An Analysis of pH and Sugar Content of Commonly Prescribed Pediatric Liquid Medications: The Current Indian Scenario
Notice bibliographique
Résumé
OBJECTIVES: Oral liquid medications are frequently prescribed to children because they are easier to swallow than other dosage forms. These pediatric liquid medications (PLMs) have sugars added to them for better compliance or as preservatives. Children with chronic illnesses may frequently consume these medications. The presence of sugars and their frequent exposure presents a high risk of dental caries in these children. Additionally, the critical pH can be reached if acids below a pH of 5.5 contact the tooth, causing enamel demineralization. Hence, there was a need to study the sugar content and pH of these medications. METHODS: Pediatricians and pharmacists in Vadodara city, Gujarat, India, were given a short questionnaire to assess the most prescribed and sold PLMs for analgesics, antibiotics, antiepileptics, multivitamins, and antitussives in the Indian pharmaceutical market. The sugar content and pH of the 15 most prescribed PLMs were assessed with ultraviolet/visible (UV/VIS) spectrophotometry and digital pH meter, respectively. Descriptive statistics were used to analyze the data. RESULTS: Only 1 of the 15 most sold/prescribed medicines did not contain sugar. Among the remaining PLMs, the sugar concentration ranged from 6.1% to 78.7%. The pH of the PLM ranged from 3.6 to 7.3. CONCLUSION: Sugar was present in 93.3% of the 15 analyzed PLMs and the pH was lower than the critical pH in 80% of them. Medications with high sugar content and low pH can cause caries development. Sugar-free PLMs are preferred alternatives.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».