MétaCan
Menu
Retour à la cohorte
Enregistrement W2614261539 · doi:10.1002/adbi.201700058

3D Printing of Microstructured and Stretchable Chitosan Hydrogel for Guided Cell Growth

2017· article· en· W2614261539 sur OpenAlexafffund
Qinghua Wu, Marion Maire, Sophie Lerouge, Daniel Therriault, Marie‐Claude Heuzey

Notice bibliographique

RevueAdvanced Biosystems · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensÉcole de Technologie SupérieureUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia UniversityChina Scholarship CouncilCanada Foundation for Innovation
Mots-clésSelf-healing hydrogelsMicrofiberMaterials scienceNanotechnologyChitosanTissue engineeringCell encapsulationComposite materialBiomedical engineeringChemical engineeringPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

The ability to produce complex micro‐ or nanostructures from naturally derived hydrogels is significant for biomedical applications. However, precisely controlled architectures of soft hydrogels are difficult to be achieved due to their limited mechanical properties. Despite intensive research, significant challenges persist to fabricate hydrogels with ordered structures and adequate mechanical and biological properties for mimicking native tissues. In this work, a 3D printing technique is proposed to fabricate chitosan hydrogel with highly flexible and organized microfiber networks. The microstructured hydrogel scaffolds are obtained through a neutralization step. The strain at failure of hydrogel filaments can reach up to ≈400% and maximum strength is ≈7.5 MPa. The hydrogel scaffolds feature surface textures that can guide and align cell growth. This approach of tailoring hydrogels opens doors to design and produce 3D tissue constructs with topographical, biological, and mechanical compatibility.

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 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 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 enseignants0,012
Score d'incertitude au seuil0,583

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 GPT0,269
Écart entre enseignants0,257 · 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 tête enseignante, 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

Citations96
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced BiosystemsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207