MétaCan
Menu
Retour à la cohorte
Enregistrement W3095312696 · doi:10.3390/ijms21218114

Soft Template Electropolymerization of Polypyrrole for Improved pH-Induced Drug Delivery

2020· article· en· W3095312696 sur OpenAlexafffund
Iryna Liubchak, Matthew T. Lawrence, F. Benjamin Holness, Aaron D. Price

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésPolypyrroleDrug deliveryPolymerPolymerizationNanotechnologyMaterials scienceDrugChemical engineeringChemistryOrganic chemistryPharmacology

Résumé

récupéré en direct d'OpenAlex

Chronic wounds are characterized by a localized pH change from acidic (healthy) to alkaline (unhealthy), which can be harnessed to act as a switch for drug release from a polymer medium covering the wound for improved healing. To realize this, a new polymer dressing material is needed to help heal chronic wounds. Polypyrrole (PPy) is a biocompatible electroactive polymer that has been proven as a successful drug delivery mechanism, but currently lacks the capacity for scalable clinical applications due to its poor processability. In this study, PPy films with and without microstructures were produced using electrochemical oxidation and subsequently doped with fluorescein, a model drug molecule. To increase the drug loading capacity, microstructures were created through soft template polymerization of pyrrole around hydrogen gas bubbles. Fluorescein release was measured using UV spectroscopy over a pH range of 2 to 11, showing increased release at higher pH values. Microstructured films showed an increased doping capacity compared to flat PPy films, attributed to the increase in drug incorporation sites. The pH-activated release mechanism was shown to be successful and can be applied as a pH-sensitive biosensor and drug delivery system in vitro.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,263

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,288
Écart entre enseignants0,266 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetConducting polymers and applicationsTravaux en français237 207