MétaCan
Menu
Retour à la cohorte
Enregistrement W3041892310 · doi:10.26452/ijrps.v11i3.2375

Innovative methodologies for identification and qualification of Impurities: An overview of the latest trends on impurity profiling

2020· article· en· W3041892310 sur OpenAlexaboutno aff
G Nishanth, G Akhila, Anandkumar Tengli, R. S. Chandan, K Suraj, R Maruthi, N Akshay

Notice bibliographique

RevueInternational Journal of Research in Pharmaceutical Sciences · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Methods in Pharmaceuticals
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive ingredientImpurityProfiling (computer programming)DrugPharmaceutical manufacturingBiochemical engineeringPharmaceutical industryPharmaceutical drugNanotechnologyChemistryMedicineMaterials scienceComputer sciencePharmacologyOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Impurity profiling is known to identify, classify and measure both the identified and non-identified contamination present on the medicinal product. Unwanted chemicals which remain or are created during the formulation of medicinal products are pharmaceutical impurities. Impurity profiling helps in the detection, recognition and quantification in bulk products and pharmaceutical formulations of various types of impurities, as well as residual solvents. It is the simplest way to distinguish consistency and stability of bulk drugs and medication formulations. As analytical methodology has developed rapidly, it is essential to consider with their solutions problems related to impurities of drug substances and drug products. Various regulatory agencies including ICH, USFDA, Canadian Drug and Health Agencies stress the criteria for purity and for detecting impurities in active pharmaceutical materials, even in small quantities, as the presence of impurities, may have an effect on pharmaceutical products ’ efficacy and health. Therefore, the study focuses on various analytical methods for identification and quantification of impurities in pharmaceutical products to clarify the need for impurity profiling on drug products in pharmaceutical research. To drug regulators, the product substance’s impurity profile is a reliable fingerprint to prove that the manufacturing process of bulk drug substances is consistent in quality. The study gives a short summary of recent technical developments in the profiling of pharmaceutical products including pharmaceutical active ingredients as well as pharmaceutical products during 2013-2017. Such recent trends in the profiling of impurities have been addressed in the study. This focuses specifically on a thorough update on various analytical techniques, including hyphenated methods to define and measure thresholds in specific pharmaceutical matrices of impurities and degradants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,290
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,785
Tête enseignante GPT0,679
Écart entre enseignants0,106 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in Pharmaceutical SciencesMême sujetAnalytical Methods in PharmaceuticalsTravaux en français237 207