Fluidization of fine lactose for dry powder inhalation: A comparison of assisting methods
Notice bibliographique
Résumé
Abstract Fluidization of cohesive pharmaceutical powders is difficult to achieve and typically requires the introduction of external forces. This study investigates the fluidization of the fine inhalation grade of lactose powders (size range from 0.1‐20 μm) that are specifically developed for dry powder inhalation (DPI) applications. The fluidization behaviour of fine lactose powders was evaluated under six conditions: without fluidization aids, with only vertical vibration (VFA), with only a downward‐pointing micro‐jet (MFA), with both vibration and pre‐mixing with coarse particles (VCFA), with both vibration and micro‐jet (VMFA), and with the combined assistance of vibration, micro‐jet, and addition of coarse particles (VMCFA). The enhancement of fluidization due to the use of different assistance methods is reflected by the increase of bed expansion and the decrease in both the minimum fluidization velocity and agglomerate formation. However, applying micro‐jet results in considerable powder losses due to the high fraction of fine particles stuck to the wall. Combining any two assisting methods leads to better fluidization than using a single approach. In particular, the combination of vibration and micro‐jet shows the best performance in improving fluidization. Further addition of coarse particles does not play a significant influence on promoting fluidization. Finally, the analysis of the forces acting on the lactose agglomerates shows the enhancement of separation forces by introducing the fluidization assistance, which leads to a decrease in agglomerate size.
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 | 0,000 | 0,001 |
| 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 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 ».