全文获取类型
收费全文 | 133篇 |
免费 | 51篇 |
国内免费 | 49篇 |
专业分类
基础医学 | 3篇 |
临床医学 | 4篇 |
综合类 | 33篇 |
预防医学 | 5篇 |
药学 | 140篇 |
1篇 | |
中国医学 | 47篇 |
出版年
2022年 | 1篇 |
2021年 | 1篇 |
2015年 | 1篇 |
2014年 | 2篇 |
2013年 | 3篇 |
2011年 | 3篇 |
2010年 | 5篇 |
2009年 | 11篇 |
2008年 | 12篇 |
2007年 | 19篇 |
2006年 | 20篇 |
2005年 | 12篇 |
2004年 | 14篇 |
2003年 | 10篇 |
2002年 | 13篇 |
2001年 | 10篇 |
2000年 | 15篇 |
1999年 | 8篇 |
1998年 | 9篇 |
1997年 | 8篇 |
1996年 | 5篇 |
1995年 | 5篇 |
1994年 | 5篇 |
1993年 | 4篇 |
1992年 | 7篇 |
1991年 | 9篇 |
1990年 | 8篇 |
1986年 | 1篇 |
1985年 | 4篇 |
1983年 | 2篇 |
1982年 | 3篇 |
1981年 | 2篇 |
1980年 | 1篇 |
排序方式: 共有233条查询结果,搜索用时 31 毫秒
121.
目的:寻求一种合适的方法测定蛋白在乳酸羟乙醇酸共聚物(PLGA)微球中的包封率。方法:采用复乳 溶剂挥发法制备 BSA的PLGA微球,应用考马斯亮蓝法测定总蛋白浓度,根据文献报道的7种不同方法进行包封率测定。结果:不同的测定方法对 PLGA微球中真实的药物包封率的反映程度不同,相互间差异很大。结论:以水解法测定BSA在PLGA微球中包封率的方法提取 最完全。水解法中,又以乙腈作溶剂、再用氢氧化钠水解两步提取法最为简便、快速、准确。 相似文献
122.
123.
冬凌草甲素纳米粒制备及其体外抗肿瘤作用 总被引:2,自引:0,他引:2
目的制备冬凌草甲素纳米粒(ORI-Nps),考察其体外抗肿瘤作用.方法采用界面沉淀法制备ORFNps,并对其形态、粒径、ξ电位、包封率、载药量、体外释药特征和抗肿瘤作用进行研究.结果制备的ORI-Nps为类球形,粒径分布均匀,平均粒径为101.5 nm;ξ电位为-29.8 mV;载药量和包封率分别为6.84%和92.25%;体外释药缓慢;对Eta-109细胞具有较强的毒性作用.结论制备的ORI-Nps包封率和载药量高,粒径均匀,体外释药具有缓释特点,体外抗肿瘤作用强. 相似文献
124.
125.
白头翁素贴片的制备与体外经皮渗透试验 总被引:2,自引:0,他引:2
目的制备白头翁素贴片,为白头翁素经皮制剂的开发提供依据。方法采用Eudragit E100为骨架材料,流涎工艺制备骨架型贴片。以HPMC醇性凝胶为储库递质,EVA为控释膜,热封法制备储库型贴片。采用TK 6A型透皮扩散仪,用人皮进行体外渗透实验;采用高效液相色谱法测定各时间点接受室中药物浓度,求算经皮渗透的相关参数。结果白头翁素骨架型贴剂经皮给药的稳态透皮速率[(1.72±0.02) mg·(cm2) 1·h 1]是其饱和水溶液的1.47倍,是储库型贴剂的2.30倍。结论白头翁素骨架型贴剂制备简单,具有较高的经皮渗透速率,有望开发成一种新型的经皮给药制剂。 相似文献
126.
以难溶性药物氟比洛芬为模型药物,制备17个处方并进行释放度检查。HPMC用量和转速作为自变量,取其中14个处方为训练处方,其余3个处方为验证处方,将上述自变量作为人工神经网络的输入,药物在各个取样时间点的释放为输出,采用剔除一点交叉验证法建立人工神经网络模型。通过线性回归和相似因子法比较人工神经网络和基于二元二项式的响应面法的预测能力。结果表明,用人工神经网络得到的预测值与实测值更接近。 相似文献
127.
128.
药物离子淌度,分子量和离子导入的关系 总被引:2,自引:0,他引:2
应用离子淌度-孔模型研究了药物物化性质与离子导入的关系。以盐酸丁卡因、盐酸普鲁卡因、盐酸达克罗宁、盐酸利多卡因和盐酸布比卡因等5种局麻药为模型药物,分别测定它们的离子淌度(u),并采用双室扩散池法,测定它们通过离体大鼠腹部皮肤时的离子导入增渗倍数(ER)。并以logER对分子量(MW)和loguj线性回归得logER=1.961-5.85×10 相似文献
129.
130.
用极性表面积和分子体积预测药物对血脑屏障的穿透性 总被引:3,自引:0,他引:3
目的:用极性表面积和分子体积预测药物对血脑屏障的穿透性。方法:用Monte Carlo法从半经验自洽场分子轨道AM1法得到最低能构型计算极性表面积和分子体积,用逐步多元回归法导出药物分子分别在脑组织和血液中的稳态浓度之比(logBB)和分子结构参数之间的回归方程式。结果:对于56个化合物组成的训练样本,logBB与氧原子和氮原子(不包括氮分子和硝基中的氮原子)的表面积之和(S_(O,N),A~2)以及分子体积(V,A~3)具有较好的相关性,回归方程式为:logBB=-1.331×10~(-5)V~2 9.228×10~(-3)V-0.02439S_(O,N)-0.4318(n=56,r=0.9043)。对于10个化合物组成的预测样本,预测值与实验值相当符合。结论:本模型简单有效,在药物设计中可以用来预测候选药物的logBB值。 相似文献