MétaCan
Menu
Retour à la cohorte
Enregistrement W4224323614 · doi:10.1186/s41181-022-00161-4

Radiolabeled nanomaterials for biomedical applications: radiopharmacy in the era of nanotechnology

2022· review· en· W4224323614 sur OpenAlexaff
Martha Sahylí Ortega Pijeira, Herlys Viltres, Ján Kozempel, Michal Sakmár, Martin Vlk, Derya İlem‐Özdemir, Meliha Ekinci, Seshasai Srinivasan, Amin Reza Rajabzadeh, Eduardo Ricci‐Júnior, Luciana Magalhães Rebêlo Alencar, Mohammed Al‐Qahtani, Ralph Santos‐Oliveira

Notice bibliographique

RevueEJNMMI Radiopharmacy and Chemistry · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueRadiopharmaceutical Chemistry and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesFundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de JaneiroConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésNanomedicineNanotechnologyCancer therapyApplications of nanotechnologyDrug deliveryCancer treatmentCancerMedicineMedical physicsNanoparticleMaterials science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent advances in nanotechnology have offered new hope for cancer detection, prevention, and treatment. Nanomedicine, a term for the application of nanotechnology in medical and health fields, uses nanoparticles for several applications such as imaging, diagnostic, targeted cancer therapy, drug and gene delivery, tissue engineering, and theranostics. RESULTS: Here, we overview the current state-of-the-art of radiolabeled nanoparticles for molecular imaging and radionuclide therapy. Nanostructured radiopharmaceuticals of technetium-99m, copper-64, lutetium-177, and radium-223 are discussed within the scope of this review article. CONCLUSION: Nanoradiopharmaceuticals may lead to better development of theranostics inspired by ingenious delivery and imaging systems. Cancer nano-theranostics have the potential to lead the way to more specific and individualized cancer treatment.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,977
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,057
Tête enseignante GPT0,396
Écart entre enseignants0,339 · 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'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

Citations93
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEJNMMI Radiopharmacy and ChemistryMême sujetRadiopharmaceutical Chemistry and ApplicationsTravaux en français237 207