Tehnika istraživanja i analize podataka primenjena u analizi istorijskih podataka

  • Jovana Kovačević Hemofarm AD, Sektor razvoja
  • Aleksandar Kovačević Univerzitet u Novom Sadu – Fakultet tehničkih nauka, Katedra za računarstvo i automatiku
  • Tijana Miletić Hemofarm AD, Sektor razvoja
  • Jelena Djuriš Univerzitet u Beogradu – Farmaceutski fakultet, Katedra za farmaceutsku tehnologiju i kozmetologiju
  • Svetlana Ibrić
Ključne reči: proizvodnja lekova, gastrorezistentne pelete, modelovanje, profil oslobađanja, gastrorezistencija

Sažetak


Razumevanje uticaja karakteristika formulacije i procesnih parametara na fizičko-hemijske osobine farmaceutskog proizvoda je vrlo značajno u razvoju čvrstih doziranih oblika jer se znanje stečeno u fazi razvoja koristi i u svim sledećim fazama životnog ciklusa proizvoda, a može da se primeni i u razvoju drugih proizvoda. Jedan pristup ka postizanju boljeg poznavanja proizvoda i procesa je primena sistematičnog pristupa koji podrazumeva izvođenje eksperimenata u skladu sa predefinisanim faktorijalnim ili frakcionim faktorijalnim eksperiementalnim planom. Međutim, čest je slučaj da dostupni podaci nisu prikupljeni na sistematičan način zato što eksperimenti nisu izvođeni po predefinisanom planu. Tada se mogu primeniti tehnike istraživanja i analize podataka da bi se iz seta istorijskih podataka izdvojili korisni podaci. U ovom istraživanju smo ispitali mogućnost korišćenja različitih tehnika istraživanja i analize podataka za razvoj modela koji opisuju efekte formulacije na gastrorezistenciju i profil oslobađanja model supstance iz gastrorezistentnih peleta. Model supstanca je duloksetin hidrohlorid iz grupe antidepresiva. Pripada BCS 2 klasi lekovitih supstanci, te je poželjno da profil brzine rastvaranja duloksetina iz peleta bude okarakterisan većim brojem vremenskih tačaka. Razvijeni modeli se mogu koristiti za planiranje narednih proba ili u razvoju drugih proizvoda.

Reference

1.     Maimon O, Rokach L. Introduction to knowledge discovery and data mining. In: Maimon O, Rokach L, editors. Knowledge discovery and data mining handbook. 2nd edition. New York, USA: Springer; 2010; p. 1-13.

2.      Chansanroj K, Petrovic J, Ibric S, Betz G. Drug release control and system understanding of sucrose esters matrix tablets by artificial neural networks. Eur J Pharm Sci. 2011;44:321–331.

3.      Ibrić S, Jovanović M, Djurić Z, Parojčić J, Solomun L. The application of generalized regression neural network in the modeling and optimization of aspirin extended release tablets with Eudragit RS PO as matrix substance. J Control Release. 2002;82:213–222.

4.      Mihajlović T, Ibrić S, Mladenović A. Application of Design of Experiments and Multilayer Perceptron Neural Network in Optimization of the Spray-Drying Process. Dry Technol. 2011;29(14),1638-1647.

5.      Mansa RF, Bridson RH, Greenwood RW, Barker H, Seville JPK. Using intelligent software to predict the effects of formulation and processing parameters on roller compaction. Powder Technol. 2008;181:217-225.

6.      Ronowicz J, Thommes M, Kleinebudde P, Krysinski J. A data mining approach to optimize pellets manufacturing process based on a decision tree algorithm. Eur J Pharm Sci. 2015;73:44–48.

7.      Mendyk A, Kleinebudde P, Thommes M, Yoo A, Szleka J, Jachowicz, R. Analysis of pellets with use of artificial neural networks. Eur J Pharm Sci. 2010;41:421–429.

8.      Parojčić J, Ibrić S, Đurić Z, Jovanović M, Corrigan OI. An investigation into the usefulness of generalized regression neural network analysis in the development of level A in vitro–in vivo correlation. Eur J Pharm Sci. 2007;30:264-272.

9.      Ibrić S, Jovanović M, Đurić Z, Parojčić J, Solomun Lj, Lučić B. Generalized regression neural networks in prediction of drug stability. J Pharm Pharmacol. 2007;59­:745-750.

10.  Fayyad U, Piatetsky-Shapiro G, Smyth P. From data mining to knowledge discovery in databases. AI Mag. 1996;17(3):37-54.

11.  Sondwale PP. Overview of Predictive and Descriptive Data Mining Techniques. Int J Adv Res Comput Sci Softw Eng. 2015;5:263-265.

12.  Jansen PJ, Oren PL, Kemp CA, Maple SR, Baertschi SW. Characterization of impurities formed by interaction of Duloxetine HCl with enteric polymers hydroxypropyl methylcellulose acetate succinate and hydroxypropyl methylcellulose phthalate. J Pharm Sci. 1998;87(1):81-85.

13.  FDA Guidance for industry “Dissolution testing of immediate release solid oral dosage forms”. US Department of Health and Human Services, CDER. 1997.

14.  Petrović J, Ibrić S, Betz G, Đurić Z. Optimization of matrix tablets controlled drug release using Elman dynamic neural networks and decision trees. Int J Pharm. 2012;428:57– 67.

Objavljeno
2022/12/29
Rubrika
Originalni naučni rad