Peri‐Implant Bone Regeneration Using <scp>rhPDGF‐BB</scp>, <scp>BMSCs</scp>, and <scp>β‐TCP</scp> in a Canine Model
Notice bibliographique
Résumé
BACKGROUND: The presence of insufficient bone volume remains a major clinical problem for dental implant placement to restore oral function. Tissue engineering provides a promising approach for inducing bone regeneration and enhancing osseointegration in dental implants. PURPOSE: The tissue-engineered bone consisting of recombinant human platelet-derived growth factor (rhPDGF-BB), bone marrow stem cells (BMSCs), and beta-tricalcium phosphate (β-TCP) particles was validated for the first time in a preclinical large animal canine model in terms of its ability to promote new bone formation around the implants, as well as osseointegration between the tissue-engineered bone and dental implants. MATERIALS AND METHODS: Proliferation and osteogenic differentiation of canine BMSCs treated with rhPDGF-BB were evaluated with an MTT, alkaline phosphatase (ALP) activity, Alizarin Red staining, and real-time quantitative PCR (RT-qPCR) analysis of osteogenic genes. The therapeutic potential of tissue-engineered bone consisting of rhPDGF-BB/BMSCs/β-TCP in bone repair was evaluated in mesial-implant defects of immediate postextraction implants in the canine mandible. RESULTS: rhPDGF-BB treatment significantly increased proliferation and osteogenic differentiation of canine BMSCs. Furthermore, the tissue-engineered bone consisting of rhPDGF-BB/BMSCs/β-TCP significantly enhanced bone formation and osseointegration. CONCLUSION: This study provides important evidence that supports the potential application of rhPDGF-BB/BMSCs/β-TCP tissue-engineered bone in immediate implantation for oral function restoration.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| 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 ».