Drug delivery approaches for the treatment of glioblastoma multiforme
Notice bibliographique
Résumé
CONTEXT: Glioblastoma multiforme (GBM) is by far the most common and aggressive form of glial tumor. It is characterized by a highly proliferative population of cells that invade surrounding tissue and that frequently recur after surgical resection and chemotherapy. Over the last decades, a number of promising novel pharmacological approaches have been investigated, but most of them have failed clinical trials due to some side-effects such as toxicity and poor drug delivery to the brain. The major obstacle in the treatment of GBM is the presence of the blood-brain barrier (BBB). Due to their relatively high molecular weight, most therapeutic drugs fail to cross the BBB from the blood circulation. OBJECTIVE: This paper sheds light on the characteristics of GBM and the challenges of current pharmacological treatments. A closer look is given to the role of nanotechnology in the field of drug delivery, and its application in the treatment of brain tumors such as GBM. METHOD: For this purpose, effort was made to select the most recent studies using predefined search criteria that included at least one of the following keywords in the PubMed and Medline databases: glioblastoma, drug delivery, blood-brain barrier, nanotechnology, and nanoparticle. CONCLUSION: Breakthrough in nanotechnology offers promising applications in cancer therapy and targeted drug delivery. However, more efforts need to be devoted to the development of novel therapeutic strategies that enable the delivery of drugs to desired areas of the brain with limited side-effects and higher therapeutic efficiency.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».