MétaCan
Menu
Retour à la cohorte
Enregistrement W2913639312 · doi:10.1177/0192623318816936

Evaluation of Magnesium-based Medical Devices in Preclinical Studies: Challenges and Points to Consider

2019· review· en· W2913639312 sur OpenAlexaff
Madeleine Chagnon, Louis‐Georges Guy, Nicolette D. Jackson

Notice bibliographique

RevueToxicologic Pathology · 2019
Typereview
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensAccelLab (Canada)
Organismes subventionnairesnon disponible
Mots-clésBiomedical engineeringImplantMedicineMagnesiumSurgeryMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Absorbable metallic implants have been under investigation for more than a century. Animal and human studies have shown that magnesium (Mg) alloys can be safely used in bioresorbable scaffolds. Several cardiovascular and orthopedic biodegradable metallic devices have recently been approved for use in humans. Bioresorbable Mg implants present many advantages when compared to bioabsorbable polymer or nonabsorbable metallic implants, including similar strength and mechanical properties as existing implant-grade metals without the drawbacks of permanence or need for implant removal. Imaging visibility is also improved compared to polymeric devices. Additionally, with Mg-based cardiovascular stents, the risk of late stent thrombosis and need for long-term anti-platelet therapy may be reduced as the host tissue absorbs the Mg degradation products and the morphology of the vessel returns to a near-normal state. Absorbable Mg implants present challenges in the conduct of preclinical animal studies and interpretation of pathology data due to their particular degradation process associated with gas production and release of by-products. This article will review the different uses of Mg implants, the Mg alloys, the distinctive degradation features of Mg, and the challenges confronting pathologists at tissue collection, fixation, imaging, slide preparation, evaluation, and interpretation of Mg implants.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,499
Tête enseignante GPT0,500
Écart entre enseignants0,001 · 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

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueToxicologic PathologyMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207