MétaCan
Menu
Retour à la cohorte
Enregistrement W4389060445 · doi:10.1016/j.ijpharm.2023.123641

Electrospinning technologies for the delivery of Biopharmaceuticals: Current status and future trends

2023· review· en· W4389060445 sur OpenAlexfundno aff
Shangjie Lian, Dimitrios A. Lamprou, Min Zhao

Notice bibliographique

RevueInternational Journal of Pharmaceutics · 2023
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensnon disponible
Organismes subventionnairesChina Scholarship CouncilQueen's UniversityQueen's University Belfast
Mots-clésElectrospinningBiopharmaceuticalNanotechnologyBiochemical engineeringComputer scienceMaterials scienceEngineeringBiotechnologyPolymerComposite material

Résumé

récupéré en direct d'OpenAlex

This review provides an in-depth exploration of electrospinning techniques employed to produce micro- or nanofibres of biopharmaceuticals using polymeric solutions or melts with high-voltage electricity. Distinct from prior reviews, the current work narrows its focus on the recent developments and advanced applications in biopharmaceutical formulations. It begins with an overview of electrospinning principles, covering both solution and melt modes. Various methods for incorporating biopharmaceuticals into electrospun fibres, such as surface adsorption, blending, emulsion, co-axial, and high-throughput electrospinning, are elaborated. The review also surveys a wide array of biopharmaceuticals formulated through electrospinning, thereby identifying both opportunities and challenges in this emerging field. Moreover, it outlines the analytical techniques for characterizing electrospun fibres and discusses the legal and regulatory requirements for their production. This work aims to offer valuable insights into the evolving realm of electrospun biopharmaceutical delivery systems.

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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,097
Tête enseignante GPT0,465
Écart entre enseignants0,368 · 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

Citations83
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of PharmaceuticsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207