MétaCan
Menu
Retour à la cohorte
Enregistrement W4285269817 · doi:10.14356/kona.2023012

Mechanistic Formulation Design of Spray-Dried Powders

2022· article· en· W4285269817 sur OpenAlexaff
Mani Ordoubadi, Hui Wang, Reinhard Vehring

Notice bibliographique

RevueKONA Powder and Particle Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInhalation and Respiratory Drug Delivery
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSpray dryingMaterials scienceProcess engineeringDosage formNanotechnologyBiochemical engineeringChemical engineeringChromatographyChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Spray drying is gaining traction in the pharmaceutical industry as one of the processing methods of choice for the manufacture of solid dosage forms intended for pulmonary, oral, and parenteral delivery. This process is particularly advantageous because of its ability to produce engineered particles with improved efficacy and stability by combining active pharmaceutical ingredients or biologics with appropriate excipients. Moreover, due to its high throughput, continuous operation, and ability to produce thermostable solid powders, spray drying can be a manufacturing method of choice in the production of drugs and other formulations, including vaccines, for global distribution. Formulation design based on a mechanistic understanding of the different phenomena that occur during the spray drying of powders is complicated and can therefore make the use of available particle formation models difficult for the practitioner. This review aims to provide step-by-step guidance accompanied by critical background information for the successful formulation design of spray-dried microparticles. These include discussion of the tools needed to estimate the surface concentration of each solute during droplet drying, their times and modes of solidification, and the amount of glass stabilizers and shell formers required to produce stable and dispersible powders.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,037
Tête enseignante GPT0,273
Écart entre enseignants0,236 · 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'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

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKONA Powder and Particle JournalMême sujetInhalation and Respiratory Drug DeliveryTravaux en français237 207