The contribution of platelets in the production of cryoprecipitates for use in a fibrin glue
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Cryoprecipitate has a wide application for use as a fibrin glue. In some situations, platelets are added to the preparation in order to enhance the fibrin glue. MATERIALS AND METHODS: Fresh plasma was collected by apheresis from the same donor to produce 250 ml of platelet-rich plasma (PRP) or platelet-poor plasma (PPP) (n = 12 each). Cryoprecipitate was then produced following the standards of the American Association of Blood Banks and resuspended to a total volume of 8 ml, from which aliquots were removed and assayed. Clot formation was measured using the thromboelastogram. RESULTS: The protein content of the two preparations was identical for PRP and PPP. Results for fibrinogen (PPP 475 +/- 220 mg; PRP 399 +/- 215 mg), Factor VIII (PPP 186 +/- 67 IU; PRP 175 +/- 70 IU) and von Willebrand Factor (PPP 260 +/- 104 IU; PRP 221 +/- 88 IU) were not significantly different. The concentration of platelet-derived growth factor was markedly higher (a 100-fold increase at 3778 +/- 1036 ng) when platelets were added to the plasma. There was a small, but not statistically significant, difference in the rate of clot formation (R = 2.3 for PPP and 3.8 for PRP) and clot strength (MA = 63.4 for PPP and 56.6 for PRP) between PPP and PRP cryoprecipitates when measured using the thromboelastogram. CONCLUSIONS: Platelets do not significantly increase the concentration of the usual constituents of cryoprecipitate; however, the levels of platelet-derived growth factor are markedly enhanced. Therefore, there are advantages for using PRP to enhance the growth of new tissue.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».