Pharmacokinetic Consequences of PLGA Nanoparticles in Docetaxel Drug Delivery
Notice bibliographique
Résumé
BACKGROUND: Cancer chemotherapy is accompanied with administration of highly potent cytotoxic agents in doses that can result in non-specific drug toxicity and side effects. Chemotherapeutic agents possess limitations such as lack of water solubility, high volume of distribution, poor bioavailability, narrow therapeutic indices, multi-drug resistance, etc. that raise serious matters of concern regarding drug's pharmaceutical and clinical aspects. However, application of nanoparticles in delivery of anti-cancer agents has been a popular approach to address these concerns. Poly (lactide-co-glycolide) (PLGA), a biocompatible/biodegradable FDA-approved polymer has been widely used as drug carrier to enhance pharmaceutical/therapeutic properties of anticancer agents, prolonging their circulation time, targeting cancer tissues or protecting the drug from rapid elimination/premature degradation. This favourably modifies drug's pharmacokinetics and pharmacodynamics. OBJECTIVE: This paper provides a general perspective on how association of docetaxel to PLGA nanoparticles potentially modifies pharmacokinetics and biodistribution profile of the anticancer agent. METHOD: A comprehensive literature search has been conducted and dedicated to compile most relevant and up-to-date material about pharmacokinetic consequences of PLGA nanoparticles in docetaxel drug delivery. RESULTS: A set of determinants are considered to be influential on biodistribution and fate of docetaxel and PLGA nanoparticles. These are attributed to physicochemical properties of PLGA polymer, docetaxel, nanoparticle, and the set of events imposed to the nanoparticles by the host body. CONCLUSION: Association of PLGA nanoparticles and docetaxel has demonstrated to modify the drug's pharmacokinetic and biodistribution profile.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».