MétaCan
Menu
Retour à la cohorte
Enregistrement W1943235395 · doi:10.1002/adhm.201500192

Cell Interactions with Vascular Regenerative MAA‐Based Materials in the Context of Wound Healing

2015· review· en· W1943235395 sur OpenAlexafffund
Alexandra Lisovsky, M. Dean Chamberlain, Laura A. Wells, Michael V. Sefton

Notice bibliographique

RevueAdvanced Healthcare Materials · 2015
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensQueen's UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchOntario Research Foundation
Mots-clésWound healingRegenerative medicineContext (archaeology)Regeneration (biology)Materials scienceBiomedical engineeringNanotechnologyMedicineCell biologySurgeryStem cellBiology

Résumé

récupéré en direct d'OpenAlex

In diabetic patients the development of chronic non-healing wounds is a common complication. A methacrylic acid-based biomaterial is a vascular regenerative material that enhances diabetic healing without the use of cells or growth factors. The bioactive nature of this material is thought to be associated with its anionic charge or surface chemistry. Contact between the methacrylic acid-based biomaterial and tissue begins with protein (including complement) adsorption and is followed by interaction of the biomaterial with resident and infiltrating cells in the wound bed (e.g., macrophages and endothelial cells). This results in changes to their surface receptors to activate phosphorylation cascades that lead to differential activation of signalling pathways such as those involving osteopontin and sonic hedgehog. These changes modulate the phenotype of the cells in the wound bed, eventually improving vessel formation and wound healing. Understanding the molecular and cellular mechanisms will have broad implications for biomaterials, not just the methacrylic acid-based material, and will facilitate the advancement of regenerative biomaterials for diverse applications.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,050
Tête enseignante GPT0,375
Écart entre enseignants0,325 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations31
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Healthcare MaterialsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207