MétaCan
Menu
Retour à la cohorte
Enregistrement W2014785305 · doi:10.1021/ma901530r

Polymer Scaffolds for Biomaterials Applications

2009· article· en· W2014785305 sur OpenAlexaff
Molly S. Shoichet

Notice bibliographique

RevueMacromolecules · 2009
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiomaterialRegenerative medicineScaffoldTissue engineeringBiomoleculeNanotechnologyRegeneration (biology)Stem cellBiomedical engineeringMaterials scienceChemistryCell biologyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Biomaterials have been used extensively in medical, personal care, and food applications, with many similar polymers being used across disciplines. This Perspective will emphasize polymers used in medicine and specifically those designed as scaffolds for use in tissue engineering and regenerative medicine. The areas of active research in tissue engineering include: biomaterials design—incorporation of the appropriate chemical, physical, and mechanical/structural properties to guide cell and tissue organization; cell/scaffold integration—inclusion into the biomaterial scaffold of either cells for transplantation or biomolecules to attract cells, including stem cells, from the host to promote integration with the tissue after implantation; and biomolecule delivery—inclusion of growth factors and/or small molecules or peptides that promote cell survival and tissue regeneration. While a significant and growing area of regenerative medicine involves the stimulation of endogenous stem cells, this Perspective will emphasize polymer scaffolds used for delivery of cells and biomolecules. The challenges and solutions pursued in designing polymeric biomaterial scaffolds with the appropriate 3-dimensional structure will be explored.

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: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0300,016

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 Opus0,013
Tête enseignante GPT0,281
Écart entre enseignants0,268 · 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

Citations461
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromoleculesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207