MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017162732
■00520250211152047
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798342106092
■035    ▼a(MiAaPQ)AAI31345203
■035    ▼a(MiAaPQ)Purdue25653354
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620.112
■1001  ▼aFerdoush,  Shumaiya.
■24512▼aA  Mechanistic  Reduced  Order  Model  (ROM)  of  Pharmaceutical  Tablet  Dissolution  for  Design,  Optimization,  and  Control  of  Manufacturing  Processes.
■260    ▼a[S.l.]▼bPurdue  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a165  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  B.
■500    ▼aAdvisor:  Gonzalez,  Marcial.
■5021  ▼aThesis  (Ph.D.)--Purdue  University,  2024.
■520    ▼aThe  dissolution  profile  is  one  of  the  most  important  critical  quality  attributes  (CQAs)  for  pharmaceutical  solid  oral  dosage  forms,  as  failure  to  meet  the  dissolution  specification  can  impact  bioavailability.  Dissolution  tests  are  essential  to  assess  lot-to-lot  product  quality  and  guide  the  development  of  new  formulations.  Therefore,  predictive  dissolution  reduced-order  models  (ROM)  are  crucial  for  the  successful  implementation  of  any  real-time  release  testing  (RTRT)  strategy.  Mechanistic  and  semi-mechanistic  ROMs  of  tablet  dissolution  for  realizing  quality  by  control  (QbC)  and  RTRT  frameworks  in  continuous  manufacturing  are  still  scarce  or  nonexistent.  Moreover,  realizing  the  underlying  coupled  mechanics  of  wetting,  swelling,  disintegration,  and  dissolution  is  still  an  open  question.  This  dissertation  contributes  to  developing  a  mechanistic  ROM  of  pharmaceutical  tablet  dissolution  for  the  design,  optimization,  and  control  of  manufacturing  processes.  We  follow  several  steps  towards  the  progression  of  the  mechanistic  model  development.  First,  we  develop  a  semi-mechanistic  ROM  to  capture  the  relationship  between  critical  process  parameters  (CPPs),  critical  material  attributes  (CMAs),  and  dissolution  profiles.  We  demonstrate  the  versatility  and  the  capability  of  the  semi-mechanistic  ROM  to  estimate  changes  in  dissolution  due  to  process  disturbances  in  tablet  porosity,  lubrication  conditions,  and  moisture  content  in  the  powder  blend.  Next,  to  understand  the  underlying  coupled  mechanism  of  wetting,  swelling,  disintegration,  and  dissolution,  we  use  dynamic  micro-computed  tomography  (micro-CT)  with  a  high  temporal  resolution  to  visualize  water  penetration  through  the  porous  network  of  immediate-release  tablets.  We  couple  liquid  penetration  due  to  capillary  pressure  described  by  the  Lucas-Washburn  theory  with  the  first-order  swelling  kinetics  of  the  excipients  to  provide  a  physical  interpretation  of  the  experimental  observations.  From  the  mechanistic  understanding  of  the  water  penetration  kinetics  using  the  micro-CT  tests,  we  propose  a  two-stage  mechanistic  ROM,  which  is  comprised  of  (i)  a  mechanistic  dissolution  model  of  the  active  pharmaceutical  ingredient  (API)  that  solves  a  population  balance  model  (PBM)  for  a  given  API  crystal  size  distribution  and  dissolution  rate  coefficient,  and  (ii)  a  tablet  wetting  function  that  estimates  the  rate  at  which  the  API  is  exposed  to  the  buffer  solution.  These  two  sub-models  are  coupled  by  means  of  convolution  in  time  to  capture  the  start  time  of  the  API  dissolution  process  as  water  uptake,  swelling,  and  disintegration  take  place.  Finally,  we  demonstrate  the  versatility  and  the  capability  of  the  mechanistic  API  dissolution  model  and  the  two-stage  tablet  dissolution  ROM  to  represent  the  dissolution  profile  of  different  pharmaceutical  formulations  and  its  connection  with  CMAs,  CPPs,  and  other  CQAs,  namely  initial  API  crystal  size  distribution,  porosity,  composition,  and  dimensions  of  the  tablet.  In  all  of  the  cases  considered  in  this  work,  the  estimations  of  the  model  are  in  good  agreement  with  experimental  data.
■590    ▼aSchool  code:  0183.
■650  4▼aTensile  strength.
■650  4▼aDissolution.
■650  4▼aParameter  identification.
■650  4▼aPharmaceuticals.
■650  4▼aVitamin  B.
■650  4▼aBatch  processes.
■650  4▼aWater.
■650  4▼aLubricants  &  lubrication.
■650  4▼aAuthorship.
■650  4▼aFrequency  distribution.
■650  4▼aLactose.
■650  4▼aCrystals.
■650  4▼aContact  angle.
■650  4▼aDensity.
■650  4▼aShear  strain.
■650  4▼aMoisture  content.
■650  4▼aParameter  estimation.
■650  4▼aAnalgesics.
■650  4▼aIndustrial  engineering.
■650  4▼aMechanics.
■650  4▼aPharmaceutical  sciences.
■650  4▼aStatistics.
■690    ▼a0546
■690    ▼a0346
■690    ▼a0572
■690    ▼a0463
■71020▼aPurdue  University.
■7730  ▼tDissertations  Abstracts  International▼g86-04B.
■790    ▼a0183
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162732▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서