스피커 | 성적 증명서 |
| 프란잘 타스카 | 좋습니다. 고맙습니다, 피터. 그럼 이제 시작하겠습니다. 여러분, 안녕하세요. 오늘은 제 포스터에 대해 이야기하겠습니다. 이 포스터는 제 제품의 최종 품질 속성에 대한 제형 및 공정 변수의 효과를 포함하는 타겟팅의 체계적 분석에 관한 것입니다. |
| 그래서 그 전의 모든 통계 분석을 파고들면서, 우리가 정확히 무슨 이야기를 하고 있는지에 대한 배경을 제공하고 싶었습니다. 타정이란 무엇일까요? 타정은 제약 공정입니다. |
| 서론에서 살펴보았듯이, 타블렛화가 무엇인지에 대해 조금 이야기해 보겠습니다. 타블렛화는 활성 성분 또는 활성 모이어티(API)가 |
| 다른 부형제와 혼합하여 자유롭게 흐를 수 있는 좋은 유동성 혼합물을 형성하고, 이 혼합물을 압축하여 최종 투여 형태인 정제를 만듭니다. |
| 그래서 많은 상황에서, 우리가 API라고 부르는 활성 모이어티가 있는데, 생체이용률이 낮고, 이는 결정질 특성 때문일 수 있습니다. 그들은 너무 안정적일 뿐입니다. |
| 너무 엄격한 방식이에요. 그래서 저희 사이트는 이 결정질 API를 좀 더 가용성이 높고 반응성이 있게 만드는 데 특화되어 있어요. |
| 비정질 형태로 만들어서 생물학적으로 이용 가능한 형태를 더 갖게 합니다. |
| 그리고 우리가 그렇게 할 때, API를 폴리머로 강화했습니다. |
| 우리가 형성하는 이 중간체는 분무 건조 중간체, 즉 SDI라고 하는 정제 중간체입니다. |
| 이것이 우리가 기본적으로 정제에서 활성 중간체로 사용하는 것입니다. |
| 하지만 그것을 보면 흐름성이 좋지 않고 매우 푹신합니다. 따라서 이 API를 태블릿에 통합해야 할 때는 다음이 필요합니다. |
| 다른 제약 공정을 포함시켜 더 간소화하고, 혼합물을 더 유동적으로 만듭니다. 그래서 우리가 할 일은 이것입니다. |
| 이 연구에서 우리는 중요한 품질 속성, 즉 중요한 변수를 식별할 것입니다. |
| 또는 종속 변수를 식별한 다음 중요한 품질 속성에 영향을 미치는 변수를 식별합니다. |
| 이는 정제의 구성이며, 혼합물이며, 타블렛화에 사용된 다양한 공정 매개변수입니다. |
| 이 중 어느 것이 주요 효과입니까? 상호 작용이 있습니까? 그런 다음 JMP를 사용하여 이러한 모든 것을 식별합니다. |
| 주요 효과와 상호작용 변수를 살펴보고 기본적으로 타블렛화 과정을 파악하려고 합니다. 그래서 이것이 소개였습니다. |
| 방법과 목표로 넘어가겠습니다. 그러면 어떻게 해야 할까요? 이 연구에서는 위약 제형을 살펴보았습니다. 활성 제품이나 액터 모이어티가 없으며 일반적으로 사용되는 분무 건조 폴리머인 히프로멜로스 아세테이트 석시네이트를 사용했습니다. |
| 우리는 그것을 분무 건조하여 푹신한 모양으로 만들었습니다. |
| 일반적으로 혼합합니다. 그리고 그림 2는 일반적인 과립화 집계 과정에 대해 설명합니다. 그럼, 우리가 하는 일은 기본적으로 이 블렌더를 사용하여 분무 건조 중간체(SDI)를 다른 부형제와 함께 혼합하는 것입니다. |
| 우리는 롤러 압축으로 넘어갑니다. 이것은 롤러가 바로 여기에 있고 이 롤러는 천천히 움직여 압축하는 것을 사용하여 이 혼합물을 압축합니다. |
| 이 호퍼에 들어가는 블렌드와 롤러 압축기에서 리본을 얻습니다. 이제 당신이 한 일은 그 푹신한 재료를 농축된 리본으로 만들고 comil을 사용하여 그것을 분쇄하는 것입니다. 그리고 당신은 |
| 과립. 이 과립은 더 밀도가 높고 API나 SDI보다 훨씬 더 잘 흐릅니다. |
| 그래서 이 전체 과정을 살펴보면, 거기에는 여러분이 바꾸고 주의해야 할 많은 변수가 있습니다. 그럼 그 변수들은 무엇일까요? |
