MétaCan
Menu
Retour à la cohorte
Enregistrement W3021916112 · doi:10.1002/wnan.1637

Nanomedicine and drug delivery systems in cancer and regenerative medicine

2020· review· en· W3021916112 sur OpenAlex
Elisa Garbayo, Simon Pascual‐Gil, Carlos Rodríguez‐Nogales, Laura Saludas, Ander Estella‐Hermoso de Mendoza, María J. Blanco‐Prieto

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWiley Interdisciplinary Reviews Nanomedicine and Nanobiotechnology · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesFundación Caja NavarraAgence Nationale de la Recherche
Mots-clésNanomedicineDrug deliveryMedicineRegenerative medicinePharmacologyBiodistributionDrugContext (archaeology)Stem cellNanotechnologyIn vivoBiotechnologyBiologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Nanomedicine and drug delivery technologies play a prominent role in modern medicine, facilitating better treatments than conventional drugs. Nanomedicine is being increasingly used to develop new methods of cancer diagnosis and treatment, since this technology can modulate the biodistribution and the target site accumulation of chemotherapeutic drugs, thereby reducing their toxicity. Regenerative medicine provides another area where innovative drug delivery technology is being studied for improved tissue regeneration. Drug delivery systems can protect therapeutic proteins and peptides against degradation in biological environments and deliver them in a controlled manner. Similarly, the combination of drug delivery systems and stem cells can improve their survival, differentiation, and engraftment. The present review summarizes the most important steps carried-out by the group of Prof Blanco-Prieto in nanomedicine and drug delivery technologies. Throughout her scientific career, she has contributed to the area of nanomedicine to improve anticancer therapy. In particular, nanoparticles loaded with edelfosine, doxorubicin, or methotrexate have demonstrated great anticancer activity in preclinical settings of lymphoma, glioma, and pediatric osteosarcoma. In regenerative medicine, a major focus has been the development of drug delivery systems for brain and cardiac repair. In this context, several microparticle-based technologies loaded with biologics have demonstrated efficacy in clinically relevant animal models such as monkeys and pigs. The latest research by this group has shown that drug delivery systems combined with cell therapy can achieve a more complete and potent regenerative response. Cutting-edge areas such as noninvasive intravenous delivery of cardioprotective nanomedicines or extracellular vesicle-based therapies are also being explored. This article is categorized under: Therapeutic Approaches and Drug Discovery > Emerging Technologies Therapeutic Approaches and Drug Discovery > Nanomedicine for Oncologic Disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,329
Écart entre enseignants0,294 · 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