Прогнозирование наличия кофеина в таблетках, содержащих ацетилсалициловую кислоту, дипирон и парацетамол, с помощью спектров ближнего ИК-диапазона, комбинационного рассеяния и метода частичной регрессии наименьших квадратов

Guio L. L. M.; Coutinho L. O.; Cavalcante V.; Ferreira A.; Amorim Z. B.; Ribeiro J. S.

Прогнозирование наличия кофеина в таблетках, содержащих ацетилсалициловую кислоту, дипирон и парацетамол, с помощью спектров ближнего ИК-диапазона, комбинационного рассеяния и метода частичной регрессии наименьших квадратов

Guio L. L. M., Coutinho L. O., Cavalcante V. , Ferreira A. , Amorim Z. B., Ribeiro J. S.

2021

Две хемометрические модели, основанные на спектроскопии диффузного отражения в ближней инфракрасной области и комбинационного рассеяния света, предлагаются для прогнозирования наличия кофеина в таблетках, содержащих ацетилсалициловую кислоту, дипирон и парацетамол. Для создания моделей обычно требуется предварительное сравнение спектральных данных и эталонных значений, полученных с помощью аналитической методологии. Для построения надежной калибровочной модели необходимо одновременное применение обоих аналитических методов на нескольких образцах, что является ограничивающим фактором для широкого использования спектроскопии. Измельченные таблетки различных марок, содержащие только действующие вещества – ацетилсалициловую кислоту, дипирон или парацетамол – и вспомогательные вещества, допировали контролируемым количеством чистого кофеина в диапазоне 0–10 мас.% и использовали в качестве калибровочных образцов. Таким образом, количественного определения кофеина эталонным методом не потребовалось. Образцы для прогнозов содержали по крайней мере один из вышеупомянутых активных ингредиентов и кофеин. Концентрации кофеина (мас.%), используемые в качестве эталонов для этапов прогнозирования, рассчитаны на основе значений, представленных в описании лекарственного средства, и конечной массы таблетки. Регрессия частичных наименьших квадратов использовалась как многомерный метод для построения моделей. Модели прогнозирования, основанные на ближней ИК-спектроскопии и комбинационном рассеянии света, с использованием четырех латентных переменных для кофеина показали следующие результаты: среднеквадратичные ошибки перекрестной проверки 0.79 и 0.78, среднеквадратичные ошибки прогноза 0.74 и 1.00, коэффициенты корреляции 0.97 и 0.97.

Guio L. L. M., Coutinho L. O., Cavalcante V. , Ferreira A. , Amorim Z. B., Ribeiro J. S. Прогнозирование наличия кофеина в таблетках, содержащих ацетилсалициловую кислоту, дипирон и парацетамол, с помощью спектров ближнего ИК-диапазона, комбинационного рассеяния и метода частичной регрессии наименьших квадратов. Журнал прикладной спектроскопии. 2021;88(4):594-602.

Цитирование

Список литературы

1. J. L. Temple, C. Bernard, S. E. Lipshultz, J. D. Czachor, J. A. Westphal, M. A. Mestre, Front. Psy., 8, 1–19 (2017).

2. M. C. Cornelis, Nutrients, 11, 416–420 (2019).

3. A. Shabir, A. Hooton, J. Tallis, M. Higgins, Nutrients, 10, 1528 (2018).

4. D. Wikoff, B. T. Welsh, R. Henderson, G. P. Brorby, J. Britt, E. Myers, J. Goldberger, H. R. Lieberman, C. O’Brien, J. Peck, M. Tenebein, C. Weaver, S. Harvey, J. Urban, C. Doepker, Food Chem. Toxicol., 109, 585–648 (2017).

5. A. Nehlig, J. Daval, G. Debry, Brain Res. Rev., 17, 139–170 (1992).

6. J. Sawynok, Pain, 152, 726–729 (2011).

7. R. P. Heaney, Food Chem. Toxicol., 40, 1263–1270 (2002).

8. A. R. Feinstein, L. Heinemann, D. Dalessio, J. M. Fox, J. Goldstein, G. Haag, D. Ladewig, C. P. O’Brien, Clin. Pharmacol. Ther., 68, 457–467 (2000).

9. H. R. V. Godoy, F. B. Gonçalves, C. F. Moraes, Rev. Med. Saude, 1, 169–173 (2012).

10. V. A. Voicu, C. Mircioiu, C. Plesa, M. Jinga, V. Balaban, R. Sandulovici, A. M. Costache, V. Anuta, I. Mircioiu, Front. Pharmacol., 10, 607 (2019).

11. J. R. Scott, A. L. Hassett, C. M. Brummett, R. E. Harris, D. J. Clauw, S. E. Harte, J. Pain Res., 10, 1801–1809 (2017).

12. J. Cruz, M. Bautista, J. M. Amigo, M. Blanco, Talanta, 80, 473–478 (2009).

13. E. M. Aldred, Pharmacology, a Handbook for Complementary Healthcare Professionals, 41, 331–341 (2009).

14. F. A. C. Sanches, R. B. Abreua, M. J. C. Pontes, F. C. Leite, D. J. E. Costa, R. K. H. Galvão, M. C. U. Araujo, Talanta, 92, 84–86 (2012).

15. C. A. D. Melo, P. Silva, A. A. Gomes, D. D. S. Fernandes, G. Véras, A. C. D. Medeiros, J. Braz. Chem. Soc., 24, 991–997 (2013).

