FACTORIAL DESIGN USED IN OPTIMIZATION IMMEDIATE RELEASE SOLID DOSAGE RANITIDINE HYDROCHLORIC
Notice bibliographique
Résumé
The aims of this study were to develop a predictive immediate release tablet formulation system for soluble drugs. Ranitidine hydrochloride, silicifiedmicrocrystallinecellulose (SMCC), polyplasdone XL and hydroxyprophylmethylcellulose (HPMC) E6 were evaluated for powder properties. The effects of binder (HPMC E6) and disintegrant (Polyplasdone XL) were investigated. A 32 factorial design was applied to optimize the drug release profile. The amount of binder and disintegrant were selected as independent variables. The times required for 50% (t50) and 80% (t80) drug dissolution and similarity factor (f2) were chosen as dependent variables. The results of factorial design indicated that a high amount of binder and low amount of disintegrate favored the preparation of drug release. The difference (f1) and similarity (f2) factors were used to measure the relative error and the closeness (similarity) between the factorial design batches and brand name drugs. No significant difference was observed between the brand drug and ranitidine batches F1, F2, F5, F6 and F9. Ranitidine batch F2 yielded the highest value of f2(71%)and the lowest of f1(10%). This research indicates that the proper amount of binder and disintegrant can produce drug dissolution profiles comparable to their brands.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».