MétaCan
Menu
Retour à la cohorte
Enregistrement W4402918762 · doi:10.1039/d4bm00807c

Penetration enhancers strengthen tough hydrogel bioadhesion and modulate locoregional drug delivery

2024· article· en· W4402918762 sur OpenAlexafffund
Wenna Shi, Hui Xue, Junli Liu, Victor Ling, Yuzhuo Wang, Zhenwei Ma, Zu‐Hua Gao

Notice bibliographique

RevueBiomaterials Science · 2024
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvancements in Transdermal Drug Delivery
Établissements canadiensMcGill University Health CentreUniversity of British Columbia
Organismes subventionnairesBritish Columbia Knowledge Development FundCanadian Institutes of Health ResearchCanada Foundation for Innovation
Mots-clésPenetration (warfare)Drug deliverySelf-healing hydrogelsEnhancerChemistryNanotechnologyDrugBiomedical engineeringBiophysicsMaterials scienceMedicinePharmacologyBiologyPolymer chemistryBiochemistryEngineeringOperations research

Résumé

récupéré en direct d'OpenAlex

skin and tumours) can lead to effective local delivery of drugs deep into targeted tissues by leveraging the enhanced tissue penetration mediated by PEs. The drug release profile of the hydrogel adhesives can be fine-tuned by further engineering the nanocomposite hydrogel matrix to elute chemotherapeutics from 2 weeks to 2 months. Using a 3D tumour spheroid model, we demonstrated that PEs increased the cancer-killing effectiveness of doxorubicin by facilitating its delivery into tumour microtissues. Therefore, the proposed tough bioadhesion and drug delivery strategy modulated by PEs holds promise as a platform technique to develop next-generation wearable and implantable devices for cancer management and regenerative medicine.

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 enseignants0,022
Score d'incertitude au seuil0,751

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,076
Tête enseignante GPT0,400
Écart entre enseignants0,325 · 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomaterials ScienceMême sujetAdvancements in Transdermal Drug DeliveryTravaux en français237 207