优化药物制剂工艺的多种数据处理方法的分析

优化药物制剂工艺的多种数据处理方法的分析

吴淑铭

(海南皇隆制药股份有限公司海南海口570311)

【摘要】在当前的药物领域当中,涉及到数据处理的方法比较多,本文以这个领域当中的文献资料为基础,对于各种数据处理方法进行分析和总结,利用这些数据处理方法,可以发挥出优化作用,这样可以明确在药剂质量控制当中发挥出的作用。

【关键词】优化;药物制剂工艺;数据处理方法

【中图分类号】R94【文献标识码】A【文章编号】2095-1752(2018)21-0371-01

科技快速的发展,各种科学理论知识会进行相互渗透和相互作用,利用数据处理方法,优化药物制剂工艺[1]。在生产药物制剂的过程中,其流程和实践以及配比的个各个因素对于药物的实际药效会产生一定的影响,在利用药物制剂工艺的过程中,需要确定各个指标和方法标准。

1.多种数据处理方法的作用

在实际利用的过程中,利用各种数据处理方法对于药物制剂实验结果的影响是不同的,在药物制剂当中,单指标和多指标利用的数据处理方法是不同的,结合当前我国药物制剂工艺利用的方法,单指标通常都会利用方差分析法,但是在多指标数据当中利用方差分析方式并不合适,如果单独利用就会产生偏差,无法有效的优化药物制剂工艺,可以联合数据处理方法,使数据结果的准确性不断提高,在工艺优化的过程中提供更多数据方面的支持[2]。

2.多种数据处理方法

2.1方差分析多指标综合加权评分法

在药物制剂当中利用指标,可以对于制剂工艺的准确性和科学性等给予保证,处理多指标数据,需要结合实际情况采取加权处理,实现综合评分。结合评价指标,以重要程度的优劣顺序为基础,利用累加法和连惩罚等方式,结合总分的高低,将优劣顺序排列出来。当前在利用方差分析多指标综合加权评分法的过程中,利用了比较繁琐的计算方法,但是可以突出重点内容,获得准确的结果,并且可以获得最佳的工艺方法。利用方差分析多指标综合加权评分法,可以将工艺效果不断优化,并且存在一定的不足之处。实现方差分析的过程中需要利用指标值,如果指标值之间出现很大的误差,那么对于计算结果的可靠性就会造成影响,从而对于结果分析的准确性产生影响。

2.2多元回归分析-效应面法响应面法

利用多元回归分析-效应面法响应面法,集合了数学运算中各种优点,在建模的过程中可以多组合分析药物制剂当中的各种指标数据。利用多元回归结合效应面法,需要将正交方差计算的不足之处进行弥补,利用回归方程可以将各个因素对于指标的影响进行明确,进而综合判断实验误差,这样可以有效的优化结果和工艺条件。利用多元回归分析只是需要利用比较少的试验数量,这样可以有效的减少多指标中的参数作用,因此在数据处理的过程中可以获得更加精确的计算结果。

2.3人工神经网络系统

人工神经网络系统也被称作是ANN,是有关人脑的神经网络的数学模型,可以对于多因素多水平的非线性关系进行预测,可以实现多元同时优化,并且在药学领域当中得到广泛的利用。人工神经网络系统功能属于比较复杂的网络模型,可以避免利用复杂的统计方法,并且可以结合自变量和因变量,在实现模拟和预测的过程中,产生的结果变差统统都会小于RSM。在优化制剂工艺方面利用人工神经网络系统,可以实现网络模型的构建和训练,优化实验条件仿真[3]。

2.4多维空间三角形面积法

利用多维空间三角形面积法,针对多组分释放度属于多维空间当中的一个点,实现三点连线,形成三角形面积,可以将吸收的动力学边学情况表现出来。对于多维空间的点和点的距离进行计算,可以得到三个不同的时间点,形成三角形[4]。这样就可以对其面积进行计算。明确释放度三角形面积累计值和吸收度三角形麦基累积计值为基础,可以将多组分释放-释放的相关性表现出来,利用体内外相关性可以对于药物制剂工艺进行评价,并且可以有效的优化。多为空间三角形面积法属于一种创新性的数据处理方法,可以对于药物制剂工艺进行优化,因此在我国具有良好的发展前景。

3.优化药物制剂工艺的多种数据处理方法的展望

药物制剂工艺是非常复杂的,可以将多因素多水平的规律揭示出来,从而对于工艺产生优化作用。如果指标误差不算很大,那么可以利用方差分析-多指标综合加群啊评分法。RSM数据分析需要利用非线性方程,如果太过依赖,就会加大模型拟合的难度,如果联系不是十分复杂,可以利用RSM方法[5]。ANN的基础条件就是实验数据,利用有限次迭代计算,可以获得一个数学模型,反映出实验数据的内在规律,可以利用数据可视化技术展现出直观的图形,这样就可以优化多维非线性系统问题。如果物质组分比较明确,那么可以利用多维三角形面积法,可以将多组分药物进行检测。当前在我国还很少利用多为空间三角形面积法和代谢组学动态数学模型,近些年学科交叉渗透情况不断深化,也不断提高了制剂工艺研究工作者的研究水平,这可以推广这两种方法,更多的领域开始应用。

4.结语

通过以上综合的论述,在药物制剂当中比较常见上述几种数据处理方法,结合当今实际需要,利用有效的数据处理分析法,可以将制剂工艺当中存在的不足进行弥补,以科学知识为基础,可以进一步优化这些工艺,使药物制剂工艺得到完善,这样可以保障药物制剂质量得到更好的发展。

【参考文献】

[1]徐艳艳,杨君燕,胡洁茹,何伟珍,赵应征,田伟强.柔性纳米脂质体的制备及其脑内药物递送效率研究[J/OL].中国现代应用药学,2014(09).

[2]张纪兴,吴智南,陈小坚.基于ANN-PSO算法的pH依赖-时滞型地锦草结肠靶向给药微丸制备工艺优化[J].中药新药与临床药理,2012,01:99-104.

[3]李锐华,孙增涛,王永香,刘恩顺,杨晶,陆兆光,李英,丁岗.运用AHP结合熵权法优化疏风定喘颗粒炙麻黄组的醇沉工艺[J].中国实验方剂学杂志,2016,20:1-5.

[4]李乃智.优化药物制剂工艺的多种数据处理方法的研究[J].科学与财富,2017(7).

[5]谭素玲.化学药物制剂处方及工艺研究[J].科研,2016(12):36.

标签:;  ;  ;  

优化药物制剂工艺的多种数据处理方法的分析
下载Doc文档

猜你喜欢