MétaCan
Menu
Retour à la cohorte
Enregistrement W2033525116 · doi:10.3109/07388551.2012.743503

Biopolymer nanoparticle production for controlled release of biopharmaceuticals

2013· review· en· W2033525116 sur OpenAlexaff
David Hudson, Argyrios Margaritis

Notice bibliographique

RevueCritical Reviews in Biotechnology · 2013
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvanced Drug Delivery Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBiopolymerNatural polymersControlled releaseDrug deliveryGelatinPolymerPullulanNanotechnologyNanoparticleChitosanDrug carrierMaterials scienceSmart polymerChemistryOrganic chemistryPolysaccharide

Résumé

récupéré en direct d'OpenAlex

For drug applications, nanoparticles, used as drug carriers, offer the advantage of controlled release, therapeutic impact and targeted delivery. In drug delivery applications, biodegradable polymers can be extracted from natural sources or prepared synthetically by polymerization. Natural polymers typically have varying compositions and physiochemical properties. As a result, methods which utilize natural polymers to encapsulate drugs are more varied and polymer dependent. The following polymers are discussed in this review article: alginate, chitosan, gelatin, albumin, gliadin, pullulan, and dextran. Specialized encapsulation nanotechnologies will be discussed such as ionotropic gelation, complexation, the reverse microemulsion technique, cross-linking methods, emulsion-dependent methods, desolvation methods and self-assembly methods. For each biopolymer an overview of the structure is presented with the corresponding encapsulation techniques. Understanding the structure of the biopolymer is important as to not only understand the rational for current encapsulation techniques but to continue to develop new encapsulation techniques in pursuit of the ideal drug carrier for application in therapeutic treatments.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,297
Tête enseignante GPT0,548
Écart entre enseignants0,251 · 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

Citations109
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in BiotechnologyMême sujetAdvanced Drug Delivery SystemsTravaux en français237 207