Results and discussionIn this optim

Results and discussion
In this optimization study a mixture experimental design in a
constrained region of interest was used to estimate the model coefficients
in Eq. (1) in order to represent and analyze the response
surfaces obtained on the basis of the experimental trials on the formulations.
The experimental results (two replications plus check
points) are reported in Table 2.
The special cubic models fitted to the experimental data (checkpoints
included after model validation) along with the adjusted R2 are given in Table 3. It is worth of note that the calculated
responses, y1 and y2 are expressed in terms of the percentages of
the pseudocomponents Xi.
For the comparison of the two response surfaces reported in
Table 3, the corresponding contour plots are shown in Fig. 2.
In order to attain a robust optimization for the drug release, it
was required to be very close to a desired value – the target value
– in this case 35% for the release after 1 h and 75% for the release
after 8 h (Fig. 3). A desirability function approach was therefore
used. For this desirability study, the objectives were expressed by
the following limits for the two responses here considered:30% 6 Y1 6 40%
70% 6 Y2 6 80%
ð14Þ
The best solution identified for the formulation is given in
Table 4 along with desirability functions for the optimization, di
(Ycal,i) the partial desirability and the D the overall desirability.
The optimal experimental conditions are expressed both in terms
of pseudocomponents Xi and as original components. In Fig. 4
(top) the variation of the global desirability as function of the
two response variables under study is graphically represented by
contour plots.
For a robust optimization the desirability function was further
assessed and optimized in terms of reliability. The purpose was
to identify the zone where the estimation of all responses can be
calculated with a probability 6 a% of not respecting the fixed constraints
for every response. For the two responses under study it
was imposed that:
Prob½30% < Y1 < 40% P 0:80
Prob½70% < Y2 < 80% P 0:80:
ð15Þ
Thanks to the respect of the constraints with a probabilityP(
1  a), the optimal zone was reduced and two more limited
areas were identified (Fig. 4, bottom). Here, the global desirability
is lower given the experimental error. These two areas were further
analyzed in order to define the composition space that ensures
confidence in the attainment of the required level of quality in thefinal product. The allowable operational flexibility in the ternary
formulation (theophylline:lactose:wax) for the two areas is summarized
in Table 5.
In Fig. 5 the composition spaces (delimited by the black triangles)
are displayed along with the tested formulations with the
mixture design (black circles).
While the A area was very small and in proximity to the lower
boundary, inside the B area the formulation theophylline:lactose:
wax, 57:14:29 (%) was selected to be used for the in vivo studies.
This formulation guaranteed an in vitro drug release of 33%
after 1 h (Y1), and of 76% after 8 h (Y2) (Fig. 6).
The in vitro performance of this formulation was also analyzed
by a previously presented mathematical model (Hasa et al., 2011).
Release kinetics model Eq. (8) was fitted to the observed in vitro
release data (Fig. 6). The model was in very good agreement with
the observed data (F(2,177,0.95) < 16,903) and the estimated
parameters (A1,k1,k2) values were A1 = (0.66 ± 0.003), k1 = (0.12
8 ± 0.001) h1, A2 = 1  A1 and k2 = (1.23 ± 0.05) h1. Accordingly,
in vitro release kinetics could be described by a slow (A1,k1) and
a fast (A2,k2) component being the slow component the prevailing
one. Fig. 6 also shows the in vitro release kinetics predicted by Eq.
(8) in the purely theoretical hypothesis that the slow (dotted line;
A1 = 1, A2 = 0, k1 = 0.128 h1) and the fast (solid thick line; A1 = 0,
A2 = 1, k2 = 1.23 h1) component could be separated and could separately
rule the release kinetics. In the first case, the fractional drug
release (100 * Mt/M1) would be not complete within the experimental
time (500 min) while, in the second case, the release process
would be almost complete after 200 minBioavailability parameters are reported in Table 6. These results
demonstrate that the selected formulation behaves as a sustained
release formulation. Comparison of the observed AUC value with
the AUC value of the commercial sustained release formulation
of theophylline (Henrist et al., 1999) indicates a trend of improved
bioavailability. The observed values of t1/2,z were higher than the
reported theophylline elimination half-life of 6–10 h (Jonkman
et al., 1989), indicating a flip-flop phenomenon. The rate of absorption
was therefore manifested in the terminal slope of the concentration–
time curve. In vivo behavior of the tested formulation was
similar to the previously evaluated experimental sustained release
cluster matrix tablets containing hydrophobic wax and hydrophilic
polymer granules (Hayashi et al., 2007).
