
Grado de automatización
Parámetros operativos o productivos Factores humanos: cualificación del personal,
seguridad e higiene
Necesidades energéticas y de espacio…

Parámetros técnicos de Robustez

prevalidación Representatividad
Parámetros técnicos

Selectividad/Especificidad
Intervalo de trabajo, intervalo lineal y
linealidad
Sensibilidad
Límite de detección y cuantificación
Parámetros técnicos de validación
Exactitud: veracidad (sesgo) y precisión
(repetibilidad, reproducibilidad)
Incertidumbre
Recuperación
Intervalo de medida / Límite superior

1.1.- Parámetros técnicos de validación.

En este apartado se comentan brevemente los parámetros técnicos de validación. (BIMP,
2012).

2|
 1. Introducción teórica

 Robustez. Propiedad de un método analítico que describe su capacidad para

permanecer inalterado ante variaciones de las condiciones operativas y normalizadas
e indica la fiabilidad de este durante su aplicación. (ICH, 2018)
 Representatividad. Coherencia o concordancia entre una medida o resultado respecto
a las muestras recibidas en el laboratorio. (Cámara et al.,2002).
 Selectividad / especificidad. Capacidad de un método para detectar analitos
diferentes en una misma matriz. Generalmente los términos selectividad y
especificidad se usan de manera indistinta. Aunque rigurosamente la especificidad es
la propiedad de un sistema de medida, por la que proporciona valores medidos
independientes de otros mensurandos o magnitudes existentes.
 Intervalo de trabajo, intervalo lineal y linealidad. Es el tramo o intervalo de
concentraciones donde la respuesta del método es proporcional a la concentración de
analito. En dicho intervalo, la relación respuesta/concentración es constante.
Depende de los coeficientes de determinación y coeficientes residuales.
 Sensibilidad. Capacidad de un método para discriminar entre concentraciones
similares de analito. De forma matemática se puede definir como el cociente entre la
variación de la señal por unidad de concentración. Suele coincidir con la pendiente
de la línea de calibrado.
 Límite de detección y cuantificación.
El límite de detección (LOD) es la menor cantidad de analito que puede ser
detectada con precisión y exactitud, pero no necesariamente cuantificada, de forma
que el detector emita una señal perfectamente diferenciable del ruido de fondo.
También se define como el valor medido con una probabilidad β de declarar
erróneamente la ausencia de un constituyente en un material, y una probabilidad α de
declarar erróneamente su presencia. La IUPAC recomienda α y β iguales a 0,05.
El límite de cuantificación (LOQ) es la menor concentración de un analito que puede
ser cuantificada con un nivel aceptable de veracidad y precisión.
Un método es tanto más sensible cuanto menores son los límites de detección y de
cuantificación. Estos límites se pueden calcular en base a las líneas de calibrado, en base
a datos experimentales o en base a la relación señal/ruido.
 Exactitud. El objetivo de una medida es encontrar el valor verdadero (μ0 ). Sin
embargo, dicho valor es ideal ya que solo puede obtenerse cuando todas las fuentes
de error son eliminadas y el número de observaciones es infinito. La exactitud se

3|
Trabajo Fin de Grado

define como el grado de concordancia entre el valor medido experimentalmente (xi )

y el valor verdadero, aceptado o de referencia, siendo la diferencia el error de la
medida (ei = xi − μ0 ). Si se realizan n medidas de la magnitud en idénticas
condiciones se obtendrá un valor promedio (x̅). De este modo el error se puede
descomponer en dos términos:

ei = xi − μ0 = (xi − x̅i ) + (x̅i − μ) Ecuación. 1

De este modo se verifica que las causas por las que el resultado analítico difiere del
valor verdadero es la existencia de errores aleatorios (primer sumando) y
sistemáticos (segundo sumando). Puesto que el error sistemático causa sesgo en el
resultado y los errores aleatorios producen imprecisión, la exactitud hace referencia a
una combinación de veracidad y precisión.

 Veracidad. Es la concordancia entre el valor medio de una serie de medidas y el

valor aceptado como referencia. Se relaciona con la ausencia de sesgo (bias), esto es,
con la ausencia de error sistemático.
 Precisión. Se define como la proximidad de los valores medidos en una colección de
observaciones replicadas, e informa de la dispersión de los valores individuales
alrededor del valor medio. La precisión se estima mediante la desviación típica o la
varianza. Dependiendo de las condiciones experimentales hay varios tipos de
precisión:
Repetibilidad. Proximidad o concordancia de los n resultados individuales
obtenidos por el mismo método analítico sobre la misma muestra, en idénticas
condiciones (material, reactivos, analista…) y en un corto intervalo de tiempo.
Reproducibilidad. Proximidad o concordancia de los n resultados obtenidos con el
mismo método y muestra, bajo condiciones experimentales diferentes (diferente
laboratorio, diferente instrumento, materiales, reactivos, analista…) y en diferentes
momentos.
Dependiendo de las condiciones que se modifican se puede hablar también de
precisión intermedia.

1.2.- Incertidumbre.
La evaluación de la incertidumbre de medida de los resultados de un método de ensayo
es un requisito fundamental del proceso de validación. El Vocabulario Internacional de

4|
 1. Introducción teórica

Metrología, VIM, define la incertidumbre de medida como la estimación que caracteriza

el intervalo de valores en el que se sitúa, con una alta probabilidad, el valor verdadero
de la magnitud de medida.

Las incertidumbres derivadas de efectos aleatorios y sistemáticos se tratan de la misma

manera, es decir, se expresan como desviaciones típicas de distribuciones de probabilidad
asociadas y se combinan como varianzas. Las incertidumbres típicas de las fuentes de
error se clasifican en dos tipos:

 Incertidumbre tipo A: es debida a la repetibilidad de los resultados de las

mediciones del objeto de prueba, es una incertidumbre estadística y se calcula
mediante la desviación estándar.
 Incertidumbre de tipo B: se evalúa a partir de información externa disponible sobre
la variabilidad de la magnitud: conocimientos y experiencia sobre comportamiento y
propiedades de materiales e instrumentos, datos obtenidos de mediciones anteriores,
especificaciones de los fabricantes, datos obtenidos de calibraciones y otros
certificados, catálogos, manuales…
Las distribuciones más habituales de incertidumbre de tipo B son la normal o
gaussiana, rectangular y triangular. La Figura 1 muestra cómo se convierte la
dispersión de estas distribuciones en incertidumbre típica de la magnitud x.

u(x) = s a a
u(x) = u(x) =
√3 √6

Figura 1. Incertidumbre típica de las distribuciones de probabilidad más frecuentes.

En aquellos casos en los que no se conozca la forma de la distribución, lo más

recomendado es suponer una distribución de tipo rectangular para evitar que sea
subestimada. Tras identificar cuáles son las fuentes de incertidumbre de un resultado,
estas se cuantifican como incertidumbres típicas. A continuación, se combinan según la

5|
Trabajo Fin de Grado

ley de propagación de errores para obtener la incertidumbre combinada y finalmente se

calcula la incertidumbre expandida multiplicando la combinada por un factor de
cobertura K=2, que se corresponde con un nivel de confianza próximo al 95%.

Distintas organizaciones se han fundamentado en la Guía para la expresión de la

incertidumbre de medida, GUM (JCGM, 2008), para proponer normas y procedimientos
para la evaluación de la incertidumbre. De este modo, surgen distintos modelos como se
muestran en la Figura 2. (Pérez., 2012; Hernández., 2013).

Figura 2. Modelos de estimación de la incertidumbre de medida.

1.3.- Determinación de analgésicos por RP-HPLC-UV-Vis.

La determinación simultánea de componentes presentes en los medicamentos suele ir
precedida por una separación cromatográfica. La detección de componentes activos en
productos farmacéuticos se lleva a cabo habitualmente mediante espectrofotometría UV-
Vis. La falta de selectividad de la detección espectrofotométrica es compensada por la
elevada capacidad de separación de la cromatografía de líquidos en fase inversa.

En este trabajo se pretende optimizar y validar un método cromatográfico para la

determinación simultánea de paracetamol (PCM), cafeína (CFN) y ácido acetilsalicílico
(AAS) en analgésicos comercializados en España.

6|
 1. Introducción teórica

La selección de los factores a optimizar para tener una separación adecuada y una
sensibilidad máxima requiere un conocimiento previo de las características físico-
químicas de los analitos, las cuales se resumen en las Tablas 2 (AAS), 3 (PCM) y 4
(CFN) (PubChem).

Tabla 2. Características del AAS

Nombre Ácido acetilsalicílico, aspirina

Fórmula

Peso molecular 180,16 g·mol-1

pKa (25ºC) = 3,5.

