MétaCan
Menu
Retour à la cohorte
Enregistrement W4385273536 · doi:10.3390/curroncol30080516

Nanoparticle-Based Treatment Approaches for Skin Cancer: A Systematic Review

2023· review· en· W4385273536 sur OpenAlexvenueno aff
Michael J. Diaz, Nicole Natarelli, Shaliz Aflatooni, Sphurti Neelam, Jasmine Tran, Kamil Taneja, Brandon Lucke‐Wold, Mahtab Forouzandeh

Notice bibliographique

RevueCurrent Oncology · 2023
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSystematic reviewDrugSkin cancerClinical trialCancerPopulationOncologyPharmacologyInternal medicineMEDLINE

Résumé

récupéré en direct d'OpenAlex

Nanoparticles have shown marked promise as both antineoplastic agents and drug carriers. Despite strides made in immunomodulation, low success rates and toxicity remain limitations within the clinical oncology setting. In the present review, we assess advances in drug delivery nanoparticles, for systemic and topical use, in skin cancer treatment. A systematic review of controlled trials, meta-analyses, and Cochrane review articles was conducted. Eligibility criteria included: (1) a primary focus on nanoparticle utility for skin cancer; (2) available metrics on prevention and treatment outcomes; (3) detailed subject population; (4) English language; (5) archived as full-text journal articles. A total of 43 articles were selected for review. Qualitative analysis revealed that nanoscale systems demonstrate significant antineoplastic and anti-metastasis properties: increased drug bioavailability, reduced toxicity, enhanced permeability and retention effect, as well as tumor growth inhibition, among others. Nanoformulations for skin cancers have largely lagged behind those tested in other cancers-several of which have commercialized formulae. However, emerging evidence has indicated a powerful role for these carriers in targeting primary and metastatic skin cancers.

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: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,349
Tête enseignante GPT0,453
Écart entre enseignants0,104 · 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'étudeRevue systématique
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

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207