R语言速释制剂QBD解决方案之二

影响含量均一性的显著因子(%RSD

数据分析表明含量均一性的弯曲性不显著。如半正态图(图12)所示,影响含量均一性的显著因子为A(原料药粒径)和CMCC/Lactose)。

mod2 <- lm( y3 ~A+B+C, data = study1)

anova(mod2)

Analysis of Variance Table

Response: y3

          Df  Sum Sq Mean Sq F value   Pr(>F)  

A          1 2.31125 2.31125 25.7908 0.007088 **

B          1 0.03125 0.03125  0.3487 0.586593  

C          1 1.40779 1.40779 15.7092 0.016629 *

Residuals  4 0.35846 0.08962                   

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

with(study1, (interaction.plot(A,B,y3, type = "b", pch = c(18,24,22), leg.bty = "o", main = "Interaction Plot of A and B", xlab = "A",ylab = "y3")))

library(daewr)

fullnormal(coef(mod2)[-1], alpha=.025)

effects <-coef(mod2)

effects <-effects[2:4]

effects <-effects[ !is.na(effects) ]

halfnorm(effects, names(effects), alpha=.25)

library(BsMD)

LenthPlot(mod2, main = "Lenth Plot of Effects")

#以下将因子变量转为自然变量

A.num <-study1$A

levels(A.num) <- c(10,30)

B.num <- study1$B

levels(B.num) <- c(1,5)

A.num <- as.numeric(as.character(A.num))

B.num <- as.numeric(as.character(B.num))

mod2 <- lm( y3 ~A.num*B.num, data = study1)

contour(mod2, ~ A.num + B.num)

persp(mod2, ~ A.num + B.num, zlab=" y3", contours=list(z="bottom"))

图13展示原粒药粒径和MCC/Lactose对含量均一性的影响。

影响粉末流动性的显著性因子

如半正态图(图14)所示,显著因子是A,C。图15展示原料粒径以及MCC/Lactose对流动性的影响。

mod3 <- lm( y5 ~A+B+C, data = study1)

anova(mod3)

Analysis of Variance Table

Response: y5

          Df  Sum Sq Mean Sq F value  Pr(>F)  

A          1 11.8584 11.8584 51.7241 0.00198 **

B          1  0.0421  0.0421  0.1834 0.69051  

C          1  1.7994  1.7994  7.8488 0.04873 *

Residuals  4  0.9171  0.2293                  

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

with(study1, (interaction.plot(A,B,y5, type = "b", pch = c(18,24,22), leg.bty = "o", main = "Interaction Plot of A and B", xlab = "A",ylab = "y1")))

library(daewr)

fullnormal(coef(mod3)[-1], alpha=.025)

effects <-coef(mod3)

effects <-effects[2:4]

effects <-effects[ !is.na(effects) ]

library(daewr)

halfnorm(effects, names(effects), alpha=.25)

library(BsMD)

LenthPlot(mod3, main = "Lenth Plot of Effects")

#以下将因子变量转为自然变量

A.num <-study1$A

levels(A.num) <- c(10,30)

B.num <- study1$B

levels(B.num) <- c(1,5)

A.num <- as.numeric(as.character(A.num))

B.num <- as.numeric(as.character(B.num))

mod3 <- lm( y5 ~A.num*B.num, data = study1)

contour(mod3, ~ A.num + B.num)

persp(mod3, ~ A.num + B.num, zlab=" y1", contours=list(z="bottom"))

影响片剂硬度的显著因子

每个批次均用5 kN, 10 kN 15 kN力压片以评估可压片性。图16半正态图显示10 kN时只有MCC/Lactose影响片剂硬度。5 kN15 kN可以得到相似的关系(不在此提供数据)。图17展示MCC/Lactose对片剂硬度的影响。

mod4 <- lm( y7 ~A+B+C, data = study1)

anova(mod4)

Analysis of Variance Table

Response: y7

          Df Sum Sq Mean Sq F value Pr(>F)

A          1  0.845  0.8450  0.1628 0.7072

B          1  2.205  2.2050  0.4249 0.5500

C          1 13.450 13.4496  2.5920 0.1827

Residuals  4 20.755  5.1888   

with(study1, (interaction.plot(A,B,y7, type = "b", pch = c(18,24,22), leg.bty = "o", main = "Interaction Plot of A and B", xlab = "A",ylab = "y7")))

library(daewr)

fullnormal(coef(mod4)[-1], alpha=.025)

effects <-coef(mod4)

effects <-effects[2:4]

effects <-effects[ !is.na(effects) ]

halfnorm(effects, names(effects), alpha=.25)

library(BsMD)

LenthPlot(mod4, main = "Lenth Plot of Effects")

#以下将因子变量转为自然变量

A.num <-study1$A

levels(A.num) <- c(10,30)

B.num <- study1$B

levels(B.num) <- c(1,5)

A.num <- as.numeric(as.character(A.num))

B.num <- as.numeric(as.character(B.num))

mod4 <- lm( y7 ~A.num*B.num, data = study1)

contour(mod4, ~ A.num + B.num)

persp(mod4, ~ A.num + B.num, zlab=" y7", contours=list(z="bottom"))