Estabilidad para un pH =2-3.
En solución acuosa se hidroliza en una semana a 25ºC a pH=5-7.
Propiedades
Solubilidad en agua (25ºC) = 3 mg·mL-1
fisicoquímicas
Se presenta en forma de cristales blancos inodoros o polvo cristalino
con un sabor amargo.
En el aire se hidroliza gradualmente y adquiere olor a ácido acético.

Tratamiento de dolor leve-moderado.

Efectos Antiinflamatorio y antipirético.
Prevención de trombosis.

Tabla 3. Características del PCM

Nombre Acetaminofenol, paracetamol

Fórmula

Peso molecular 151,16 g·mol-1

pKa = 9,38
Solubilidad en agua (20ºC) = 1,4 g /100 mL. Soluble en agua
Propiedades
hirviendo pero no en agua fría y en muchos disolventes orgánicos.
fisicoquímicas
Se presenta en forma de sólido cristalino blanco inodoro. Sabor
amargo.

Analgésico en el tratamiento del dolor leve-moderado.

Efectos Se combina con otros agentes para el alivio a corto plazo de leves
dolores y otros síntomas como estornudos o congestión.

7|
Trabajo Fin de Grado

Tabla 4. Características de la CFN

Nombre 1,3,7-trimetilxantina, cafeína.

Fórmula

Peso molecular 194,19 g·mol-1

pKa (25ºC) = 14,0
pH =6,9 (1% solución)
Propiedades
Solubilidad en agua = 15 mg·mL-1
fisicoquímicas
Se presenta en forma de polvo blanco inodoro o agujas blancas
brillantes, generalmente fundidas entre sí.

Estimulante del sistema nervioso.

Afecta a los niveles celulares de calcio.
Efectos
Anula los efectos del ciclo celular de varios químicos
Inhibe los mecanismos de reparación del ADN.

8|
 2. Objetivos

2.- OBJETIVOS

Cualquier laboratorio que quiera demostrar su capacidad técnica para llevar a cabo
métodos de ensayo debe validar dichos procedimientos aplicando la norma ISO/IEC
17025:2017. La norma es aplicable a laboratorios de ensayo y calibración sea cual sea su
tamaño.

El objetivo de ese Trabajo Fin de Grado es la optimización y validación de un método

analítico y la estimación de la incertidumbre de medida, para la determinación simultánea
de ácido acetilsalicílico, cafeína y paracetamol en productos farmacéuticos mediante RP-
HPLC-UV-Vis.

La selección del método se ha basado en criterios como la disponibilidad de material de

laboratorio y la posibilidad de participación en un ensayo de aptitud (ejercicio de
intercomparación de laboratorios), organizado por el Departamento de Química Analítica
de la Universidad de Barcelona, que permitirá evaluar la veracidad de los resultados
obtenidos.

El plan de trabajo seguido ha sido:

1. Revisión bibliográfica tanto de las técnicas y condiciones de separación de los

analitos como de las matrices donde se encuentran en forma de mezcla binaria o
ternaria.
2. Calibración y estimación de la incertidumbre del material de laboratorio.
3. Ensayos previos espectrofotométricos y cromatográficos para la elección de factores
y niveles a optimizar.
4. Optimización del procedimiento mediante un diseño de experimentos factorial
fraccional.
5. Evaluación de los parámetros técnicos de validación.
6. Estimación de la incertidumbre de medida del método.

La Tabla 5 muestra los parámetros técnicos de validación a evaluar, la metodología a

seguir en cada caso y los objetivos de validación perseguidos. Los objetivos de
validación se han seleccionado atendiendo a la criticidad de los productos a analizar, pero
teniendo en cuenta que las condiciones ambientales en las que se ha desarrollado el
trabajo no son tan controladas como las que se tendrían en un laboratorio farmacéutico.

9|
Trabajo Fin de Grado

Tabla 5. Características técnicas de validación, metodología empleada en su estimación y

objetivos de calidad perseguidos.

Parámetro Requisito Estimación

Revisión bibliográfica junto con diseño
Robustez Robusto
de experimentos
Pendiente de la línea de calibrado
Sensibilidad Maximizar
obtenida en condiciones optimizadas
Límite de detección < 0,5 ppm
A partir de líneas de calibrado
Límite de cuantificación < 1,5 ppm
Precisión sR
%DER ≤ 15 % %DER = · 100
(reproducibilidad) x̅
Veracidad Mediante la participación en un ensayo
%Er ≤ 10 %
(sesgo) de aptitud
Especificidad/selectividad Selectivo Revisión bibliográfica
Se deben de cumplir las condiciones de
Linealidad R2 > 0,99
precisión, veracidad e incertidumbre
Intervalo lineal 0,25 – 50 ppm
impuestas como objetivos

Combinación de errores aleatorios y

Incertidumbre I ≤ 20%
sistemáticos

10 |
 3. Materiales y métodos

3. MATERIALES Y MÉTODOS

3.1. Evaluación de la incertidumbre de medida.

3.1.1.- Balanzas.

La calibración se aplicó a una balanza analítica de precisión monoplato Tipo 1601

AMP8-1 (340450) Sartorius.

Las fuentes de error que contribuyen a la incertidumbre de la balanza son: histéresis,

excentricidad, tara, repetibilidad y la propia de las masas empleadas.
 Histéresis. Debida al rozamiento o fricciones entre las piezas móviles de la balanza.
Se calcula como la diferencia entre las lecturas inicial Minicial y final Mfinal, después
de una medida, M* (Clark, 2000); Croakin, 2010).
 Excentricidad. Debida a la variación por pesar en distintos puntos del platillo de la
balanza. Se estima como la diferencia entre el valor medio de dos mediciones en el
̅ 1−1′ y el máximo valor obtenido de los puntos más alejados del
punto central, M
centro del platillo, Mmás alejado a mitad de la máxima capacidad de la balanza (CEM
ME-005; González et al., 2007; Reichmuth, 2001; Reichmuth et al., 2004).
 Tara. Consiste en comprobar que la balanza recupera el valor de la tara después de
una medida. Para ello se tara la balanza al 50% de su capacidad máxima, Mtara y se
realizan pesadas de masas crecientes. Se evalúa a partir de la diferencia entre el valor
leído, Mleída y el valor nominal tarado, Mnominal tarado , siendo este último la
diferencia entre el valor real, Mreal menos el valor de la tara Mtara . (Hernández
Revilla, 2013).
 Repetibilidad. Se determina el comportamiento de la balanza al medir de forma
repetitiva una masa. Se evalúa a partir de la desviación típica o estándar (s) de una
serie de medidas (N).

3.1.2.- Material volumétrico.

Toda la experimentación se ha llevado a cabo con material volumétrico de clase A. Los

matraces aforados, de 10, 25 y 50 mL, y las pipetas usadas, de 1, 2, 5 y 10 mL, se han
calibrado y se ha estimado su incertidumbre.
El método de calibración empleado fue el gravimétrico basado en calcular el valor de
masa de un líquido, cuya densidad es conocida, contenido en el material.

11 |
Trabajo Fin de Grado

Se realizan medidas de repetibilidad por vertido. Homogeneizamos la pipeta con agua

desionizada y tomamos un vaso de precipitados limpio y seco el cual taramos. Añadimos
el volumen de la pipeta y anotamos la masa. Se repite la medida 10 veces para cada
volumen seleccionado. En el caso de los matraces aforados, se pesan inicialmente secos,
y luego se llenan hasta el enrase repetidas veces (N=10), anotando la masa en cada
ocasión. La masa de agua se relaciona con el volumen a través de la densidad a la
temperatura del laboratorio.

Conocidas las fuentes de error que contribuyen a la incertidumbre del material

volumétrico (repetibilidad, temperatura y calibración), se estima la incertidumbre.

3.2. Selección de las longitudes de onda de máxima absorción de los analitos.

Las longitudes de onda a las que absorben cada uno de los analitos de estudio se
determinaron registrando el espectro de absorción molecular de disoluciones de los
analitos puros, de concentración 5 ppm en agua-metanol, con un espectrofotómetro de
absorción molecular UV-Vis (Hewlett Packard modelo 8453) con detector de red de
diodos (diode array).

3.3. Determinación por RP-HPLC-UV-Vis.

Se preparó una disolución stock multipatrón conteniendo 1000 ppm de cada uno de los
analitos. Para ello se pesaron las cantidades necesarias de los compuestos puros (50 mg)
y se disolvieron con 5 mL de metanol, enrasando finalmente a 50 mL con agua
desionizada. La disolución se sumergió en el baño de ultrasonidos durante 20 min para
asegurar la completa solubilización de los compuestos.

Por diluciones sucesivas de la disolución stock se prepararon por pesada patrones de

calibración de concentraciones comprendidas entre 0,25 y 40 ppm que fueron medidas
por duplicado, registrando en cada caso los tiempos de retención y las áreas de pico.

La determinación se llevó a cabo en un cromatógrafo de líquidos Agilent Technologies

serie 1200 equipado con bomba cuaternaria (G1311A), termostato de columna
(G1316A), detector UV-Vis de longitud de onda variable (G1314B) y desgasificador,
empleando una columna de fase inversa Scharlau KromaPhase C18.

Previamente se realizaron ensayos con el objetivo de evaluar el efecto en la separación de

los analitos y en la sensibilidad de parámetros como: longitud de onda y composición y

12 |
 3. Materiales y métodos

pH de la fase móvil. Los valores de pH a los que se trabajó fueron 2,7 y 7, y los
componentes de la fase móvil ensayados fueron metanol, acetonitrilo y tampón fosfato;
todos ellos de grado HPLC. El tampón fosfato para cada pH fue elaborado mezclando en
la proporción adecuada cada uno de los componentes del sistema ácido-base del
fosfórico, a partir de disoluciones patrón de concentración 0,5 M. El valor final del pH se
verificó con el pH-metro. Todos los ensayos previos se realizaron con patrones puros o
conjuntos conteniendo 8 ppm de los analitos.

En los cromatogramas obtenidos se analizaron la forma y tamaño de los picos, la

separación y los tiempos de retención.

3.4.-Optimización de la determinación cromatográfica.

Con objeto de optimizar las condiciones experimentales se recurrió a un diseño de

experimentos factorial. En primer lugar se identifican cuáles son los factores
experimentales que pueden afectar al resultado y se seleccionan los niveles de dichos
factores entre los que se sospecha que está el óptimo. Los factores a optimizar y los
niveles seleccionados a partir de los ensayos previos se encuentran recogidos en la Tabla
6.

Tabla 6. Factores ensayados y sus niveles.

Factor Unidades Nivel -1 Nivel 0 Nivel +1

Temperatura ºC 25 - 35
MeOH % 30 40 50
Acetonitrilo % 0 5 10
Buffer % 25 40 35
pH uds. pH 2,7 5 7
Velocidad de flujo mL·min-1 0,8 1 1,2
Longitud de onda nm 230 246 273

La simbología de nivel, -1, 0, +1, hace referencia al valor más bajo, valor intermedio y
valor más alto respectivamente para cada factor seleccionado.

Para ensayar todas las posibles combinaciones de los niveles de los factores se requiere
un número excesivo de experimentos. Con el fin de reducir la experimentación sin
pérdida significativa de información se seleccionó un diseño factorial fraccional. El
arreglo ortogonal de Taguchi L18(21 x37 ) permite estudiar todos los factores y niveles
seleccionados con solo 18 experimentos. La Tabla 7 muestra la combinación de niveles

13 |
Trabajo Fin de Grado

de los factores a ensayar en cada uno de los experimentos definidos por este arreglo
ortogonal.

Tabla 7. Matriz del diseño experimental.

Experimento T Me Ac B pH F L
ºC % % % uds pH mL·min-1 nm
1 25 30 0 25 2,7 0,8 230
2 25 30 5 40 5 1 246
3 25 30 10 35 7 1,2 273
4 25 40 0 25 5 1 273
5 25 40 5 40 7 1,2 230
6 25 40 10 35 2,7 0,8 246
7 25 50 0 40 2,7 1,2 246
8 25 50 5 35 5 0,8 273
9 25 50 10 25 7 1 230
10 35 30 0 35 7 1 246
11 35 30 5 25 2,7 1,2 273
12 35 30 10 40 5 0,8 230
13 35 40 0 40 7 0,8 273
14 35 40 5 35 2,7 1 230
15 35 40 10 25 5 1,2 246
16 35 50 0 35 5 1,2 230
17 35 50 5 25 7 0,8 246
18 35 50 10 40 2,7 1 273

Una ventaja adicional de los diseños de Taguchi es que permiten obtener una respuesta
óptima robusta, insensible a la variación de factores no controlables (ruido). Para ello se
introducen deliberadamente en la experimentación los factores de ruido. La composición
variable del excipiente de los medicamentos puede ser considerada un factor de ruido no
controlable que cause variabilidad en la respuesta cromatográfica. Como factor de ruido
se ha elegido la sacarosa que, según la Guía Vademécum, es uno de los excipientes
mayoritarios en analgésicos comerciales.

Se prepararon dos disoluciones conjuntas de 8 ppm de AAS, CFN y PCM; a una de ellas
se le añadió 0,25 g de sacarosa. Tras enrasar con agua desionizada y homogeneizar, se
inyectaron en el cromatógrafo variando los factores tal como establece el diseño elegido.
Todos los experimentos se realizaron por duplicado. La identificación de los picos
cromatográficos se llevó a cabo por comparación de tiempos de retención inyectando
disoluciones de los analitos puros.

14 |
 3. Materiales y métodos

3.4.1.-Análisis de datos, ANOVA.

Para analizar e interpretar los datos obtenidos se han empleado herramientas estadísticas
que son fundamentales para la interpretación y visualización de datos en aquellos casos
en los que existe una gran variedad y cantidad que deben ser relacionados.

Los cálculos y análisis estadísticos se han llevado a cabo con el software Microsoft Excel
y Statgraphics.

El análisis de varianza es una técnica estadística que permite interpretar los resultados
experimentales gracias al examen de diferentes tipos de efectos que operan
simultáneamente. El objetivo es decidir qué tipo de efectos son significativos y estimar
su contribución a la varianza total, asumiendo que las medias de dos o más poblaciones
son iguales.

Para lograrlo, esta herramienta usa pruebas basadas en ratios de varianza para conocer si
existen diferencias significativas entre varios grupos de observaciones, donde cada grupo
sigue una distribución normal.

Se asume que la variación observada en la respuesta es debida al efecto de los factores

estudiados, aunque también está presente cierto error aleatorio independiente que explica
la variación residual. Dicho error aleatorio sigue una distribución normal con media cero
y varianza constante.

Para aplicar este análisis de varianza se deben cumplir dos requisitos: la variable debe
seguir una distribución normal (prueba de normalidad de Kolmogorov-Smirnov) y las
varianzas deben ser homogéneas dentro de los diferentes niveles de cada factor
considerado.

El ANOVA permite identificar los factores estudiados que tienen un efecto significativo
en la respuesta que se pretende optimizar.

A los factores significativos se les aplica finalmente la prueba de rangos múltiples de

Duncan para conocer si las respuestas medias obtenidas a los diferentes niveles del factor
difieren significativamente. La Ecuación 2 permite su cálculo a través del estadístico R.

σ σ2residual
R=r· =r·√ Ecuación. 2.
√n n

15 |
Trabajo Fin de Grado

donde r es el valor crítico tabulado para el nivel de significación empleado y los grados
de libertad del residual, y n es el número de valores experimentales obtenidos a cada
nivel del factor.

Las diferencias entre los niveles se comparan con el estadístico R. Si estas son mayores
que el valor obtenido para R, entonces los dos niveles proporcionan una respuesta
significativamente diferente, esto es, hay diferencias significativas entre los niveles.

Con toda esta información, las condiciones óptimas de separación fueron determinadas y
a continuación se procedió a su confirmación inyectando disoluciones de patrones puros
en las condiciones optimizadas.

3.4.2.- Participación en un ejercicio interlaboratorio.

El objetivo principal de este tipo de ejercicios es demostrar la calidad de los ensayos,

permitiendo conocer la capacidad analítica del método a validar. Por otro lado, son de
suma importancia y exigidos conforme a la norma ISO/IEC 17025:2017 en tanto que la
evaluación de la muestra enviada por el organizador confirmará el grado del
cumplimiento de una serie de requisitos establecidos por este mismo. En caso de no
cumplirse, dicho ejercicio revelará la existencia de errores que tendrán que ser
corregidos.

Para evaluar el sesgo del método se ha participado en un ejercicio interlaboratorio

organizado por el Departamento de Química Analítica de la Universidad de Barcelona, el
cual envió cuatro materiales de referencia (MRs) de composición farmacéutica
desconocida en paracetamol y ácido acetilsalicílico.

3.5.- Aplicación del método a muestras reales.

La selección de las muestras a las cuales se aplicó el método se basó en dos aspectos: la
disponibilidad en farmacia de los medicamentos y que contuviesen al menos dos de los
analitos estudiados. La Tabla 8 recoge los analgésicos más comunes que presentan los
analitos de estudio en combinaciones binarias o ternarias.

De todos los medicamentos recogidos en la Tabla 8 se analizaron cinco: Desenfriol,

Ilvico, Actron, Cafiaspirina y Frenadol Complex.

16 |
 3. Materiales y métodos

Tabla 8. Analitos contenidos en los medicamentos y sus usos.

