A Novel Intranasal Spray Device for the Administration of Nanoparticles to Rodents
Notice bibliographique
Résumé
Experimental intranasal (IN) delivery of nanoparticle (NP) drug carriers is typically performed using a pipette with or without anesthesia, a technique that may be a poor simulation of practical IN administration of drug-loaded NPs in humans. Existing IN spray devices suffer from drawbacks in terms of variability in dose-control and spray duration as well as the application of nonuniform pressure fields when a NP-formulated drug is aerosolized. Furthermore, existing spray devices require large volumes that may not be available or may be prohibitively expensive to prepare. In response, we have developed a novel pneumatically driven IN spray device for the administration of NPs, which is capable of administering extremely small quantities (50–100 μl) of NP suspension in a fine spray that disperses the NPs uniformly onto the tissue. This device was validated using haloperidol-loaded Solanum tuberosum lectin (STL)-functionalized, poly(ethylene glycol)–block-poly(d,l-lactic-co-glycolic acid) (PEG–PLGA) NPs targeted for delivery to the brain for schizophrenia treatment. A pneumatic pressure of 100 kPa was found to be optimal to produce a spray that effectively aerosolizes NP suspensions and delivers them evenly to the olfactory epithelium. IN administration of STL-functionalized NPs using the IN spray device increased brain tissue haloperidol concentrations by a factor of 1.2–1.5× compared to STL-functionalized NPs administered IN with a pipette. Such improved delivery enables the use of lower drug doses and thus offers both fewer local side-effects and lower costs without compromising therapeutic efficacy.
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 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 | 0,003 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».