MétaCan
Menu
Retour à la cohorte
Enregistrement W3118192811 · doi:10.1093/jbcr/iraa205

Incorporation of Silver Nanoparticles in Hydrogel Matrices for Controlling Wound Infection

2020· review· en· W3118192811 sur OpenAlexafffund
Harpreet Pangli, Saba Vatanpour, Shamim Hortamani, Reza B. Jalili, Aziz Ghahary

Notice bibliographique

RevueJournal of Burn Care & Research · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensInternational Collaboration On Repair DiscoveriesUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BC
Mots-clésSilver nanoparticleWound healingBiocompositeMedicineNanotechnologyAntimicrobialWound dressingNanoparticleBiomedical engineeringMaterials scienceSurgeryMicrobiologyComposite material

Résumé

récupéré en direct d'OpenAlex

For centuries, silver has been recognized for its antibacterial properties. With the development of nanotechnology, silver nanoparticles (AgNPs) have garnered significant attention for their diverse uses in antimicrobial gel formulations, dressings for wound healing, orthopedic applications, medical catheters and instruments, implants, and contact lens coatings. A major focus has been determining AgNPs' physical, chemical, and biological characteristics and their potential to be incorporated in biocomposite materials, particularly hydrogel scaffolds, for burn and wound healing. Though AgNPs have been rigorously explored and extensively utilized in medical and nonmedical applications, important research is still needed to elucidate their antibacterial activity when incorporated in wound-healing scaffolds. In this review, we provide an up-to-date, 10-yr (2010-2019), comprehensive literature review on advancements in the understanding of AgNP characteristics, including the particles' preparation and mechanisms of activity, and we explore various hydrogel scaffolds for delivering AgNPs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,839
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,117
Tête enseignante GPT0,418
Écart entre enseignants0,301 · 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 tête enseignante, 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

Citations98
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207