2026年2月 — 全球— 企业不会因为“忘记提交文件”而导致FDA上市前检查（PAI）失败。失败的原因在于，企业无法重现操作过程：发生了什么、何时发生的、谁被授权的、采取了哪些控制措施以及如何管理偏差——所有这些都需要重新构建。在PAI中，意图不再重要，证据才是关键。你可以拥有令人印象深刻的幻灯片和整洁的设施，但如果你的生产过程依赖于记忆、后期修改或非正式的变通方案，检查结果将反映出这些缺陷。西方监管机构的基本预期都集中在同一个操作要求上：可重现的证据必须基于GMP规范，无论你引用的是美国联邦法规21 CFR第210部分和21 CFR第211部分、欧盟附件11下的数据治理概念、 PIC/S PE 009等检查协调框架，还是MHRA GxP数据完整性等明确的数据完整性要求。从实际角度来看，PAI 准备情况是一个系统问题：GMP执行、数据完整性、受控审计跟踪、可辩护的第 11 部分行为以及可按需重新执行的验证证明（而不是重新解释）。
本文是一份堪称博士论文级别的操作指南，指导你如何在不“逞英雄”的情况下顺利通过 PAI：调查人员需要测试哪些内容，网站通常会在哪些环节出现问题，以及如何构建一个将流程、人员、设备、数据和治理联系起来的连贯证据包。它并非文献引用列表，而是一个可复现真相的模型：通过精心设计的控制措施，确保你的团队无需在压力下重建记录。
PAI 不是巡回演讲，而是可重复性考试：在时间压力下，两次证明同一事实——且不得更改。
1）PAI 的真正含义：并非“合规性检查”，而是市场准入门槛。
PAI （产品准入检查）是FDA对您的工厂能否持续生产符合申报要求的产品并实时控制质量的关键环节，而不仅仅是描述生产流程。检查员的逻辑很简单：如果明天就开始商业化生产，工厂能否按照Part 210 / Part 211的要求生产出受控产品并留下可靠的记录？还是现实情况会迫使工厂采取一些未记录的变通方法？因此，PAI会深入调查各个环节：批次记录的执行情况、调查纪律、变更控制、实验室数据管理、供应商控制，以及防止“以后再说”的系统。
PAI 的结果很少是由单个标准操作规程 (SOP) 的缺失造成的，而是由不一致性导致的：验证声明与实际操作不符；质量体系只存在于纸面上，并未融入工作流程；以及当调查人员从成品批次追溯到原材料，再到最终放行决定时，记录经不起推敲。
2）PAI核心成功标准：无需重建即可重现的证据
成功的 PAI 的一切都可归结为一个核心问题：能否重现执行输出的记录？这就是数据完整性的实际意义。它体现在您如何处理时间戳、审计跟踪、特权访问、数据覆盖、数据重新处理、决策重新测试以及原始数据与汇总数据之间的差异。如果您的环境允许静默编辑、共享登录、离线“工作笔记”或事后重新创建缺失的证据，那么您就是在训练您的组织无法通过 PAI 所代表的压力测试。
有意识地构建证据主干：记录关键行动的审计跟踪；在需要授权的地方使用电子签名；符合第 11 部分规定的控制措施；以及持久的记录保存/归档，以便几个月后无需“刷新”即可重现证据。
3）证据包蓝图：调查人员如何在脑海中“构建”你的现场
调查人员会通过追踪证据链来构建您工厂的心理模型。您的任务是确保这条证据链连贯且易于检索。一个实用的蓝图如下所示：（1）质量体系治理和风险态势；（2）验证策略和证明；（3）生产执行证据；（4）实验室控制证据；（5）调查和变更控制规范；（6）供应商/物料控制；以及（7）数据系统治理（访问权限、审计跟踪、备份、网络安全）。如果任何一个环节存在薄弱之处，调查人员就会花费更多时间在该环节——而您也将失去对调查叙述的控制。
确保验证过程清晰易懂：制定符合实际情况的验证总计划 (VMP) ；通过用户需求规范(URS ) 明确需求；通过安装确认(IQ)和运行确认(OQ)提供资质证明；并通过用户验收测试 (UAT)验证业务契合度。确保计算机化系统声明与CSV保持一致，并使基于风险的实践与GAMP 5保持一致。
4）生产准备：从“我们可以生产”到“我们可以控制”
PAI 制造环节的问题并非哲学层面的，而是与实际操作和可追溯性密切相关的：例如，如何准备物料、验证物料身份、将设备与批次执行关联起来、执行设定值、检测偏差以及记录结果。调查人员会寻找严谨的流程控制，并辅以流程验证(CPV) 、工艺性能确认(PPQ)以及符合CPV原则的持续趋势分析等证据。
