Investigation of surgical adhesives for vocal fold wound closure
Notice bibliographique
Résumé
OBJECTIVES: Surgical adhesives are increasingly used for vocal fold microsurgery to assist wound closure and reduce the risks of scar formation. Currently used vocal fold adhesives such as fibrin glue, however, have thus far not been found to promote wound closure or reduce scarring. The objectives of this study were to investigate the mechanical strength and the cytotoxicity of three commercially available adhesives (Glubran 2, GEM, Viareggio, Italy; BioGlue, CryoLife, Kennesaw, GA; and Tisseel, Baxter Healthcare, Deerfield, IL) for vocal fold wound closure. METHODS: Shear and tension tests were performed on 150 porcine larynges. The cytotoxicity of the adhesives to immortalized human vocal fold fibroblasts was investigated using neutral red uptake assays. RESULTS: The average shear adhesive strength for Tisseel, BioGlue, and Glubran 2 was 13.86 ± 5.03 kilopascal (kPa), 40.92 ± 17.94 kPa, and 68.79 ± 13.29 kPa, respectively. The tensile adhesive strength for Tisseel, BioGlue, and Glubran 2 was 10.70 ± 6.42 kPa, 34.27 ± 12.59 kPa, and 46.67 ± 12.13 kPa, respectively. The vocal fold cell viabilities in extracts of Tisseel, BioGlue, and Glubran 2 were 99.27%, 43.05%, and 1.79%, respectively. CONCLUSION: There was a clear tradeoff between adhesive strength and toxicity. The maximum failure strength in shear or tension of the three surgical adhesives ranked from strongest to the weakest was: 1) Glubran 2, 2) BioGlue, and 3) Tisseel. Tisseel was found to be the least toxic of the three adhesives, whereas Glubran 2 was the most toxic. LEVEL OF EVIDENCE: NA Laryngoscope, 129:2139-2146, 2019.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».