MétaCan
Menu
Retour à la cohorte
Enregistrement W2136439488 · doi:10.1517/17425247.2014.882315

Contact lenses for antifungal ocular drug delivery: a review

2014· review· en· W2136439488 sur OpenAlexaff
Chau‐Minh Phan, Lakshman N. Subbaraman, Lyndon Jones

Notice bibliographique

RevueExpert Opinion on Drug Delivery · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueOcular Surface and Contact Lens
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFungal keratitisContact lensDrugAntifungal drugAntifungalMedicineCorneaAntifungal drugsDrug deliveryKeratitisPharmacologyDosingDermatologyOphthalmologyNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Fungal keratitis, a potentially blinding disease, has been difficult to treat due to the limited number of approved antifungal drugs and the taxing dosing regimen. Thus, the development of a contact lens (CL) as an antifungal drug delivery platform has the potential to improve the treatment of fungal keratitis. A CL can serve as a drug reservoir to continuously release drugs to the cornea, while limiting drug loss through tears, blinking, drainage and non-specific absorption. AREAS COVERED: This review will provide a summary of currently available methods for delivering antifungal drugs from commercial and model CLs, including vitamin E coating, impregnated drug films, cyclodextrin-functionalized hydrogels, polyelectrolyte hydrogels and molecular imprinting. This review will also highlight some of the main factors that influence antifungal drug delivery with CLs. EXPERT OPINION: Several novel CL materials have been developed, capable of extended drug release profiles with a wide range of antifungal drugs lasting from 8 h to as long as 21 days. However, there are factors, such as first-order release kinetics, effectiveness of continuous drug release, microbial resistance, ocular toxicity and potential complications from inserting a CL in an infected eye, that still need to be addressed before commercial applications can be realized.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,046
Tête enseignante GPT0,350
Écart entre enseignants0,304 · 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

Citations46
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Drug DeliveryMême sujetOcular Surface and Contact LensTravaux en français237 207