Parameters of the in vitro release model Eq. (8) (A1,k1,A2,k2) and
theophylline pharmacokinetics parameters determined elsewhere
(Hasa et al., 2011) (Vc = 19.3 l, f = 1, kel = 0.12 h1, kab = 0.13 h1,
kcp = 2.7 h1, kpc = 2.9 h1, M0 = 400 mg, Vr = 300 ml), were used
for simulation of concentration. The simulation of Eq. (9) was in
good agreement with the experimental theophylline plasma concentration–
time course as shown in Fig. 7. Indeed, this prediction
falls within the standard deviation associated with the concentration
data up to 12 h, while there is minor discrepancy with the final
concentration measurement at 24 h. It is interesting to notice (see
Fig. 7) the considerable variation of the predicted plasma concentration
when only the fast (solid thin line) or only the slow (dotted
line) are considered for the description of the release phenomenon
(see Eqs. (7) and (8)). This witnesses the importance played by a
proper designing of the release process.

ผลลัพธ์ (ไทย) 1:

ผลและการสนทนาในการเพิ่มประสิทธิภาพนี้เรียนแบบผสมผสานระหว่างการทดลองในการภูมิภาคมีข้อจำกัดที่น่าสนใจใช้ในการประเมินค่าสัมประสิทธิ์ของแบบจำลองใน Eq. (1) เพื่อแสดง และวิเคราะห์การตอบสนองพื้นผิวที่ได้รับโดยใช้การทดลองทดลองในสูตรที่ผลการทดลอง (ระยะบวกสองตรวจสอบมีรายงานจุด) ในตารางที่ 2รุ่นลูกบาศก์พิเศษติดตั้งข้อมูลทดลอง (จุดตรวจรวมหลังจากการตรวจสอบแบบจำลอง) กับ R2 การปรับปรุงแสดงไว้ในตาราง 3 เป็นน่าสังเกตว่า การคำนวณตอบ y1 และ y2 จะแสดงในรูปของเปอร์เซ็นต์ของpseudocomponents สิสำหรับการเปรียบเทียบพื้นผิวตอบสนองสองที่รายงานในตาราง 3 ผืนเส้นตรงจะแสดงใน Fig. 2เพื่อให้บรรลุประสิทธิภาพสูงสุดแข็งแกร่งสำหรับยาเสพติด มันไม่จำเป็นต้องมีมากใกล้กับค่าที่ระบุค่าเป้าหมาย-ในกรณีนี้รุ่นหลัง 1 h 35% และ 75% สำหรับหลังจาก 8 h (Fig. 3) วิธีการฟังก์ชันปรารถนาได้ดังนั้นใช้ สำหรับการศึกษานี้ปรารถนา วัตถุประสงค์ที่แสดงโดยข้อจำกัดต่อไปนี้สำหรับการตอบสองที่นี่ถือว่า: 30% 6 Y1 6 40%70% 6 Y2 6 80%ð14Þโซลูชันสุดที่ระบุสำหรับการกำหนดจะกำหนดเป็นตาราง 4 พร้อมฟังก์ชันปรารถนาสำหรับการเพิ่มประสิทธิภาพ ดิ(Ycal ฉัน) ปรารถนาบางส่วนและชอบธรรมโดยรวมดีขึ้นเงื่อนไขการทดลองที่เหมาะสมจะแสดงเงื่อนไขทั้งในpseudocomponents Xi และ เป็นส่วนประกอบของต้นฉบับ ใน Fig. 4ปรารถนา (บน) การเปลี่ยนแปลงของโลกเป็นหน้าที่ของการสองตัวแปรตอบสนองภายใต้ศึกษาภาพแสดงไว้ผืนเส้นสำหรับการปรับประสิทธิภาพ ฟังก์ชันชอบธรรมถูกเพิ่มเติมจากการประเมิน และเพิ่มประสิทธิภาพในแง่ของความน่าเชื่อถือ มีวัตถุประสงค์ระบุโซนที่สามารถจะประเมินการตอบทั้งหมดคำนวณความน่าเป็น 6% ไม่เคารพข้อจำกัดคงได้สำหรับทุกคำตอบ สำหรับการตอบสนองที่สองภายใต้ศึกษามันถูกกำหนดที่:Prob½30% < Y1 < 40% P 0:80Prob½70% < Y2 < 80% P 0:80:ð15Þด้วยความเคารพข้อจำกัดด้วย probabilityP (1 แบบ), โซนดีที่สุดถูกลดลง และสองจำกัดมากระบุพื้นที่ (Fig. 4 ด้านล่าง) ที่นี่ ปรารถนาโลกต่ำลงให้ข้อผิดพลาดในการทดลอง สองพื้นที่เหล่านี้ได้เพิ่มเติมวิเคราะห์เพื่อกำหนดพื้นที่ขององค์ประกอบที่ความเชื่อมั่นในภูมิปัญญาของระดับของคุณภาพในผลิตภัณฑ์ thefinal ที่ต้อง ใช้งานความยืดหยุ่นสามสรุปกำหนด (theophylline: แล็กโทส: ขี้ผึ้ง) สำหรับสองพื้นที่ในตาราง 5ใน Fig. 5 องค์ประกอบพื้นที่ (แบ่ง ด้วยสามเหลี่ยมสีดำ)แสดง ด้วยสูตรที่ผ่านการทดสอบด้วยการออกแบบส่วนผสม (วงกลมสีดำ)ในขณะที่บริเวณ A มีขนาดเล็กมาก และกับด้านล่างขอบ ภายในบริเวณของ B กำหนด theophylline: แล็กโทส:ขี้ผึ้ง 57:14:29 (%) มีเลือกที่จะใช้สำหรับการศึกษาในสัตว์ทดลองกำหนดนี้รับประกันการนำยาเสพติดใน 33%หลัง จาก h 1 (Y1), และ 76% หลัง 8 h (Y2) (Fig. 6)ยังได้วิเคราะห์ประสิทธิภาพในการเพาะเลี้ยงของกำหนดนี้โดยก่อนหน้านี้นำเสนอแบบจำลองทางคณิตศาสตร์ (ซา et al., 2011)ปล่อยรุ่นจลนพลศาสตร์ Eq. (8) ได้พอดีกับหลอดสังเกตในปล่อยข้อมูล (Fig. 6) แบบอยู่ในข้อตกลงที่ดีกับข้อมูลการสังเกต (F(2,177,0.95) < 16,903) และการประเมินค่าพารามิเตอร์ (A1, k1, k2) มี A1 = k1 (0.66 ± 0.003), = (0.128 ± 0.001) h 1, A2 = 1 A1 และ k2 = h (1.23 ± 0.05) 1 ดังนั้นจลนพลศาสตร์ในรุ่นอาจจะอธิบาย โดยช้า (A1, k1) และส่วนประกอบอย่างรวดเร็ว (A2, k2) เป็นส่วนประกอบช้าขึ้นหนึ่ง Fig. 6 แสดงจลนพลศาสตร์ในรุ่นทำนาย โดย Eq.(8) ในสมมติฐานทฤษฎีเพียงอย่างเดียวที่ช้า (เส้นA1 = 1, A2 = 0, k1 = 0.128 h 1) และอย่างรวดเร็ว (เส้นหนาทึบ A1 = 0A2 = 1, k2 = 1.23 h 1) สามารถแยก และสามารถแยกส่วนประกอบกฎจลนพลศาสตร์ปล่อย ในกรณีแรก ยาเสพติดเป็นบางส่วนปล่อย (100 * Mt/M1) จะไม่สมบูรณ์ในการทดลองเวลา 500 ขณะที่ ในกรณีที่สอง การนำออกใช้จะได้เกือบสมบูรณ์หลังจากที่มีรายงาน 200 minBioavailability พารามิเตอร์ในตาราง 6 ผลลัพธ์เหล่านี้แสดงว่า กำหนดเลือกทำงานเป็นแบบ sustainedปล่อยกำหนด เปรียบเทียบค่า AUC สังเกตด้วยค่า AUC ของกำหนดปล่อย sustained พาณิชย์ของ theophylline (Henrist et al., 1999) ระบุว่า แนวโน้มของการปรับปรุงชีวปริมาณออกฤทธิ์ ค่าสังเกตของ t1/2, z ได้สูงกว่าtheophylline รายงานตัด half-life ของ h 6-10 (Jonkmanร้อยเอ็ด al., 1989), ระบุปรากฏการณ์ฟลิปฟล็อป อัตราการดูดซึมเป็นที่ประจักษ์ในเทอร์มินัลลาดความเข้มข้น – ดังนั้นเวลาโค้ง