The Formulation of Lipid-Based Nanotechnologies for the Delivery of Fixed Dose Anticancer Drug Combinations
Notice bibliographique
Résumé
The introduction of combination chemotherapeutic regimens for the treatment of childhood leukaemia in the 1960s provided the proof-of-principle that cytotoxic drugs were capable of curing cancer. However, in the four decades since this discovery, the majority of cancers still cannot be cured by chemotherapy. Clinical evidence supports the hypothesis of Goldie and Coldman that treating cancers with all the available effective agents simultaneously provides the greatest chance of eliciting a cure. Unfortunately, for traditional cytotoxic agents with narrow therapeutic indices, life-threatening toxicity precludes combination chemotherapy regimens employing multiple agents. This review discusses the concept of fixed dose combination chemotherapy with emphasis on capturing therapeutic efficacy described as synergistic as a basis for improving the effectiveness of combination chemotherapy. The use of lipid-based nanotechnologies, focusing on liposomes, as an enabling technology to facilitate the delivery of cytotoxic agents to the tumour site at concentrations and/or drug ratios judged to be synergistic will be discussed. It is envisaged that the development of this model system will be supported by cell-based screening technologies, pharmacokinetic and pharmacodynamic parameters and mathematical models describing therapeutic drug:drug interactions (the Median Effect Principle of Chou and Talalay). Experiments using preclinical models are presented to support the benefits of drug delivery systems as a foundation for fixed dose anticancer drug combinations. The ultimate goal of this research is to prepare a 'single vial' fixed dose combination product that encompasses both traditional cytotoxic agents and new molecularly targeted modalities with optimum therapeutic effects and acceptable toxicity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».