Nombre PCM AAS CFN Usos

Actron X X X Dolores leves o moderados
Grippostad X - X Resfriado y gripe
Frenadol Complex X - X Gripes y catarros
Ilvico X - X Gripes y catarros
Desenfriol - X X Rinitis alérgica y resfriado
Cafiaspirina - X X Dolores leves o moderados
Dolviran - X X Dolores leves o moderados
Excedite X X X Dolor de cabeza agudo
Yendol X - X Gripes y catarros
Saridon X - X Dolores leves o moderados

El tratamiento de muestra al que fue sometido cada fármaco se realizó por triplicado y
fue similar en todos los casos. Este se describe a continuación:

1. Pulverizar la muestra con la ayuda del mortero convenientemente.

2. Homogeneizar el polvo.
3. Pesar en balanza analítica una cantidad aproximada de 0,1 g.
4. Disolver en un matraz de 100 mL con 5 mL de MeOH y agua desionizada.
5. Sumergir en el ultrasonidos hasta disolución completa.
6. Filtrar la disolución resultante mediante un filtro de Nylon de 0,45μm.
7. Realizar la dilución correspondiente para que la concentración se sitúe en el
intervalo de calibrado.

17 |
Trabajo Fin de Grado

18 |
 4. Resultados y discusión

4.- RESULTADOS Y DISCUSIÓN

4.1.-Validación de equipos de medida.

La incertidumbre se estimó aplicando el método de propagación de errores. Una vez

identificadas las fuentes se estimaron las incertidumbres individuales y finalmente se
obtuvo la incertidumbre expandida multiplicando la incertidumbre combinada por un
factor de cobertura (K=2). Para ello se aplicaron las ecuaciones que aparecen en las
Tablas I y II del material complementario.

4.1.1.- Balanzas.

La Figura 3 muestra la variación de la incertidumbre expandida con la masa para masas

nominales de 100, 50, 10, 1, 0,1 y 0,02 g. Se observa una relación potencial entre ambas
magnitudes.

3.5

3.0 y = 0,7273x0,2966
R² = 0,9875
2.5
U(expandida)/g

2.0

1.5

1.0

0.5

0.0
0 20 40 60 80 100
Masa nominal/g

Figura 3. Representación de la incertidumbre expandida frente a la masa.

Para visualizar cuales son las contribuciones más significativas a la incertidumbre total,
se construyó el gráfico que se muestra en la Figura 4.

19 |
Trabajo Fin de Grado

0.0018
0.0016
0.0014 u(Rep)
0.0012 u(Histe)
0.0010 u(Tara)
u/g

0.0008
u(Masas)
0.0006
u(Excen)
0.0004
0.0002
0.0000
100 50 10 1 0.1 0.02
Masa nominal/g

Figura 4. Contribuciones individuales a la incertidumbre total.

Las contribuciones de tara, repetibilidad o excentricidad tienen un reparto aleatorio,

destacando entre ellas como más influyentes la debida a las masas patrón, la tara y la
excentricidad. Sobre esta última se puede actuar realizando las medidas en el centro del
plato. La incertidumbre debida a la histéresis es nula en todos los casos excepto para la
masa de 10 g. En cuanto a la incertidumbre de las masas patrón es notorio como aumenta
para masas altas y disminuye para masas pequeñas. Esto puede ser debido a que el juego
de masas disponible no es de primera calidad.

4.1.2.- Material volumétrico.

La Figura 5 muestra los porcentajes de contribución de las fuentes de incertidumbre

individuales. La contribución debida a la calibración del matraz es en general la más
significativa.
La Figura 6 representa la variación de la incertidumbre expandida con el volumen
nominal de pipetas (trazo azul) y matraces aforados (trazo rojo). En ambos casos se
obtuvieron relaciones polinómicas. El aumento con el volumen de la pipeta es mucho
más acusado que en el caso de los matraces aforados.

20 |
 4. Resultados y discusión

100
90
80
70
60
%Contribucción

50 %Contr,Vrep
40 %Contr,Vt
30 %Contr,Vcal

20
10
0
1p 1'p 2p 2'p 5p 5'p 10p 10'p 10m 10'm 25m 25'm 50m 50'm

Pipetas y Matraces

Figura 5. Contribuciones individuales a la incertidumbre del material volumétrico.

0.12

0.10
U expandida (K=2)

0.08

0.06 y = 2·10-5x2 - 0,0004x + 0,0769

R² = 0,8866
0.04
y = -0.0006x2 + 0.0151x + 0.0005
R² = 0,9764
0.02

0.00
0 10 20 30 40 50 60
V nominal /mL

Figura 6. Variación de la incertidumbre expandida con el volumen nominal.

21 |
Trabajo Fin de Grado

4.2. Optimización del método RP-HPLC-UV-Vis.

Las longitudes de onda óptimas para cada analito se muestran en la Figura 7. Las líneas
azul, verde, rojo y amarillo hacen referencia a AAS, CFN, PCM y blanco MeOH/H2O
respectivamente.

1.2

0.8
A /UA

0.6

0.4

0.2

0
190 210 230 250 270 290 310 330 350
λ / nm

Figura 7. Espectro de absorción para la determinación de las longitudes de onda.

Al representar la absorbancia frente a la longitud de onda se obtienen tres máximos de

absorbancia a: 273 nm para CFN, 246 nm para PCM y 230 nm para AAS.

La Figura 8 muestra 3 cromatogramas obtenidos en condiciones de repetibilidad a pH =

2,7, λ=230 nm, 40% MeOH, 0% Ac, 40% Tampón, 25ºC.

200
180
160
140
Área / UA·min

120
100
80
60
40
20
0
0 2 4 6 8 10
tr /min

Figura 8. Repetibilidad de la separación: PCM (2,1 min); CFN (2,9 min), AAS (6,1 min).

22 |
 4. Resultados y discusión

Se observa la repetibilidad de los picos tanto en tiempo de retención como en área.

Las áreas de pico obtenidas para cada combinación experimental del diseño se recogen
en la Tabla III del material complementario. Estos resultados se trataron mediante
análisis de varianza para identificar los factores significativos que maximizan dicha
respuesta.

La visualización de los gráficos de interacciones entre los factores y el ruido (Figura 9)

proporcionó para los tres analitos el mismo resultado: no existen diferencias
significativas entre el nivel de ruido 1 (muestras sin sacarosa) y el 2 (muestras dopadas
con sacarosa) ya que el solapamiento de líneas es prácticamente completo.
Consecuentemente la presencia del excipiente sacarosa no afecta a los resultados.

900
800
700
600
Medias / UA · min

500
400
300
200
100
0
T1 T2 Me1Me2Me3 Ac1Ac2Ac3 B1 B2 B3 pH1pH2pH3 F1 F2 F3 L1 L2 L3

Figura 9. Representación de las áreas de pico medias a cada nivel de cada factor. Las líneas
moradas y naranjas corresponden al estudio con y sin excipiente mientras que la línea horizontal
refleja la gran media.

Se observa de forma cualitativa que los factores que afectan de forma más significativa al
área de pico del PCM son la longitud de onda, la velocidad de la fase móvil y en menor
medida el pH. Se obtuvieron conclusiones similares para los otros analitos.

El ANOVA de los resultados experimentales permitió identificar los factores con un

efecto significativo en el área de pico de los tres analitos. La Tabla 9 resume las
ecuaciones empleadas para hacer los cálculos de ANOVA.

23 |
Trabajo Fin de Grado

La Tabla 10 resume los valores de probabilidad p-value obtenidos a partir del estadístico
F de Fischer de cada factor. Si el valor de F es mayor que el F crítico, entonces p < α
(=0.05) lo que implica que el factor es significativo. En la Tabla también se recogen los
% de contribución a la varianza de cada factor.

Tabla 9. Fórmulas empleadas para el ANOVA.

(∑ xi )2
SST = ∑(xi − x̿)2 = ∑ xi2 −
n
Suma de Donde n es el número total de valores
cuadrados
totales
SST = ∑ SSF + SSR

Donde SSR es la suma de cuadrados del residual

m
(∑ xi2 )F (∑ xi )2
SSF = ∑ −
Suma de nF 2
i=1
cuadrados de
cada factor Donde m es el número de niveles de cada factor
Donde n es el nº de resultados a un mismo nivel del factor

m
Suma de (∑ xi2 )N (∑ xi )2
cuadrados del SSN = ∑ −
ruido nN 2
i=1

Cuadrados SS
MS =
medios gdl

MSF
Estadístico F F=
MSR

SSF
% Contribución %= · 100
SST

gdlT = nº de experimentos − 1
gdlF = nº de niveles − 1
Grados de
gdlFxN = gdlF · gdlN
libertad
gdlR = gdlT − ∑ gdlF − ∑ gdlF×N

24 |
 4. Resultados y discusión

Tabla 10. Valores del p-value y % de contribución para cada fuente de variación. Los factores
significativos se muestran en color verde.

