The use of nanoparticles in the diagnosis and treatment of multiple sclerosis: A scoping review
Notice bibliographique
Résumé
Multiple sclerosis (MS) is an autoimmune disease for which there is no existing cure. Diagnosis of the disease occurs primarily by analysis of demyelinated lesions, and their dissemination in space and time. Nanoparticles (NPs) are currently being investigated for diagnostic and therapeutic applications for MS due to their unique physical and chemical properties. This review aims to investigate the use of NPs for the diagnosis and treatment of CNS disorders, to investigate the applicability of NPs to assist in the diagnosis and treatment of MS. In this scoping review, 24 studies on different applications of NPs for diagnosis and treatment of MS as well as studies on their safety both in vivo and vitro were analyzed. The results indicate that the majority of studies on the different applications of NPs opted for intravenous and intraperitoneal administration routes with NP size varying from 5.6-500 nm. NPs were used for better enhancement and identification of demyelinating lesions in the central nervous system (CNS) by labelling immune cells. As for drug delivery applications, NPs were shown to increase cargo half-life, and enable the controllable release of drugs. Studies on their safety indicates that while particle size, concentration, and the target tissue greatly influence a NP’s biocompatibility, they are relatively safe for short-term use. These results indicate that NPs’ success in experimental models of demyelinating diseases should be further studied for its future application to assist in the diagnosis and treatment of patients with MS. Further analysis of long-term adverse effects, experimental models employed by different studies, use of various compounds to enhance NPs’ effect in the CNS, and the study of future use of NPs in theranostic applications are needed before clinical application can be considered.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».