MétaCan
Menu
Retour à la cohorte
Enregistrement W2792151807 · doi:10.1038/micronano.2017.103

Stiffness increase of red blood cells during storage

2018· article· en· W2792151807 sur OpenAlexafffund
Zhensong Xu, Yi Zheng, Xian Wang, Nadine Shehata, Chen Wang, Yu Sun

Notice bibliographique

RevueMicrosystems & Nanoengineering · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueErythrocyte Function and Pathophysiology
Établissements canadiensMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésStiffnessElongationRed blood cellAdenosine triphosphateBiomedical engineeringDeformation (meteorology)Erythrocyte deformabilityChemistryBiophysicsMaterials scienceMedicineComposite materialBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract In transfusion medicine, the deformability of stored red blood cells (RBCs) changes during storage in blood banks. Compromised RBC deformability can reduce the transfusion efficiency or intensify transfusion complications, such as sepsis. This paper reports the microfluidic mechanical measurement of stored RBCs under the physiological deformation mode (that is, folding). Instead of using phenomenological metrics of deformation or elongation indices (DI or EI), the effective stiffness of RBCs, a flow velocity-independent parameter, is defined and used for the first time to evaluate the mechanical degradation of RBCs during storage. Fresh RBCs and RBCs stored up to 6 weeks (42 days) in the blood bank were measured, revealing that the effective stiffness of RBCs increases over the storage process. RBCs stored for 1 week started to show significantly higher stiffness than fresh RBCs, and stored RBC stiffness degraded faster during the last 3 weeks than during the first 3 weeks. Furthermore, the results indicate that the time points of the effective stiffness increase coincide well with the degradation patterns of S-nitrosothiols (SNO) and adenosine triphosphate (ATP) in RBC storage lesions.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · 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

Citations77
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicrosystems & NanoengineeringMême sujetErythrocyte Function and PathophysiologyTravaux en français237 207