PCM CFN AAS

Fuente p-value %Contrib. p-value %Contrib. p-value %Contrib.
T 0,037 0,735 0,574 0,005 0,082 1,666
Me 0,093 0,562 0,344 0,042 0,082 3,467
Ac 0,112 0,453 0,063 0,330 0,060 4,900
B 0,185 0,252 0,092 0,221 0,061 4,791
pH 0,033 1,691 0,070 0,296 0,011 26,766
F 0,005 10,984 0,003 8,818 0,054 5,431
L 0,001 81,797 0,000 88,641 0,009 35,408
TxMe 0,025 2,223 0,019 1,125 0,030 10,199
N 0,794 0,003 0,614 0,004 0,763 0,019
TxN 0,676 0,007 0,934 0,000 0,401 0,173
MexN 0,552 0,046 0,972 0,001 0,648 0,169
AcxN 0,954 0,003 0,927 0,002 0,852 0,054
BxN 0,818 0,013 0,588 0,016 0,739 0,109
pHxN 0,861 0,009 0,450 0,027 0,560 0,244
FxN 0,790 0,015 0,819 0,005 0,887 0,040
LxN 0,920 0,005 0,983 0,000 0,873 0,045
Residual 1,204 0,468 6,521
Total 100 100 100

Los factores significativos para cada uno de los analitos se resumen en la Tabla 11.

Tabla 11. Factores significativos para cada analito.

Analito Factores significativos

PCM L, F, pH, T
AAS L, F, pH
CFN L, F

Una vez identificados los factores significativos, la aplicación de la prueba Duncan

indicó para estos mismos, entre qué niveles las diferencias eran significativas. La Tabla
12 recoge las conclusiones extraídas.

Un factor a destacar fue el porcentaje de acetonitrilo ya que se vio que al aumentar este,
los picos se desplazaban a tiempos de retención inferiores y aparecían antes en el
cromatograma hasta llegar a solaparse. Para solucionarlo, se realizaron ensayos variando
el porcentaje de este disolvente en un intervalo 5 - 10 % hasta conseguir una separación
óptima.

25 |
Trabajo Fin de Grado

Tabla 12 Resultados de la prueba Duncan.

Analito Factor Resultado

L Diferencias significativas entre los tres niveles
F Diferencias significativas entre F1 y F2-F3
PCM
pH Diferencias significativas entre los tres niveles
T Diferencias significativas entre T1 y T2
L Diferencias significativas entre L1 y L2-L3
AAS F Diferencias significativas entre F3 y F1-F2
pH Diferencias significativas entre los tres niveles
L Diferencias significativas entre los tres niveles
CFN
F Diferencias significativas entre los tres niveles

Durante la realización de estos ensayos, se observó en los cromatogramas obtenidos a

pH=7 la aparición de un cuarto pico que se atribuyó a la hidrolisis del AAS en
condiciones alcalinas transformándose en ácido salicílico y ácido acético (Poma M.,
Amanda M., 2016).

Figura 10. Reacción de degradación del ácido acetilsalicílico.

Con objeto de verificar este hecho y para establecer la frecuencia de preparación de los
patrones de dicho analito, sucesivos espectros de una disolución de AAS fueron tomados
con el espectrofotómetro a distintos intervalos de tiempo. De este modo se comprobó la
interferencia del salicílico en la determinación y la inestabilidad del AAS en medios
básicos. Por consiguiente, se eligió un pH ácido de trabajo y los patrones se renovaron
con la mayor frecuencia posible.

Finalmente, se seleccionaron las condiciones óptimas para la determinación

cromatográfica que se muestran en la Tabla 13. Con estas condiciones se observó que se
obtenían los picos cromatográficos con una resolución adecuada y con un tiempo de
retención y área reproducibles. Además, gracias a que el equipo tiene un detector de
longitud de onda variable y que este es el factor más influyente, se optó por medir cada
analito a su longitud de onda óptima. Para ello entre los minutos 0 – 2 min el detector se
mantuvo a 246 nm para detectar PCM ; entre 2 – 3 min a 273 nm (CFN) y entre 3 – 4
min a 230 nm (AAS).

26 |
 4. Resultados y discusión

Tabla 13. Condiciones óptimas de separación.

Parámetro Valor
Temperatura (ºC) 25
Metanol (%) 30
Acetonitrilo (%) 5
Tampón fosfato (%) 25
pH (uds. pH) 2,7
Velocidad de flujo (mL·min-1) 1
Longitud de onda (nm) 230, 246, 273

La Figura 11 muestra un cromatograma obtenido en las condiciones optimizadas.

300

250
Área / UA·min

200

150

100

50

0
1 3 5 7 9
tr /min

Figura 11. Cromatograma con las condiciones optimizadas para una concentración de 15ppm
donde se observan tres picos PCM (2,3 min); CFN (3,3 min); AAS (9,2 min).

4.2.- Validación del método.

Se han estimado los siguientes parámetros de validación: robustez, especificidad,

linealidad, sensibilidad, límites de detección y cuantificación, veracidad y precisión.

Robustez

Esta propiedad del método analítico se ha evaluado introduciendo una variación

incontrolada durante los experimentos de optimización en forma de factor de ruido.
Como ya se ha explicado, el efecto de la sacarosa en las áreas de pico y en los tiempos de
retención no fue significativo. Los gráficos de interacciones de los factores de control
con el factor de ruido evidenciaron para todos los analitos que no existen diferencias
significativas entre los resultados de las muestras dopadas con excipiente y sin dopar. El

27 |
Trabajo Fin de Grado

método analítico puede considerarse por tanto robusto y permanece inalterado ante
variaciones de la matriz analítica, que suele ser una de las principales fuentes de error de
los métodos de análisis.

Especificidad/selectividad

Cuantificar la selectividad de un método analítico no es una tarea sencilla dado que

existen muy pocos métodos que den respuesta a un solo analito. De este modo, se hace
notable la dificultad por conocer todas las posibles interferencias presentes en varias
matrices y para distintos intervalos de concentración. Por ello, para evaluar la
selectividad se han variado las condiciones cromatográficas con el objeto de seleccionar
aquellas que proporcionaran picos cromatográficos estrechos y con solapamiento nulo.

Los picos de cada analito obtenidos en las condiciones óptimas estaban separados en el
tiempo lo suficiente como para poder ser cuantificados y su área era perfectamente
diferenciable del ruido de fondo. Por tanto, el método es selectivo.

Linealidad / Intervalo lineal

El proceso para evaluar el intervalo lineal del método a validar consiste en medir
patrones de concentraciones conocidas de analito, representando gráficamente los datos
señal/concentración, y determinar cuáles son los límites de concentración entre los cuales
la respuesta del método varía linealmente con la concentración. Se observó linealidad en
la relación área de pico - concentración en el intervalo 0,25 - 80 ppm para los tres
analitos. No obstante, el rango de calibración se redujo al intervalo 0,25 – 40 ppm para
disminuir el error típico del ajuste y mejorar la linealidad y los límites de detección,
calculados a partir del error típico del ajuste y de la pendiente.

La linealidad se evaluó a partir del coeficiente de determinación R2 de las líneas de

calibrado, obtenidas diariamente con 8 patrones de calibración con concentraciones
dentro del intervalo 0,25 – 40 ppm, preparados por pesada para mejorar su precisión y
medidos por duplicado para estimar la falta de ajuste de la regresión. Como se muestra en
la Figura 12, al representar la señal frente a la concentración de analito se vio que la
respuesta del método es proporcional a la concentración en la muestra, de modo que la
relación respuesta/concentración permanecía constante. Los patrones fueron analizados

28 |
 4. Resultados y discusión

en sentido creciente de concentración con el fin de hacer mínimo el efecto memoria del
equipo.

4000
y = 97,65x -0.1599
3500 R² = 0.999

3000 CFN
y = 63.932x+ 1.1611
R² = 0,9998
Área /UA·min

2500
AAS
2000
PCM
1500
y = 52,48x - 10.377
1000 R² = 0,9997

500

0
0 10 20 30 40 50
Concentración / ppm

Figura 12. Líneas de calibrado para los distintos analitos.

Se realizó un análisis de regresión con objeto de conocer la relación entre la respuesta y

la concentración. Esta relación se expresa con una función matemática, la cual es
empleada para predecir el valor de una de las variables siendo desconocida la otra. La
técnica que se empleó fue el ajuste de los puntos experimentales a la mejor relación lineal
entre señal y concentración por el método de mínimos cuadrados. Simultáneamente se
analizaron los residuales y el coeficiente de determinación como se refleja en la Tabla 14
y en la Figura 13.

