MétaCan
Menu
Retour à la cohorte
Enregistrement W2947384586 · doi:10.1201/9780429055201-18

Pressurized Metered-Dose Inhalers

2019· book-chapter· en· W2947384586 sur OpenAlexaboutno aff
Sandro R. P. da Rocha, Balaji Bharatwaj, Rodrigo S. Heyder, Lin Yang

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueInhalation and Respiratory Drug Delivery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetered-dose inhalerInhalerMedicineDrug deliveryDrugPropellantActive ingredientPharmacologyIntensive care medicineNanotechnologyAsthmaMaterials scienceInternal medicineEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Pressurized Metered-dose Inhalers (pMDIs) are complex drug-device combination products that are widely used to treat lung diseases, and may also be advantageously employed to deliver active pharmaceutical ingredients (APIs) to the systemic circulation through the lungs. pMDIs occupy ca. 70% of the respiratory inhaler device market share and are expected to continue their dominance in the foreseeable future. The transition from CFCs to hydrofluoroalkane (HFA) propellants has stimulated significant advances in this field, and the proposed phase out of HFAs as indicated in the Kigali amendment to the Montreal Protocol (starting in 2019) is expected to generate renewed interest in the design of alternative propellant systems and subsequently device components and formulations compatible with the more environmentally acceptable propellant alternatives to be used in the future medicinal aerosol formulations. Development of new technologies enabling: (i) the delivery of a broader class of APIs with pMDIs including biologics; (ii) the development of orally inhaled drug products containing nanomaterials; and (iii) the delivery of higher drug doses are some of the areas that are expected to help further the use of pMDIs and thus secure a larger share for orally inhaled products in the global drug delivery market.

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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,294

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0880,085

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 Opus0,033
Tête enseignante GPT0,259
Écart entre enseignants0,227 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInhalation and Respiratory Drug DeliveryTravaux en français237 207