MétaCan
Menu
Retour à la cohorte
Enregistrement W1997179037 · doi:10.1080/00015550410025273

Stimulatory Effect of Boron and Manganese Salts on Keratinocyte Migration

2004· article· en· W1997179037 sur OpenAlexaff
Nathalie Chebassier, El Houssein Ouijja, Isabelle Viegas, Brigitte Dréno

Notice bibliographique

RevueActa Dermato Venereologica · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensHotel Dieu Hospital
Organismes subventionnairesnon disponible
Mots-clésKeratinocyteManganeseIn vitroBoronMedicineWound healingBiophysicsBiochemistryCell biologyBiologyChemistryImmunologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Keratinocyte proliferation and migration are essential for the reconstruction of the cutaneous barrier after skin injury. Interestingly, thermal waters which are rich in trace elements (e.g. boron and manganese), are known to be able to improve wound healing. In order to understand the mechanism of action of this effect, our study investigated the in vitro modulation of keratinocyte migration and proliferation by boron and manganese salts, which are present in high concentrations in a thermal water (Saint Gervais). Our in vitro study demonstrated that incubating keratinocytes for 24 h with boron salts at concentrations between 0.5 and 10 microg/ml or manganese salts at concentrations between 0.1 and 1.5 microg/ml accelerated wound closure compared with control medium (+20%). As this acceleration was not related to an increase in keratinocyte proliferation we suggest that boron and manganese act on wound healing mainly by increasing the migration of keratinocytes.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,282
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 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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Dermato VenereologicaMême sujetWound Healing and TreatmentsTravaux en français237 207