MétaCan
Menu
Retour à la cohorte
Enregistrement W2155277049 · doi:10.1533/abbi.2004.0004

Characterization of Chitosan Films for Tissue Engineering Applications

2000· article· en· W2155277049 sur OpenAlexaff
Amyl Ghanem, M. Katalinich

Notice bibliographique

RevueApplied Bionics and Biomechanics · 2000
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésChitosanBiocompatibilityTissue engineeringBiopolymerContact angleMaterials scienceSurface energySurface roughnessUltimate tensile strengthChemical engineeringPolystyreneBiomedical engineeringNanotechnologyPolymer chemistryComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

Chitosan (β‐(l,4)‐2‐amino‐2‐deoxy‐D‐glucose) is a naturally occurring, abundant biopolymer with desirable biomedical material properties of biodegradability, low toxicity, and good biocompatibility. These properties indicate that chitosan may be suitable as a surface for mammalian cell growth and tissue engineering. The attachment and growth of NIH‐3T3 fibroblasts on chitosan films and controls was measured. Chitosan films of 0.5, 1.5, and 3.0% (w/v) support the attachment and proliferation of NIH‐3T3 fibroblasts at rates slightly lower than polystyrene controls. The film tensile properties, surface roughness, and surface free energies indicate that the film‐formation technique gives films with reproducible physical and chemical properties. Our results indicate that UV–IR treatment of chitosan films can change the water in air (WIA) contact angle and surface free energy (SFE) of the films, and can potentially be used to optimize the attachment and spreading of fibroblasts on these films. The ability of these chitosan films to support cell attachment and growth indicates their potential use as biomedical surfaces. This research may result in the development of biodegradable tissue‐engineering matrices.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,207
Écart entre enseignants0,203 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Bionics and BiomechanicsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207