Effects of Co-Processed and conventional excipients on content uniformity
Notice bibliographique
Résumé
Silicification of microcrystalline cellulose (MCC) has previously been shown to have positive effects on the powder's flowability and tabletability compared to plain MCC or physical blends of colloidal silicon dioxide (CSD) and MCC [1]. A further characteristic of silicified MCC (SMCC) is its specific surface area, which is approximately five times larger than that of plain MCC [1]. It was hypothesized, therefore, that SMCC might have beneficial effects in terms of blend and content uniformity via effects of interactive blending. This study was designed to compare the blending efficacy of silicified microcrystalline cellulose and a co-processed SMCC-based multifunctional excipient to that of physical blends comprising the same nominal components. Near infrared spectroscopy (NIRS) was used to probe blend uniformity during the blending process of the excipients and a model active pharmaceutical ingredient (API), caffeine, presenting morphological and electrostatic challenges with regard to content uniformity. In addition to NIRS, both particle size analysis and scanning electron microscopy (SEM) were used to investigate the resulting blends. Content uniformity on the tableted blends, obtained by caffeine dissolution, was used to investigate the effects of differing blend uniformity on a final oral solid dosage form. For this non-optimized formulation with a challenging API, use of SMCC and a co-processed SMCC-based multifunctional excipient yielded formulations with significant benefits over using standard MCC, or MCC blended with colloidal silicon dioxide (CSD). These benefits included a faster blend uniformity, prevention of particle attrition, and a reduced impact of blender type and materials. Additionally, use of silicified microcrystalline cellulose yielded formulations with increased tablet hardness and reduced ejection forces.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».