MétaCan
Menu
Retour à la cohorte
Enregistrement W4390204641 · doi:10.5267/j.ccl.2023.11.003

Development and validation of a green RP-HPLC method for detection and quantitation of meropenem trihydrate in the bulk: A comparison with HPTLC method

2023· article· en· W4390204641 sur OpenAlexvenueno aff
Mais Bashimam, Hind El-Zein

Notice bibliographique

RevueCurrent Chemistry Letters · 2023
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensnon disponible
Organismes subventionnairesDamascus UniversityAtomic Energy Commission of Syria
Mots-clésChemistryChromatographyHigh-performance liquid chromatographyMeropenemAcetonitrileDilutionMethanolAntibiotics

Résumé

récupéré en direct d'OpenAlex

This research introduces an eco-friendly green Reverse-Phase High Performance Liquid Chromatography (RP-HPLC) method for detecting and quantifying meropenem trihydrate. Traditional methods use buffered solutions, gradient mobile phases, and longer retention times, but this method offers a rapid RP-HPLC technique with a C8 column and isocratic mobile phase (60% methanol, 40% ultra-pure water), eliminating the need for buffers and acetonitrile. It features a short 2.1-minute retention time and a high r² value of 0.9995. It delivers accuracy (101.1-102.3%) and precision (RSD ≤ 2%), coupled with low LOD and LOQ values of 1.72 and 5.20 µg/ml. Aqueous dilution simplifies sample preparation, reducing degradation and interference. The method is compared with an HPTLC method, showing an extended linear range (6.25-200 µg/ml for HPLC, 7.81-62.5 µg/ml for TLC) and high sensitivity, making it significant for meropenem trihydrate quality control in bulk and dosage forms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

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 Opus0,044
Tête enseignante GPT0,333
Écart entre enseignants0,289 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Chemistry LettersMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207