AOTF-NIR快速检测丹参中丹参酮Ⅰ含量的新方法

目的探索一种采用声光可调近红外(AOTF-NIR)光谱技术快速测定丹参药材丹参酮Ⅰ含量的新方法。方法依据2015年版《中国药典》,采用高效液相色谱法(HPLC)测定丹参药材丹参酮Ⅰ含量,采用偏最小二乘法(PLS),建立含量与NIR光谱之间的校正模型,利用NIR模型对未知的丹参样品进行预测。结果丹参药材丹参酮Ⅰ的NIR模型校正均方根偏差(RMSEC)为0.0052,预测均方根偏差(RMSEP)为0.0096,决定系数(CORRELATION)为0.9800,采用验正集样品进行外部验证,实测值与预测值的偏差为3.68%。结论 AOTF-NIR快速分析法对丹参药材丹参酮含量预测结果较好,为丹参药材快速定量分析提供了方法。     

近红外光谱法快速分析玄参药材中毛蕊花糖苷含量

目的建立玄参药材指标成分毛蕊花糖苷的近红外光谱快速定量模型。方法采用偏最小二乘法建立玄参药材中毛蕊花糖苷的近红外光谱多元校正模型,并对未知样品进行含量预测。结果校正模型相关系数r=0.998 53,验证集预测误差平方根为0.027 3,验证集平均相对误差为3.7%。结论近红外光谱检测快速,模型预测效果好,可用于玄参药材中毛蕊花糖苷的快速测定。     

筋骨痛消丸中醇浸出物的近红外光谱法快速测定

目的 运用近红外光谱技术和化学计量学方法,对筋骨痛消丸中醇浸出物的含量进行快速测定.方法 测定100份筋骨痛消丸醇浸出物的含量,采集所有样品的近红外光谱.采用光谱处理方法为偏最小二乘法(PLS)+二阶导数(SD),用TQ 8.0软件结合PLS建立醇浸出物的近红外光谱(NIR)定量模型.结果 建模范围为8 116.04～11 983.82 cm-1,主因子数为7,校正集内部交叉验证决定系数(R2)为0.99 778,校正集均方根偏差(RMSEC)为0.0 376,交叉验证集均方根偏差(RMSEP)为0.547,预测集平均相对误差为2.39％.结论 利用近红外光谱技术建立的模型对筋骨痛消丸中醇浸出物的含量测定是可行的,该方法快速、简便、结果准确.     

近红外光谱技术快速测定麦门冬药材中水分的含量

[目的]利用近红外漫反射光谱法结合化学计量法建立一种快速测定麦门冬药材中水分含量的方法。[方法]以烘干法测定90批麦门冬的水分含量作为参考值,利用近红外光谱仪采集麦门冬漫反射光谱结合偏最小二乘法(PLS)建立麦门冬药材中水分定量校正模型。[结果]运用SNV+First Derivative+Norris平滑光谱预处理方法,筛选最佳建模波段在5 000~9 000 cm-1,主因子数为8,建立的定量模型内部交叉验证相关系数R为0.981 1,交叉验证误差均方差RMSECV为0.131,12批验证集样品的参考值与预测值经统计学t检验,P=0.950.05,表明2组数据无统计学意义。[结论]运用近红外光谱技术建立麦门冬水分定量模型可快速预测其水分值,该方法快速、简便,结果准确,为中药材质量的实时监测提供数据支持。     

