MétaCan
Menu
Retour à la cohorte
Enregistrement W4406444807 · doi:10.1016/j.ejps.2025.107020

Vitamins as excipients in pharmaceutical products

2025· review· en· W4406444807 sur OpenAlexaff
Anne-Cécile V. Bayne, Jenni Pessi, Julia K. Bird, René T. Stemmler, Margarita Frerichs, Ahmed Besheer

Notice bibliographique

RevueEuropean Journal of Pharmaceutical Sciences · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensBirds Canada
Organismes subventionnairesnon disponible
Mots-clésChemistryBusinessFood scienceBiochemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Excipients are ingredients in pharmaceutical products other than the active ingredient, added to facilitate manufacturing, enhance stability or modulate release and bioavailability. Vitamins are diverse molecules essential for human nutrition that also can fulfil excipient functions. This review focuses on vitamins used as excipients and provides an overview of the functions of vitamins in various pharmaceutical formulations. A thorough search was conducted to understand the current use of vitamins in marketed drug products, concluding that many vitamins are already used as functional excipients. Vitamins are used widely in different dosage forms, including oral, parenteral, and topical formulations, and alongside a broad range of active pharmaceutical ingredients, biologics, and small molecules from different biopharmaceutical classification system classes. Many examples of the use of vitamins to improve the performance of the pharmaceutical formulation in which they are included are presented and the mode of action of vitamins as excipients in the product is reviewed. Furthermore, the potential for future uses of vitamins in pharmaceutical products is highlighted. Lastly, considerations for the use of vitamins as excipients in drug products as well as the regulatory framework are discussed.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,163
Tête enseignante GPT0,481
Écart entre enseignants0,318 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Pharmaceutical SciencesMême sujetComputational Drug Discovery MethodsTravaux en français237 207