MétaCan
Menu
Retour à la cohorte
Enregistrement W2768654546 · doi:10.3390/pharmaceutics9040053

An Overview of Chitosan Nanoparticles and Its Application in Non-Parenteral Drug Delivery

2017· review· en· W2768654546 sur OpenAlexaff
Munawar Mohammed, Jaweria Syeda, Kishor M. Wasan, Ellen K. Wasan

Notice bibliographique

RevuePharmaceutics · 2017
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvanced Drug Delivery Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésChitosanDrug deliveryMucoadhesionDrugPharmacologyDrug carrierNanotechnologyChemistryMedicineMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The focus of this review is to provide an overview of the chitosan based nanoparticles for various non-parenteral applications and also to put a spotlight on current research including sustained release and mucoadhesive chitosan dosage forms. Chitosan is a biodegradable, biocompatible polymer regarded as safe for human dietary use and approved for wound dressing applications. Chitosan has been used as a carrier in polymeric nanoparticles for drug delivery through various routes of administration. Chitosan has chemical functional groups that can be modified to achieve specific goals, making it a polymer with a tremendous range of potential applications. Nanoparticles (NP) prepared with chitosan and chitosan derivatives typically possess a positive surface charge and mucoadhesive properties such that can adhere to mucus membranes and release the drug payload in a sustained release manner. Chitosan-based NP have various applications in non-parenteral drug delivery for the treatment of cancer, gastrointestinal diseases, pulmonary diseases, drug delivery to the brain and ocular infections which will be exemplified in this review. Chitosan shows low toxicity both in vitro and some in vivo models. This review explores recent research on chitosan based NP for non-parenteral drug delivery, chitosan properties, modification, toxicity, pharmacokinetics and preclinical studies.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,386
Tête enseignante GPT0,556
Écart entre enseignants0,170 · 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

Citations1 344
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceuticsMême sujetAdvanced Drug Delivery SystemsTravaux en français237 207