Nanoparticle-Based Chemotherapy Formulations for Head and Neck Cancer: A Systematic Review and Perspectives
Notice bibliographique
Résumé
Head and neck cancer (HNC) is a complex and heterogeneous disease associated with high mortality and morbidity worldwide. Standard therapeutic management of advanced HNC, which is based on radiotherapy often combined with chemotherapy, has been hampered by severe long-term side effects. To overcome these side effects, tumor-selective nanoparticles have been exploited as a potential drug delivery system to improve HNC therapy. A combination of MEDLINE, EMBASE, Cochrane Oral Health Group's Trials Register, Cochrane Central Register of Controlled Trials (CENTRAL) and ClinicalTrials.gov from inception up to June 2020 was used for this systematic review. A total of 1747 published manuscripts were reviewed and nine relevant references were retrieved for analysis, while eight of them were eligible for meta-analysis. Based on these studies, the level of evidence about the efficacy of nanoformulation for HNC therapy on tumor response and adverse side effects (SAE) was low. Even though basic research studies have revealed a greater promise of nanomaterial to improve the outcome of cancer therapy, none of them were translated into clinical benefits for HNC patients. This systematic review summarized and discussed the recent progress in the development of targeted nanoparticle approaches for HNC management, and open-up new avenues for future perspectives.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».