MétaCan
Menu
Retour à la cohorte
Enregistrement W2793837622 · doi:10.1002/biot.201700635

Strategic Design and Fabrication of Nerve Guidance Conduits for Peripheral Nerve Regeneration

2018· review· en· W2793837622 sur OpenAlexafffund
M. D. Sarker, Saman Naghieh, Adam D. McInnes, David J. Schreyer, Daniel Chen

Notice bibliographique

RevueBiotechnology Journal · 2018
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSaskatchewan Health Research Foundation
Mots-clésRegeneration (biology)Peripheral nerveReinnervationAxonNerve guidance conduitMaterials scienceBiomedical engineeringNeuroscienceAnatomyBiologyMedicineCell biology

Résumé

récupéré en direct d'OpenAlex

Nerve guidance conduits (NGCs) have been drawing considerable attention as an aid to promote regeneration of injured axons across damaged peripheral nerves. Ideally, NGCs should include physical and topographic axon guidance cues embedded as part of their composition. Over the past decades, much progress has been made in the development of NGCs that promote directional axonal regrowth so as to repair severed nerves. This paper briefly reviews the recent designs and fabrication techniques of NGCs for peripheral nerve regeneration. Studies associated with versatile design and preparation of NGCs fabricated with either conventional or rapid prototyping (RP) techniques have been examined and reviewed. The effect of topographic features of the filler material as well as porous structure of NGCs on axonal regeneration has also been examined from the previous studies. While such strategies as macroscale channels, lumen size, groove geometry, use of hydrogel/matrix, and unidirectional freeze-dried surface are seen to promote nerve regeneration, shortcomings such as axonal dispersion and wrong target reinnervation still remain unsolved. On this basis, future research directions are identified and discussed.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,111
Tête enseignante GPT0,352
Écart entre enseignants0,241 · 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

Citations180
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology JournalMême sujet3D Printing in Biomedical ResearchTravaux en français237 207