影响片剂脆碎度的显著因子

5 kN, 10 kN and 15 kN 压片的脆碎度都很好,没有的显著影响脆碎度的因子。

影响片剂稳定性的因子

所有的批次均放在40°C/75% RH的稳定性研究箱里时行研究。没有因子显著影响降解产物。

处方研究1的总结

Acetriptan的粒径分布显著影响片剂溶出度,含量均一性,粉末流动性。小的粒径分布可以增加溶出度,但是对含量均一性和流动性有负的影响。

崩解剂的用量显著影响片剂的溶出度因为它与原料粒径分布有交互作用。当粒径分布大时崩解剂对溶出的影响更大。

MCC/Lactose比例显著影响粉末流动性,含量均一性和片剂硬度。增加MCC的比例将增加片剂硬度但是降低粉末流动性和负面影响含量均一性。为了平衡流动性和片剂硬度,最终处方选择50%MCC/Lactose

因为多个响应均没有显著的二次效应,全因子DOE可以识别所有的主效应和交互作用而没有别名项。没有必要时一步研究优化颗粒内辅料。变些DOE模型可以建立处方变量的可接受范围。图18展示所有响应的叠加图。绿色的区域表示所有的响应可以同时实现。

为了适应尽大可能的粒径分布并避免溶出失败的可能性,选择 5% of croscarmellose sodium 作为最终处方。当选 择这种用量的时候,原粒药的d90 14-30 μmd90 小于 14 μm 时流动性差导致不可接受的片剂含量均一性当生产工艺固定时。因此时一步研究原料的粒径分布。

为了研究原料粒径对体外性能的影响并识别生物等效的粒径上限,在中试规模研究d90 20 μm, 30 μm 45 μm (对应于 d50 12 μm, 24 μm 39 μm)。

到研究1结束时的处方见表25

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/pingmian/84288.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

大模型原理、架构与落地

近年来&#xff0c;大模型&#xff08;Large Language Models&#xff0c;LLMs&#xff09;在人工智能领域迅猛发展&#xff0c;从GPT-3到GPT-4、Claude、Gemini、文心一言、GLM等模型相继发布&#xff0c;大模型已逐渐走出实验室&#xff0c;迈向产业落地。本文将从技术原理、…

WWDC 2025 macOS 26有哪些更新点

在2025年6月10日凌晨结束的WWDC 2025发布会中&#xff0c;苹果正式发布了全新的macOS 26&#xff0c;并给其命名为Tahoe。 以下为macOS相关的主要内容&#xff1a; 命名方式改变 苹果正式将各大系统的版本号改为对应年份&#xff0c;让命名方式更直观好记&#xff0c;macOS 2…

AI+预测3D新模型百十个定位预测+胆码预测+去和尾2025年6月10日第104弹

从今天开始&#xff0c;咱们还是暂时基于旧的模型进行预测&#xff0c;好了&#xff0c;废话不多说&#xff0c;按照老办法&#xff0c;重点8-9码定位&#xff0c;配合三胆下1或下2&#xff0c;杀1-2个和尾&#xff0c;再杀4-5个和值&#xff0c;可以做到100-300注左右。 (1)定…

.NET 8集成阿里云短信服务完全指南【短信接口】

文章目录 前言一、准备工作1.1 阿里云账号准备1.2 .NET 8项目创建 二、集成阿里云短信SDK2.1 安装NuGet包2.2 配置阿里云短信参数2.3 创建配置类 三、实现短信发送服务3.1 创建短信服务接口3.2 实现短信服务3.3 注册服务 四、创建控制器五、测试与优化5.1 单元测试5.2 性能优化…

解决HuggingFace不能git clone的问题

今天在从HuggingFace上clone项目的时候&#xff0c;一直出现超时问题&#xff0c;查了很多资料没有解决&#xff0c;后来向mentor请教了一下&#xff0c;可以通过镜像的方法解决这个问题&#xff0c;所以把方法放上来&#xff0c;希望对大家有帮助。 HuggingFace的服务器在国外…

Zookeeper 集群部署与故障转移

Zookeeper 介绍 Zookeeper 是一个开源的分布式协调服务&#xff0c;由Apache基金会维护&#xff0c;专为分布式应用提供高可用、强一致性的核心基础能力。它通过简单的树形命名空间&#xff08;称为ZNode树&#xff09;存储数据节点&#xff08;ZNode&#xff09;&#xff0c;…

简单聊下阿里云DNS劫持事件

阿里云域名被DNS劫持事件 事件总结 根据ICANN规则&#xff0c;域名注册商&#xff08;Verisign&#xff09;认定aliyuncs.com域名下的部分网站被用于非法活动&#xff08;如传播恶意软件&#xff09;&#xff1b;顶级域名DNS服务器将aliyuncs.com域名的DNS记录统一解析到shado…

