MétaCan
Menu
Retour à la cohorte
Enregistrement W2110517597 · doi:10.1517/14712598.2010.528387

Nanoscaffold based stem cell regeneration therapy: recent advancement and future potential

2010· review· en· W2110517597 sur OpenAlexafffund
Satya Prakash, Afshan Khan, Arghya Paul

Notice bibliographique

RevueExpert Opinion on Biological Therapy · 2010
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésStem cellRegeneration (biology)Stem-cell therapyMedicineBiologyCell biology

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE OF THE FIELD: Over the past years, extensive research has been directed towards tissue engineering using conventional scaffolds. In-depth studies in this field have led to the realization that in vivo cells interact with the extracellular matrix, composed of nanofibers at sub-micron scale, which not only provides the mechanical support to the cells but also plays a key role in regulation of cellular behavior. This has led to the development of nanofibrous scaffold (NFS) technology which in combination with stem cells is emerging as an important tool in the development of tissue engineering and regenerative medicine. AREAS COVERED IN THIS REVIEW: This review summarizes the three methods of nanofibrous scaffold preparation and provides a state-of-the-art update on the recent advancement in the use of nanoscaffolds in stem cell regeneration therapy. WHAT THE READER WILL GAIN: The review gives the reader an insight on nanoscaffold based therapy methods, such as how these scaffolds can potentially be designed and used in successful development of stem cell based therapies. TAKE HOME MESSAGE: NFS technology when coupled with stem cells and exploited in the right way has a strong potential of being used in stem cell based regenerative medicine.

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)0,001
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0020,001

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 Opus0,064
Tête enseignante GPT0,341
Écart entre enseignants0,277 · 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

Citations29
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Biological TherapyMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207