MétaCan
Menu
Retour à la cohorte
Enregistrement W3046566005 · doi:10.1002/smll.202002931

Crosslinking Strategies for 3D Bioprinting of Polymeric Hydrogels

2020· review· en· W3046566005 sur OpenAlexafffund
Amin GhavamiNejad, Nureddin Ashammakhi, Xiao Yu Wu, Ali Khademhosseini

Notice bibliographique

RevueSmall · 2020
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institutes of HealthNational Cancer InstituteNational Heart, Lung, and Blood InstituteNatural Sciences and Engineering Research Council of Canada
Mots-clésSelf-healing hydrogelsMaterials science3D bioprintingChemical engineeringPolymer scienceNanotechnologyTissue engineeringPolymer chemistryBiomedical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Three-dimensional (3D) bioprinting has recently advanced as an important tool to produce viable constructs that can be used for regenerative purposes or as tissue models. To develop biomimetic and sustainable 3D constructs, several important processing aspects need to be considered, among which crosslinking is most important for achieving desirable biomechanical stability of printed structures, which is reflected in subsequent behavior and use of these constructs. In this work, crosslinking methods used in 3D bioprinting studies are reviewed, parameters that affect bioink chemistry are discussed, and the potential toward improving crosslinking outcomes and construct performance is highlighted. Furthermore, current challenges and future prospects are discussed. Due to the direct connection between crosslinking methods and properties of 3D bioprinted structures, this Review can provide a basis for developing necessary modifications to the design and manufacturing process of advanced tissue-like constructs in future.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,085
Tête enseignante GPT0,350
Écart entre enseignants0,265 · 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

Citations387
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujet3D Printing in Biomedical ResearchTravaux en français237 207