MétaCan
Menu
Retour à la cohorte
Enregistrement W1995670848 · doi:10.1002/jbm.b.32772

Surface chemical and physical modification in stent technology for the treatment of coronary artery disease

2012· review· en· W1995670848 sur OpenAlexaff
Feroze Nazneen, Grégoire Herzog, Damien W. M. Arrigan, Noel M. Caplice, Pasquale Benvenuto, Paul Galvin, Michael Thompson

Notice bibliographique

RevueJournal of Biomedical Materials Research Part B Applied Biomaterials · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoronary artery diseaseSurface modificationMedicineCardiologyStentInternal medicineEngineeringChemical engineering

Résumé

récupéré en direct d'OpenAlex

Coronary artery disease (CAD) kills millions of people every year. It results from a narrowing of the arteries (stenosis) supplying blood to the heart. This review discusses the merits and limitations of balloon angioplasty and stent implantation, the most common treatment options for CAD, and the pathophysiology associated with these treatments. The focus of the review is heavily placed on research efforts geared toward the modification of stent surfaces for the improvement of stent-vascular compatibility and the reduction in the occurrence of related pathophysiologies. Such modifications may be chemical or physical, both of which are surveyed here. Chemical modifications may be passive or active, while physical modification of stent surfaces can also provide suitable substrates to manipulate the responses of vascular cells (endothelial, smooth muscle, and fibroblast). The influence of micro- and nanostructured surfaces on the in vitro cell response is discussed. Finally, future perspectives on the combination of chemical and physical modifications of stent surfaces are also presented.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,173
Tête enseignante GPT0,444
Écart entre enseignants0,271 · 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'étudeSans objet
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

Citations75
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part B Applied BiomaterialsMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207