MétaCan
Menu
Retour à la cohorte
Enregistrement W3010686784 · doi:10.1117/12.2546694

Fluorescent light energy in wound healing: when is a photon something more?

2020· article· en· W3010686784 sur OpenAlexafffund
Michela Zago, Mehrnoush Dehghani, Joanna Jaworska, Maiken Mellergaard, Dierdre Edge, Dennis Dan Corell, Shannon E. Campbell, Søren Skov, Lise Hébert, Michael Engelbrecht Nielsen, Michael R. Hamblin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueLaser Applications in Dentistry and Medicine
Établissements canadiensMontreal Clinical Research InstituteKlox Technologies (Canada)
Organismes subventionnairesMitacs
Mots-clésFluorescenceWound healingLight energyPhotonFluorescent lightTwo-photon excitation microscopyEnergy (signal processing)OptoelectronicsOpticsMaterials sciencePhysicsMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

Fluorescent Light Energy (FLE) is a unique form of photobiomodulation that stimulates healing, reduces inflammation, and alleviates pain. The system works by exciting a chromophore in a topical substrate, which emits FLE with a broad spectral range (~400-700 nm) that is delivered to the target tissue below. Results from in vivo and in vitro studies have shown FLE modulates inflammation via down-regulation of pro-inflammatory cytokines such as IL-6 and TNF-α and stimulates mitochondria biogenesis1. A recent study showed FLE-stimulated cells responded more potently compared to cells treated with light from an LED light source (“Mimicking Lamp”) designed to generate the same emission spectra and power intensity profile as FLE2. FLE-treated human dermal fibroblasts (HDF) experienced up-regulated collagen production, while a minor and nonsignificant effect was observed for the Mimicking Lamp-treated HDFs. These results suggest that photons generated by FLE either penetrate tissue differently or are absorbed differently compared to photons from a LED light source. Photonic properties of FLE that could impact tissue penetration or absorption may include polarity or coherency, leading to different cellular responses. To investigate if light polarity may influence cellular responses to FLE stimulation, the present study applied linear and circular-polarizing filters to investigate the influence of FLE’s polarity on immune parameters. The data suggest that FLE polarity contributes to its impact on biological systems. Furthermore, the immunemodulatory impact of FLE was investgated in a pilot study on a human ex vivo skin model suggesting that central myeloid immune surface markes are modulated by FLE.

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

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 Opus0,029
Tête enseignante GPT0,301
Écart entre enseignants0,272 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetLaser Applications in Dentistry and MedicineTravaux en français237 207