พฤติกรรมกำหนดทดสอบในสัตว์ทดลองได้คล้ายกับค่าก่อนหน้านี้ทดลองยั่งยืนออกคลัสเตอร์เม็ดเมทริกซ์ประกอบด้วยขี้ผึ้ง hydrophobic และ hydrophilicเม็ดพอลิเมอร์ (ฮายาชิ et al., 2007)พารามิเตอร์ของการเปิดตัวในรุ่น Eq. (8) (A1, k1, A2, k2) และกำหนดพารามิเตอร์เภสัชจลนศาสตร์ theophylline อื่น(ซา et al., 2011) (Vc = 19.3 l, f = 1, kel = 0.12 h 1, kab = 0.13 h 1kcp = 2.7 h 1 เคพีซี = 2.9 h 1, M0 = 400 มิลลิกรัม Vr = 300 ml), ใช้ในการจำลองความเข้มข้น การจำลอง Eq. (9) อยู่ในข้อตกลงที่ดีกับการทดลองการใช้ theophylline พลาสมาเข้มข้น –หลักสูตรเวลาแสดงใน Fig. 7 แน่นอน ทำนายอยู่ภายในส่วนเบี่ยงเบนมาตรฐานที่เกี่ยวข้องกับความเข้มข้นข้อมูลถึง 12 h ขณะที่มีความขัดแย้งรองกับสุดท้ายวัดความเข้มข้นที่ 24 ชม เป็นที่สังเกต (ดูน่าสนใจFig. 7) การเปลี่ยนแปลงความเข้มข้นของพลาสมาที่คาดการณ์มากเมื่อเท่านั้นอย่างรวดเร็ว (เส้นทึบบาง) หรือเฉพาะ ช้า (จุดบรรทัด) พิจารณาสำหรับอธิบายปรากฏการณ์ปล่อย(ดู Eqs (7) และ (8)) นี้สืบพยานสำคัญที่เล่นโดยการออกแบบที่เหมาะสมของการนำออกใช้

ผลลัพธ์ (ไทย) 2:

ผลการอภิปรายและ
การเพิ่มประสิทธิภาพในการศึกษานี้เป็นส่วนผสมในการออกแบบการทดลอง
ภาค จำกัด ที่น่าสนใจถูกนำมาใช้ในการประมาณค่าสัมประสิทธิ์รูปแบบ
ในสมการ (1) ในการสั่งซื้อที่จะเป็นตัวแทนและวิเคราะห์การตอบสนอง
พื้นผิวที่ได้รับบนพื้นฐานของการทดลองการทดลองในสูตร.
ผลการทดลอง (สองซ้ำบวกตรวจสอบ
คะแนน) จะมีการรายงานในตารางที่ 2
รุ่นพิเศษลูกบาศก์พอดีกับข้อมูลการทดลอง ( จุดตรวจ
รวมหลังจากการตรวจสอบรูปแบบ) พร้อมด้วย R2 ปรับจะได้รับในตารางที่ 3 มันเป็นมูลค่าทราบว่าคำนวณ
การตอบสนอง y1 และ y2 จะแสดงในแง่ของเปอร์เซ็นต์การ
กลั่น Xi.
สำหรับการเปรียบเทียบของทั้งสองพื้นผิวตอบสนอง รายงานใน
ตารางที่ 3 แปลงรูปร่างที่สอดคล้องกันมีการแสดงในรูป 2.
เพื่อที่จะบรรลุการเพิ่มประสิทธิภาพที่มีประสิทธิภาพสำหรับการปลดปล่อยตัวยาก็
จะต้องเป็นมากใกล้เคียงกับค่าที่ต้องการ - ค่าเป้าหมาย
- ในกรณีนี้ 35% สำหรับการเปิดตัวหลังจาก 1 ชั่วโมงและ 75% สำหรับการเปิดตัว
หลังจาก 8 ชั่วโมง (รูปที่. 3) วิธีการที่พึงปรารถนาฟังก์ชั่นจึงถูก
นำมาใช้ สำหรับการศึกษาความพึงปรารถนานี้วัตถุประสงค์ที่ถูกแสดงออกมาด้วย
ข้อ จำกัด ต่อไปนี้สำหรับทั้งสองถือว่าการตอบสนองที่นี่: 30% Y1 6 6 40%
70% Y2 6 6 80%
ð14Þ
ทางออกที่ดีที่สุดสำหรับการกำหนดที่ระบุไว้ใน
ตารางที่ 4 พร้อมกับความปรารถนา ฟังก์ชั่นสำหรับการเพิ่มประสิทธิภาพ, ดิ
(Ycal, i) ความปรารถนาบางส่วนและความปรารถนาดีโดยรวม.
เงื่อนไขการทดลองที่ดีที่สุดจะแสดงทั้งในแง่
ของการกลั่นและจินเป็นส่วนประกอบเดิม ในรูป 4
(บนสุด) รูปแบบของความปรารถนาทั่วโลกเป็นหน้าที่ของ
สองตัวแปรตอบสนองภายใต้การศึกษาเป็นตัวแทนกราฟิกโดย
แปลงรูปร่าง.
