Review of the Cosolvency Models for Predicting Drug Solubility in Solvent Mixtures: An Update
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The cosolvency models frequently used in solubility data modeling of drugs in mixed solvents were reviewed and their accuracies for calculating the solubility of solutes were briefly discussed. The models could be used either for correlation of the generated solubility data with temperature, solvent composition etc or for prediction of unmeasured solubility data using interpolation/extrapolation technique. Concerning the correlation results employing a given number of independent variables, the accuracies of the investigated models were comparable, since they could be converted to a single mathematical form, however, the accuracies were decreased when models emplyed more independent variables. The accurate correlative models could be employed for prediction purpose and/or screening the experimental solubility data to detect possible outliers. With regard to prediction results, the best predictions were made using the cosolvency models trained by a minimum number of experimental data points and an ab initio accurate prediction is not possible so far and further mathematical efforts are needed to provide such a tool. To connect this gap between available accurate correlative models with the ab initio predictive model, the generally trained models for calculating the solubility of various drugs in different binary mixtures, various drugs in a given binary solvent and also a given drug in various binary solvents at isothermal condition and/or different temperatures were reported. Available accuracy criteria used in the recent publications were reviewed including mean percentage deviation (MPD). The MPD for correlative models is 1-10% whereas the corresponding range for predictive models is 10-80% depend on the model capability and the number of independent variables employed by the model. This is an update for a review article published in this journal in 2008.
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.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle