MétaCan
Menu
Retour à la cohorte
Enregistrement W2793823017 · doi:10.1002/advs.201700560

Enabling Angioplasty‐Ready “Smart” Stents to Detect In‐Stent Restenosis and Occlusion

2018· article· en· W2793823017 sur OpenAlexafffund
Xing Chen, Babak Assadsangabi, York Hsiang, Kenichi Takahata

Notice bibliographique

RevueAdvanced Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesCanada Foundation for InnovationBritish Columbia Knowledge Development FundCMC MicrosystemsNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanadian Institutes of Health Research
Mots-clésRestenosisAngioplastyStentOcclusionMedicineBalloonRadiologyCardiology

Résumé

récupéré en direct d'OpenAlex

Despite the multitude of stents implanted annually worldwide, the most common complication called in-stent restenosis still poses a significant risk to patients. Here, a "smart" stent equipped with microscale sensors and wireless interface is developed to enable continuous monitoring of restenosis through the implanted stent. This electrically active stent functions as a radiofrequency wireless pressure transducer to track local hemodynamic changes upon a renarrowing condition. The smart stent is devised and constructed to fulfill both engineering and clinical requirements while proving its compatibility with the standard angioplasty procedure. Prototypes pass testing through assembly on balloon catheters withstanding crimping forces of >100 N and balloon expansion pressure up to 16 atm, and show wireless sensing with a resolution of 12.4 mmHg. In a swine model, this device demonstrates wireless detection of blood clot formation, as well as real-time tracking of local blood pressure change over a range of 108 mmHg that well covers the range involved in human. The demonstrated results are expected to greatly advance smart stent technology toward its clinical practice.

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 seuil0,002

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,324
Écart entre enseignants0,301 · 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

Citations114
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced ScienceMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207