Development and evaluation of drug-loaded niosomes fabricated by flow chemistry: A novel vortex tube reactor approach
Notice bibliographique
Résumé
Continuous flow technology has been increasingly applied in the fabrication of nanoparticle drug delivery systems due to its ability to provide enhanced process control, scalability, and improved uniformity in particle size. Therefore, this study aims to utilize a newly designed flow chemistry vortex tube reactor for the preparation of ketoconazole-loaded niosomes, with the goal of enhancing mixing efficiency and increasing production rates. The experiment was designed using a central composite design to investigate the effects of key preparation parameters, including total flow rate, surfactant concentration, and cholesterol content, on particle size, size distribution, zeta potential, entrapment efficiency, and drug loading percentage. The optimized formulation (Span 80 = 25 mg, Cholesterol = 50 mg) was achieved using a total flow rate of 20 mL/min. The resulting niosomes exhibited a particle size of 212.3 nm, a zeta potential of 40.2 mV, a polydispersity index of 0.282, an entrapment efficiency of 50.84 %, a drug loading of 0.58 %, and a productivity of 70.67 mg/min. Moreover, ketoconazole-loaded niosomes prepared using the newly designed flow chemistry vortex tube reactor demonstrated prolonged inhibition of Candida albicans growth compared to ketoconazole solution. A comparison with batch synthesis revealed that flow chemistry produces smaller particles with a narrower size distribution and significantly improved productivity. These findings indicate the potential for further development of the vortex reactor for industrial-scale production of nanovesicular drug delivery systems.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».