维C银翘片包衣过程的近红外光谱质量控制

目的:利用近红外光谱(NIRS)构建维C银翘片(VCYT)包衣过程中引湿率、衣膜厚度、包衣增重3个指标的定量预测模型,并实现终点判断。方法:采用漫反射方法采集4个批次VCYT包衣过程中的实时NIRS数据;滚移包衣法对VCYT进行包衣,从喷雾阶段开始,每间隔10 min从包衣机上的取样口进行取样,收集不同包衣时间上的样品共57批(约1800片),将片剂包埋于熔化的石蜡中,纵向切开,利用体视显微镜观察,并使用Motic Images Advanced 3.2软件测量衣膜厚度(目标值38μm),参照2020年版《中华人民共和国药典》(四部)“药物引湿性试验指导原则”测量样品引湿率(目标值3%),每批随机抽取3份样品(每份10片),称量并计算包衣增重(目标值4%);利用偏最小二乘回归(PLSR)构建3个包衣指标的定量模型,利用移动平均法对包衣指标的预测值平滑处理,并用于判断包衣终点。结果:引湿率、衣膜厚度、包衣增重的预测决定系数(Rp 2)分别为0.9334、0.9326、0.9659,预测均方根误差(RMSEP)分别为0.1635%、1.8709μm、0.2403%,相对分析误差(RPD)分别为3.7110、2.7607、5.4158。外部验证集结果显示,模型的实时预测值与实测值呈现了相同变化趋势,包衣终点能被准确预测(预测误差<7.32 min,相对误差<5.63%)。结论:NIRS模型预测能力良好,可用于VCYT包衣过程的质量控制。

维C银翘片包衣过程近红外光谱实时检测研究

目的建立一种基于近红外光谱(near infrared spectroscopy,NIRS)快速检测维C银翘片(Vitamin C Yinqiao Tablets,VCYT)引湿率与包衣增重的方法,用于包衣过程的实时检测。方法参考《中国药典》2020年版测量引湿率,将其作为包衣防潮效果的指标。通过在线NIRS技术实时采集包衣过程中的片剂光谱,比较了区间偏最小二乘法(interval partial least squares,iPLS)、随机蛙跳(rand frog,RF)、蒙特卡罗-无信息变量消除(Monte Carlo-uninformative variable elimination,MCUVE)、竞争自适应重采样法(competitive adaptive reweighted sampling,CARS)4种波长选择算法对偏最小二乘回归(partial least squares regression,PLSR)的影响。结果所得定量模型可准确、稳定地预测引湿率与包衣增重,其决定系数(Rp 2)分别为0.8918和0.9396,预测均方根误差(root mean square error of prediction,RMSEP)分别为0.1754和0.2742,相对分析误差(relative prediction errors,RPD)分别为3.1219和4.1484。另外,在1批包衣过程实时检测的结果显示,预测模型对引湿率的预测效果良好(RPD=4.1991),但对包衣增重的预测效果较差(RPD=1.8152)。结论NIRS对维C银翘片包衣过程的实时检测是可行的。