MétaCan
Menu
Retour à la cohorte
Enregistrement W3037497221 · doi:10.3390/ijms21134604

Burns in the Elderly: Potential Role of Stem Cells

2020· review· en· W3037497221 sur OpenAlexaff
Margarita Elloso, Ankita Kambli, Ayesha Aijaz, Alex van de Kamp, Marc G. Jeschke

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineWound healingMesenchymal stem cellStem cellRegeneration (biology)PopulationSkin repairInflammationBurn injurySurgeryIntensive care medicineImmunologyPathologyBiology

Résumé

récupéré en direct d'OpenAlex

Burns in the elderly continue to be a challenge despite advances in burn wound care management. Elderly burn patients continue to have poor outcomes compared to the younger population. This is secondary to changes in the quality of the aged skin, leading to impaired wound healing, aggravated immunologic and inflammatory responses, and age-related comorbidities. Considering the fast-growing elderly population, it is imperative to understand the anatomic, physiologic, and molecular changes of the aging skin and the mechanisms involved in their wound healing process to prevent complications associated with burn wounds. Various studies have shown that stem cell-based therapies improve the rate and quality of wound healing and skin regeneration; however, the focus is on the younger population. In this paper, we start with an anatomical, physiological and molecular dissection of the elderly skin to understand why wound healing is delayed. We then review the potential use of stem cells in elderly burn wounds, as well as the mechanisms by which mesenchymal stem cell (MSCs)-based therapies may impact burn wound healing in the elderly. MSCs improve burn wound healing by stimulating and augmenting growth factor secretion and cell proliferation, and by modulating the impaired elderly immune response. MSCs can be used to expedite healing in superficial partial thickness burns and donor site wounds, improve graft take and prevent graft breakdown.

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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,039
Tête enseignante GPT0,367
Écart entre enseignants0,328 · 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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetWound Healing and TreatmentsTravaux en français237 207