Tabla 14. Parámetros estimados para evaluar la linealidad. Los valores que se muestran son
promedios de todas las líneas de calibrado obtenidas.
Parámetro PCM CFN AAS
b0 -1,09 -11,16 64,41
b1 98,09 64,41 53,34
se 16,68 11,24 13,22
2
R 0,9998 0,9998 0,9997

29 |
Trabajo Fin de Grado

28

18
Residuos
8

-2
-5 5 15 25 35 45

-12

-22

-32 Variable X

Figura 13. Gráfico de residuales para el AAS.

En todos los casos, los residuales se encontraban aleatoriamente distribuidos en torno a

cero, de pequeña magnitud y homocedásticos. Además, los coeficientes de determinación
obtenidos fueron muy próximos a 1 y muy superiores al objetivo de calidad impuesto,
garantizando la linealidad dentro del intervalo de concentraciones. El intervalo de
confianza de la ordenada incluía a cero, de modo que descartamos la presencia de sesgo
constante debido a un blanco no corregido.

Otro criterio estadístico para validar la línea de calibrado es realizar la prueba de falta de
ajuste mediante ANOVA para verificar si el modelo seleccionado es adecuado para
describir los datos observados o si se debería usar un modelo más complicado. Mediante
este análisis de varianza comparamos la variabilidad de los residuos del modelo actual
con la variabilidad entre observaciones hechas en valores repetidos de la variable
independiente, x. Dicha prueba se ejecuta con el programa estadístico Statgraphics
obteniéndose los valores del p-Value recogidos en la Tabla 15.

Tabla 15. Valores del p-value para la prueba de falta de ajuste.

Parámetro PCM CFN AAS
p-Value 0,7870 0.5392 0,0952

Para los tres analitos el p-value promedio para la prueba de falta de ajuste es mucho
mayor de 0,05, por lo que el modelo lineal parece ser adecuado para los datos observados
con un nivel de confianza del 95%; y de este modo confirmamos la ausencia de falta de
ajuste.

30 |
 4. Resultados y discusión

Sensibilidad

Puesto que el método de ensayo requiere de calibrado lineal, la sensibilidad coincide con
la pendiente de la línea de calibrado. Esta se ha estimado calculando el promedio de las
pendientes de un conjunto de líneas de calibrado realizadas en condiciones de
reproducibilidad. Experimentalmente se analizaron 8 patrones de concentraciones
crecientes de analito en el intervalo lineal seleccionado.

La sensibilidad estimada como promedio se refleja en la Tabla 14.

Límite de detección y límite de cuantificación.

El límite de detección y cuantificación se pueden calcular de dos formas distintas: a partir

de la línea de calibrado o mediante medidas replicadas del patrón más diluido. De la
primera forma hemos obtenido un valor más alto puesto que pequeñas variaciones en la
preparación de patrones o en las áreas de los picos incrementan la varianza de los
residuales y ello aumenta los límites de detección y cuantificación. La segunda manera es
una forma más correcta de estimar dichos límites y para ello se inyectó en condiciones de
repetibilidad (N=4) el multipatrón más diluido de concentración 0,25 ppm.

Las ecuaciones a aplicar en ambos casos, siendo sB la desviación estándar de una serie de
medidas replicadas del blanco, se el error típico y b1 la pendiente de la línea de
calibrado, se muestran en la Tabla 16. Sin embargo, para los cálculos se aplicó
únicamente la expresión a partir del patrón más diluido pues proporciona un valor más
realista.

Tabla 16. Ecuaciones empleadas para el cálculo del límite de detección y cuantificación.

Parámetro A partir de la línea de calibrado A partir del patrón más diluido

3,29 · se 3,29 · sB
LOD CLOD = CLOD =
b1 b1
10 · se 10 · sB
LOQ CLOQ = CLOQ =
b1 b1

Aplicando dichas expresiones se obtienen los valores promedio recogidos en la Tabla 17.

31 |
Trabajo Fin de Grado

Tabla 17. Valores promedio de los límites de detección y cuantificación.

Parámetro PCM CFN AAS

LOD (ppm) 0,20 0,32 0,46
LOQ (ppm) 0,97 1,4 0,60

Veracidad

Una forma de estimar el sesgo de los resultados de un método de análisis es participar en

ensayos de aptitud en los que se analizan materiales, cuyo valor de referencia es asignado
por los organizadores o bien consensuado por los participantes.

Dichos materiales deben cumplir ciertos requisitos: (i) la concentración del analito debe
estar en el intervalo de concentración indicado en el método, (ii) el MR debe ser
homogéneo y tener propiedades estables en el tiempo, (iii) la subdivisión del MR debe
realizarse con cuidado para evitar la introducción de errores, (iv) la cantidad del MR debe
ser suficiente para satisfacer la evaluación de la veracidad.

El sesgo o error sistemático se cuantifica como error absoluto aplicando la Ecuación 3.

δ = x̅ − xMRC Ecuación.3

Durante el proceso de validación de un método, la veracidad debe evaluarse en todo el

rango especificado para ese método analítico. Para ello se estima el sesgo o bias, al
menos por triplicado, para 3-5 niveles de concentración, eligiendo las dos
concentraciones en los extremos del rango (límite de cuantificación y límite superior del
rango de medida) y varias concentraciones intermedias.

Para evaluar la veracidad se analizaron las muestras procedentes del ejercicio

interlaboratorio ya descrito. Estas se trataron de forma similar a los patrones de calibrado.
Se homogenizó previamente el vial y se varío el volumen de enrase a 100 mL. La
concentración real de las muestras se calculó por interpolación en la línea de calibrado y
cada muestra se analizó por triplicado.

Para la CFN no se puedo estimar este parámetro de validación debido a que no estaba
contenido en los materiales del ejercicio interlaboratorio.

32 |
 4. Resultados y discusión

Una vez obtenido el sesgo, para evaluar si este es significativo se aplicó una prueba
paramétrica de comparación de una media experimental con un valor conocido afectado
por incertidumbre (Massart, 1998) obteniéndose los resultados reflejados en la Tabla 18.

Tabla 18. Evaluación del sesgo mediante una prueba de significación

Muestra control AAS PCM

31 1,242 0,549
32 2,658 1,680
33 1,219 0,380
34 0,234 1,263

Los valores del estadístico d reflejados en la Tabla 18 se calcularon mediante la siguiente

expresión:

|cref −cm |
d= Ecuación.4
√u2ref +u2m

donde Cref y uref son el valor de referencia y la incertidumbre típica consensuados por los
participantes del ejercicio de intercomparación, y Cm y um son los valores obtenidos por
un participante individual. Los valores d se calcularon con el valor crítico para un 95%
de confianza (d=2). Si dcrítico < dcalculado entonces acepto la hipótesis alternativa de que el
sesgo es significativo. Puede apreciarse que solo en el caso de AAS en la muestra 32 el
sesgo es significativo, pudiendo despreciarse para el resto de analitos y muestras.

Precisión

De la variación de todas las fuentes que pueden afectar a nuestro método durante la
evaluación de la precisión nacen dos conceptos que la matizan: repetibilidad y
reproducibilidad.

En concreto, si solo se quiere conocer la repetibilidad (sr ) y reproducibilidad (sR ), la

norma UNE 82009-2 adaptada para un ejercicio interlaboratorio permite estimar ambas
magnitudes, siendo esta última una combinación de la reproducibilidad intralaboratorio
(sL ) y la repetibilidad.

En la práctica, para cada muestra del ejercicio interlaboratorio se realizaron experimentos

en un periodo de cinco días inyectando las muestras diariamente por triplicado. Se aplicó
un ANOVA de una vía donde el factor es el día y se calculó la varianza debida al factor y

33 |
Trabajo Fin de Grado

debida a la repetibilidad combinándose mediante la Ecuación 4. Finalmente, el resultado

se expresó como desviación estándar relativa como muestra la Tabla 19.

El modelo es un ANOVA de efectos aleatorios implica que:

 La varianza dentro de las columnas estima la repetibilidad: sr2
 El efecto del factor día estima la varianza entre laboratorios: sL2
 La suma de ambas contribuciones estima la reproducibilidad: sR2 = sL2 + sr2

MSL −MSr
sR2 = sL2 + sr2 = n
+ MSr Ecuación. 5

Tabla 19. Resultados promedio para la estimación de la precisión.

PCM CFN AAS
sr 0,1 0,007 0,050
sR 0,4 0,010 0,6
sdía 0,4 0,01 0,6
DERr % 1,74 1,92 1,24
DERR % 11,7 2,7 14,4

Aunque la desviación estándar relativa de reproducibilidad es elevada en el caso de PCM

y AAS, se cumplen los objetivos de calidad propuestos para este parámetro de validación
(DERR < 15%).

Una vez estimados los parámetros de validación, se evaluaron los siguientes parámetros
cromatográficos.

Factor de capacidad.

