MétaCan
Menu
Retour à la cohorte
Enregistrement W2010685960 · doi:10.1002/jbm.b.31626

Thromboelastographic study of biomaterials

2010· review· en· W2010685960 sur OpenAlexaff
Henry T. Peng

Notice bibliographique

RevueJournal of Biomedical Materials Research Part B Applied Biomaterials · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueHemostasis and retained surgical items
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésThromboelastographyCoagulationBiomedical engineeringBiomaterialCoagulation testingFibrinolysisFibrinogenIn vivoBlood clottingHuman bloodWhole bloodClot formationMedicineMaterials scienceSurgeryInternal medicineBiologyBiotechnology

Résumé

récupéré en direct d'OpenAlex

Thromboelastography (TEG) is drawing more attention for clinical and in vitro studies of blood coagulation. It can be applied to evaluate the effects of both blood-soluble and insoluble biomaterials on whole blood coagulation from the beginning of coagulation through clot formation to the ending with fibrinolysis. TEG may also identify the relative contributions of various clotting factors, such as fibrinogen and platelets, to the overall coagulation process based on profiles of its variables using whole and partial blood components. A comprehensive review has been conducted on its applications for the assessment of a wide range of blood-contacting biomaterials ranging from polymers to ceramics and biomedical devices involved in many applications. The methodology is different in terms of instrumentation, the methods to activate blood coagulation, the type of blood (citrated versus fresh blood), and study settings (in vitro, in vivo, and clinical trials). The author's own work and future directions are discussed as well. TEG should be considered as one of the most useful tools for evaluating in vitro and in vivo blood-biomaterial interactions for different 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 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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,185
Tête enseignante GPT0,467
Écart entre enseignants0,282 · 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

Citations47
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part B Applied BiomaterialsMême sujetHemostasis and retained surgical itemsTravaux en français237 207