从操作层面来说，控制意味着您清楚哪些参数至关重要，并且能够证明它们始终保持在预期范围内，尤其是在输出对波动非常敏感的情况下。因此，关键过程参数 (CPP)和过程控制 (IPC)等概念必须作为实际执行的检查措施存在，而非空泛的愿景。如果您无法证明这些措施得到了有效执行，那么您就是在依赖操作员的记忆。PAI 调查人员一眼就能识破这一点。
5）批量记录：PAI 最快发现真相或谎言的地方
批次记录是现场证明执行情况或承认需要重新审查的地方。在生产者评估 (PAI) 中，批次记录必须证明：使用了正确的材料、使用了正确的设备、按正确的顺序执行了正确的步骤、进行了关键检查、在偏差发生时进行了记录，并且质量保证 (QA) 的处理结果合理可信。这些内容记录在批次管理记录(BMR)中，并且越来越多地记录在电子批次记录 (EBR)中，以防止跳过步骤和后期修改。
高效站点通过批量例外审查 (BRBE)来扩大审查规模，这并非“加快文书工作速度”。它是一种控制理念：明确哪些情况绝对不能发生，立即发现问题，并利用证据强制解决问题。将发布与基于规则的质量处置（例如QA 发布规则自动化）挂钩，并使用“暂缓/发布”和“发布状态治理”来管理状态转换。这样就能避免“我们以为没问题”成为发布理由。
6) 实验室和放行：OOS/OOT 纪律是 PAI 的一个指标
PAI（潜在异常检测）会暴露实验室的弱点，因为实验室数据容易受到确认偏误的影响。调查人员会检验实验室能否提供可控且可审查的证据，以及机构能否在不偏离既定叙事的情况下解释异常情况。因此，对于超出规格（OOS）和超出范围（OOT）的检测流程，必须严格、有据可查且始终如一地执行。如果需要复检，则必须提供证据作为依据，而非仅凭口述历史。
方法的可信度也至关重要。调查人员会寻找可靠的测试方法，并寻找能够证明这些方法符合其宣称性能的证据，例如测试方法验证。他们还会深入探究稳定性管理，因为稳定性是保障产品保质期和储存条件的关键。通过稳定性方案和稳定性研究证据，并辅以受控的储备样品计划和诸如留样抽取等操作性抽取，使稳定性管理结构化且可重复。这向调查人员传达的信息很简单：我们并非“相信”我们的产品质量；我们能够重现它。
7) 偏差和纠正预防措施：质量体系在出现问题时发挥作用
PAI（生产者责任调查）并非追求完美批次，而是关注批次控制——尤其是在出现问题时。调查人员会寻求通过偏差管理、严谨的偏差调查和可信的根本原因分析（RCA ）来实时记录和一致的治理。薄弱的工厂为了应付文书工作而提交偏差报告，而优秀的工厂则利用偏差来改进控制。
CAPA（纠正和预防措施）是调查人员检验你是否真正吸取教训的地方。一个站得住脚的CAPA方法包含明确的遏制措施、纠正措施、预防措施以及明确的有效性机制。如果你无法证明问题已得到妥善解决，最终会被问到如何确定问题已经消除。答案在于已执行的CAPA 有效性检查，而不是你自信满满的语气。
8）变更控制：在不知不觉中破坏验证的最简单方法
许多潜在应用影响评估 (PAI) 会启用变更控制，因为变更往往会导致系统悄然偏离正轨。如果流程、设备、公用设施、方法、供应商、标签或计算机系统发生变更，调查人员会质疑：变更是否经过评估、批准、测试和记录，以确保控制的有效性？治理必须通过变更控制和决策纪律（例如变更控制委员会）来实现，而不是非正式的“我们在 Slack 上达成了一致”。
文档变更必须可追溯，并通过文档控制和受监管的文档变更请求进行控制。培训必须基于角色，并通过培训矩阵进行验证。如果您的员工无法证明他们在执行时已接受过当前版本的培训，则需要重新进行。
9）供应商和物料控制：如果投入不足，批次生产就会不稳定。
PAI（采购申请）暴露了供应商管控的薄弱环节，因为它会造成下游环节的不确定性：例如材料错误、等级错误、分析证书（CoA）不完整、来料检验不一致以及未记录的替代品。应通过供应商资质/审批监控、执行来料检验以及通过入库分析证书与底层分析证书记录进行文件关联，来管控上游环节。