近红外漫反射光谱法快速测定制川乌中生物碱及水分含量

[目的]采用近红外漫反射光谱法对制川乌中的相关成分进行快速定量分析.[方法]应用近红外漫反射光谱法采集119个制川乌样品的近红外光谱数据,采用偏最小二乘回归法分别建立近红外光谱信息与单酯型生物碱类成分、双酯型生物碱类成分、水分之间的定量分析模型.[结果]制川乌中单酯型生物碱类成分、双酯型生物碱类成分、水分校正模型的建模光谱范围为8 431.26～4 075.93,5 086.76～4 088.64、7 725.44～5 924.25,7 934.87～4 088.64 cm-1,校正模型的校正均方根误差(RMSEC)单酯型生物碱类成分=0.098,相关系数(r)单酯型生物碱类成分=0.955 9;RMSEC双酯型生物碱类成分=0.034,r双酯型生物碱类成分=0.969 4;RMSEC水分=0.002,r水分=0.976 7,验证模型的预测均方根误差(RMSEP)单酯型生物碱类成分=0.168,r单酯型生物碱类成分=0.926 6;RMSEP双酯型生物碱类成分=0.039,r双酯型生物碱类成分=0.982 6;RMSEP水分=0.004,r水分=0.836 3.3类成分的预测值与参考值的相关系数分别为0.970、0.993、0.918(均P＜0.001,说明近红外光谱法与高效液相色谱法测定生物碱类成分相关性较好,近红外光谱法与烘干法测定水分相关性较好,可以较准确地预测其覆盖范围的相应物质含量.[结论]近红外光谱法具有不破坏样品、不需要对样品进行复杂的前处理、分析速度快、预测结果准确等特点,可用于制川乌中相应成分含量的预测.     

近红外光谱分析技术用于硫酸羟氯喹原辅料混合均匀度在线定量监测

目的 建立在线监测硫酸羟氯喹原辅料混合均匀度的定量分析模型,以准确、快速判断混合终点。方法 制备硫酸羟氯喹标示百分含量为70%～130%的原辅料混合物。采集近红外光谱,对原始光谱进行标准正则变换、一阶导数和Norris平滑处理,建模波段为8 372～9 045 cm^-1、5 616～6 058 cm^-1,运用偏最小二乘回归建立定量分析模型。运用建立的定量分析模型预测硫酸羟氯喹在原辅料混合过程中的标示百分含量,以高效液相色谱法（HPLC）作为参考方法对混合终点进行验证。结果 建立模型所用主因子数为5;模型的校正误差均方根为0.96,校正集相关系数R_c为0.998;预测误差均方根为0.97,验证集相关系数R_p为0.998;交互验证的校正误差均方根为1.56,交互验证相关系数R_cv为0.995。近红外模型的预测结果与HPLC验证结果相符。结论 所建近红外定量分析模型可以用于硫酸羟氯喹原辅料混合均匀度的在线定量分析,能够准确、快速判断混合终点。     

番茄表层硫丹残留的近红外快速检测方法

选择经Rubberband 64点基线校正和二阶导数(平滑窗口为17,拟合阶数为2)预处理的近红外漫反射光谱,采用Boosting偏最小二乘法(PLS),利用5个子模型建立了番茄表层硫丹残留量预测模型,并对模型的预测性能进行验证。模型的定标系数为0.992,预测残留量范围为5.1~134.1 ng,预测均方根误差（RMSEP）和校正均方误差（RMSECV）分别为2.79 和2.82,训练集和预测集的回收率范围分别为（100.1±1.4）%和（98.9±2.6）%。结果表明：本法快速、准确,有望成为新的蔬菜表层农药残留监测方法。     

麸炒白术水分和浸出物含量近红外检测模型建立

目的基于声光可调滤光器-近红外技术(AOTF-NIR)建立一种简便、快速的麸炒白术水分和浸出物含量检测模型。方法将样品分成校正集和验证集,采用主成分分析法和偏最小二乘法分别建立检测模型,并采用配对t检验检验模型的可靠性。结果麸炒白术水分检测模型的主因子数为4,理论相关系数=0.983 4,预测相关系数0.957 4,外部验证平均相对偏差为4.99%。浸出物检测模型的主成分数为8,理论相关系数0.957 2,预测相关系数0.908 8,平均相对偏差为4.87%。验证集10批麸炒白术的水分含量、浸出物含量的预测值和实测值均无显著性差异(P0.05)。结论成功建立麸炒白术的水分和浸出物近红外定量检测模型,可以准确预测麸炒白术的水分和浸出物含量,为麸炒白术的质量控制提供了一种简便、快速、环保的分析方法。     