สำหรับการเพิ่มประสิทธิภาพการทำงานที่มีประสิทธิภาพได้รับความพึงปรารถนาต่อ
การประเมินและการเพิ่มประสิทธิภาพในแง่ของความน่าเชื่อถือ จุดประสงค์ก็
เพื่อระบุโซนที่ประมาณค่าของการตอบสนองทั้งหมดที่สามารถ
คำนวณความน่าจะเป็น 6% ของการไม่เคารพข้อ จำกัด ของการแก้ไข
สำหรับการตอบสนองทุก สำหรับการตอบสนองที่สองภายใต้การศึกษามัน
ถูกกำหนดว่า
Prob½30% <Y1 <40%? P 0:80
Prob½70% <Y2 <80%? P 0:80:
ð15Þ
ขอบคุณที่เคารพของข้อ จำกัด ที่มี probabilityP (
1) โซนที่ดีที่สุดได้รับการลดลงและอีกสอง จำกัด
พื้นที่ที่ถูกระบุ. (รูปที่ 4 ด้านล่าง) ที่นี่ทั่วโลกปรารถนา
จะได้รับข้อผิดพลาดที่ต่ำกว่าการทดลอง ทั้งสองพื้นที่ได้รับการต่อไป
วิเคราะห์เพื่อกำหนดพื้นที่องค์ประกอบที่ช่วยให้
ความเชื่อมั่นในความสำเร็จของระดับที่ต้องการของคุณภาพในผลิตภัณฑ์ thefinal มีความยืดหยุ่นในการดำเนินงานที่อนุญาตในการประกอบไปด้วย
สูตร (theophylline: แลคโตส: ขี้ผึ้ง) สำหรับสองพื้นที่คือการสรุป
ในตารางที่ 5
ในรูป ช่องว่าง 5 องค์ประกอบ (คั่นด้วยสามเหลี่ยมสีดำ)
จะแสดงพร้อมกับสูตรการทดสอบกับ
การออกแบบส่วนผสม (วงกลมสีดำ).
ในขณะที่พื้นที่มีขนาดเล็กมากและในบริเวณใกล้เคียงกับที่ต่ำกว่า
ขอบเขตภายในพื้นที่ B สูตร theophylline: แลคโตส:
. ขี้ผึ้ง 57:14:29 (%) ได้รับเลือกให้นำมาใช้สำหรับการศึกษาในร่างกาย
สูตรนี้รับประกันในการปลดปล่อยตัวยาในหลอดทดลอง 33%
หลังวันที่ 1 h (Y1) และ 76% หลังจาก 8 ชั่วโมง (Y2 ) (รูปที่. 6).
ในการปฏิบัติงานของหลอดทดลองสูตรนี้ได้รับการวิเคราะห์
โดยนำเสนอก่อนหน้านี้แบบจำลองทางคณิตศาสตร์ (Hasa et al., 2011).
ปล่อยจลนศาสตร์สมรูปแบบ (8) ก็พอดีที่จะพบในหลอดทดลอง
ปล่อยข้อมูล (รูปที่. 6) รูปแบบที่อยู่ในข้อตกลงที่ดีกับ
ข้อมูลที่สังเกตได้ (F (2,177,0.95) <16,903) และประมาณ
ค่าพารามิเตอร์ (A1, k1, k2) ค่าเป็น A1 = (0.66 ± 0.003) k1 = (0.12
8 ± 0.001) เอช 1, A2 = 1? A1 และ k2 = (1.23 ± 0.05) เอช 1 ดังนั้น
ในหลอดทดลองปล่อยจลนศาสตร์สามารถอธิบายได้โดยช้า (A1, k1) และ
รวดเร็ว (A2, k2) ส่วนประกอบเป็นส่วนประกอบช้าแลกเปลี่ยน
หนึ่ง มะเดื่อ 6 ยังแสดงให้เห็นในหลอดทดลองจลนศาสตร์ปล่อยตามคำทำนายสม.
