MétaCan
Menu
Retour à la cohorte
Enregistrement W2787306429 · doi:10.1021/acsbiomaterials.7b00839

Development of a Coflowing Device for the Size-Controlled Preparation of Magnetic-Polymeric Microspheres as Embolization Agents in Magnetic Resonance Navigation Technology

2018· article· en· W2787306429 sur OpenAlexafffund
Zeynab Nosrati, Ning Li, François Michaud, Sahan Ranamukhaarachchi, Stoyan Karagiozov, Gilles Soulez, Sylvain Martel, Katayoun Saatchi, Urs O. Häfeli

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensHôpital Notre-DamePolytechnique MontréalCentre Hospitalier de l’Université de MontréalUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLundbeckfonden
Mots-clésMaterials scienceMicrofluidicsBiomedical engineeringMagnetic nanoparticlesEmbolizationMagnetic resonance imagingPLGAUmbilical veinNanoparticleNanotechnologyNuclear magnetic resonanceChemistryRadiology

Résumé

récupéré en direct d'OpenAlex

Droplet microfluidics technology has recently been introduced to generate particles for many biomedical applications that include therapeutic embolizing agents in hepatic, uterine or bronchial arteries. Embolic agents are available in a variety of shapes and sizes that are adjusted according to the target vessel characteristics. Magnetic embolic agents can additionally be navigated to the target location (e.g., a tumor) through the blood system by applying an external magnetic field. This technology is termed Magnetic Resonance Navigation (MRN). Here we introduce a high throughput method to produce homogeneously sized magnetic microspheres (MMS) as blood vessel embolic agents for use in combination with MRN. The system for MMS production consists of a simple 3D printed micro coflowing device that is able to produce biocompatible, degradation rate controllable poly(lactic- co -glycolic acid) (PLGA) microspheres encasing magnetic nanoparticles. Axisymmetric flow is obtained with a central needle injecting the dispersed phase surrounded by a continuous phase and leads to the formation of size-controlled droplets that turn into homogeneously sized MMS linearly dependent on the inner needle diameter. MMS morphology, mean particle size and size distribution were quantified from SEM images. Magnetic performance of MMS was investigated using a vibrating sample magnetometer. MMS were nontoxic toward HUVEC (human umbilical vein endothelial cells) and HEK293 (human embryonic kidney) cells. The presented micro coflowing method allows for the reliable production of large MMS sized 130–700 μm with narrow size distribution (CV < 7%) and magnetic properties useful for MRN.

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)0,000
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · 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

Citations33
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207