MétaCan
Menu
Retour à la cohorte
Enregistrement W1915121313 · doi:10.1111/cid.12118

Osteoinductive and Osteopromotive Variability among Different Demineralized Bone Allografts

2013· article· en· W1915121313 sur OpenAlexvenueno aff
Lingfei Wei, Richard J. Miron, Bin Shi, Yufeng Zhang

Notice bibliographique

RevueClinical Implant Dentistry and Related Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésH&E stainOsteopontinBone formationMedicineStainingDentistryInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this investigation was to compare the osteoinductive and osteopromotive potential of two widely used demineralized freeze-dried bone allografts (DFDBA) (Osteotech® DFDBA and LifeNet® DFDBA). MATERIAL AND METHODS: Twenty-seven male Wistar rats (mean body weight 200 g) were treated with either DFDBA from Osteotech and LifeNet or control for femoral and intramuscular defects and assigned to histological analysis at 2, 4, and 8 weeks postimplantation. Hematoxylin and eosin (H&E), Safranin-O, tartrate-resistant acid phosphatase (TRAP), and osteopontin (OPN) staining were performed. Quantitative analysis of mineralized new bone to total volume (BV/TV) was assessed by micro-computed tomography. RESULTS: Both allografts demonstrated osteoinductive potential at 2 weeks as assessed by intramuscular bone formation. LifeNet DFDBA displayed continual new bone formation at 4 and 8 weeks, whereas Osteotech particles were fully resorbed by 4 weeks postimplantation. Femur defects demonstrated significantly greater BV/TV at 4 and 8 weeks with higher expression of OPN staining around LifeNet DFDBA particles. TRAP-positive cells were visible in and around both allograft materials. CONCLUSION: The results from the present study indicate that variability among allografts exists. In the present, LifeNet DFDBA supported more new bone formation. Further larger animal models or clinical trials are required to validate these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,845
Score d'incertitude au seuil0,799

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,349
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations56
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Implant Dentistry and Related ResearchMême sujetBone Tissue Engineering MaterialsTravaux en français237 207