(8) ในทางทฤษฎีอย่างหมดจดสมมติฐานที่ว่าช้า (เส้นประ;
? A1 = 1 A2 = 0, k1 = 0.128 ชั่วโมง 1) และรวดเร็ว (เส้นหนาทึบ A1 = 0,
A2 = 1 k2 = 1.23 ชั่วโมง? 1) องค์ประกอบอาจจะแยกออกจากกันและแยกกันสามารถ
ปกครองจลนศาสตร์ปล่อย ในกรณีแรกที่ยาเสพติดส่วน
การเปิดตัว (100 * Mt / M1) จะได้รับไม่สมบูรณ์ในการทดลอง
ครั้ง (500 นาที) ในขณะที่ในกรณีที่สองกระบวนการปล่อย
เกือบจะเสร็จสมบูรณ์หลังจาก 200 พารามิเตอร์ minBioavailability จะมีการรายงานในตาราง 6. ผลการศึกษานี้
แสดงให้เห็นว่าสูตรที่เลือกทำงานเป็นอย่างต่อเนื่อง
กำหนดเปิดตัว เปรียบเทียบสังเกตค่า AUC กับ
ค่า AUC ของการกำหนดปลดปล่อยเชิงพาณิชย์
ของ theophylline (Henrist et al., 1999) แสดงให้เห็นแนวโน้มของการปรับปรุง
การดูดซึม สังเกตเห็นคุณค่าของ t1 / 2, ซีสูงกว่า
การกำจัด theophylline รายงานครึ่งชีวิตของ 6-10 ชั่วโมง (Jonkman
et al., 1989) แสดงให้เห็นปรากฏการณ์พลิกล้มเหลว อัตราการดูดซึม
ก็เป็นที่ประจักษ์จึงอยู่ในความลาดชันของขั้ว concentration-
โค้งเวลา ในการทำงานของร่างกายสูตรการทดสอบก็
คล้ายกับการประเมินก่อนหน้านี้ปลดปล่อยทดลอง
แท็บเล็ตเมทริกซ์ที่มีกลุ่มขี้ผึ้งน้ำและน้ำ
เม็ดลิเมอร์ (ฮายาชิ et al., 2007).
พารามิเตอร์ของการเปิดตัวในหลอดทดลองรูปแบบสมการ (8) (A1, k1, A2, k2) และ
theophylline เภสัชกำหนดค่าพารามิเตอร์อื่น ๆ
(Hasa et al., 2011) (Vc = 19.3 ลิตร f = 1 kel = 0.12 ชั่วโมง 1, KAB = 0.13 ชั่วโมง 1,
KCP = 2.7 ชั่วโมง 1, kpc = 2.9 ชั่วโมง 1, M0 = 400 มก., Vr = 300 มล.) ถูกนำมาใช้
สำหรับการจำลองของความเข้มข้น แบบจำลองของสมการ (9) อยู่ใน
ข้อตกลงที่ดีกับพลาสม่า theophylline ทดลอง concentration-
แน่นอนเวลาดังแสดงในรูป 7. แท้จริงทำนายนี้
อยู่ในส่วนเบี่ยงเบนมาตรฐานที่เกี่ยวข้องกับความเข้มข้นของ
ข้อมูลได้ถึง 12 ชั่วโมงในขณะที่มีความแตกต่างเล็ก ๆ น้อย ๆ กับครั้งสุดท้ายที่
วัดความเข้มข้นใน 24 ชั่วโมง เป็นที่น่าสนใจที่จะสังเกตเห็น (ดู
รูปที่. 7) การเปลี่ยนแปลงมากของความเข้มข้นในพลาสมาที่คาดการณ์ไว้
เมื่อเพียงอย่างรวดเร็ว (เส้นบาง ๆ แข็ง) หรือเฉพาะช้า (ประ
line) ได้รับการพิจารณาสำหรับคำอธิบายของปรากฏการณ์การเปิดตัว
(ดู EQS. ( 7) และ (8)) พยานสำคัญนี้เล่นโดย
การออกแบบที่เหมาะสมของกระบวนการปล่อย

ผลลัพธ์ (ไทย) 3:

ผลและการอภิปรายในการผสม
การศึกษาทดลองใน
จำกัด 1 ใช้ประเมินแบบจำลองสัมประสิทธิ์
ในอีคิว ( 1 ) เพื่อที่จะแสดงและวิเคราะห์การตอบสนอง
พื้นผิวได้บนพื้นฐานของการทดลองทดลองสูตร .
ผลการทดลอง ( 2 ) ตรวจสอบ
พลัส จุด ) จะมีการรายงานในตารางที่ 2
ลูกบาศก์รุ่นพิเศษติดตั้งข้อมูล ( ด่าน
รวมหลังจากที่โมเดลการตรวจสอบ ) พร้อมกับปรับ R2 จะได้รับในตารางที่ 3 เป็นมูลค่าของทราบว่า ค่าการตอบสนอง y1 y2
, และจะแสดงในแง่ของค่า

องค์ประกอบเทียมสี่ สำหรับการเปรียบเทียบของทั้งสองตอบสนองพื้นผิวรายงาน
โต๊ะ 3แปลง Contour ที่แสดงในรูปที่ 2 .
