MétaCan
Menu
Retour à la cohorte
Enregistrement W2034261357 · doi:10.1615/critrevoncog.2014011563

Nanoparticle Drug Formulations for Cancer Diagnosis and Treatment

2014· review· en· W2034261357 sur OpenAlexafffund
Wilson Poon, Xuan Zhang, Jay Nadeau

Notice bibliographique

RevueCritical Reviews™ in Oncogenesis · 2014
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésNanotechnologyDrugCancerCancer treatmentMedicineNanoparticleDrug deliveryIntensive care medicinePharmacologyMaterials scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Over the past ten years, more than a billion dollars in U.S. government funding has been awarded to the development of nanomaterials for clinical diagnosis and therapy. In this article we will focus on one subset of nanotechnology: nanoparticle formulations of drugs intended to diagnose or treat cancer. Several nanoparticle drug preparations are now in widespread clinical use, and dozens are in the pipeline. In some cases the nanoparticles are simply passive drug carriers or contrast agents; in others, the nanoparticles have active therapeutic properties. Cancer, particularly solid tumors, is one of nanotechnology's key targets. The specific challenges involved in cancer treatment are those addressed by multifunctional materials, in particular, inaccessibility, widespread metastasis, low oxygen concentrations, and resistance to drugs and radiation. Nonetheless, major barriers still remain to effective nanoparticle design and approval.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,413
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations21
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Reviews™ in OncogenesisMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207