MétaCan
Menu
Retour à la cohorte
Enregistrement W2743611078 · doi:10.18494/sam.2016.1348

Role of Bioreactors in Regeneration of Articular Cartilage

2016· article· en· W2743611078 sur OpenAlexaff
Farhana Yasmin, Daniel Chen

Notice bibliographique

RevueSensors and Materials · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésRegeneration (biology)Articular cartilageBioreactorCartilageChemistryOsteoarthritisAnatomyBiomedical engineeringCell biologyMedicineBiologyPathology

Résumé

récupéré en direct d'OpenAlex

Interest in cartilage defect repair has been rapidly increasing with the growing number of sportsrelated injuries, traumas, congenital defects, and pathological disorders, for example, resulting in osteoarthritis (OA), a complex degenerative joint disease that affects a large number of people every year.Although modern medicine has entered into an advanced stage, current surgical procedures still have several limitations.At present, among all therapeutic approaches, tissue engineering has shown great potential for cartilage joint repair.Several methodologies of utilizing cells, scaffolds, and signalling molecules have been explored and developed.However, in regenerative cartilage therapies, one of the major challenges yet to be overcome is its inability to regenerate functional tissue owing to poor mass transfer, and limited ability in controlling physiocochemical cultural parameters during in vitro cell culture.To solve these problems, bioreactors can play a promising role because of their ability to control physiocochemical culture parameters and to provide mechanical stimulation, thereby inducing improved chondrogenesis of tissue-engineered cartilage.In this paper, we review the role of bioreactors in repairing articular cartilage defects with recent advancements in these two areas.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensors and MaterialsMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207