然后严格执行处置纪律，确保物料不会因为“在这里”而被使用。采用物料隔离和基于供应商批次验收标准的规则驱动型验收等控制机制。这样，当调查人员追溯批次至特定供应商时，就能保持批次信息的稳定性。
10）设备、公用设施和清洁：物理控制层必须与纸质层相匹配
PAI（性能评估）旨在检验您的物理系统是否值得信赖。这意味着通过设备确认（IQ/OQ/PQ）对关键设备进行鉴定和可追溯性评估，通过校准规范进行日常就绪性验证，以及采取措施防止过期仪器被悄悄使用。通过运行控制措施（例如校准到期锁定逻辑）和可见的就绪性指标（例如资产校准状态）来强化这些措施。
清洁是经典的检查环节，因为它将污染风险与证据联系起来。您的控制措施应可通过清洁验证和日常执行检查（例如清洁确认）来证明，并辅以适用于该流程的监控程序（例如，在适用的情况下进行环境监控）。PAI 的问题不是“您是否进行了清洁？”，而是“您能否证明针对该产品、该设备、在本次检查中，清洁是在受控条件下进行的？”
11）计算机化系统治理：大多数 PAI 调查结果实际上是系统调查结果
即使 PAI 调查结果看似“与制造相关”，最终往往也归结为数据治理问题：谁有权访问、更改了哪些数据、何时更改的，以及系统是否维护了真实数据。正因如此，CSV成熟度至关重要，而符合GAMP 5 的风险导向思维也从理论走向实践。调查人员将测试防止隐蔽篡改的控制措施：基于角色的访问控制、通过访问权限配置实现的生命周期控制，以及通过职责分离实现的强制隔离。
韧性是治理的一部分。如果您的系统无法在动荡时期保存记录，那么您的证据链就会变得难以考证。要确保运行完整性，需要采取一些控制措施，例如补丁管理、明确的网络安全控制以及通过备份验证来证明备份的可靠性，并在必要时辅以高可用性等保障措施。无论系统是 MES、LIMS、QMS 还是文档平台，其原则都相同：您必须能够重现历史记录。
12）内部准备：像演练一样开展 PAI，而不是像突袭一样。
通过绩效评估 (PAI) 的机构会将准备工作视为一种实践行为。这意味着要反复演练如何检索证据、如何回答问题以及如何在不临场发挥的情况下解决不一致之处。要通过内部审计来增强这种能力，内部审计应像压力测试一样，而不是简单的检查清单。通过审计发现管理来跟踪差距，并通过管理评审来促使领导层参与，这样就不会将反复出现的弱点重新贴上“培训问题”的标签。
准备工作也应基于风险。运用ICH Q9质量风险管理指南，优先考虑那些可能真正造成患者风险、批次失败、数据不可靠或监管机构不信任的因素。当你能够将控制策略解释为以风险为导向且有证据支持时，检查方的关注点就会从辩解转向可信度。
13）PAI当日执行：如何在不制造新问题的情况下进行解答
在进行潜在应用调查 (PAI) 时，最佳策略是秉持严谨的求真原则。只回答那些有记录可查的问题。不要妄加猜测。不要试图用“教育”来掩盖事实漏洞。如果需要时间检索证据，请坦诚说明并尽快获取。检查机制严禁任何即兴发挥，因为即兴发挥会造成矛盾，而矛盾会引发更深入的调查。成熟的机构会运行一套受控的检查流程：清晰的文件请求记录、作战室式的检索工作流程、受控的专家参与，以及一套针对涉及验证、实验室、质量事件或数据治理等问题的升级机制。
战术目标是保持一致性：批次记录与设备日志内容一致；偏差记录与批次记录相符；实验室记录与放行决定相符；审计追踪支持审批；访问模型支持信任声明。如果这些层面不一致，调查人员会认为记录是人为管理而非人为生成的。
14）结论：PAI 准备工作是一个精心设计的系统，而非一周的英勇表现。
PAI 是您的质量体系与实际情况相符的时刻。持续通过 PAI 需要一套严格的门槛，以防止体系出现偏差：已验证的系统（CSV 对齐至 甘普5），纪律严明的执行证据（BMR/EBR - BRBE），受管辖的状态和发布（保持/释放 以及基于规则的质量保证处置），严格的调查（调查 和 CAPA - 有效性检查），受控变化（切换控制 加 文件控制），以及能够承受压力的证据脊柱（审计跟踪, 数据的完整性, 基于角色的访问, 职责分离和 保留).
当这些关卡存在并得到有效执行时，PAI（潜在影响评估）就变得可预测。调查人员可以顺藤摸瓜，避免发现矛盾之处。您的团队可以用记录而非叙述来回答问题。检查不再是令人畏惧的事件，而成为您可以随时展示的能力。
