MétaCan
Menu
Retour à la cohorte
Enregistrement W4396695122 · doi:10.53555/jsfs.v8i3.2684

Review On Sustained Release Dosage Form: A Novel Approach And Its Evaluation

2022· article· en· W4396695122 sur OpenAlexvenueno aff
Satbir Singh, Gaikwad Dushyant Dadabhau, Kehar Singh

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2022
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueDrug Solubulity and Delivery Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDosage formPharmacologyChemistryComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Sustained release dosage forms are made to release a medication at a predefined rate while minimizing side effects and keeping a steady drug level for a certain amount of time. The fundamental idea behind a sustained release drug delivery system is to increase a medicine's usefulness while minimizing its negative effects and achieving illness cure by optimizing its biopharmaceutical, pharmacokinetic, and pharmacodynamic qualities. Sustained release drug delivery has a number of benefits over traditional dosage forms, including increased patient compliance because it requires fewer doses to be administered, decreased fluctuations in steady-state drug levels, maximum drug utilization, increased safety margin of potent drugs, shorter treatment periods and improved therapy that lower healthcare costs. Water penetration, polymer swelling, drug dissolution, drug diffusion, and matrix erosion have all been used as formulation techniques to measure drug release through matrix systems. This article provides a concise overview of different formulation strategies for drug delivery systems with sustained release.

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)0,026
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,385
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,520
Tête enseignante GPT0,444
Écart entre enseignants0,075 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetDrug Solubulity and Delivery SystemsTravaux en français237 207