MétaCan
Menu
Retour à la cohorte
Enregistrement W4402776830 · doi:10.1051/fopen/2024002

Review of commercially available nano-drugs and nano-delivery systems: challenges and perspectives

2023· article· en· W4402776830 sur OpenAlexaff
Dmitri Boudovitch, Aya Sakaya, Arife Uzundurukan, Jean-Yve Leroux, Domenico Fuoco

Notice bibliographique

Revue4open · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensPolytechnique MontréalInternational Civil Aviation OrganizationUniversité de SherbrookeHôpital Saint-Luc
Organismes subventionnairesnon disponible
Mots-clésNano-NanotechnologyMedicineMaterials science

Résumé

récupéré en direct d'OpenAlex

Nano-drugs and nano-delivery systems are rapidly evolving, with new strategies emerging in the current practices. The evolution of these technologies began with modifying the chemical structure, progressing to supramolecular ionic complexes, and culminating in elegant ad hoc delivery systems. Nanoparticles have numerous benefits as a carrier system for delivering therapeutic agents to intra-arterial sites. These benefits include their subcellular size, targeted surfaces, good suspensibility, and uniform dispersity, making them an ideal choice for catheter-based delivery. Despite the advancements made in the field of nano-drugs and nano-delivery systems, there are still some hurdles to overcome in terms of their commercial availability. The current review presents an updated summary of recent advancements in nano-drugs and nano-delivery systems, including their commercial availability. We aim to discuss the present challenges and prospects of commercially available nano-drugs and nano-delivery systems. Here, we provide a precise and informative overview of the current state of these technologies and underscore the potential they hold for future developments. Further, we have categorized commercially available modifications, name, parent company and their main applications in nano-drugs.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,052
Tête enseignante GPT0,267
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue4openMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207