Drug-delivery nanoparticles for bone-tissue and dental applications
Notice bibliographique
Résumé
The use of nanoparticles as biomaterials with applications in the biomedical field is growing every day. These nanomaterials can be used as contrast imaging agents, combination therapy agents, and targeted delivery systems in medicine and dentistry. Usually, nanoparticles are found as synthetic or natural organic materials, such as hydroxyapatite, polymers, and lipids. Besides that, they are could also be inorganic, for instance, metallic or metal-oxide-based particles. These inorganic nanoparticles could additionally present magnetic properties, such as superparamagnetic iron oxide nanoparticles. The use of nanoparticles as drug delivery agents has many advantages, for they help diminish toxicity effects in the body since the drug dose reduces significantly, increases drugs biocompatibility, and helps target drugs to specific organs. As targeted-delivery agents, one of the applications uses nanoparticles as drug delivery particles for bone-tissue to treat cancer, osteoporosis, bone diseases, and dental treatments such as periodontitis. Their application as drug delivery agents requires a good comprehension of the nanoparticle properties and composition, alongside their synthesis and drug attachment characteristics. Properties such as size, shape, core-shell designs, and magnetic characteristics can influence their behavior inside the human body and modify magnetic properties in the case of magnetic nanoparticles. Based on that, many different studies have modified the synthesis methods for these nanoparticles and developed composite systems for therapeutics delivery, adapting, and improving magnetic properties, shell-core designs, and particle size and nanosystems characteristics. This review presents the most recent studies that have been presented with different nanoparticle types and structures for bone and dental drug delivery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».