服务器出现故障怎么办?快速排查与解决方法

服务器故障的常见原因分析 硬件故障&#xff1a;内存、硬盘、网络设备故障。 软件故障&#xff1a;操作系统、应用程序、数据库异常。 网络攻击&#xff08;如DDoS攻击&#xff09;造成资源耗尽。 快速排查故障的步骤 检查监控系统报警日志。 查看系统资源使用情况&#x…

Claude vs ChatGPT vs Gemini:功能对比、使用体验、适合人群

随着AI应用全面进入生产力场景&#xff0c;市面上的主流AI对话工具也进入“三国杀”时代&#xff1a; Claude&#xff08;Anthropic&#xff09;&#xff1a;新锐崛起&#xff0c;语言逻辑惊艳&#xff0c;Opus 模型被称为 GPT-4 杀手ChatGPT&#xff08;OpenAI&#xff09;&a…

Git 使用大全:从入门到精通

Git 是目前最流行的分布式版本控制系统&#xff0c;被广泛应用于软件开发中。本文将全面介绍 Git 的各种功能和使用方法&#xff0c;包含大量代码示例和实践建议。 文章目录 Git 基础概念版本控制系统Git 的特点Git 的三个区域Git 文件状态 Git 安装与配置安装 GitLinuxmacOSWi…

SpringBoot 框架第 1 次接口调用慢

文章目录 背景分析思路 1:DeepSeek 分析思路 2:日志分析思路 3:Arthas 分析下载 Arthas启动 Arthastrace 调用耗时分析Controller 调用耗时Service 调用分析ServiceImpl 耗时分析IService 耗时分析BaseMapper 耗时分析debug 执行链路MyBatisMapperProxy 解读解决思路 1:预热…

数据分析Agent构建

数据分析agent构建 代码资料来源于 Streamline-Analyst&#xff0c;旨在通过该仓库上的代码了解如何使用大语言模型构建数据分析工具&#xff1b; 个人仓库&#xff1a;Data-Analysis-Agent-Tutorial 不同的在于 Data-Analysis-Agent-Tutorial 是在 Streamline-Analyst 基础…

Java后端检查空条件查询

通过抛出运行异常&#xff1a;throw new RuntimeException("请输入查询条件&#xff01;");BranchWarehouseServiceImpl.java // 查询试剂交易&#xff08;入库/出库&#xff09;记录Overridepublic List<BranchWarehouseTransactions> queryForReagent(Branch…

6️⃣Go 语言中的哈希、加密与序列化:通往区块链世界的钥匙

Go 语言中的哈希、加密与序列化:通往区块链世界的钥匙 一、前言:离区块链还有多远? 区块链听起来可能遥不可及,似乎是只有密码学专家和资深工程师才能涉足的领域。但事实上,构建一个区块链的核心并不复杂,尤其当你已经掌握了一门系统编程语言,比如 Go。 要真正理解区…

python爬虫——气象数据爬取

一、导入库与全局配置 python 运行 import json import datetime import time import requests from sqlalchemy import create_engine import csv import pandas as pd作用&#xff1a; 引入数据解析、网络请求、时间处理、数据库操作等所需库。requests&#xff1a;发送 …

Python爬虫(三):BeautifulSoup库

1. BeautifulSoup是什么&#xff1f; BeautifulSoup 是一个 Python 库&#xff0c;专门用来解析 HTML 或 XML 文件&#xff0c;方便我们提取数据。它能把网页源代码转换成树形结构&#xff0c;让我们可以轻松查找、修改内容&#xff0c;并自动处理编码问题&#xff08;如 Unic…

AI电销机器人智能的发展趋势是什么?

AI电销机器人智能的发展趋势是什么&#xff1f;电销机器人智能的发展前景怎么样&#xff1f;随着互联网技术的不断发展&#xff0c;AI电销机器人智能已经成为了许多企业实现销售数字化转型的重要工具&#xff0c;我们一起来看看。 AI电销机器人正突破传统语音机械应答的边界&a…

C++ 求圆面积的程序(Program to find area of a circle)

给定半径r&#xff0c;求圆的面积。圆的面积应精确到小数点后5位。 例子&#xff1a; 输入&#xff1a;r 5 输出&#xff1a;78.53982 解释&#xff1a;由于面积 PI * r * r 3.14159265358979323846 * 5 * 5 78.53982&#xff0c;因为我们只保留小数点后 5 位数字。 输…

C++_哈希表

本篇文章是对C学习的哈希表部分的学习分享 相信一定会对你有所帮助~ 那咱们废话不多说&#xff0c;直接开始吧&#xff01; 一、基础概念 1. 哈希核心思想&#xff1a; 哈希函数的作用&#xff1a;通过此函数建立一个Key与存储位置之间的映射关系。理想目标&#xff1a;实现…

Mac M芯片 RAG 极简流程 安装 ragflow + LM studio

本文基于 【【知识科普】【纯本地化搭建】【不本地也行】DeepSeek RAGFlow 构建个人知识库】 https://www.bilibili.com/video/BV1WiP2ezE5a/?share_sourcecopy_web&vd_source9a55f12dd64d8e30ab6c0efc62844343 1 .docker-compose yml文件修改,指定平台 platform: linux/…