16. M. I. Díaz-Reval, R. Galván-Orozco, F. J. López-Muñoz, N. Carrillo-Munguía, Cir. Ciruj., 76, 241–246 (2008).

17. G. G. Graham, M. J. Davies, R. O. Day, A. M. K. F. Scott, Inflammopharmacology, 21, 201–232 (2013).

18. S. J. Peroutka, J. A. Lyon, J. Swarbrick, R. B. Lipton, K. Kolodner, J. Goldstein, Headache, 44, 136–141 (2004).

19. S. Diamond, T. K. Balm, F. G. Freitag, Clin. Pharmacol. Ther., 68, 312–319 (2000).

20. A. Polski, R. Kasperek, K. Sobotka-Polska, E. Poleszak, Curr. Issues Pharm. Med. Sci., 27, 10–13 (2014).

21. http://portal.anvisa.gov.br/documents/3845226/0/Justificativa_Limites_Suplementos.pdf/e265ccd0-8361-4d8e-a33f-ce8b2ca69424.

22. S. C. Escobar, L. R. Cubides, C. P. Pérez, Indian J. Pharm. Sci., 79, 731–739 (2017).

23. R. C. Lopez-Sanchez, V. J. Lara-Diaz, A. Aranda-Gutierrez, J. A. Martinez-Cardona, J. A. Hernandez, J. Anal. Methods Chem., 2018, 1–11 (2018).

24. M. F. F. Lima, G. I. S. França, D. J. F. Souza, A. G. S. Cabral, C. A. de Azevedo Filho, Braz. J. Health Rev., 2, 4600–4610 (2019).

25. M. Jeszka-Skowron, A. Zgoła-Grzeskowiak, T. Grzeskowiak, Eur. Food Res. Technol., 240, 19–31 (2015).

26. M. C. Sarraguça, A. V. Cruz, S. O. Soares, H. R. Amaral, P. C. Costa, J. A. Lopes, J. Pharm. Biomed. Anal., 52, 484–492 (2010).

27. D. Melucci, D. Monti, M. D’Elia, G. Luciano, J. Forensic Sci., 57, 86–92 (2012).

28. Y. Sacré, F. Chavez, L. Netchacovicth, Ph. Hubert, E. Ziemos, J. Pham. Biomed. Anal., 101, 123–140 (2014).

29. C. S. Silva, A. Braz, M. F. Pimentel, J. Braz. Chem. Soc., 30, 2259–2290 (2019).

30. A. B. Eldin, O. A. Ismaiel, W. E. Hassan, A. A. Shalaby, J. Anal. Chem., 71, 861–871 (2016).

31. M. Palo, K. Kogermann, N. Genina, D. Fors, J. Peltonen, J. Heinämäki, N. Sandler, J. Drug Deliv. Sci. Technol., 34, 60–70 (2015).

32. D. M. Muntean, C. Alecu, I. Tomuta, J. Spectrosc., 2017, 1–8 (2017).

33. Y. Roggo, K. Degardina, P. Margot, Talanta, 81, 988–995 (2010).

34. N. M. Ralbovsky, I. K. Lednev, Spectrochim. Acta A, 219, 463–487 (2019).

35. B. Nagy, A. Farkas, M. Gyurkes, S. Komaromy-Hiller, B. Demuth, B. Szabo, D. Nusser, E. Borbas, G. Marosi, Z. Kristof, Int. J. Pharm., 530, 21–29 (2017).

36. B. M. Wise, N. B. Gallagher, R. Bro, J. M. Shaver, W. Windig, R. S. Koch, PLS_Toolbox 3.5, for Use with MatlabTM, Eigenvector Research (2004).

37. A. Savitzky, M. J. E. Golay, Anal. Chem., 36, 1627–1679 (1964).

38. R. G. Brereton, Applied Chemometrics for Scientists, John Wiley & Sons (2007).

39. J. V. Roque, W. Cardoso, L. A. Peternelli, R. F. Teófilo, Anal. Chim. Acta, 1075, 57–70 (2019).

40. J. S. Ribeiro, M. M. C. Ferreira, T. J. G. Salva, Talanta, 83, 1352–1358 (2011).

41. M. M. Said, S. Gibbons, A. C. Moffata, M. Zloha, Int. J. Pharm., 415, 102–109 (2011).

42. M. Blanco, R. Cueva-Mestanza, A. Peguero, J. Pharm. Biomed. Anal., 51, 797–804 (2010).

43. M. H. Ferreira, J. F. F. Gomes, M. M. Sena, J. Braz. Chem. Soc., 20, 1680–1686 (2009).

44. E. Otsuka, H. Abe, M. Aburada, Drug Dev. Ind. Pharm., 36, 839–844 (2010).

45. I. Pavel, A. Szeghalmi, D. Moringnio, S. Cinta, W. Kiefer, Biopolymers, 72, 25–37 (2003).

46. H. G. M. Edwards, T. Munshi, M. Anstis, Spectrochim. Acta A, 61, 1453–1459 (2005).

Источник

Информация

Автор

Guio L. L. M. Федеральный институт Эспириту-Санту – Кампус Вила-Велья
Coutinho L. O. Федеральный институт Эспириту-Санту – Кампус Вила-Велья
Cavalcante V. Центр аналитического оборудования Metrohm
Ferreira A. Федеральный университет Эспириту-Санту – Кампус Алегри
Amorim Z. B. Федеральный институт Эспириту-Санту – Кампус Вила-Велья
Ribeiro J. S. Федеральный институт Эспириту-Санту – Кампус Вила-Велья

Страницы

594-602

Год издания

2021

Ключевые слова

Коллекции

Журнал прикладной спектроскопии

Похожие публикации

Источник

Информация