MétaCan
Menu
Retour à la cohorte
Enregistrement W2305094949 · doi:10.1111/jopr.12465

Dental Applications of Natural‐Origin Polymers in Hard and Soft Tissue Engineering

2016· review· en· W2305094949 sur OpenAlexfundno aff
Hossein E. Jazayeri, Mina D. Fahmy, Mehdi Razavi, Brett E. Stein, Aatif Nowman, Radi Masri, Lobat Tayebi

Notice bibliographique

RevueJournal of Prosthodontics · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensnon disponible
Organismes subventionnairesStrategic Innovation FundMarquette University
Mots-clésRegenerative medicineTissue engineeringHard tissueTissue repairRegeneration (biology)Process (computing)Stem cellNatural polymersMedicineBiomedical engineeringDentistryMaterials scienceBiologyComputer sciencePolymerCell biology

Résumé

récupéré en direct d'OpenAlex

Clinical advances in the treatment of dentoalveolar defects continue to evolve with the introduction of new innovations in regenerative medicine and tissue bioengineering. Recent developments in tissue engineering are aimed at safely and effectively regenerating a damaged or necrotic area by replenishing its cells and increasing surrounding gene expression. Various techniques have successfully given rise to porous scaffolds being used by clinicians to treat the defect and initiate the repair process. Tissue reconstruction using bioengineered scaffolds is advantageous over traditional autografting, since it prevents the instigation of pain and donor site morbidity while ultimately creating both the environment and machinery needed to induce cell proliferation, migration, and reattachment within the affected area. This review article aims to describe and review the available literature regarding the regenerative capacity of natural polymers used for the treatment of dentoalveolar defects. The repair mechanisms, advantages of protein and polysaccharide derivatives, and the potential of stem cell therapy are discussed.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,268 · 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

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ProsthodonticsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207