Release of Moxifloxacin from Contact Lenses Using an In Vitro Eye Model: Impact of Artificial Tear Fluid Composition and Mechanical Rubbing
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
Purpose: The aim of this study was to evaluate and compare the release of moxifloxacin from a variety of daily disposable (DD) contact lenses (CLs) under various conditions using a novel in vitro eye model. Methods: Four commercially available DD conventional hydrogel (CH) CLs (nelfilcon A, omafilcon A, etafilcon A, and ocufilcon B) and three silicone hydrogel (SH) CLs (somofilcon A, narafilcon A, and delefilcon A) were evaluated. These lenses were incubated in moxifloxacin for 24 hours. The release of the drug was measured using a novel in vitro model in three experimental conditions: (1) phosphate buffered saline (PBS); (2) artificial tear solution (ATS) containing a variety of proteins and lipids; and (3) ATS with mechanical rubbing produced by the device. Results: Overall, CH CLs had a higher drug release than SH CLs (P < 0.05) under all conditions. Typically, a higher drug release was observed in PBS than ATS (P < 0.05). For CH, drug release was found to be higher in ATS with rubbing than PBS or ATS (P < 0.05). For most lens types, ATS with rubbing produced higher drug release than ATS alone (P < 0.05). Generally, the release kinetics for all conditions were sustained over the 24-hour testing period, and no burst release was observed (P < 0.05). Conclusions: Moxifloxacin release from a CL into ATS is lower when compared to release into PBS. When mechanical rubbing is introduced, the amount of drugs released is increased. Translational Relevance: Results suggest that sophisticated in vitro models are necessary to adequately model on-eye drug release from CL materials.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle