One‑Step fabrication method of insulin‑loaded polycaprolactone nanofibres by blend electrospinning for diabetic wound care
Notice bibliographique
Résumé
Effective management of diabetic wounds is a significant clinical challenge. Topical insulin shows therapeutic promise, but its delivery and stability require the use of advanced systems. This study aimed to develop and comprehensively characterise insulin-loaded Poly(ε-caprolactone) (PCL) nanofibres fabricated via a one-step blend electrospinning technique, as a potential platform for sustained insulin delivery in diabetic wound care. PCL nanofibres containing varying insulin concentrations were prepared using hexafluoroisopropanol (HFIP). The nanofibres were extensively characterised for their morphology, physicochemical properties (including thermal and chemical integrity), mechanical strength, surface wettability, insulin encapsulation efficiency (EE), and in vitro release kinetics. The stability of free insulin in solution was also assessed for comparison. Insulin incorporation significantly reduced nanofibre diameter (to ∼ 250 nm) and markedly enhanced tensile strength and Young's modulus without compromising elasticity, yielding mechanical properties within reported physiological ranges. An EE of approximately 78 % was achieved. In vitro studies demonstrated sustained insulin release over 14 days. Crucially, comparative analyses of release samples, contextualised by free insulin degradation studies, revealed that PCL nanofibre encapsulation conferred significant protection against insulin degradation compared to insulin in solution. The developed insulin-loaded PCL nanofibres, combining favourable physicochemical and mechanical properties with sustained release and enhanced protein stability, represent a promising approach for advanced diabetic wound dressings, potentially reducing dressing change frequency and improving therapeutic outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».