Formulation Strategies to Improve the Bioavailability of Poorly Absorbed Drugs with Special Emphasis on Self-Emulsifying Systems
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
Poorly water-soluble drug candidates are becoming more prevalent. It has been estimated that approximately 60-70% of the drug molecules are insufficiently soluble in aqueous media and/or have very low permeability to allow for their adequate and reproducible absorption from the gastrointestinal tract (GIT) following oral administration. Formulation scientists have to adopt various strategies to enhance their absorption. Lipidic formulations are found to be a promising approach to combat the challenges. In this review article, potential advantages and drawbacks of various conventional techniques and the newer approaches specifically the self-emulsifying systems are discussed. Various components of the self-emulsifying systems and their selection criteria are critically reviewed. The attempts of various scientists to transform the liquid self-emulsifying drug delivery systems (SEDDS) to solid-SEDDS by adsorption, spray drying, lyophilization, melt granulation, extrusion, and so forth to formulate various dosage forms like self emulsifying capsules, tablets, controlled release pellets, beads, microspheres, nanoparticles, suppositories, implants, and so forth have also been included. Formulation of SEDDS is a potential strategy to deliver new drug molecules with enhanced bioavailability mostly exhibiting poor aqueous solubility. The self-emulsifying system offers various advantages over other drug delivery systems having potential to solve various problems associated with drugs of all the classes of biopharmaceutical classification system (BCS).
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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