MétaCan
Menu
Retour à la cohorte
Enregistrement W4226076114 · doi:10.30683/1929-2279.2021.10.05

Advances of the Nanotechnology in Targeted Nanomedicines for Treatment of Bone Cancers and Diseases

2021· article· en· W4226076114 sur OpenAlexvenueno aff
Fábio Franceschini Mitri

Notice bibliographique

RevueJournal of cancer research updates · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopedic Infections and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanomedicineMedicineNanotechnologyDrug deliveryNanocapsulesApplications of nanotechnologyOsteoporosisTargeted drug deliveryIntensive care medicineMaterials scienceNanoparticleInternal medicine

Résumé

récupéré en direct d'OpenAlex

The ever-evolving field of nanotechnology has been applied over the years as an amazing potential tool in bone disorders through the development of targeted drug nanosystems. Bone diseases can be referred as any bone condition able to cause morbidity or even mortality to the host. Osteosarcoma has been most investigated condition for management and treatment by nanomedicine, and several nanomaterials such as nanoparticles, nanocapsules, nanospheres, nanodiamonds are being used for drug delivery. Likewise, other bone diseases, such as osteoporosis, osteonecrosis, osteoarthritis, bone tuberculosis have received nanotherapy with a large rate of success. The nanomedicine seems to make up a targeting lack by conventional therapy and chemotherapy, besides appointing to a trend of conservative clinical treatment, especially for severe disorders. Additionally, nanomedicine has advanced over the years, therefore, there is a strong need to accelerate its application in bone diseases reducing the mortality rate related to these conditions. This review article provides an overview on the advances of nanotechnology over the last two decades and highlights the pathways of investigations for targeted delivery nanoensembles.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
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 Opus0,030
Tête enseignante GPT0,411
Écart entre enseignants0,381 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of cancer research updatesMême sujetOrthopedic Infections and TreatmentsTravaux en français237 207