MétaCan
Menu
Retour à la cohorte
Enregistrement W2072699983 · doi:10.1039/c3lc41417e

Lung assist device: development of microfluidic oxygenators for preterm infants with respiratory failure

2013· article· en· W2072699983 sur OpenAlexaff
Wen‐I Wu, Niels Rochow, Emily Chan, Gerhard Fusch, Asmaa Manan, Dipen Nagpal, P. Ravi Selvaganapathy, Christoph Fusch

Notice bibliographique

RevueLab on a Chip · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Circulatory Support Devices
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOxygenatorArtificial lungMembrane oxygenatorMaterials scienceBiomedical engineeringMicrofluidicsPressure dropExtracorporeal membrane oxygenationNanotechnologySurgeryAnesthesiaMedicine

Résumé

récupéré en direct d'OpenAlex

This paper reports the development of microfluidic oxygenator (MFO) units designed for a lung assist device (LAD) for newborn infants. This device will be connected to the umbilical vessels like the natural placenta and provide gas exchange. The extracorporeal blood flow is only driven by the pressure difference between the umbilical artery and vein without the use of external pumps. The LAD is designed for use in ambient air (~21% of 760 mmHg). The main focus of this paper is the presentation of the development of the MFO units testing various membrane materials with human blood to enhance gas exchange and in the design of fluidic inlets to lower the pressure drop across the oxygenator. Four different membranes, including thin film PDMS, porous PDMS, and two different pore size porous polycarbonate membranes are compared in this study. Among them, the microfluidic oxygenator with porous PDMS membrane has the highest gas exchange rate of 1.46 μL min(-1) cm(2) for oxygen and 5.27 μL min(-1) cm(2) for carbon dioxide and performs better than a commercial hollow fiber-based oxygenator by 367 and 233%, respectively. A new tapered inlet configuration was designed to reduce the pressure drop across the oxygenator and showed a further 57% improvement over the traditional perpendicular inlet configuration.

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 enseignants0,082
Score d'incertitude au seuil0,765

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 Opus0,014
Tête enseignante GPT0,228
Écart entre enseignants0,214 · 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

Citations65
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetMechanical Circulatory Support DevicesTravaux en français237 207