MétaCan
Menu
Retour à la cohorte
Enregistrement W1834737048 · doi:10.1590/s1984-82502010000400007

Statistical evaluation of tablet coating processes: influence of pan design and solvent type

2010· article· en· W1834737048 sur OpenAlexaff
Valdomero Pereira de Melo, Raimar Löbenberg, Nádia Araci Bou‐Chacra

Notice bibliographique

RevueBrazilian Journal of Pharmaceutical Sciences · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAdvanced Statistical Process Monitoring
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCoatingFactorial experimentStatistical analysisMaterials scienceSignificant differenceProcess engineeringMathematicsComposite materialEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

Partially and fully perforated pan coaters are among the most relevant types of equipment currently used in the process of coating tablets. The goal of this study was to assess the performance differences among these types of equipment employing a factorial design. This statistical approach allowed the simultaneous study of the process variables and verification of interactions among them. The study included partially-perforated and fully-perforated pan coaters, aqueous and organic solvents, as well as hypromellose-based immediate-release coating. The dependent variables were process time, energy consumption, mean weight of tablets and process yield. For the tests, placebo tablets with a mean weight of 250 mg were produced, divided into eight lots of two kilograms each and coated in duplicate, using both partially perforated pan and fully perforated pan coaters. The results showed a significant difference between the type of equipment used (partially and fully perforated pan coaters) with regard to process time and energy consumption, whereas no significant difference was identified for mean weight of the coated tablets and process yield.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,037
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,079
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,230
Tête enseignante GPT0,517
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrazilian Journal of Pharmaceutical SciencesMême sujetAdvanced Statistical Process MonitoringTravaux en français237 207