MétaCan
Menu
Retour à la cohorte
Enregistrement W2089537633 · doi:10.1089/ten.teb.2007.0435

Fibrin: A Versatile Scaffold for Tissue Engineering Applications

2008· review· en· W2089537633 sur OpenAlexaff
Tamer A. Ahmed, Emma V. Dare, Max Hincke

Notice bibliographique

RevueTissue Engineering Part B Reviews · 2008
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFibrinScaffoldTissue engineeringRegeneration (biology)Biomedical engineeringFibrin glueWound healingThrombinRegenerative medicineChemistryHemostasisStem cellMaterials scienceCell biologyBiologyMedicineSurgeryPlateletBiochemistryImmunology

Résumé

récupéré en direct d'OpenAlex

Tissue engineering combines cell and molecular biology with materials and mechanical engineering to replace damaged or diseased organs and tissues. Fibrin is a critical blood component responsible for hemostasis, which has been used extensively as a biopolymer scaffold in tissue engineering. In this review we summarize the latest developments in organ and tissue regeneration using fibrin as the scaffold material. Commercially available fibrinogen and thrombin are combined to form a fibrin hydrogel. The incorporation of bioactive peptides and growth factors via a heparin-binding delivery system improves the functionality of fibrin as a scaffold. New technologies such as inkjet printing and magnetically influenced self-assembly can alter the geometry of the fibrin structure into appropriate and predictable forms. Fibrin can be prepared from autologous plasma, and is available as glue or as engineered microbeads. Fibrin alone or in combination with other materials has been used as a biological scaffold for stem or primary cells to regenerate adipose tissue, bone, cardiac tissue, cartilage, liver, nervous tissue, ocular tissue, skin, tendons, and ligaments. Thus, fibrin is a versatile biopolymer, which shows a great potential in tissue regeneration and wound healing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,039
Tête enseignante GPT0,324
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations964
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTissue Engineering Part B ReviewsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207