MétaCan
Menu
Retour à la cohorte
Enregistrement W6987497009

STUDI PRAFORMULASI ASAM p-METOKSISINAMAT DAN UPAYA PENGEMBAGAN SEBAGAI SEDIAAN TOPIKAL ANTIINFLAMASI

2013· other· id· W6987497009 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversitas Airlangga Repository (Universitas Airlangga) · 2013
Typeother
Langueid
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLimitingWork (physics)Naturally aspirated engine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tahap awal dari penelitian ini adalah menentukan kelarutan APMS dalam dapar pH 4,2 ± 0,2 yaitu suasana pH yang umum digunakan pada sediaan topikal karena berada dalam rentang pH kulit (4 - 6,8). Dari pustaka diketahui kelarutan APMS adalah 0,55 mg/ml dalam air (Genome Alberta & Genome Canada, 2009) atau 1 : 1819 bagian air, termasuk katagori sangat sukar larut (Dep.Kes. RI, 1995). Untuk meningkatkan penetrasi APMS kedalam kulit maka diupayakan dalam bentuk terlarut dalam pembawanya. Oleh karena kelarutan APMS dalam air sangat kecil maka komponen pembawa perlu dikombinasi dengan fase minyak antara lain dalam sistem nanoemulsi. Sehingga setelah diketahui kelarutan APMS dalam dapar pH 4,2 ± 0,2 dilakukan penentuan koefisien partisinya antara dapar pH 4,2 ± 0,2 dan minyak. Minyak yang digunakan dalam sistem nanoemulsi adalah minyak kedelai, minyak kelapa murni (virgin coconut oil/VCO) dan minyak jagung. Selanjutnya ditentukan kelarutan APMS dalam sistem nanoemulsi terpilih dari diagram psudoternary yang dibuat. Pada tahun ke satu penelitian meliputi kelarutan APMS dalam dapar pH 4,2 ± 0,2 dan koefisien partisi APMS dalam dapar dan minyak. Sebelumnya dapar yang digunakan direncanakan dapar citrat akan tetapi dengan adanya informasi dari penelitian sebelumnya APMS kurang stabil dalam dapar citrat maka dapar diganti dengan dapat asetat. Penentuan kelarutan asam para metoksisinamat (APMS) dalam dapar asetat pH 4,2 ± 0,2 dilakukan selama 4 jam pada kecepatan 150 rpm kemudian jumlah APMS yg terlarut ditentukan dengan spektrofotometer. Koefisien partisi APMS dalam dapar pH 4,2 ± 0,2 dan masing-masing minyak kedelai/minyak jagung/VCO dilakukan pada konsentrasi APMS 50 ppm dan 60 ppm dalam 10 ml dapar serta 0,5 ; 1 dan 2 ml minyak yang telah dijenuhkan dengan dapar. Setelah di shaker selama 2 jam pada kecepatan 2200 rpm kadar APMS dalam dapar ditentukan kembali dengan spektrofotometer. Penentuan kandungan asam lemak pada masing-masing minyak digunakan alat GC-MS sedangkan skrining HLB butuh masing-masing minyak dilakukan dengan berbagai perbandingan surfaktan (Tween 80 dan Span 80) dan kosurfaktan etanol 96% sampai diperoleh emulsi yang jernih. Dari hasil penelitian ini didapatkan kelarutan APMS dalam dapar asetat pH 4,2 ± 0,2 adalah 70,04 ± 0,66 mg/L. Koefisien partisi apparent APMS dalam dapar pH 4,2 ± 0,2 dan masing-masing minyak kedelai, minyak jagung, dan VCO berturut-turut sebesar 2,39 ; 2,38 dan 2,41. Kandungan utama asam lemak minyak kedelai adalah 19,57 % asam palmitat, 45,2% asam linoleat, 25,36% asam elaidik, dan 7,07% asam stearat. Kandungan utama asam lemak minyak jagung adalah 26,86 % asam palmitat, 31,52% asam oleat, 31,30% asam elaidik dan 4,68% asam stearat. Kandungan utama asam lemak VCO adalah 32,41% asam laurat, 24,15 % asam miristat, 15,68% asam palmitat, 2,29% asam linoleat, 11,06% asam elaidik dan 5,22% asam stearat. Sedangkan HLB butuh ketiga minyak adalah 14 dan perbandingan surfaktan : kosurfaktan yang dapat membentuk emulsi yang jernih adalah 6 : 1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0060,007
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0060,004
Études des sciences et des technologies0,0040,002
Communication savante0,0010,005
Science ouverte0,0060,004
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0360,028

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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversitas Airlangga Repository (Universitas Airlangga)Travaux en français237 207