Notice bibliographique
Résumé
OBJECTIVE: The purpose of this review is to summarize the basic science literature related to chronic nerve injuries, and to then use this as the background to provide emerging insights into the promising role of cellular therapy for nerve injury repair. METHODS: The literature pertinent to the experimental and clinical aspects of chronic nerve injury was reviewed, as was emerging literature and our own recent experience in using cellular therapy to repair injured nerves. RESULTS: Peripheral nerves have the potential to regenerate axons and reinnervate end organs. Yet, outcome after peripheral nerve injury, even after nerve repair, remains relatively poor. The single most important quantitative contributor to poor motor recovery is chronic denervation of the distal nerve. Chronic denervation is common because of the often extensive injury zone that prevents any axonal outgrowth or (even if outgrowth occurs) the relatively slow rate of regeneration. As a consequence, the distal nerve remains chronically devoid of regrowing axons. In turn, prolonged denervation of Schwann cells (SCs) seems to be the critical factor that makes them unreceptive for axonal regeneration. Regenerative success was demonstrated when denervated SCs were replaced with healthy SCs cultured from a secondary nerve. This cell-replacement strategy is, however, limited in the clinical setting by the inability to obtain sufficient numbers of cells and the requirement for sacrifice of additional nerve tissue. We, along with several other groups, have therefore begun investigating stem cell therapies to improve the regenerative environment. CONCLUSION: There are several avenues of stem cell-based approaches to peripheral nerve repair. One of these, skin-derived precursor cells, are easily accessible, autologous adult stem cells that can survive and myelinate in the peripheral nerve environment and become SC-like in their apparent differentiation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».