MétaCan
Menu
Retour à la cohorte
Enregistrement W3154932085 · doi:10.1101/2021.04.13.439582

Engineering Insulin Cold Chain Resilience to Improve Global Access

2021· preprint· en· W3154932085 sur OpenAlexfundno aff
Caitlin L. Maikawa, Joseph L. Mann, Aadithya Kannan, Catherine M. Meis, Abigail K. Grosskopf, Ben S. Ou, Anton A. A. Smith, Gerald G. Fuller, David M. Maahs, Eric A. Appel

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensnon disponible
Organismes subventionnairesStanford Maternal and Child Health Research InstituteNatural Sciences and Engineering Research Council of CanadaNational Institute of Diabetes and Digestive and Kidney DiseasesU.S. Department of DefenseNational Defense Science and Engineering GraduateStanford Diabetes Research CenterNational Institutes of HealthAmerican Diabetes Association
Mots-clésInsulinDiabetes mellitusPharmacodynamicsResilience (materials science)Plasma glucoseMedicinePharmacokineticsEndocrinologyMaterials scienceInternal medicineComposite material

Résumé

récupéré en direct d'OpenAlex

ABSTRACT There are 150 million people with diabetes worldwide who require insulin replacement therapy and the prevalence of diabetes is rising fastest in middle and low-income countries. Current formulations require costly refrigerated transport and storage to prevent loss of insulin integrity. This study shows the development of simple “drop-in” amphiphilic copolymer excipients to maintain formulation integrity, bioactivity, pharmacokinetics and pharmacodynamics for over 6 months when subjected to severe stressed aging conditions that cause current commercial formulation to fail in under 2 weeks. Further, when these copolymers are added to Humulin R (Eli Lilly) in original commercial packaging they prevent insulin aggregation for up to 4 days at 50 °C compared to less than 1 day for Humulin R alone. These copolymers demonstrate promise as simple formulation additives to increase the cold chain resilience of commercial insulin formulations, thereby expanding global access to these critical drugs for treatment of diabetes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,454
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,308
Écart entre enseignants0,281 · 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.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetPharmaceutical studies and practicesTravaux en français237 207