Determination of fingerprint by Hplc-Uv of improved traditional medicines to combat the marketing of substandard and falsified medicines
Notice bibliographique
Résumé
Improved traditional medicines (ITMs) are increasingly used worldwide, but quality control still poses challenges due to the lack of official analytical methods. This makes it impossible to guarantee their quality, efficacy, and safety. The primary aim of this study was to develop an analytical method using High-Performance Liquid Chromatography (HPLC) to characterise the chemical profiles of improved traditional medicines (ITMs) marketed in the Democratic Republic of Congo. This was followed by the validation of the developed method and its routine application. Chromatographic separation was performed using the XBridge C18 column (250 × 4.6 mm internal diameter; 5 µm particle size), maintained at 25 °C. The mobile phase consisted of a gradient mixture of mobile phases A (acetonitrile) and B (0.05 % aqueous trifluoroacetic acid solution), pumped at 1.0 mL/min. UV detection was carried out at 220 nm. A generic method was developed that proved to be specific, linear (R² > 0.990), accurate (RSD < 10 %), and precise. The validated method was successfully applied to 12 real samples marketed in Kinshasa (capital of DR Congo). The validated HPLC method proves to be a reliable tool for ITM quality control. This method allows for the simultaneous analysis of multiple biomarkers in an ITM. Its routine use would support the harmonization and safety of these plant-based products, which are widely utilized in the DRC, and encourage scientifically supervised traditional medicine.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».