Supercritical Carbon Dioxide for Pharmaceutical Co-Crystal Production
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
Pharmaceuticals in Biopharmaceutics Classification System (BCS) Class II (low solubility, high permeability) are often modified to improve kinetic solubility. Co-crystallization and micronization are common methods for improving kinetic solubility. The basis of understanding co-crystallization processes is solubility and phase stability. In the majority of co-crystallizations, conventional solvents are utilized. Co-crystallization using supercritical carbon dioxide as a co-solvent and antisolvent can offer advantages over conventional co-crystallization including a greener solvent choice and the production of small, uniform particles without additional micronization. Gas antisolvent is the most widely reported supercritical fluid (SCF) co-crystallization process possibly due to its versatility in solvent selection and similarities to conventional antisolvent processes. This review focused on exploring critical co-crystallization parameters and feasibility of SCF techniques. In this review, it was identified that solvent choice proves to be one of the most critical parameters, impacting morphology, yield, phase purity, or polymorph to different extents. It was also identified that a systematic study of solubility to design co-crystallization processes is needed to optimize SCF co-crystallization yield and throughput. Furthermore, a focus on solubility and modeling of multicomponent systems and development of ternary phase diagrams can lead to robust, tailored co-crystallization processes in SCF systems, transitioning this technology to become more common in industry.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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