MétaCan
Menu
Retour à la cohorte
Enregistrement W4386315062 · doi:10.1080/07373937.2023.2251572

Design, development, and evaluation of spray dried flurbiprofen loaded sustained release polymeric nanoparticles using QBD approach to manage inflammation

2023· article· en· W4386315062 sur OpenAlexaff
Shilpa R. Mandpe, Eknath Kole, Vishal R. Parate, Aniruddha Chatterjee, Arun S. Mujumdar, Jitendra Naik

Notice bibliographique

RevueDrying Technology · 2023
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvancements in Transdermal Drug Delivery
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFourier transform infrared spectroscopyNanoparticleFlurbiprofenPolyvinyl alcoholSpray dryingMaterials scienceCentral composite designChemical engineeringPolymerActive ingredientControlled releaseChemistryResponse surface methodologyNuclear chemistryNanotechnologyChromatographyPharmacologyComposite material

Résumé

récupéré en direct d'OpenAlex

Spray-dried Flurbiprofen (FLB) loaded polymeric nanoformulation using Eudragit L 100 and Ethylcellulose. They were optimized and evaluated. This study determined drug release (%) and encapsulation efficiency (%) by developing a nanoparticulate system using the design of experiment (DoE) approach. FLB is slightly soluble in water; it dissolves slowly and has a low oral bioavailability. FLB-loaded polymeric nanoparticles were produced by solvent evaporation and Spray drying technology. In this research, nanoparticle formulation was prepared by screening and optimization by approaching two different statistical methods (Plackett-Burman and Central composite Designs). The polymeric nanoparticles were evaluated for various characteristics, including drug release, percentage of encapsulation efficiency, X-ray diffraction (X-RD), surface morphology, and Fourier transform infrared (FTIR) spectroscopy. Based on the X-RD analysis, it was found that the drug was successfully incorporated into the polymeric nanoparticles. As a result of nanoparticles containing FLB, % Drug release values were found to be nearly 85-90% increased while % EE was observed in the range of 79-89%. An excellent sustained release, i.e., 14 h, is possible by combining Ethylcellulose (EC) and Eudragit L 100 (ED-100) polymers. The results are beneficial in identifying the ideal formulation parameters for effective encapsulation.Abbreviations: FLB: Flurbiprofen; API: Active pharmaceutical ingredient; DR: Drug release; EE: Encapsulation efficiency; DoE: Design of experiment; X-RD: X-ray diffraction; FTIR: Fourier transform infrared spectroscopy.; PVA: Polyvinyl alcohol; EC: Ethylcellulose; EUGD: Eudragit L 100; NPs: Nanoparticles; PBD: Placket- Burman Design; CCD: Central Composite Design; CMV: Critical method variables; GIT: Gastrointestinal track; SLN: Solid lipid nanoparticles; NLC: Nanostructured lipid carriers; NSAID: Nonsteroidal anti-inflammatory drug; BCS: Biopharmaceutical classification system; PS: Particle size; PDI: Polydispersity Index; ZP: Zeta potential; FE-SEM: Field emission scanning electron microscopy; 2D: 2 Dimensional; 3D: 3 Dimensional

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,201
Tête enseignante GPT0,430
Écart entre enseignants0,229 · 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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetAdvancements in Transdermal Drug DeliveryTravaux en français237 207