Formulation of sunscreens with enhancement sun protection factor response based on solid lipid nanoparticles
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
Solid lipid nanoparticle (SLN) was regarded as new topical delivery systems for pharmaceutical and cosmetic active ingredients. The purpose of this study is to develop carrier systems for organic and inorganic sunscreens based on a matrix composed of carnauba wax and decyl oleate. Formulae (F1-F7) were prepared using butyl methoxydibenzoylmethane and octyl methoxycinnamate as organic components, and titanium dioxide (TiO(2) ) was used as inorganic component. Both types of sunscreens were incorporated into SLN formulations using classical method of preparation. To evaluate the effect of the pigments on the nanoparticles, particle size was measured using Mastersizer particle size analyser. UV-protection abilities of formulations were investigated by the in vitro sun protection factor test (SPF). Further parameters determined were spreadability as well as viscosity. The rheological behaviour of the formulations was also carried out. From the plot of log of shear stress vs. log of shear rate, the slope of the plot representing flow index and ontology of the y-intercept indicating consistency index was calculated. The formulae showed a flow index of 0.2074-0.4005 indicating pseudoplastic flow behaviour. Significant increases in SPF values up to about 50 were reported after the encapsulation by using organic and inorganic filters in Canada wax and decyl oleate. So, SLN could be appropriate vehicles to carry organic and inorganic sunscreens. The rational combination of cinnamates, titanium dioxide and Zinc oxide has shown a synergistic effect to improve the SPF of cosmetic preparations.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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