Relación entre el número de moles de soluto en la fase estacionaria con respecto al

número de moles de soluto en la fase móvil.

tr −tr0
K′ = Ecuación .6
tr0

Resolución.

Medida cuantitativa de la separación alcanzada fijada por la pareja de picos peor resuelta
del cromatograma.

34 |
 4. Resultados y discusión

2(tr2 −tr1 )
Rs = Ecuación. 7
W1 +W2

Coeficiente de selectividad.

Parámetro que se utiliza para caracterizar la distancia entre dos picos consecutivos.

t −t
α = tr2 −tr0 Ecuación. 8
r1 r0

Tiempo de retención.

Es el tiempo que transcurre desde la inyección hasta la elución del máximo del pico
correspondiente a un compuesto retenido.

Eficacia de una columna cromatográfica.

Es la capacidad de la columna para proporcionar picos estrechos. Se evalúa a través de N y/o H

y se determina experimentalmente a partir del cromatograma. Cuanto mayor sea el número de
platos teóricos, mayor es el número de equilibrios, de modo que mayor es el número de
transferencias, y por tanto se consiguen separaciones más eficaces.

L R 2
H = N ; N = 16 · (Wt) Ecuación. 9

Los resultados del cálculo de los parámetros cromatográficos se recogen en la Tabla 20.

Tabla 20. Parámetros cromatográficos para un multipatrón de concentración 5 ppm.

Parámetro PCM CFN AAS Criterio de aceptación

K' 0,7 1,3 5,3 0,5 < K' < 10
Rs 10,1 Rs ≥ 2
 1,9 4,2 - >1
tr 2,4 3,3 9,2 -
Cuanto más pequeño, más eficacia
H 10-5 8·10-6 5·10-6
tiene la columna
N 14012 18442 28082 N > 2000

A la vista de los resultados, en todos los casos los valores encontrados cumplen los
criterios de aceptación.

35 |
Trabajo Fin de Grado

4.3.- Evaluación de la incertidumbre de medida.

La incertidumbre se ha estimado a partir de los resultados de la validación como una

combinación de la incertidumbre debida a la componente de precisión más la
incertidumbre correspondiente al sesgo. Esta última es a su vez una combinación de la
incertidumbre de las medidas realizadas junto con la incertidumbre del material de
referencia, como se muestra en la Ecuación 10.

s 2 IC 2
uc 2 = u2R + u2δ = sR2 + (u2x̅ + u2ref ) = sR2 + ( n) + ( k ) Ecuación. 10
√

No obstante, el cálculo también puede realizarse a partir de la concentración consensuada

en el ejercicio interlaboratorio aplicando la Ecuación 11 y usando los valores de consenso
de la Tabla 21.
2
s
∑ u2C ∑( i )
∑ δ2i refi ∑ δ2i √p
u2δ = + = + Ecuación. 11
n n n n

p hace referencia al número de laboratorios participantes

Tabla 21. Valores de consenso para la muestra de analgésico.

Parámetro Valores
Ácido acetilsalicílico (%) 4,12 ±0.68
Paracetamol (%) 3,27 ±0.56

Una vez estimada la incertidumbre combinada, se calcula la incertidumbre expandida

como:
U = K · uc Ecuación.12

Donde K es el factor de cobertura. Se ha usado un valor de 2 correspondiente a un nivel

de confianza del 95% aproximadamente.

Los resultados de incertidumbre para AAS y PCM contenidos en las muestras del
ejercicio de intercomparación se muestran en la Tablas 22 y 23. Para CFN no se pudo
completar la evaluación de la incertidumbre por no disponer de datos de veracidad.

36 |
 4. Resultados y discusión

Tabla 22. Incertidumbre para AAS del ejercicio de intercomparación.

Muestra Media uR u uc U
31 4.3 0.282 0.326 0.431 0.9
32 3.6 0.579 0.326 0.664 1.3
33 3.9 0.728 0.326 0.797 1.6
34 4.1 0.659 0.326 0.735 1.5

Tabla 23. Incertidumbre para PCM del ejercicio de intercomparación.

Muestra Media uR u uc U
31 3.4 0.497 0.223 0.545 1.1
32 2.9 0.255 0.223 0.339 0.7
33 3.2 0.208 0.223 0.305 0.6
34 3.1 0.506 0.223 0.553 1.1

La incertidumbre estimada ha resultado superior al valor objetivo. La razón es doble, por

un lado la incertidumbre consensuada para los materiales del ejercicio interlaboratorio
era alta debido a que los participantes eran alumnos en formación de diferentes
universidades españolas. Por otro lado, la reproducibilidad de las medidas realizadas en
este trabajo fue elevada. Ambas contribuciones dan lugar a una incertidumbre
ligeramente superior al 25%.

4.4.- Aplicación del método a muestras reales.

La concentración de cada analito en el analgésico estudiado se obtuvo por interpolación

en la línea de calibrado y se comparó con la concentración real dada por el fabricante
observándose una buena concordancia entre ambos valores como se puede ver en la
Tabla 24.

Tabla 24. Comparativa entre la concentración obtenida y la declarada.

Cmedia (mg / comprimido) Cdeclarada (mg / comprimido)

Medicamento
CFN AAS PCM CFN AAS PCM
Desenfriol 34 336 0 32 389 0
llvico 28 0 297 30 0 325
Actron 40 245 125 40 267 133
Cafiaspirina 50 478 0 50 500 0
Frenadol
23 0 633 30 0 650
Complex

37 |
Trabajo Fin de Grado

Como es evidente, estos fármacos contenían además de los analitos de estudio, otros que
ayudan a establecer las propiedades idóneas, de modo que en las Figuras 14, 15, 16, 17 y
18 aparecen otros picos que no han sido identificados.

500

400
Área / UA · min

300

200

100

0
0 2 4 6 8 10
tr /min

Figura 14. Cromatograma para Desenfriol: CFN (3,3 min), AAS (9,1 min)

500

400
Área / UA · min

300

200

100

0
2 2.5 3 3.5 4
tr/min

Figura 15. Cromatograma para Ilvico: PCM (2,3 min); CFN (3,3 min)

38 |
 4. Resultados y discusión

350

300

250

Área /UA · min 200

150

100

50

0
0 2 4 6 8 10 12
tr /min

Figura 16. Cromatograma para Actron: PCM (2,3 min); CFN (3,2 min); AAS (9.1 min)

140

120

100
Área /UA · min

80

60

40

20

0
0 2 4 6 8 10
tr /min

Figura 17. Cromatograma para Cafiaspirina: CFN (3,2 min); AAS (9,1 min)

700
600
500
Área / UA · min

400
300
200
100
0
1 1.5 2 2.5 3 3.5 4
tr /min

Figura 18. Cromatograma para Frenadol Complex PCM (2,4 min); CFN (3,3 min)

39 |
Trabajo Fin de Grado

40 |
 5. Conclusiones

5.- CONCLUSIONES

Las conclusiones a las que se ha llegado mediante la realización de este trabajo han sido:

1. Las contribuciones que más afectan a la incertidumbre de medida en la calibración

de equipos son las masas para el caso de la balanza y el factor de calibración para el
material volumétrico.

2. Es preferible el empleo de un pH ácido cuando se trabaja con AAS para evitar su

hidrólisis y por consiguiente efectos de ruido e interferencias. Además, los patrones
de dicho analito son muy inestables en agua y es recomendable su preparación con
frecuencia.

3. El excipiente sacarosa presente en la mayoría de los fármacos no tiene efecto

significativo en la optimización cromatográfica. La longitud de onda es el factor más
influyente en el área mientras que la composición y el pH de la fase móvil fueron los
factores que más influyeron en la resolución de los picos.

4. Las condiciones óptimas de separación de los analitos son: temperatura, 25ºC,

composición de la fase móvil: Metanol: Acetonitrilo: Tampón fosfato, 30: 5: 25, pH
2,7, flujo 1mL·min-1 y longitud de onda 230, 246 y 273 nm para aspirina,
paracetamol y cafeína respectivamente.

5. Se han estimado los parámetros técnicos de validación del método RP-HPLC-UV-

Vis desarrollado. Los objetivos de validación propuestos se han cumplido excepto en
el caso de la incertidumbre expandida.

41 |
Trabajo Fin de Grado

42 |
 6. Referencias

6.- REFERENCIAS.
BIMP (2012). International vocabulary of metrology-Basic and general concepts and
associated terms. 3rd ed. JCGM 200:2012. Bureau International des Poids et
measures, BIMP.
Cámara C., Fernández P., Martín-Esteban A., Pérez-Conde C., Vidal C. (2002). Toma y
tratamiento de muestras. Síntesis, Madrid, España.
CEM ME-005 (s.f). Procedimiento de calibración para la calibración de balanzas
monoplato. Centro Español de Metrología, CEM.
Chandra P., Rathore A., Lohidasan S., Mahadik K. (2012). Application of HPLC for the
Simultaneous Determination of Aceclofenac, Paracetamol and Tramadol
Hydrochloride in Pharmaceutical Dosage Form. Sci Pharm, 80: 337–351.
Clark, J. (2000). Evaluation of methods for estimating the uncertainty of electronic
balance measurements, W.S. Company, Ed.
Consulta de densidades. (Ultimo acceso: 08/04/2019 18:03 h).
http://antoine.frostburg.edu/chem/senese/javascript/water-density.html
Croakin C. (2010). Engineering statistics handbook. Quantifying uncertainties from a
gauge study. National Institute of Standards and Technology, NIST.
Darwish K., Salama I., Mostafa S., El-Sadek M. (2012). Validated Stability-Indicating
Reversed-Phase-HPLC Method for Simultaneous Determination of Orphenadrine
Citrate, Caffeine and Aspirin. Chem. Pharm. Bull. 60(11) 1426–1436.
Díaz-Guerra González J.P., Quejido Cabezas A.J., Simón Arauzo M.A., Rucandi Saez
M.I. Pérez Pastor R., Sánchez Ledesma D.M., Santamaría Martín J. (2000).
Calidad Total y acreditación en química analítica. CIEMAT, Madrid, España.
Duffau B., Rojas F., Guerrero I., Roa L., Rodríguez L., Soto M., Aguilera M., Sandoval
S. (2010). Validación de métodos y determinación de la incertidumbre de
medición: aspectos generales sobre la validación de métodos. Instituto de salud
pública.
Eglal A., Ibrahim A., Eman S., Nouruddin W. (2015). HPTLC and RP-HPLC methods
for simultaneous determination of Paracetamol and Pamabrom in presence of their
potential impurities. Journal of Pharmaceutical and Biomedical Analysis. 114, 22-
27.
Eurachem/Citac (2012). Cuantificación de la incertidumbre en medidas analíticas.
Tercera edición. QUAM: 2012. P1
Franeta J.T, Agbaba D., Eric S., et al. (2002). HPLC assay of acetylsalicylic acid,
paracetamol, caffeine and phenobarbital in tablets. Il Farmaco. Elsevier. 57, 709-
713.
González A.G., Herrador M.A. (2007). The assessment of electronic balances for
accuracy of mass measurement in analytical laboratories. Accred. Qual. Assur.12,
21-29.

43 |
Trabajo Fin de Grado

Hernández Revilla M., (2013). Validación de métodos de ensayo y estimación de la

incertidumbre de medida conforma a la norma ISO/IEC 17025. Tesis Doctoral.
Universidad de Valladolid.
ICH (1996). ICH Topic Q2 (R1). Validation of analytical procedures: Text and
Methodology. The International Conference on Harmonization of Technical
Requirements for Registration of Pharmaceuticals for Human Use.
ISO/IEC 17025:2017. Requisitos generales para la competencia de los laboratorios de
ensayo y calibración. CTN/66 ISO-UNE.
JCGM 100 (2008). Evaluation of measurement data - Guide to the expression of
uncertainty in measurement. Joint Committee for Guides in Metrology (JCGM/WG
1). www.bipm.org.
Lazos Martínez R., Hernández Gutiérrez I. (2004). La validación de métodos: un enfoque
práctico. Centro Nacional de Metrología.
Massart, D.L., Vandeginste, B.G.M., Buydens, L.M.C., De Jong, S., Lewi, P.J., Smeyers-
Verbeke, J. Handbook of Chemometrics and Qualimetrics: Part B, Elsevier,
Amsterdam, 1998.
Pérez Hernández M. (2012). Estimación de incertidumbres. Guía GUM. E. medida.
Revista española de metrología.
Poma M., Amanda M. (2016). Estudio de degradación de la aspirina en tabletas de
diferentes marcas comercializadas en la ciudad de La Paz en la gestión 2015. Rev.
Cs. Farm. y Bioq. v.4 n.1 La Paz.
Propiedades de los analitos. (Ultimo acceso: 03/05/2019 11:32 h).
https://pubchem.ncbi.nlm.nih.gov/
Reichmuth A. (2001). Weighing accuracy. Estimating measurement bias and uncertainty
of a weighing. Mettler Toledo.
Reichmuth A., Wunderli, S., Weber, M.,Meyer V.R. (2004). The uncertainty of weighing
data obtained with electronic analytical balances. Microchim. Acta 148, 133.141.
Sharma R., Khanna S., Mishra G. (2010). Development and Validation of RP-HPLC
Method for Simultaneous Estimation of Ramipril, Aspirin and Atorvastatin in
Pharmaceutical Preparations. E-Journal of Chemistry, 9(4), 2177-2184.
Tague, N.R. (2005). Plan–Do–Study–Act cycle. The quality toolbox (2nd ed.). ASQ
Quality Press, Milwaukee.
Vaidya V., Singh G., Choukebar M., Kebare M. (2010). Simultaneous RP HPLC
Determination of Aceclofenac, Paracetamol and Tizanidine in Pharmaceutical
Preparations. E-Journal of Chemistry. 7(1), 260-264.

44 |
 7. Material complementario

7.- MATERIAL COMPLEMENTARIO

Tabla I. Cuantificación de las fuentes de error que contribuyen a la incertidumbre de la balanza

|Minicial − Mfinal |
Histéresis u(Histe) =
√3
̅ 1−1′ − Mmás alejado |
|M
Excentricidad u(Excen) =
√3
|Mleída − Mnominal tarado |
u(Tara) =
Tara √3
Mnominal tarado = Mreal − Mtara

smasa
Repetibilidad u(Rep) =
√N

Incertidumbre combinada uc = √u2excen + u2rep + u2histe + u2tara proemdio + u2masas

Incertidumbre expandida U = K · uc

Tabla II. Cuantificación de las fuentes de error que contribuyen a la incertidumbre de pipetas.

s2
Repetibilidad u(V, rep) = √
n

Vnominal · ∆T · ρ
u(V, temp) =
Temperatura √3
ρ representa el coeficiente de expansión cúbico del agua

Vmedio − Vnominal
u(V, cal) =
√3
∑ δ2
Calibración u(V, cal) = √ i
n
Tolerancia
u (V, cal) =
√3

Incertidumbre combinada u(Volumen) = √u(V, rep)2 + u(V, temp) 2 + u(V, cal) 2

Incertidumbre expandida U = K · u(Volumen)

u2 Vi
% de Contribución % Vi = · 100
u2 VC

45 |
Trabajo Fin de Grado

Tabla III. Áreas de pico (UA min) agrupadas por experimentos, factores y analitos de estudio.

PCM CFN AAS

Experimento N1 N2 N1 N2 N1 N2
R1 R2 R1 R2 R1 R2 R1 R2 R1 R2 R1 R2
1 658,8 653,4 647,5 659,8 344,7 342 335,1 335,3 486,5 477 452,7 468,7
2 766,3 814 761,3 758,8 153,8 123 122,4 127,8 69 0 0 0
3 164,2 161 129,1 146,5 423,9 421,7 423,6 431,8 0 0 3,8 19,7
4 188,1 185,1 186,2 185,5 487,2 489,7 489,7 493,1 0 0 0 0
5 440,2 451,9 463,5 446,8 202,6 212,5 213,7 209,7 146,3 140,9 146,4 143,2
6 1032,9 971,4 1025,8 1036,9 178,5 159,9 159,7 161,7 74,9 70,2 0 0
7 778,6 687,1 690,4 692,6 135,4 110,8 100,9 111,6 46,3 45,5 49,4 36,4
8 265,2 264,5 273,6 273,2 640,8 617,3 649,2 638,6 0 0 0 0
9 440,8 395,9 399,5 403,9 257,5 249,2 253,9 249 174 137,2 141 149,9
10 797 740,8 726,8 753,4 132,6 132,2 151,7 155,1 66,2 57,1 64,2 72,4
11 173,1 158,4 155,3 149,4 459,9 449,6 431,9 440,7 29 30 41,7 34,1
12 914,8 928,7 922,2 902,6 333,2 335,4 337,5 346,9 0 0 0 0
13 213,3 203,7 209,9 212,7 624,4 616,2 610,9 602,7 25,5 27,8 27,1 25,6
14 510 499 512,2 509,6 275,5 266,2 266,9 267 370 379,7 341,6 361,7
15 705,2 723,7 746,4 739,6 108,6 104,5 106,9 106,5 0 0 0 0
16 622,3 623,4 642,3 663 221,4 229,3 218 221,1 0 0 0 0
17 994,5 968 983,5 986,1 150 157 155,2 152,1 3,8 0 71,4 71,1
18 177,4 178 173,8 175,6 491,7 499,3 495,5 488,6 45,3 40,7 46,7 47,7

46 |