Recent advances in drug delivery strategies for treatment of ovarian cancer
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
INTRODUCTION: Ovarian cancer is associated with the highest mortality rate of all gynecological malignancies, due in part to inadequate treatment strategies and the asymptomatic nature of the disease. Current standard of care includes surgery and systemic chemotherapy. However, this approach can result in toxicities and eventual disease relapse, due to the emergence of multidrug resistance. Drug delivery systems (DDS) have shown promise in overcoming many of the limitations facing conventional treatment regimens. AREAS COVERED: This review provides an overview of recent advances in DDS strategies for the treatment ovarian cancers. Nano-sized systems, including nanoparticles, micelles, liposomes and drug conjugates; microspheres; implants and injectable depots are discussed. The advantages, limitations and clinical potential of these strategies are also outlined. EXPERT OPINION: Nano-sized DDS enable passive targeting to tumors due to their size, and further improvements in tumor localization can be made using targeting moieties. Microspheres, implants and injectable depots have been investigated for peritoneal localized and sustained therapy. Overall, the benefits of using DDS for ovarian cancer therapy include higher drug levels at the diseased site, circumvention of drug resistance mechanisms, minimization of non-specific toxicities, improvements in solubility of poorly soluble drugs and elimination of toxicities associated with conventionally used pharmaceutical excipients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle