Notice bibliographique
Résumé
Abstract Nanofiber technology is an exciting area attracting the attention of many researchers as a potential solution to the current challenges in the biomedical field such as burn and wound care, organ repair, and treatment for osteoporosis and various diseases. Nanofibers are attractive in this field for several reasons. First, surface area on nanofibers is much higher compared to bulk materials, which allows for enhanced adhesion of cells, proteins, and drugs. Second, nanofibers can be fabricated into sophisticated macro‐scale structures. The ability to fabricate nanofibers allows renewed efforts in developing hierarchical structures that mimic those in animals and human. On top of that, a wide range of polymers can be fabricated into nanofibers to suit different applications. Nanofibers are most commonly fabricated through electrospinning, which is a low cost method that allows control over fiber morphology and is capable of being scaled‐up for mass production. This review explored two popular areas of biomedical nanofiber development: tissue regeneration and drug delivery, and included discussions on the basic principles for how nanofibers promote tissue regeneration and drug delivery, the parameters that affect nanofiber performance and the recent progress in these areas. The recent work on biomedical nanofibers showed that the large surface area on nanofibers could be translated into enhanced cell activities, drug encapsulation, and drug release rate control. Furthermore, by optimizing the electrospinning process via adjusting the material choices and fiber orientation, for example, further enhancement in cell differentiation and drug release control could be achieved. Copyright © 2010 John Wiley & Sons, Ltd.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».