基于正交小波包的异福片近红外光谱分析

目的 利用小波包变换(WPT)提取异福片样品近红外漫反射光谱的特征信息,建立用近红外光谱(NIRS)快速测定异福片中有效成分的新方法.方法 运用偏最小二乘法(PLS)建立特征信息与利福平和异烟肼含量之间的定量校正模型,对预测集的样品进行含量测定.结果 校正模型在小波包分解尺度为6时预测精度最好,预测集利福平和异烟肼的相关系数(rp)分别从原始光谱的0.981 72和0.979 89提高到0.990 09和0.991 48,同时预测集均方根误差(RMSEP)分别从0.007 66和0.006 84减小到0.005 89和0.005 36.结论 正交小波包多尺度分析对近红外光谱具有较强的去噪和压缩能力,从而使PLS模型更具有代表性和稳健性,同时也提高了建模效率和模型的预测精度.     

近红外光谱法快速测定升麻中皂苷含量

目的:建立快速测定升麻中升麻新苷I含量的近红外定量模型。方法:以高效液相色谱法测定升麻新苷Ⅰ的含量,运用近红外技术收集不同产地不同批次的升麻样品的光谱图,采用标准正态变换(SNV)加二阶导数(SD)的光谱预处理方法,通过偏最小二乘回归(PLS)法建立升麻中升麻新苷Ⅰ含量测定的近红外定量模型,并对已建立的定量模型进行验证。结果:建立的新苷Ⅰ校正模型的相关系数(R)为0.99077,校正均方差(RMSEC)为0.0123,用验证集进行模型验证,预测误差均方根(RMSEP)为0.0348。结论:结果表明该方法简便高效,建立的模型性能较好,对升麻中升麻新苷Ⅰ含量的预测准确可靠。     

近红外漫反射光谱(NIRS)结合TQ软件建立盾叶薯蓣中薯蓣皂苷元定量模型

 目的  利用近红外漫反射光谱(near infraed spectroscopy,NIRS)结合TQ软件快速测定盾叶薯蓣药材中薯蓣皂苷元含量。方法  采集盾叶薯蓣样品的近红外光谱图,采用高效液相色谱法(HPLC)测定盾叶薯蓣中薯蓣皂苷元的含量,利用TQ软件建立薯蓣皂苷元的定量分析模型,利用模型对未知样品进行预测。结果  建立的薯蓣皂苷元校正模型的相关系数(R2)、校正均方差(RMSEC),内部交叉验证均方差(RMSECV)分别为0.96459,0.0999,0.30041;经外部验证,模型的预测相关系数(R2)和预测均方差(RMSEP)分别为0.9634,0.128。结论  所建模型预测能力较好,可以用于盾叶薯蓣中薯蓣皂苷元含量的快速检测。     

近红外光谱技术快速测定首乌丸水分含量

目的 应用近红外光谱技术测定首乌丸中水分的质量分数.方法 烘干法测定115批首乌丸样品水分的质量分数,采集其近红外光谱数据,经一阶导数法与S-G平滑法预处理,结合偏最小二乘法建立测定首乌丸中水分质量分数的近红外光谱定量分析模型.结果 该模型内部交叉验证决定系数为0.944,校正均方差为0.121,内部交叉验证均方差为0.205,验证集的预测均方差为0.127.结论 该近红外光谱水分定量分析模型稳定,准确可靠,可用于首乌丸中水分质量分数的测定.     

高效液相色谱法测定维生素C阴道缓释片有关物质及含量

目的:建立测定维生素C阴道缓释片有关物质及含量的高效液相色谱法.方法:色谱柱为Phenomenex C18柱(250 mm×4.6 mm,5μm),流动相为磷酸盐缓冲液,流速为0.8 ml/min,检测波长为245 nm,柱温为25℃,进样量为10μl.结果:3批样晶中有关物质的平均含量为0.13%;维生素C检测浓度的线性范围为23.5～188.0 μg/ml,r=1.000 0(n=5),平均回收率为100.3%,RSD为0.80%.结论:本检测方法灵敏、快速、结果准确,可用于维生素C阴道缓释片的质量控制.     

