Diazepam Loaded Solid Lipid Nanoparticles: <i>In Vitro</i> and <i>in Vivo</i> Evaluations
Notice bibliographique
Résumé
Purpose: To overcome side effects of repetitive administration of Diazepam (Dzp) besides gaining benefits from sustaining release (SR) of the drug, which contributes to patient compliance, we concentrated on designing and preparing Dzp Solid Lipid Nanoparticles (SLNs). Methods: Using cholesterol (CHOL), stearic acid (SA) and glycerol monostearate (GMS), SLNs were prepared by high shear homogenization technique coupled with sonication. Polysorbate 80 (Tween 80) was used as a nonionic surfactant. After modification of prepared SLNs, particle size, zeta potential, drug-loading efficiency, morphology and scanning calorimetry as well as release studies were conducted. To increase the stability of desired particles, freeze-drying by cryoprotectant was carried out. In the final stage, In-vivo study was performed by oral (PO) and intraperitoneal (IP) administration to Wistar male rats. Results: Results indicated that optimized prepared particles were in average 150 nm diameter in spherical shape with 79.06 % loading efficiency and release of more than 85% of loaded drug in 24 hours. In-vivo investigations also illustrated differences in blood distribution of Dzp after loading this drug into SLNs. Conclusion: Based on the findings, it seems that drug delivery using SLNs could be an opportunity for solving complications of Dzp therapy in future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».