MétaCan
Menu
Retour à la cohorte
Enregistrement W2971838715 · doi:10.3390/polym11091437

Bone Repair and Regenerative Biomaterials: Towards Recapitulating the Microenvironment

2019· review· en· W2971838715 sur OpenAlexaff
Neda Aslankoohi, Dibakar Mondal, Amin S. Rizkalla, Kibret Mequanint

Notice bibliographique

RevuePolymers · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTissue engineeringNanotechnologyBone healingMaterials scienceRegenerative medicineBiocompatible materialBone formationBiomedical engineeringComputer scienceStem cellMedicineBiologySurgeryCell biology

Résumé

récupéré en direct d'OpenAlex

Biomaterials and tissue engineering scaffolds play a central role to repair bone defects. Although ceramic derivatives have been historically used to repair bone, hybrid materials have emerged as viable alternatives. The rationale for hybrid bone biomaterials is to recapitulate the native bone composition to which these materials are intended to replace. In addition to the mechanical and dimensional stability, bone repair scaffolds are needed to provide suitable microenvironments for cells. Therefore, scaffolds serve more than a mere structural template suggesting a need for better and interactive biomaterials. In this review article, we aim to provide a summary of the current materials used in bone tissue engineering. Due to the ever-increasing scientific publications on this topic, this review cannot be exhaustive; however, we attempted to provide readers with the latest advance without being redundant. Furthermore, every attempt is made to ensure that seminal works and significant research findings are included, with minimal bias. After a concise review of crystalline calcium phosphates and non-crystalline bioactive glasses, the remaining sections of the manuscript are focused on organic-inorganic hybrid materials.

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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,033
Tête enseignante GPT0,261
Écart entre enseignants0,228 · 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

Citations72
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetBone Tissue Engineering MaterialsTravaux en français237 207