Drug and stem cells delivery to salivary glands – a concise review
Notice bibliographique
Résumé
INTRODUCTION: Systemic equilibrium, oral health, and digestion depend on the health of the salivary glands (SGs). SG disorders, such as Sjögren's syndrome, oral and maxillofacial cancer, and radiation-induced damage, are usually associated with xerostomia, which severely impacts the patient's quality of life. Current therapeutic modalities primarily provide symptomatic therapy without addressing the basic underlying tissue damage or promoting regeneration. Emerging pharmacological and stem cell treatments may restore SG function, but tailored delivery, effectiveness, and safety issues restrict their clinical application. AREAS COVERED: This review summarizes preclinical and clinical findings on systemic and localized stem cell and pharmaceutical drug administration. We discuss various SG conditions to match therapy methods to disease-specific demands and underline the necessity for accurate, efficient delivery systems to improve results and reduce adverse effects. We conclude with existing limits, future views, and prospective SG medicine regenerative therapy advancements. EXPERT OPINION: Advancements in drug and stem cell delivery systems for SGs offer the potential to move beyond symptomatic relief and instead regenerate damaged tissues. These approaches promise more targeted, cost-effective, and long-lasting therapies, though challenges like immune rejection, safety, and cost remain significant. Future research should focus on improving stem cell sources, delivery, and tracking, while integrating technologies such as gene editing, nanocarriers, and tissue engineering to enhance efficacy. Ultimately, treatment strategies are shifting toward regenerative solutions aimed at restoring SG function with fewer systemic side effects.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».