MétaCan
Menu
Retour à la cohorte
Enregistrement W4296347520 · doi:10.5731/pdajpst.2020.012443

An Investigation into the Spatial Distribution of Moisture in Freeze-Dried Products Using NIR Spectroscopy and Chemical Imaging

2022· article· en· W4296347520 sur OpenAlexaff
Azheruddin Mohammed, Antoine Cournoyer, Ryan Gosselin

Notice bibliographique

RevuePDA Journal of Pharmaceutical Science and Technology · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueSpectroscopy and Chemometric Analyses
Établissements canadiensPfizer (Canada)Université de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMoistureNear-infrared spectroscopyWater contentFreeze-dryingMaterials scienceEnvironmental scienceProcess analytical technologyProcess engineeringBiological systemChemistryChromatographyComposite materialOpticsChemical engineeringGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Near-infrared (NIR) spectroscopy (NIRS) is a widely accepted method of measuring moisture in pharmaceutical freeze-dried products, both during the process and in the finished products. Multiple NIR measurement approaches have been introduced to monitor product moisture in freeze-dried vials. However, the spatial moisture gradients within a vial have not been investigated in depth. Like any other point-focused process analytical technology (PAT) tool, a spectrum produced by NIRS represents an average over a given area of the product vial. Implementing a point-focused NIR on any random position without proper understanding of spatial moisture variations within the vial may severely impact the reliability of the results. The present work focuses on understanding the moisture distribution within freeze-dried vials. We performed an investigation using NIR tools, NIR chemical imaging (NIR-CI), and NIRS to understand the spatial variations in moisture on the outer surface (i.e., periphery) of the freeze-dried vials. To achieve this, the moisture distribution within individual vials was mapped using NIR images. Then, NIRS was used to determine the necessity of using multiple measurement points to produce robust models quantifying the moisture inside freeze-dried products. Overall, the results show a simplified version of the phenomenon in which non-homogenous distribution of moisture, as well as the non-uniform drying front, occur within the vials. The findings from the NIRS-based partial least squares (PLS) models indicate that to achieve reliable product/process information, measurements must be drawn from multiple measurement points on the surface of the freeze-dried products.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,016
Tête enseignante GPT0,325
Écart entre enseignants0,309 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePDA Journal of Pharmaceutical Science and TechnologyMême sujetSpectroscopy and Chemometric AnalysesTravaux en français237 207