| 여기의 다이어그램은 다양한 종류의 변수, 즉 공식화 및 프로세스에 들어가는 독립 변수 변수를 식별합니다. |
| 첫 번째 변수는 공정과 관련된 것이 아니라...보다 약간 더 기본 제형과 관련이 있습니다. 따라서 사용되는 다양한 유형의 ??? 부형제에 대해 이야기합니다. |
| 그리고 제가 사용한 이러한 부형제의 비율은 SDI 로딩 퍼센트 또는 활성 로딩이고, 우리의 경우에는 위약 로딩입니다. |
| 그리고 SDI나 다른 부형제를 제형에 적재하는 첨가 순서와 첨가 지점입니다. |
| 그리고 리본 고형분율과 같은 분류 공정 관련 매개변수는 기본적으로 이 장비, 롤러 압축기, 롤러와 스풀이 움직이는 속도에 대해 설명합니다. |
| 우리는 또한 우리가 찾는 중요한 품질 속성의 독립 변수인 혼합물의 벌크 밀도를 식별했습니다. |
| 과립화 전후를 살펴보면, 체적 밀도 1과 2로 표시되어 있습니다. |
| 하우스너 비율은 혼합물의 흐름을 나타내는 비율이며, 과립화 전후를 식별하여 하우스너 비율 1과 2로 표시합니다. |
| 그리고 수집되는 미립자의 백분율은...롤러 압축 공정에서 수집됩니다. 그리고 이것은 일반적으로 과립화 후에 모니터링됩니다. 그래서 이 모든 요점은 이야기할 것입니다 |
| 기본적으로 우리의 방법과 우리가 변수를 선택한 이유입니다. 우리가 한 것은 종속 변수에 영향을 미치는 모든 독립 변수를 살펴보는 I 최적, 19회 실행 맞춤형 디자인을 한 것입니다. |
| 그리고 우리가 이 모델을 분석하고 효과를 구성하는 방식은 주효과와 2차 상호작용을 살펴보고 적합 모델 함수에서 표준 최소 제곱 성격을 사용하여 데이터를 분석하는 것이었습니다. |
| 그래서, |
| 프로세스와 목표를 확인한 후 결과로 넘어가겠습니다. 하지만 그 전에 먼저 지금 열어 놓은 JMP 창을 살펴보겠습니다. |
| 이러한 다양한 열은 내 독립 변수와 종속 변수이며 이를 강조할 것입니다. |
| 바로 여기, 우리가 살펴볼 다양한 독립 변수가 있습니다. 필러의 종류, 즉 불활성 부형제의 종류, 그리고 우리는 만니톨과 락토오스를 살펴보았습니다. |
| SDI의 백분율은 활성 또는 우리의 경우 위약 로딩입니다. |
| 여기에서 최고점과 최저점을 살펴보고, 입자 내부의 양을 살펴보면, 롤러 압축 전에 첨가한 부형제의 양과 롤러 압축 후에 첨가한 부형제의 양을 비교하면 75와 95입니다. |
| 그리고 만니톨과 락토오스는 MCC의 필러이고, 이는 미세 코스 디자인 셀룰로스 비율입니다. 만니톨 락토오스는, 제가 말하고 싶은 것은 조금 더 많은 것입니다. |
| 부형제와 MCC가 더 ???, 블렌드에 더 많은 강도를 제공합니다. 그래서 우리는 이것이 우리의 타블릿 블렌드 전체에 어떤 영향을 미치는지 보기 위해 이것의 비율을 살펴보았습니다. 그리고 |
| 오른쪽에는 우리의 반응이 나와 있습니다. |
| 벌크 밀도 1, Hausner 비율 1, 과립화 전. 벌크 밀도 2, Hausner 비율 2, 과립화 후, 그리고 미립자 백분율. |
| 그래서 나는 할거야 |
| 여기 이 창으로 빨리 가서 우리가 모델을 어떻게 만들었는지 살펴보세요. 방금 말씀드린 응답 변수 y입니다. 그리고 모델 효과는 다음과 같습니다. |
| 2차 상호작용과 주효과. 표준 최소제곱법. 우리가 사용한 것이고 내가 모델을 실행합니다. |
| 이것이 바로 내 효과 요약이며 우리가 살펴보고 있는 이 데이터와 이전 경험을 기반으로 이를 시작하려고 합니다. |
| 마지막 두 가지 효과. |
| 그냥 불필요한 노이즈를 제거하고 여기에 내 반응과 데이터가 이런 반응에 어떤 영향을 미치는지 보여줍니다. |
| 우리가 내려가서 여기 있는 예측 프로파일러를 살펴보면 더 쉬울 겁니다. |