เพื่อให้บรรลุการเพิ่มประสิทธิภาพประสิทธิภาพในการปลดปล่อยยา มัน
ต้องอยู่ใกล้กับค่าเป้าหมายที่ต้องการ และค่า
–ในกรณีนี้ 35% สำหรับปล่อยหลังจาก 1 ชั่วโมง และ 75% สำหรับการปล่อย
8 H ( ฟิค 3 ) ฟังก์ชันที่พึงประสงค์วิธีการจึง
ใช้ . นี้ไม่เคยศึกษา โดยมีวัตถุประสงค์เพื่อแสดงโดย
ต่อไปนี้ข้อ จำกัด สำหรับสองการตอบสนองที่นี่ถือว่า : 30 % 6 y1 6 40 %
70% 6 Y2 6 80 %
ð 14 Þ
ทางออกที่ดีที่สุดสำหรับการกำหนดให้ระบุใน
ตารางที่ 4 พร้อมกับความพอใจฟังก์ชันสำหรับการเพิ่มประสิทธิภาพกลไก di
( ycal ผม ) ความบางส่วน และ ดี ความโดยรวม
เหมาะสมสภาวะการทดลองที่แสดงทั้งในแง่
ขององค์ประกอบเทียม Xi และเป็นส่วนประกอบของต้นฉบับ ในรูปที่ 4
( ด้านบน ) การเปลี่ยนแปลงของความสากลเป็นฟังก์ชันของตัวแปรที่ศึกษา คือ การตอบสนอง
2 กราฟแสดงโดย

ขอบแปลง เพื่อประสิทธิภาพการเพิ่มประสิทธิภาพการทำงานที่พึงประสงค์ต่อ
การประเมินและเพิ่มประสิทธิภาพในแง่ของความน่าเชื่อถือ จุดประสงค์คือ
ระบุโซนที่ประมาณทุกการตอบสนองสามารถคำนวณกับความน่าจะเป็น 6
% ไม่เคารพในการแก้ไขข้อจำกัด
สำหรับทุกการตอบสนอง สำหรับสองการตอบสนองภายใต้การศึกษา
ถูกกำหนด :
prob ½ 30% < < 40%  y1 P 0:80
prob ½ 70% < < 80%  Y2 P 0:80 :
ð 15 Þ
ขอบคุณที่เคารพของสภาพแวดล้อมกับ probabilityp (
1  ) , โซนที่เหมาะสม ลดลงและสองเพิ่มเติม
จำกัดพื้นที่ที่ระบุ ( ภาพที่ 4 ด้านล่าง ) ที่นี่
desirability ทั่วโลกลดให้ความผิดพลาดครั้งนี้ เหล่านี้สองพื้นที่ได้
วิเคราะห์เพื่อกำหนดองค์ประกอบของพื้นที่ที่ยืนยัน
ความมั่นใจในภูมิปัญญาของระดับที่ต้องการคุณภาพของผลิตภัณฑ์จะมี . ความยืดหยุ่นในการอนุญาตการประกอบไปด้วย
( แลคโตส : + :ขี้ผึ้ง ) สำหรับสองพื้นที่ คือสรุปในตารางที่ 5
.
ในรูปที่ 5 องค์ประกอบเป็น ( คั่นด้วยสามเหลี่ยมสีดำ )
แสดงพร้อมกับทดสอบสูตร ด้วยการออกแบบส่วนผสม ( วงกลมสีดำ )
.
ในขณะที่พื้นที่ขนาดเล็กมากและในการใกล้ชิดกับขอบล่าง
, ภายใน พื้นที่ใช้ : B + แลคโตส :
57:14 : ขี้ผึ้ง29 ( % ) คือการเลือกที่จะใช้สำหรับการศึกษาในสัตว์ .
สูตรนี้รับประกันการปลดปล่อยตัวยาในหลอดทดลองของ 33 %
หลังจาก 1 H ( y1 ) และ 76% หลัง 8 h ( 2 ) ( ภาพที่ 6 ) .
ในหลอดทดลองประสิทธิภาพของสูตรนี้ยังวิเคราะห์
โดย ก่อนหน้านี้ได้เสนอแบบจำลองทางคณิตศาสตร์ ( ฮาซา et al . , 2011 ) .
