MétaCan
Menu
Retour à la cohorte
Enregistrement W3119791641 · doi:10.1155/2021/1340538

Progress on Preparation of pH/Temperature-Sensitive Intelligent Hydrogels and Applications in Target Transport and Controlled Release of Drugs

2021· article· en· W3119791641 sur OpenAlexaff
Lixian Li, Yongpeng He, Xiaodong Zheng, Lin Yi, Weiqi Nian

Notice bibliographique

RevueInternational Journal of Polymer Science · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesChongqing Municipal Education Commission
Mots-clésSelf-healing hydrogelsDrug deliveryNanotechnologyMaterials scienceControlled releaseDrugPharmacologyMedicinePolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogels with three-dimensional network structure, hydrophilic, and insoluble in water which are ideal carrier materials for intelligent drug delivery systems. Intelligent hydrogel has become a research frontier and hotspot because of its intelligence, high efficiency, safety, and convenience in drug controlled and prolonged release. It has a broad application prospect in the medicine and biomedicine fields and can lead the medicine fields into a new era of “precise treatment.” Based on the latest research progress, the main preparation methods of hydrogel and the development of the drug delivery system are briefly introduced. The most promising three intelligent hydrogels in the human physiological environment, namely, pH responsiveness, temperature responsiveness, and pH/temperature dual responsiveness, are emphatically reviewed. Their release mechanisms, targeting transport, and controlled-prolonged release of drug are also discussed. In addition, some suggestions for the main problems and future development were given.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,274
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations45
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Polymer ScienceMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207