Effect of cell‐based VEGF gene therapy on healing of a segmental bone defect
Notice bibliographique
Résumé
Fracture healing requires coordinated coupling between osteogenesis and angiogenesis in which vascular endothelial growth factor (VEGF) plays a key role. We hypothesized that targeted over-expression of angiogenic and osteogenic factors within the fracture would promote bone healing by inducing development of new blood vessels and stimulating/affecting proliferation, survival, and activity of skeletal cells. Using a cell-based method of gene transfer, without viral vector, 5.0 x 10(6) fibroblasts transfected with VEGF were delivered to a 10-mm bone defect in rabbit tibiae (Group 1) (n = 9); control groups were treated with fibroblasts (Group 2) (n = 7), or saline (Group 3) (n = 7) only. After 12 weeks, eight tibial fractures healed in Group 1, compared to four each in Groups 2 and 3. In Group 1, ossification was seen across the entire defect; in Groups 2 and 3, the defects were fibrous and sparsely ossified. Group 1 had more positively stained (CD31) vessels than Groups 2 and 3. MicroCT 3-D showed complete bridging of the new bone for Group 1, but incomplete healing for Groups 2 and 3. MicroCT bone structural parameters showed significant differences between VEGF treatment and control groups (p < 0.05). These results indicate that the cell-based VEGF gene therapy has significant angiogenic and osteogenic effects to enhance healing of a segmental defect in the long bone of rabbits.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».