MétaCan
Menu
Retour à la cohorte
Enregistrement W2739268315 · doi:10.3390/ijms18071597

Application of Extrusion-Based Hydrogel Bioprinting for Cartilage Tissue Engineering

2017· review· en· W2739268315 sur OpenAlexafffund
Fu You, B. Frank Eames, Daniel Chen

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2017
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaSaskatchewan Health Research Foundation
Mots-clés3D bioprintingSelf-healing hydrogelsExtrusionMaterials scienceTissue engineeringCartilageBiofabricationBiocompatibilityNanotechnologyRegenerative medicine3D printingBiomedical engineeringComposite materialEngineeringChemistryCellAnatomyPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Extrusion-based bioprinting (EBB) is a rapidly developing technique that has made substantial progress in the fabrication of constructs for cartilage tissue engineering (CTE) over the past decade. With this technique, cell-laden hydrogels or bio-inks have been extruded onto printing stages, layer-by-layer, to form three-dimensional (3D) constructs with varying sizes, shapes, and resolutions. This paper reviews the cell sources and hydrogels that can be used for bio-ink formulations in CTE application. Additionally, this paper discusses the important properties of bio-inks to be applied in the EBB technique, including biocompatibility, printability, as well as mechanical properties. The printability of a bio-ink is associated with the formation of first layer, ink rheological properties, and crosslinking mechanisms. Further, this paper discusses two bioprinting approaches to build up cartilage constructs, i.e., self-supporting hydrogel bioprinting and hybrid bioprinting, along with their applications in fabricating chondral, osteochondral, and zonally organized cartilage regenerative constructs. Lastly, current limitations and future opportunities of EBB in printing cartilage regenerative constructs are reviewed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,587

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
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 Opus0,054
Tête enseignante GPT0,395
Écart entre enseignants0,342 · 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'étudeAutre devis
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

Citations178
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207