Preparation and physicochemical characterization of Eudragit® RL100 Nanosuspension with potential for Ocular Delivery of Sulfacetamide
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: Polymeric nanosuspension was prepared from an inert polymer resin (Eudragit® RL100) with the aim of improving the availability of sulfacetamide at the intraocular level to combat bacterial infections. Methods: Nanosuspensions were prepared by the solvent displacement method using acetone and Pluronic® F108 solution. Drug to polymer ratio was selected as formulation variable. Characterization of the nanosupension was performed by measuring particle size, zeta potential, Fourier Transform infrared spectra (FTIR), Differential Scanning Calorimetry (DSC), Powder X-Ray Diffraction (PXRD), drug entrapment efficiency and in vitro release. In addition, freeze drying, redispersibility and short term stability study at room temperature and at 40C were performed. Results: Spherical, uniform particles (size below 500 nm) with positive zeta potential were obtained. No significant chemical interactions between drug and polymer were observed in the solid state characterization of the freeze dried nanosuspension (FDN). Drug entrapment efficiency of the selected batch was increased by changing the pH of the external phase and addition of polymethyl methacrylate in the formulation. The prepared nanosuspension exhibited good stability after storage at room temperature and at 40C. Sucrose and Mannitol were used as cryoprotectants and exhibited good water redispersibility of the FDN. Conclusion: The results indicate that the formulation of sulfacetamide in Eudragit® RL100 nanosuspension could be utilized as potential delivery system for treating ocular bacterial infections.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle