Tissue Engineered Meniscus Repair
Notice bibliographique
Résumé
Objective. Studies have shown that meniscal repairs have better outcomes over both partial and total meniscectomies. Tissue engineering strategies to repair meniscus tears have been explored using cell sources that involve a donor as well as a period of in vitro cell expansion before use. This study explored cell sources that could be easily harvested and rapidly isolated by enzymatic digestion and cannulated delivery. Methods. Bovine menisci were used to create a bucket handle tear. Cell lines were established from meniscus, synovium, and adipose tissue and fluorescently labeled. At passages P2, P4, and P8, cells were added to the defect from the following experimental groups: cells alone, collagen gel, collagen scaffold, or hyaluronic acid. Menisci constructs were xenografted subcutaneously onto the dorsum of athymic rats and incubated for 3, 6, and 9 weeks, at which time they were retrieved and processed for histology. Results. Meniscal cells were able to repair defects faster and significantly better than adipose or synovium derived cells. Adipose cells were the least effective in comparison. Repair was significantly better at 9 weeks compared with 6 and 3 weeks. Macroscopic examination of menisci that received cell implants showed the thickest tissue in menisci that had collagen implants, and the thinnest fill occurred in menisci treated with cells alone. Histology confirmed no cells or integrative repair in the control specimens. Conclusions. Delivery of cells alone outperformed the additional use of biomaterials. Our results suggest a strategy that would use both meniscus and synovial cells for arthroscopic meniscal repair.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».