MétaCan
Menu
Retour à la cohorte
Enregistrement W2773438263 · doi:10.1186/s13036-017-0089-9

Immunological challenges associated with artificial skin grafts: available solutions and stem cells in future design of synthetic skin

2017· review· en· W2773438263 sur OpenAlexaff
Saurabh Dixit, Dieudonné R. Baganizi, Rajnish Sahu, Ejowke Dosunmu, Atul A. Chaudhari, Komal Vig, Shreekumar Pillai, Shree R. Singh, Vida A. Dennis

Notice bibliographique

RevueJournal of Biological Engineering · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesCore Research for Evolutional Science and TechnologyAlabama State UniversityNational Science Foundation
Mots-clésArtificial skinSkin graftingMedicineStem cellTransplantationSkin repairSurgeryWound healingBiology

Résumé

récupéré en direct d'OpenAlex

The repair or replacement of damaged skins is still an important, challenging public health problem. Immune acceptance and long-term survival of skin grafts represent the major problem to overcome in grafting given that in most situations autografts cannot be used. The emergence of artificial skin substitutes provides alternative treatment with the capacity to reduce the dependency on the increasing demand of cadaver skin grafts. Over the years, considerable research efforts have focused on strategies for skin repair or permanent skin graft transplantations. Available skin substitutes include pre- or post-transplantation treatments of donor cells, stem cell-based therapies, and skin equivalents composed of bio-engineered acellular or cellular skin substitutes. However, skin substitutes are still prone to immunological rejection, and as such, there is currently no skin substitute available to overcome this phenomenon. This review focuses on the mechanisms of skin rejection and tolerance induction and outlines in detail current available strategies and alternatives that may allow achieving full-thickness skin replacement and repair.

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 enseignants0,002
Score d'incertitude au seuil0,008

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,211
Tête enseignante GPT0,316
Écart entre enseignants0,106 · 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

Citations118
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological EngineeringMême sujetWound Healing and TreatmentsTravaux en français237 207