Conférencier | Transcription |
| Pranjal Taskar | Très bien. Merci, Peter. Je vais donc commencer maintenant. Bonjour à tous. Aujourd'hui, je vais parler de mon poster. Ce poster concerne l'analyse systématique du ciblage, qui comprend l'effet des variables de formulation et de processus sur les attributs de qualité finale de mon produit. |
| Alors, en me penchant sur toutes les analyses statistiques qui ont précédé cela, je voulais vous donner un aperçu de ce dont nous parlons exactement. Qu'est-ce que la fabrication de comprimés ? La fabrication de comprimés est un procédé pharmaceutique. |
| En parcourant l'introduction, je vais parler un peu de ce qu'est la fabrication de comprimés. Il s'agit d'un processus pharmaceutique dans lequel votre principe actif ou votre fraction active (API) |
| est mélangé à d'autres excipients pour former un mélange fluide et fluide et ce mélange est comprimé dans notre forme posologique finale, qui est un comprimé. |
| Ainsi, dans de nombreuses situations, il existe des fractions actives ou API, comme nous les appellerions, qui ont une faible biodisponibilité et cela pourrait être dû à leur nature cristalline. Ils sont tout simplement trop stables, |
| trop rigides dans leurs méthodes. Notre site se spécialise donc dans la fabrication de cette API cristalline, un peu plus soluble, un peu plus réactive |
| forme amorphe et la transforme en une forme plus biodisponible. |
| Et quand nous faisons cela, nous renforçons cette API par un polymère. |
| Cet intermédiaire que nous formons est un intermédiaire en comprimé appelé intermédiaire séché par pulvérisation, SDI. |
| Et c’est ce que nous utilisons essentiellement dans nos comprimés comme intermédiaire actif. |
| Mais quand on le regarde, il a une faible capacité d'écoulement et il est extrêmement pelucheux. Donc, lorsque vous devez intégrer cette API dans votre tablette, vous devez avoir |
| D'autres processus pharmaceutiques sont impliqués pour rendre le mélange plus fluide et plus fluide. Voilà donc ce que nous allons faire. |
| Dans cette étude, nous allons identifier nos attributs de qualité critiques, les variables qui comptent, |
| ou nos variables dépendantes et nous allons ensuite identifier les variables qui ont un impact sur nos attributs de qualité critiques, |
| quelles sont la composition de ce comprimé de ce mélange et ensuite les différents paramètres de traitement du processus que nous avons utilisés dans la fabrication de comprimés. |
| Lesquels de ces effets sont-ils principaux ? Y a-t-il des interactions ? Nous utiliserons ensuite JMP pour identifier tous ces effets. |
| les variables d'effets principaux et d'interactions et essayons de comprendre le processus de fabrication des comprimés. C'était donc l'introduction. |
| Passons maintenant aux méthodes et aux objectifs. Comment procédons-nous ? Pour cette étude, nous avons examiné une formulation placebo. Il n'y a pas de produit actif ni de fraction agissante et nous avons utilisé un polymère séché par atomisation couramment utilisé, à savoir l'acétate succinate d'hypromellose. |
| Nous l'avons séché par atomisation et en avons fait quelque chose de moelleux |
| Le mélange est le même que d'habitude. La figure 2 décrit notre processus habituel de granulation. Ce que nous faisons, c'est que nous mélangeons notre intermédiaire séché par atomisation (SDI) avec d'autres excipients à l'aide de ce mélangeur. |
| Nous passons au compactage au rouleau, qui est la densification de ce mélange en utilisant ces rouleaux juste ici et ces rouleaux se déplacent lentement pour densifier |
| le mélange qui entre dans cette trémie et vous obtenez des rubans à partir du compacteur à rouleaux. Maintenant, ce que vous avez fait, c'est que vous avez transformé ce matériau pelucheux en rubans densifiés et vous les broyez à l'aide d'un comil. Et vous obtenez |
| granulés. Ces granulés sont plus denses et s'écoulent beaucoup mieux que votre API ou votre SDI. |
| En examinant l'ensemble de ce processus, il y a de nombreuses variables qui entrent en jeu et qu'il faut modifier et surveiller. Quelles sont donc ces variables ? |
