MétaCan
Menu
Retour à la cohorte
Enregistrement W4382369490 · doi:10.3390/pharmaceutics15071844

Localized Drug Delivery Systems: An Update on Treatment Options for Head and Neck Squamous Cell Carcinomas

2023· review· en· W4382369490 sur OpenAlexaff
Arvind Hariharan, Simon D. Tran

Notice bibliographique

RevuePharmaceutics · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiation therapyHead and neck squamous-cell carcinomaHead and neck cancerTransdermalDrug deliveryImmunotherapyCancerChemotherapyDrugOncologyHead and neckDiseaseInternal medicineIntensive care medicineSurgeryPharmacology

Résumé

récupéré en direct d'OpenAlex

Head and neck squamous cell carcinoma (HNSCC) is one of the most common cancers in the world, with surgery, radiotherapy, chemotherapy, and immunotherapy being the primary treatment modalities. The treatment for HNSCC has evolved over time, due to which the prognosis has improved drastically. Despite the varied treatment options, major challenges persist. HNSCC chemotherapeutic and immunotherapeutic drugs are usually administered systemically, which could affect the patient's quality of life due to the associated side effects. Moreover, the systemic administration of salivary stimulating agents for the treatment of radiation-induced xerostomia is associated with toxicities. Localized drug delivery systems (LDDS) are gaining importance, as they have the potential to provide non-invasive, patient-friendly alternatives to cancer therapy with reduced dose-limiting toxicities. LDDSs involve directly delivering a drug to the tissue or organ affected by the disease. Some of the common localized routes of administration include the transdermal and transmucosal drug delivery system (DDSs). This review will attempt to explore the different treatment options using LDDSs for the treatment of HNSCC and radiotherapy-induced damage and their potential to provide a better experience for patients, as well as the obstacles that need to be addressed to render them successful.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,219
Tête enseignante GPT0,447
Écart entre enseignants0,229 · 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

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceuticsMême sujetHead and Neck Cancer StudiesTravaux en français237 207