MétaCan
Menu
Retour à la cohorte
Enregistrement W7117239567 · doi:10.1080/20415990.2025.2607304

Ultrasound-triggered drug delivery: recent developments and opportunities

2025· article· en· W7117239567 sur OpenAlexaff
Kayla Baker, Cameron Macdonald, Hoare Todd

Notice bibliographique

RevueTherapeutic Delivery · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDrug deliveryDrugTargeted drug deliveryUltrasoundTherapeutic ultrasoundKey (lock)Pulsatile flow

Résumé

récupéré en direct d'OpenAlex

While ultrasound-based medical imaging is widely used in clinics, ultrasound-triggered drug delivery represents an emerging modality that takes advantage of the high tissue penetrability, general safety, and high clinical accessibility of ultrasound to solve key challenges around localized drug delivery. In this review, we analyze emerging trends in the design of drug delivery vehicles activated using different ultrasound effects ranging from cavitation, mechanical stimulation, localized heating, reactive oxygen species generation, localized gas generation, and/or penetration enhancement. In particular, we focus on vehicle designs that enable delayed burst release, sustained release, and pulsatile on-off release of drugs locally at the targeted ultrasound site, each of which has direct applications for treating specific diseases. Vehicles in which ultrasound-mediated drug release kinetics control is synergistically coupled with other therapeutic benefits of ultrasound are highlighted. Finally, we discuss key barriers to the practical translation of ultrasound-triggered drug delivery vehicles into the clinic, aiming to motivate the design of scalable and reproducible ultrasound-triggered drug delivery vehicles that can have real-world patient impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,026
Tête enseignante GPT0,229
Écart entre enseignants0,203 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic DeliveryMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207