MétaCan
Menu
Retour à la cohorte
Enregistrement W1984019793 · doi:10.3390/polym3041684

Biodegradable Cell-Seeded Nanofiber Scaffolds for Neural Repair

2011· article· en· W1984019793 sur OpenAlexafffund
Dong Keun Han, Karen C. Cheung

Notice bibliographique

RevuePolymers · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanofiberRegeneration (biology)Neural tissue engineeringRemyelinationMaterials scienceElectrospinningTissue engineeringExtracellular matrixScaffoldNanotechnologyBiomedical engineeringPolymerCell biologyMedicineComposite materialNeuroscienceCentral nervous systemBiology

Résumé

récupéré en direct d'OpenAlex

Central and peripheral neural injuries are traumatic and can lead to loss of motor and sensory function, chronic pain, and permanent disability. Strategies that bridge the site of injury and allow axonal regeneration promise to have a large impact on restoring quality of life for these patients. Engineered materials can be used to guide axonal growth. Specifically, nanofiber structures can mimic the natural extracellular matrix, and aligned nanofibers have been shown to direct neurite outgrowth and support axon regeneration. In addition, cell-seeded scaffolds can assist in the remyelination of the regenerating axons. The electrospinning process allows control over fiber diameter, alignment, porosity, and morphology. Biodegradable polymers have been electrospun and their use in tissue engineering has been demonstrated. This paper discusses aspects of electrospun biodegradable nanofibers for neural regeneration, how fiber alignment affects cell alignment, and how cell-seeded scaffolds can increase the effectiveness of such implants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,240
Écart entre enseignants0,217 · 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'étudeExpérimental (laboratoire)
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

Citations52
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207