MétaCan
Menu
Retour à la cohorte
Enregistrement W4200130809 · doi:10.2174/1567201818666211214112710

Recent Advances in the Local Drug Delivery Systems for Improvement ofAnticancer Therapy

2021· review· en· W4200130809 sur OpenAlexaff
Saroj Arora, Davinder Singh, Prabhjot Kaur, Shivani Attri, Sharabjit Singh, Palvi Sharma, Pallavi Mohana, Kirandeep Kaur, Harneetpal Kaur, Gurdeep Singh, Farhana Rashid, Dilpreet Singh, Avinash Kumar, Ankita Rajput, Neena Bedi, Balbir Singh, Harpal S. Buttar

Notice bibliographique

RevueCurrent Drug Delivery · 2021
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAnticancer drugDrug deliveryMedicineDrugIntensive care medicinePharmacologyNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

The conventional anticancer chemotherapies not only cause serious toxic effects but also produce resistance in tumor cells exposed to long-term therapy. Usually, the selective killing of metastasized cancer cells requires long-term therapy with higher drug doses because the cancer cells develop resistance due to the induction of poly-glycoproteins (P-gps) that act as a transmembrane efflux pump to transport drugs out of the cells. During the last few decades, scientists have been exploring new anticancer drug delivery systems such as microencapsulation, hydrogels, and nanotubes to improve bioavailability, reduce drug-dose requirement, decrease multiple drug resistance, and save normal cells as non-specific targets. Hopefully, the development of novel drug delivery vehicles (nanotubes, liposomes, supramolecules, hydrogels, and micelles) will assist in delivering drug molecules at the specific target site and reduce undesirable side effects of anticancer therapies in humans. Nanoparticles and lipid formulations are also designed to deliver a small drug payload at the desired tumor cell sites for their anticancer actions. This review will focus on the recent advances in drug delivery systems and their application in treating different cancer types in humans.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,046
Tête enseignante GPT0,332
Écart entre enseignants0,286 · 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'étudeSans objet
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Drug DeliveryMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207