| Ce diagramme ici identifiera différents types de variables, les variables indépendantes qui entrent dans la formulation et le processus. |
| La première variable serait un peu plus liée à la formulation de base qu'au processus. Elle parlerait donc des différents types d'excipients utilisés. |
| Et le rapport de ces excipients que j'ai utilisé, le pourcentage de charge SDI, ou charge active, et dans notre cas, la charge placebo. |
| Et puis l’ordre d’ajout et le point d’ajout où le SDI ou d’autres excipients sont chargés dans la formulation. |
| Et puis, les paramètres liés au processus de tri tels que la fraction solide du ruban, qui parle essentiellement de cet équipement, du compacteur à rouleaux et de la vitesse à laquelle les rouleaux et les bobines se déplacent. |
| Nous avons également identifié des variables indépendantes de nos attributs de qualité critiques que nous recherchons, à savoir la densité apparente de notre mélange, |
| Ce que nous regardons avant et après la granulation et vous l'avez étiqueté densité apparente 1 et 2. |
| Rapport Hausner, qui est à nouveau un rapport qui décrit le flux de votre mélange et nous l'identifions également avant et après la granulation, étiqueté comme rapport Hausner 1 et 2. |
| Et le pourcentage de fines qui s'accumulent... sont collectées lors du processus de compactage au rouleau. Et cela est généralement surveillé après la granulation. Donc, tous ces points sont à discuter |
| En gros, notre méthode et la raison pour laquelle nous avons choisi nos variables. Nous avons eu une conception personnalisée optimale de 19 exécutions, examinant toutes ces variables indépendantes ayant un impact sur les variables dépendantes. |
| Et la façon dont nous analysons ce modèle ou la façon dont nous construisons les effets, c'est que nous avons examiné l'effet principal et les interactions du second degré et nous avons analysé les données en utilisant la personnalité des moindres carrés standard dans la fonction du modèle d'ajustement. |
| Donc, |
| Après avoir identifié le processus et les objectifs, nous allons passer aux résultats, mais avant de le faire très rapidement, je voulais regarder la fenêtre JMP que j'ai ouverte en ce moment. |
| Ces différentes colonnes sont mes variables indépendantes et dépendantes et je vais les mettre en évidence |
| Voici les différentes variables indépendantes que nous allons examiner. Le type de charge, qui est le type d'excipient inerte, nous avons examiné le mannitol et le lactose. |
| pourcentage de SDI, qui est la charge active ou dans notre cas le placebo, |
| en regardant les hauts et les bas ici ; et la quantité intragranulaire, donc la quantité de nos excipients que nous ajoutons avant le compactage au rouleau par rapport à après le compactage au rouleau et le contour ici sont de 75 et 95 ; |
| et le mannitol et le lactose, qui sont des charges pour le MCC, qui est un rapport de cellulose de conception de micro-cours. Le mannitol et le lactose sont, je dirais, un peu plus |
| L'excipient et le MCC sont plus ???, ce qui donne plus de force au mélange. Nous avons donc examiné un ratio de cela pour voir comment cela affecte notre mélange de comprimés dans son ensemble. Et |
| à droite se trouvent nos réponses. |
| Densité apparente 1, rapport de Hausner 1, qui est avant granulation. Densité apparente 2 et rapport de Hausner 2, qui est après granulation, et pourcentage de fines. |
| Alors je vais |
| Allez rapidement dans cette fenêtre et regardez comment nous avons créé notre modèle, nos variables de réponse y, dont je viens de parler. Et puis nos effets de modèle qui sont |
| interactions secondaires et effets principaux. Moindres carrés standards. C'est ce que nous avons utilisé et j'exécute le modèle. |
| Voici mon résumé des effets ici et sur la base des données que nous examinons et de l'expérience antérieure, je vais décoller |
| les deux derniers effets. |
| Supprimez simplement ce bruit supplémentaire et ensuite, ici, j'ai mes réponses et la façon dont les données impactent ces réponses. |
