MétaCan
Menu
Retour à la cohorte
Enregistrement W2788532975 · doi:10.1021/acsbiomaterials.7b01017

Method for the Fabrication of Elastomeric Polyester Scaffolds for Tissue Engineering and Minimally Invasive Delivery

2018· article· en· W2788532975 sur OpenAlexafffund
Miles Montgomery, Locke Davenport Huyer, Dawn Bannerman, Mohammad Hossein Mohammadi, Genevieve Conant, Milica Radisic

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2018
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchOntario Institute for Regenerative MedicineUniversity of TorontoCanada Foundation for InnovationHeart and Stroke Foundation of Canada
Mots-clésScaffoldMaterials scienceElastomerTissue engineeringPolyesterMaleic anhydridePolymerBiomedical engineeringFabricationNanotechnologyMonomerCopolymerComposite material

Résumé

récupéré en direct d'OpenAlex

Using the methods described herein, we have demonstrated how scaffolds can be designed for a number of applications including tissue engineering, biomedical devices and injectable tissues. Details on the methods of polymerization and physical and chemical characterization of poly(octamethylene maleate (anhydride) citrate (POMaC) are described. Two POMaC polymer recipes with different monomer ratios of maleic anhydride and citric acid were synthesized and compared. Mechanical testing was performed on scaffolds of two distinct anisotropic designs to show how scaffold design influences the apparent elasticity in the long and short axis. POMaC scaffolds of various patterns and geometries were fabricated to demonstrate: (1) scaffold function can be determined by scaffold design (e.g., inherent shape-memory or self-assembling tubular structures), and (2) the soft lithography approach to fabricating biodegradable elastomers described here can be used to suit a number of different potential applications.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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 Opus0,016
Tête enseignante GPT0,294
Écart entre enseignants0,278 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujet3D Printing in Biomedical ResearchTravaux en français237 207