Comparing microfluidics and ultrasonication as formulation methods for developing hempseed oil nanoemulsions for oral delivery applications
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.
Notice bibliographique
Résumé
Emerging formulation technologies aimed to produce nanoemulsions with improved characteristics, such as stability are attractive endeavors; however, comparisons between competing technologies are lacking. In this study, two formulation techniques that employed ultrasound and microfluidic approaches, respectively, were examined for relative capacity to produce serviceable oil in water nanoemulsions, based on hempseed oil (HSO). The ultrasound method reached > 99.5% entrapment efficiency with nanoemulsions that had an average droplet size (Z-Ave) < 180 nm and polydispersity index (PDI) of 0.15 ± 0.04. Surfactant concentration (% w/v) was found to be a significant factor (p < 0.05) controlling the Z-Ave, PDI and zeta potential of these nanoparticles. On the other hand, the microfluidic approach produced smaller particles compared to ultrasonication, with good stability observed during storage at room temperature. The Z-Ave of < 62.0 nm was achieved for microfluidic nanoemulsions by adjusting the aqueous : organic flow rate ratio and total flow rate at 4:1 and 12 mL/min, respectively. Further analyses including a morphology examination, a simulated gastrointestinal release behavior study, transepithelial transport evaluations and a toxicity test, using a Caco2-cell model, were performed to assess the functionality of the prepared formulations. The results of this study conclude that both approaches of ultrasound and microfluidics have the capability to prepare an HSO-nanoemulsion formulation, with acceptable characteristics and stability for oral delivery applications.
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 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 | 0,001 | 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 découle