| Ce serait plus simple si nous descendions et regardions le profileur de prédiction ici. |
| Et comment toutes ces variables dépendantes sont impactées par cela. Je pense donc qu'il serait peut-être plus facile de faire apparaître mon |
| affiche et... |
| Bon, donc en regardant les résultats ici, ce que nous avons découvert à partir de la figure 3, c'est que, regardez, les deux charges de lactose avaient initialement une densité apparente plus élevée, |
| mais après le compactage de la règle, la densité apparente de deux de ces charges a chuté et vous pouvez voir une augmentation correspondante des fines. Nous pensons donc que ce qui se serait passé, c'est que le lactose est plus cassant |
| par rapport au mannitol. Et cela a généré toute cette attrition et ces fines et cela a eu un impact sur le flux, le rendant moins volumineux, une baisse de la densité apparente. |
| Et le ratio Hausner, un peu plus élevé avec le lactose. Donc, en gros, ce que nous faisons, c'est viser une densité apparente plus élevée et nous voulons un Hausner plus faible car un Hausner plus faible indique un mélange plus fluide. |
| Donc, en regardant les données, le mannitol avait un léger avantage sur le lactose en tant qu'agent de remplissage. Et le deuxième point concerne la fraction solide et, globalement, nous avons constaté qu'il y avait un léger effet de plateau autour de 0,6 |
| fraction solide. Dans l'ensemble, nous voyons que .7 a le moins de fines, c'est pourquoi nous voyons un .7 recommandé avec un maximum et une désirabilité, mais |
| l'effet de plateau en termes de vos propriétés d'écoulement (volume et Hausner) commence à toucher le fond à environ 0,6 et au-delà. |
| qu'avoir un SDI plus faible en général dans la formulation avait globalement de meilleures propriétés d'écoulement. |
| Tout simplement parce que le SDI est pelucheux et qu'il provoque un mélange beaucoup moins fluide. La conception nous a donc simplement suggéré d'avoir une charge SDI plus faible. |
| une quantité plus élevée de cet ingrédient ou de cet excipient ajoutée de manière intragranulaire |
| qu'un extragranulaire, juste parce qu'il améliore votre volume, il a un Hausner plus bas, ce qui signifie que votre mélange coule plus facilement. |
| Nous avons également observé que le rapport mannitol/lactose contenant davantage de ce composant critique était plus souhaitable et je le vois parce que |
| Dans l'ensemble, les fines ont diminué en présence d'un peu plus de mannitol et de lactose. Et c'est peut-être la raison pour laquelle nous constatons cela. |
| Nous avons également dans la figure 4, quelques tracés de surface de quelques tendances intéressantes que j'ai observées. Et dans la figure 4A, vous pouvez voir qu'avoir une charge SDI plus faible |
| et avoir plus de quantité intragranulaire a donné lieu à ce point chaud ici même d'un rapport Hausner très élevé. Donc, lorsque vous ajoutez beaucoup de... lorsque vous avez un faible... je suis désolé... vous avez un SDI plus élevé et |
| Les intragranulaires plus élevés avaient un rapport Hausner extrêmement élevé. Donc, ce que cela signifie, c'est que lorsque vous avez plus de ce matériau pelucheux intragranulaire, votre flux va être mauvais, mais vous faites correspondre cela |
| après la granulation, lorsque vous avez à nouveau plus de votre excipient intragranulaire et que vous ciblez une fraction solide de |
| environ 0,6 et environ, votre densité apparente s'améliore. Donc, vous êtes essentiellement après la granulation, votre mélange devient plus dense et c'est ce dont parlent ces deux diagrammes. Donc, tous les points de résultat parlent essentiellement de ces |
| choses dont j'ai parlé tout à l'heure. Dans l'ensemble, nous concluons de notre étude que pour optimiser ce processus et maximiser l'attrait des formulations, |
| 1, |
| un rapport intragranulaire plus élevé et une charge SDI plus faible seraient une formulation préférable et cibler une fraction solide d'environ 0,6 serait également bénéfique pour la formulation. |
| Merci beaucoup, je répondrai avec plaisir à vos questions. |
