NAVIGATING NITROSAMINES: ORIGIN, DETECTING, ANALYSING AND REGULATING IMPURITIES IN PHARMACEUTICALS
Notice bibliographique
Résumé
N-nitrosamines are carcinogenic impurities mostly found in groundwater, treated water, foods, beverages, and consumer products like processed meats, alcoholic beverages, cosmetics, and cigarette smoke. The recent discovery of N-nitrosamines in pharmaceutical products and subsequent recalls pose a significant health risk to patients. Nitrosamine impurities in drug products have appeared as a critical concern in pharmaceuticals prompting extensive scrutiny from regulatory agencies and stakeholders. To avoid carcinogenic and mutagenic effects in patients relying on these medications, authorities have established specific guidelines in risk assessment scenarios and proposed control acceptable limits for nitrosamine impurities in pharmaceuticals. This review provides an information on historical background of Nitrosamine impurities; its carcinogenic effect; the sources and formation of impurities; associated risks of nitrosamines in drug formulations; different analytical techniques for nitrosamine detection. It also gives an understanding of the general Quality Risk management (QRM) process, techniques for measuring nitrosamine impurities with control strategies as directed by the regulatory authorities and how to avoid them in pharmaceutical drug products. A brief review on recalls of drug classes including angiotensin II receptor antagonists, histamine-2 receptor antagonists, antimicrobial agents, and antidiabetic drugs by regulatory bodies due to its potential harm produced by nitrosamine have been discussed. Moreover, the regulatory landscape governing nitrosamine impurities are explored, encompassing recent guidelines from major regulatory bodies such as the United States Food and Drug Administration (USFDA), European Medicines Agency (EMA) and Health Canada (HC) in controlling/eliminating the nitrosamine impurities in pharmaceuticals.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».