Formulation, Design, Evaluation And Optimization Of Pregabalin Microspheres
Notice bibliographique
Résumé
Pregabalin mucoadhesive microspheres were created and optimised with the use of Box-Behnken process optimisation software. Experimental data were obtained on the quantitative responses of particle size, entrapment effectiveness, and in vitro drug release for various combinations of independent variables, sodium alginate as a release retarding polymer, sodium carboxymethylcellulose as a mucoadhesive polymer, and calcium chloride as a cross-linking agent. The data were found to fit the design model. Polynomial equations could be used to estimate the quantitative impact of these parameters on the responses at various levels, and strong linearity was seen between anticipated and actual response variable values. According to the study's findings, the number of polymers and cross-linking agent had a significant and interactive impact on the responses, particle size, entrapment effectiveness, and in-vitro drug release. The design expert software's point prediction revealed the optimised formulation F3 to be the best formulation. It was discovered that the in-vitro drug release was under control for more than 12 hours and adhered to the Higuchi model. Three dependent variables had RSM validations of 99.76%, 98.78%, and 97%. As a result, it can be said that a three-factor, three-level Box-Behnken design was used to build and optimise a mucoadhesive microsphere for Pregabalin.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».