Geriatric drug delivery ― barriers, current technologies and the road ahead
Notice bibliographique
Résumé
The geriatric population encompasses the largest part of the health care system worldwide. Chronic medical conditions are highly prevalent in the elderly, consequently, due to their complex health needs, there is a significant rate of multi-drug therapy. Despite the high numbers of medications prescribed, geriatric patients face several barriers when it comes to successful drug delivery including alterations in cognitive and physical function. The current review highlights the impact of chronic diseases on the ageing population along with how changes in drug pharmacokinetics could impact drug efficacy and safety. Also discussed are applications of administration routes in the geriatric population and complications that could arise. A focus is placed on the traditional and upcoming drug delivery advancements being employed in seniors with a focus addressing obstacles faced by this patient category. Nanomedicines, three-dimensional printing, long-acting formulations, transdermal systems, orally disintegrating tablets, and shape/taste modification technologies are discussed. Several barriers to drug delivery in the elderly have been identified in literature and directions for future studies should focus on addressing these gaps for geriatric drug formulation development including personalised medicine, insights into novel drug delivery systems like nanomedicines, methods for decreasing pill burden and shape/size modifications.ARTICLE HIGHLIGHTSTypically, senior citizens take more medications than any other patient population, yet most drug delivery technologies are not tailored to address the specific cognitive and physical barriers that these individuals encounter.The safety of drug delivery systems in the elderly patients should be prioritised with considerations on changes in pharmacokinetics with age, use of non-toxic excipients, and selecting drugs with minimal off-target side effects.Several commercialised and upcoming drug delivery technologies have begun to address the current limitations that the ageing population faces.Future research should focus on applying novel strategies like 3D printing, personalised medicine, and long-acting formulations to improve drug delivery to elderly patients.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».