MétaCan
Menu
Retour à la cohorte
Enregistrement W2020606203 · doi:10.1111/php.12320

Validation and Application of a Model of Oxygen Consumption and Diffusion During Photodynamic Therapy <i>In Vitro</i>

2014· article· en· W2020606203 sur OpenAlexaff
Mark A. Weston, Michael S. Patterson

Notice bibliographique

RevuePhotochemistry and Photobiology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensMcMaster UniversityJuravinski Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésPhotodynamic therapyPhotosensitizerOxygenMonolayerSpheroidDiffusionChemistryBiophysicsSinglet oxygenCellIn vitroPhotochemistryBiochemistryBiologyOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

The photophysical parameters for the photosensitizer Pd(II) meso-Tetra(4-carboxyphenyl) porphine (PdT790) acquired in a previous study were incorporated into the PDT oxygen diffusion models for cell suspensions and cell monolayers. The time-dependent phosphorescence signals generated by the diffusion models are shown to match signals previously measured by M.A.W. and M.S.P. when reasonable physical and photophysical parameters are used. Simulations were performed to investigate the effects of metabolic and photodynamic oxygen consumption rates on the PDT dose in each of the treatment geometries. It was found that in cell suspensions of <1 million cells per mL, PDT should not be inhibited by hypoxia if the photodynamic consumption rate is <1 mm s(-1). For cell monolayers the optimal photodynamic oxygen consumption rate was found to depend on the metabolic rate of oxygen consumption. If cells remained well oxygenated in the absence of PDT, then maximum PDT dose was delivered with the lowest practical photodynamic oxygen consumption rate. Simulations of PDT treatments for multicell tumor spheroids showed that large anoxic cores develop within the spheroids and, as a consequence, less PDT dose is delivered in comparison with similar treatments in cell suspensions and cell monolayers.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,404

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 Opus0,007
Tête enseignante GPT0,209
Écart entre enseignants0,202 · 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'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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhotochemistry and PhotobiologyMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207