Тегеран
Tehran
Тегеран
Tehran
Тегеран
Tehran
Разработан простой и точный спектрофотометрический метод для одновременного определения леводопы (LD), карбидопы (CD) и энтакапона (ENT) в фармацевтических препаратах. В связи со значительным перекрытием их спектров поглощения для извлечения количественной информации и устранения спектральных помех использованы три хемометрических метода: искусственная нейронная сеть, система нечеткого вывода (FIS) и адаптивная нейронная система нечеткого вывода (ANFIS). Модель FIS, оптимизированная с использованием алгоритма Левенберга—Марквардта, продемонстрировала превосходную прогностическую эффективность с коэффициентом детерминации (R²) 0.9999 для всех аналитов. Средние значения степени извлечения составили 100.25, 99.42 и 99.65%, среднеквадратичная ошибка (RMSE) 0.02, 0.006 и 0.05 для LD, CD и ENT соответственно. Модель FIS показала значения R2 = 0.9996 (LD и ENT) и 0.9998 (CD) со средними значениями степени извлечения 99.06, 99.42 и 99.25% и RMSE = 0.14, 0.018 и 0.13 соответственно. Модель ANFIS дала значения R2 = 0.9981, 0.9970 и 0.9983, средние значения степени извлечения 99.09, 98.56 и 99.34%, RMSE = 0.19, 0.05 и 0.22 для LD, CD и ENT соответственно. Статистическое сравнение с эталонным методом высокоэффективной жидкостной хроматографии с использованием однофакторного дисперсионного анализа (ANOVA) показало отсутствие существенной разницы между результатами (p > 0.05). Предложенные спектрофотометрические/хемометрические подходы представляют собой надежные и экономически эффективные альтернативы хроматографическим методам для рутинного контроля качества многокомпонентных фармацевтических препаратов.
A simple and accurate spectrophotometric method was developed for the simultaneous determination of levodopa (LD), carbidopa (CD), and entacapone (ENT) in pharmaceutical formulations. Because of the extensive overlap among their absorption spectra, three chemometric techniques – Artificial Neural Network (ANN), Fuzzy Inference System (FIS), and Adaptive Neuro-Fuzzy Inference System (ANFIS) – were applied to extract quantitative information and resolve spectral interferences. The ANN model, optimized using the Levenberg–Marquardt (LM) algorithm, demonstrated excellent predictive performance, with a coefficient of determination (R2) of 0.9999 for all analytes. The corresponding mean recoveries were 100.25, 99.42, and 99.65%, and the root mean square error (RMSE) values were 0.02, 0.006, and 0.05 for LD, CD, and ENT, respectively. The FIS model produced R² values of 0.9996 (LD and ENT) and 0.9998 (CD), with mean recoveries of 99.06, 99.42, and 99.25% and RMSE values of 0.14, 0.018, and 0.13, respectively. The ANFIS model yielded R2 values of 0.9981, 0.9970, and 0.9983, mean recoveries of 99.09, 98.56, and 99.34%, and RMSE values of 0.19, 0.05, and 0.22 for LD, CD, and ENT, respectively. Statistical comparison with a reference high-performance liquid chromatography (HPLC) method using one-way analysis of variance (ANOVA) indicated no significant difference between the results (p > 0.05). These findings demonstrate that the proposed spectrophotometric–chemometric approaches provide reliable and cost-effective alternatives to chromatographic techniques for the routine quality control of multicomponent pharmaceutical formulations.
The authors declare that there are no conflicts of interest present.