குறியிடப்பட்டது
  • அகாடமிக் ஜர்னல்ஸ் டேட்டாபேஸ்
  • ஜெ கேட் திறக்கவும்
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • கல்வி விசைகள்
  • JournalTOCகள்
  • சீனாவின் தேசிய அறிவு உள்கட்டமைப்பு (CNKI)
  • CiteFactor
  • சிமாகோ
  • Ulrich's Periodicals Directory
  • எலக்ட்ரானிக் ஜர்னல்ஸ் லைப்ரரி
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • SWB ஆன்லைன் பட்டியல்
  • உயிரியல் மெய்நிகர் நூலகம் (vifabio)
  • பப்ளான்கள்
  • MIAR
  • பல்கலைக்கழக மானியக் குழு
  • மருத்துவக் கல்வி மற்றும் ஆராய்ச்சிக்கான ஜெனீவா அறக்கட்டளை
  • யூரோ பப்
  • கூகுள் ஸ்காலர்
இந்தப் பக்கத்தைப் பகிரவும்
ஜர்னல் ஃப்ளையர்
Flyer image

சுருக்கம்

Non-linear Mixed Effects Modeling and Simulation for Exploring Variability Sources in Dissolution Curves: A BCS Class II Case Example

Eleni Karatza*, Vangelis Karalis

Purpose: Irbesartan is a BCS class II compound that exhibits pH– and buffer capacity–dependent dissolution behavior. The aim of this study was to apply non-linear mixed effects modelling on dissolution data of two immediate release products containing Irbesartan in order to characterize and quantify the sources of inter-dissolution profile variability.

Methods: Nonlinear mixed effects modelling was applied to describe the dissolution curves obtained for Irbesartan in three different pH-value media (1.2, 4.5, 6.8) with two different products (reference product: Aprovel® and a generic test product). Simulations performed and the impact of inter-dissolution variability was assessed.

Results: The % Irbesartan dissolved to time was found to follow a Weibull distribution. Τhe population scale parameter was estimated 0.252 and the shape parameter was estimated 0.706. The pH-value of the dissolution medium was found to significantly affect the scale parameter, while the formulation was found to affect the shape parameter. Simulations showed that probably some discrepancies in the in vivo performance of the two products can be expected.

Conclusion: Through this case study the applicability and usefulness of nonlinear mixed effects modelling in oral drug formulation was highlighted and resides in its ability to identify and quantify sources of variability.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