MétaCan
Menu
Retour à la cohorte
Enregistrement W3203851743 · doi:10.1016/j.jpba.2021.114379

Process Analytical Technologies – Advances in bioprocess integration and future perspectives

2021· article· en· W3203851743 sur OpenAlexafffund
Gabriella Gerzon, Yi Sheng, Marina Kirkitadze

Notice bibliographique

RevueJournal of Pharmaceutical and Biomedical Analysis · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueViral Infectious Diseases and Gene Expression in Insects
Établissements canadiensYork UniversitySanofi (Canada)
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésBioprocessProcess analytical technologyQuality by DesignProcess engineeringProcess (computing)Biochemical engineeringProcess controlManufacturing engineeringProcess developmentQuality (philosophy)BiopharmaceuticalCritical quality attributesSystems engineeringComputer scienceEngineeringBiotechnologyOperations management

Résumé

récupéré en direct d'OpenAlex

Process Analytical Technology (PAT) instruments include analyzers capable of measuring physical and chemical process parameters and key attributes with the goal of optimizing process controls. PAT in the form of a probe or sensor is designed to integrate within the pharmaceutical manufacturing line and is coupled with computing equipment to perform chemometric modeling for result interpretation and multilayer statistical control of processes. PAT solutions are intended for understanding bioprocesses with a goal to control quality at all stages of product manufacturing and achieve quality by design (QbD). The goal of PAT implementation is to promote real-time release of products to decrease the cycle time and cost of production. This review focuses on the applications of PAT solutions at different stages of the manufacturing process for vaccine production, the advantages, challenges at present state, and the vision of the future development of biopharmaceutical industries.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0040,006
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,008
Tête enseignante GPT0,338
Écart entre enseignants0,331 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations159
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmaceutical and Biomedical AnalysisMême sujetViral Infectious Diseases and Gene Expression in InsectsTravaux en français237 207