| 그리고 이 모든 종속 변수가 이것에 의해 어떻게 영향을 받는지. 그래서 내 생각을 끌어올리면 더 쉬울 것 같아요. |
| 포스터와... |
| 좋습니다. 여기 결과를 살펴보면, 그림 3에서 알 수 있는 것은 두 가지 충전제인 락토오스가 처음에는 더 높은 벌크 밀도를 가졌다는 것입니다. |
| 하지만 통치자 압축 후, 이 필러 두 개의 벌크 밀도가 떨어졌고 미립자에서 상응하는 증가를 볼 수 있습니다. 그래서 우리가 생각하기에 일어난 일은 락토오스가 더 부서지기 쉽다는 것입니다. |
| 만니톨과 비교했을 때. 그리고 이것이 모든 마모와 미립자를 생성했고, 흐름에 영향을 미쳐 부피가 줄고, 밀도가 떨어졌습니다. |
| 그리고 Hausner 비율은 락토오스와 함께 조금 더 높습니다. 기본적으로 우리가 하는 것은 더 높은 벌크 밀도를 목표로 하고 있으며 Hausner가 낮을수록 더 나은 유동성을 나타내기 때문에 Hausner가 낮기를 원합니다. |
| 그래서 데이터를 살펴보면, 만니톨은 필러로서 락토스보다 약간 더 좋았습니다. 그리고 두 번째 요점은 고체 분획에 대해 이야기하는 것이고, 전반적으로 우리는 약 .6에서 약간의 평탄화 효과가 있음을 보았습니다. |
| 고체 분율. 전반적으로 .7이 가장 적은 수의 미립자를 가지고 있음을 알 수 있습니다. 이것이 최대치와 바람직성이 있는 권장 .7을 보는 이유이지만 |
| 유동 특성(체적과 하우스너) 측면에서 플래토 효과는 0.6 정도에서 바닥을 치기 시작합니다. |
| 일반적으로 제형에서 SDI가 낮을수록 전체적으로 흐름 특성이 더 좋습니다. |
| SDI가 푹신푹신해서 블렌드가 훨씬 더 심하게 흐른다는 이유만으로요. 그래서 설계는 SDI 로딩을 낮추라고 제안했을 뿐입니다. |
| 그 부형제의 성분을 과립내 방식으로 더 많이 첨가함 |
| 입자가 큰 것보다 부피가 더 크고 하우스너 계수가 낮아 혼합물이 더 부드럽게 흐른다는 점에서 더 좋습니다. |
| 우리는 또한 더 많은 중요한 성분을 갖는 만니톨 대 락토오스 비율이 더 바람직하다는 것을 관찰했으며 그 이유는 다음과 같습니다. |
| 전반적으로, 만니톨 락토오스 성분이 조금 더 많으면 미세먼지가 떨어졌습니다. 그리고 그것이 우리가 이런 현상을 보는 이유일 수 있습니다. |
| 그림 4에는 내가 본 몇 가지 흥미로운 추세의 표면 플롯이 몇 개 있습니다. 그리고 그림 4A에서 SDI 로딩이 낮을수록 |
| 그리고 더 많은 양을 입자 내부에 두는 것은 바로 여기 매우 높은 Hausner 비율의 핫스팟을 초래했습니다. 그래서 많은 것을 추가하면... 낮은... 죄송합니다... 더 높은 SDI를 갖게 되고 |
| 더 높은 입자 내부는 매우 높은 Hausner 비율을 가졌습니다. 그래서 이것이 말하는 것은 기본적으로 입자 내부에 더 많은 솜털 같은 물질이 있을 때 흐름이 나빠질 것이지만 그에 대응한다는 것입니다. |
| 과립화 후, 다시 과립 내부에 더 많은 부형제가 존재하고 고체 분획을 목표로 삼을 때 |
| 약 .6 정도, 벌크 밀도가 향상됩니다. 기본적으로 과립화 후, 블렌드가 더 밀도가 높아지고 이것이 이 두 다이어그램이 말하는 것입니다. 따라서 모든 결과 지점은 기본적으로 이것에 대해 말합니다. |
| 지금 제가 논의한 것들. 전반적으로, 우리는 이 과정을 최적화하고 제형에 대한 바람직성을 극대화하기 위해 연구를 통해 다음과 같은 결론을 내렸습니다. |
| 1, |
| 입자 내부의 비율이 더 높고 SDI 함량이 더 낮은 것이 바람직한 제형이며, 고체 분율을 약 0.6으로 목표로 하는 것도 제형에 유익할 것입니다. |
| 대단히 감사합니다. 질문을 환영합니다. |
