MétaCan
Menu
Retour à la cohorte
Enregistrement W2460527870 · doi:10.3389/fmats.2016.00027

Nano-Engineered Biomaterials for Tissue Regeneration: What Has Been Achieved So Far?

2016· article· en· W2460527870 sur OpenAlex
Sarah McLaughlin, James Podrebarac, Marc Ruel, Erik J. Suuronen, Brian McNeill, Emilio I. Alarcón

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueFrontiers in Materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ottawa Heart Institute Foundation
Mots-clésNanotechnologyTissue engineeringRegeneration (biology)Regenerative medicineBiomimetic materialsBiocompatible materialNanomaterialsMaterials scienceBiochemical engineeringEngineeringBiomedical engineeringStem cellBiology

Résumé

récupéré en direct d'OpenAlex

Nanomaterials have attracted the interest of tissue engineers for the last two decades. Their unique properties make them promising for de-novo fabrication of bio-inspired hybrid/composite materials with improved regenerative properties, including the capacity for electric conductivity and the provision of antimicrobial properties, for example. However, to this day, the use of such materials in medical applications is rather limited and most of the studies have only reached the archetypical proof-of-concept stage. Herein, we present a review on the use of nanomaterials in tissue engineering for regenerative therapies of heart, skin, eye, skeletal muscle, and nervous system. The advantages and limitations of nano-engineering materials are presented in this review alongside with the future challenges and milestones nanotechnology must overcome to make an impact in biomedical applications.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,216
Écart entre enseignants0,202 · 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