MétaCan
Menu
Retour à la cohorte
Enregistrement W2899984597 · doi:10.1021/acsami.8b14526

On-Demand Dissolvable Self-Healing Hydrogel Based on Carboxymethyl Chitosan and Cellulose Nanocrystal for Deep Partial Thickness Burn Wound Healing

2018· article· en· W2899984597 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates Bio SolutionsChina Scholarship CouncilNational Natural Science Foundation of ChinaCanada Research ChairsAlberta Crop Industry Development Fund
Mots-clésCarboxymethyl celluloseMaterials scienceWound healingSelf-healing hydrogelsBiocompatibilityChitosanSelf-healingBiomedical engineeringBacterial celluloseBurn woundScaffoldExtracellular matrixPolymerDissolutionNanotechnologyComposite materialCelluloseChemical engineeringSurgeryMedicinePolymer chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Deep partial thickness burn wounds present big challenges due to the long healing time, large size and irregular shape, pain and reinjury at wound dressing changes, as well as scarring. The clinically effective therapy to alleviate pain at wound dressing changes, and the scar left on the skin after the healing of wound is still unavailable. To combat this, we develop a nanocomposite self-healing hydrogel that can be injected into irregular and deep burn wound beds and subsequently rapidly self-heal to reform into an integrated piece of hydrogel that thoroughly fills the wound area and protects the wound site from external environment, finally being painlessly removed by on-demand dissolving using amino acid solution at wound dressing changes, which accelerates deep partial thickness burn wound healing and prevents scarring. The hydrogel is made out of naturally occurring polymers, namely, water-soluble carboxymethyl chitosan (CMC) and rigid rod-like dialdehyde-modified cellulose nanocrystal (DACNC). They are cross-linked by dynamic Schiff-base linkages between amines from CMC and aldehydes from DACNC. The large aspect ratio and specific surface area of DACNC raise massive active junctions within the hydrogel, which can be readily broken and reformed, allowing hydrogel to rapidly self-heal. Moreover, DACNC serves as nanoreinforcing fillers to improve the hydrogel strength, which also restricts the "soft" CMC chains' motion when soaked in aqueous system, endowing high fluid uptake capacity (350%) to hydrogel while maintaining integrity. Cytotoxicity assay and three-dimensional cell culture demonstrate excellent biocompatibility of the hydrogel and capacity as extracellular matrix to support cell growth. This work opens a novel pathway to fabricate on-demand dissolvable self-healing hydrogels to speed deep partial thickness burn wound healing and eliminate pain at wound dressing changes and prevent scar formation.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,278
Écart entre enseignants0,263 · 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