<p>Potential Use of Microbial Surfactant in Microemulsion Drug Delivery System: A Systematic Review</p>
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
BACKGROUND: Microemulsions drug delivery systems (MDDS) have been known to increase the bioavailability of hydrophobic drugs. The main challenge of the MDDS is the development of an effective and safe system for drug carriage and delivery. Biosurfactants are preferred surface-active molecules because of their lower toxicity and safe characteristics when compared to synthetic surfactants. Glycolipid and lipopeptide are the most common biosurfactants that were tested for MDDS. The main goal of the present systematic review was to estimate the available evidence on the role of biosurfactant in the development of MDDS. SEARCH STRATEGY: Literature searches involved the main scientific databases and were focused on the period from 2005 until 2017. The Search filter composed of two items: "Biosurfactant" and/or "Microemulsion." INCLUSION CRITERIA: Twenty-four studies evaluating the use of biosurfactant in MDDS were eligible for inclusion. Among these 14 were related to the use of glycolipid biosurfactants in the MDDS formulations, while four reported using lipopeptide biosurfactants and six other related review articles. RESULTS: According to the output study parameters, biosurfactants acted as active stabilizers, hydrophilic or hydrophobic linkers and safety carriers in MDDS, and among them glycolipid biosurfactants had the most application in MDDS formulations. CONCLUSION: Synthetic surfactants could be replaced by biosurfactants as an effective bio-source for MDDS due to their excellent self-assembling and emulsifying activity properties.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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