MétaCan
Menu
Retour à la cohorte
Enregistrement W1986797780 · doi:10.14356/kona.2013016

A Review of Inverse Gas Chromatography and its Development as a Tool to Characterize Anisotropic Surface Properties of Pharmaceutical Solids

2013· review· en· W1986797780 sur OpenAlexaff
Raimundo Ho, Jerry Y. Y. Heng

Notice bibliographique

RevueKONA Powder and Particle Journal · 2013
Typereview
Langueen
DomaineChemistry
ThématiqueAdsorption, diffusion, and thermodynamic properties of materials
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésInverse gas chromatographyMaterials scienceDissolutionSurface energyAnisotropyAdsorptionPhysical chemistryChemistryComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Surface properties can profoundly impact the bulk and interfacial behavior of pharmaceutical solids, and also their manufacturability, processability in drug product processes, dissolution kinetics and mechanism in drug delivery. Variation in the inter- and intra-molecular interactions gives rise to anisotropic surface properties of crystalline solids which display direction-dependent characteristics relative to the orientation of the crystal unit structure. Despite its establishment since the 1950s, inverse gas chromatography (IGC) is still an evolving technology in the field of pharmaceutical R&D. In this review, the principles behind IGC as a physicochemical technique to measure the surface properties of solids are presented. The introduction is followed by an overview of its utility in pharmaceutical R&D, spanning a variety of applications including batch-to-batch variability, solid-solid transitions, physical stability, interfacial behavior in powder processing, and more. For anisotropic materials, IGC has been utilized to characterize the heterogeneity of materials using adsorption and energy distribution functions. Recent development and applications of IGC at finite concentration (IGC-FC) to determine the surface heterogeneity distribution of solids are presented. This methodology overcomes a number of limitations associated with traditional experiments.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,066
Tête enseignante GPT0,302
Écart entre enseignants0,236 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations108
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKONA Powder and Particle JournalMême sujetAdsorption, diffusion, and thermodynamic properties of materialsTravaux en français237 207