近红外光谱技术快速测定川芎中阿魏酸及藁本内酯含量

目的：应用近红外光谱技术建立一种川芎中阿魏酸及藁本内酯的快速测定方法。方法：以HPLC法测定的样品中阿魏酸及藁本内酯的含量为真实值,运用近红外漫反射光谱技术采集50份川芎样品的近红外漫反射光谱,结合偏最小二乘法（PLS）建立阿魏酸及藁本内酯含量的定量分析模型。结果：所建阿魏酸及藁本内酯校正模型的相关系数（R2）和内部交叉验证均方差（RMSECV）分别为0.9833,0.0175和0.9771,0.1550;经外部验证,模型的预测相关系数（r2）和预测均方差（RMSEP）分别为0.9819,0.0095和0.9335,0.1139。结论：该方法简便,快速,无污染,可用于川芎中阿魏酸和藁本内酯含量的快速测定。     

近红外光谱技术结合偏最小二乘法快速测定砂仁中乙酸龙脑酯的含量

目的?运用红外光谱（NIRS）技术快速测定砂仁中乙酸龙脑酯的含量。方法?采用GC测定101份砂仁中乙酸龙脑酯的含量,采集其NIRS图,结合偏最小二乘法（PLS）建立砂仁中乙酸龙脑酯的定量分析模型。结果?砂仁中乙酸龙脑酯的定量分析模型的校正集内部交叉验证决定系数（R2）、校正均方差（RMSEC）和内部交叉验证均方差（RMSECV）分别为0.992?59、0.014?5和0.071?4;外部验证预测均方差（RMSEP）为0.016?7。结论?NIRS简便准确,可用于砂仁中乙酸龙脑酯含量的快速测定。      

近红外光谱法快速测定青翘中醇浸出物的含量

目的运用近红外光谱技术（NIR）快速测定青翘中醇浸出物的含量。方法运用NIR结合偏最4、二乘法（PLS）建立青翘药材中醇浸出物含量的定量校正模型。结果所建立的定量校正模型内部交叉验证决定系数为0．99262,内部交叉验证均方差为0．83793,校正均方差为0．284,预测均方差为0．438。结论运用NIR测定青翘药材中醇浸出物含量是可行的。     

维C佳钙泡腾片的处方工艺研究

目的：研究维C佳钙泡腾片的处方筛选和工艺。方法：主要以溶解性、泡腾时间作为判断标准，对钙源、泡腾剂和黏合剂的种类进行处方筛选及工艺考察。结果：维C佳钙泡腾片以葡萄糖酸钙／碳酸钙（3：1）作为钙源，柠檬酸／苹果酸／富马酸（12：1：0．28）和碳酸氢钠／碳酸钙（3：1）分别作为酸源和二氧化碳源，无水乙醇作为黏合剂，采用酸碱混合后非水制粒压片法制备。结论：通过这种方法制得的维C佳钙泡腾片有较好的溶解性，泡腾时限及各项常规检查项目符合《中国药典》2005年版规定，而且口感好、含钙量合格，有继续开发的价值。     

基于思维导图联合定量化预测模型对缺血性脑卒中合并吞咽障碍病人的护理实践

目的探讨基于思维导图联合定量化预测模型对缺血性脑卒中合并吞咽障碍病人的护理效果。 方法选取缺血性脑卒中病人357例作为研究对象，采用留一法将病人分为建模集（n=283）和验证集（n=74），回顾性分析建模集病人的临床资料，分析病人发生卒中后吞咽障碍的危险因素，并建立相关列线图预测模型和思维导图。 结果年龄≥ 60岁、高血压、糖尿病、脑干梗死、NHISS评分≥ 12分、GCS评分 < 10分均为缺血性脑卒中后吞咽障碍的独立危险因素（P < 0.05~P < 0.01）。基于筛选出危险因素建立列线图预测模型，建模集和验证集的C-index指数分别为0.816（95% CI:0.761~0.849）和0.782（95% CI:0.736~0.818），校正曲线均与标准曲线拟合较好，AUC分别为0.882和0.822，表明该列线图模型具有良好的预测能力；并借助思维导图清晰展现危险指标和危险分层。 结论缺血性脑卒中后吞咽障碍的危险因素较多，本研究基于危险因素建立的列线图模型具有良好的预测能力，联合思维导图有助于护理人员记忆和理解模型的临床意义。