MétaCan
Menu
Retour à la cohorte
Enregistrement W2000180547 · doi:10.1615/critrevbiomedeng.v36.i4.10

Microbubbles as Ultrasound Contrast Agents and in Targeted Drug Delivery

2008· review· en· W2000180547 sur OpenAlexaff
Peter Sheffield, Aastha Trehan, Brendan Boyd, Oi Lei Wong

Notice bibliographique

RevueCritical Reviews in Biomedical Engineering · 2008
Typereview
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesnon disponible
Mots-clésMicrobubblesDrug deliveryUltrasoundUltrasound energyBiomedical engineeringTargeted drug deliveryFocused ultrasoundContrast-enhanced ultrasoundMedicineNanotechnologyMedical physicsMaterials scienceRadiology

Résumé

récupéré en direct d'OpenAlex

The development of microbubbles has had considerable impact on the field of diagnostic ultrasound. These minute, gas- or lipid-filled spheres have enabled imaging in the kidney, liver, heart, and myocardium with resolutions that were previously unachievable. Insonation of these microagents generates high-energy cavitational oscillations, which, in addition to providing contrast, can increase local drug diffusivity through microstreaming or bubble collapse. The ability of focused insonation to induce such collapse on ligated microbubbles offers opportunities to deliver targeted therapies in novel ways. Microbubbles have had considerable impact on cancer research in terms of both imagining tumors and through the delivery of therapeutic agents and on the delivery of substances across biological obstructions such as the blood-brain barrier. This review offers a discussion of current approaches used in microbubble construction, of the underlying physics involved in their creation and destruction, and of current applications for these particles, the latter demonstrating their importance for high-contrast medical ultrasound. Challenges to overcome and future areas of microbubble application are also discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,005

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,290
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Biomedical EngineeringMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207