Design and characterization of PNVCL‐based nanofibers and evaluation of their potential applications as scaffolds for surface drug delivery of hydrophobic drugs
Notice bibliographique
Résumé
ABSTRACT In this work, nanofiber scaffolds for surface drug delivery applications were obtained by electrospinning poly( N ‐vinylcaprolactam) (PNVCL) and its blends with poly(ε‐caprolactone) and poly( N ‐vinylcaprolactam)‐ b ‐poly(ε‐caprolactone). The process parameters to obtain smooth and beadless PNVCL fibers were optimized. The average fibers diameter was less than 1 μm, and it was determined by scanning electron microscopy analyses. Their affinity toward water was evaluated by measuring the contact angle with water. The ketoprofen release behavior from the fibers was analyzed using independent and model‐dependent approaches. The low values of the release exponent ( n < 0.5) obtained for 20 and 42 °C, indicating a Fickian diffusion mechanism for all formulations. Dissolution efficiencies (DEs) revealed the effect of polymer composition, methodology used in the electrospinning process, and temperature on the release rate of ketoprofen. PNVCL/poly( N ‐vinylcaprolactam)‐ b ‐poly(ε‐caprolactone)‐based nanofibers showed greater ability to control the in vitro release of ketoprofen, in view of reduced kinetic constant and DE, making this material promising system for controlling release of hydrophobic drugs. © 2019 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2020 , 137 , 48472.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | high |
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».