ปลดปล่อยแบบอีคิว ( 8 ) ถูกติดตั้งเพื่อตรวจสอบข้อมูลการปล่อย
( รูปที่ 6 )แบบจำลองในที่ดีมาก เห็นด้วยกับข้อมูล
( F ( 2177,0.95 ) < 16903 ) และประมาณค่าพารามิเตอร์
( A1 , K1 , K2 ) ค่า A1 = ( 0.66 ± 0.003 ) K1 = ( 0.12
8 ± 0.001 ) H  1 , A2 = 1  A1 K2 = ( 1.23 ± 0.05 ) H  1 โดย
จลนศาสตร์ปล่อยหลอดทดลอง สามารถอธิบายได้โดยช้า ( A1 , K1 ) และ
อย่างรวดเร็ว ( A2 , K2 ) ชิ้นส่วนเป็นส่วนประกอบออกช้า
1 ภาพประกอบ6 ยังแสดงให้เห็นการปลดปล่อยที่คาดการณ์โดยอีคิว
( 8 ) ในสมมติฐานอย่างหมดจดทางทฤษฎีที่ช้า ( เส้นประ ;
A1 = 1 , A2 = 0 K1 = 0.128 H  1 ) และรวดเร็ว ( เส้นหนาเส้น ; A1 = 0
0 = 1 , K2 = 1.23 ชม.  1 ) ชิ้นส่วนอาจจะแยกจากกัน และสามารถแยก
กฎปลดปล่อย . ในกรณีแรก
ยา .ปล่อย ( 100 * ตัน / M1 ) จะไม่เสร็จภายในเวลาทดลอง
( 500 นาที ) ส่วนในกรณีที่สอง กระบวนการปล่อย
เกือบจะครบ 200 minbioavailability พารามิเตอร์รายงานตารางที่ 6 ผลลัพธ์เหล่านี้แสดงให้เห็นว่า การเลือกปฏิบัติตาม

การปลดปล่อยอย่างยั่งยืน . การเปรียบเทียบค่าสังเกตมูลค่า
ค่ามูลค่าของการค้าการออกฤทธิ์ของยา (
henrist et al . , 1999 ) บ่งชี้ว่า แนวโน้มดีขึ้น
ชีวปริมาณออกฤทธิ์ สังเกตค่า T1 / 2 Z สูงกว่ารายงานในการกำจัดครึ่งชีวิต
6 – 10 H ( jonkman
et al . , 1989 ) ซึ่งเป็นปรากฏการณ์ฟลิปฟล็อป . อัตราการดูดซึม
จึงปรากฏใน terminal ของลาดความเข้มข้น–
เวลาโค้ง พฤติกรรมสัตว์ในการทดสอบสูตร
คล้ายกับก่อนหน้านี้ประเมินทดลอง sustained release
กลุ่มยาเม็ดที่มีขี้ผึ้งและโพลิเมอร์ ) น้ำ
เม็ด ( ฮายาชิ et al . , 2007 ) .
พารามิเตอร์ของแบบจำลองการปลดปล่อยอีคิว ( 8 ) ( A1 , A2 , K1 , K2
) และในการศึกษาพารามิเตอร์ที่ระบุอื่น ๆ
( ฮาซา et al . , 2011 ) ( VC = 22.4 L , F = 1 , เคล = 0.12 )  1 กับ = 0.13 H  1
KCP = 2.7 H  1 KPC = 2.9 H  1 , m0 = 400 mg , VR = 300 มิลลิลิตร ใช้
สำหรับการจำลองของความเข้มข้น การจำลองอีคิว ( 9 ) คือใน
ดีข้อตกลงกับการทดลองความเข้มข้นในพลาสมา -
เวลาหลักสูตรดังแสดงในรูปที่ 7 แน่นอน , นี้ทำนาย
อยู่ภายในส่วนเบี่ยงเบนมาตรฐานที่เกี่ยวข้องกับสมาธิ
ข้อมูลถึง 12 ชั่วโมง ในขณะที่มีความแตกต่างเล็กน้อยกับการวัด
ความเข้มข้นสุดท้ายที่ 24 ชั่วโมง เป็นที่น่าสนใจที่จะสังเกตได้ ( ดูรูปที่ 7
) มากรูปแบบของความเข้มข้นของพลาสมาทำนาย
เมื่อเฉพาะได้อย่างรวดเร็ว ( เส้นทึบ ) หรือช้าเท่านั้น
จุดบรรทัด ) จะพิจารณารายละเอียดของรุ่นปรากฏการณ์
( เห็น EQS . ( 7 ) และ ( 8 ) ) นี่พยานเล่นความสำคัญโดย
ออกแบบที่เหมาะสมของกระบวนการปล่อย