MétaCan
Menu
Retour à la cohorte
Enregistrement W3126242426 · doi:10.1063/5.0031475

The rheology of direct and suspended extrusion bioprinting

2021· review· en· W3126242426 sur OpenAlexafffund
Megan E. Cooke, Derek H. Rosenzweig

Notice bibliographique

RevueAPL Bioengineering · 2021
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill UniversityMcGill University Health CentreMontreal General Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRheology3D bioprintingTissue engineeringExtrusionSelf-healing hydrogelsMaterials scienceBiochemical engineeringNanotechnologyViscosityBiomedical engineeringComputer scienceEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Bioprinting is a tool increasingly used in tissue engineering laboratories around the world. As an extension to classic tissue engineering, it enables high levels of control over the spatial deposition of cells, materials, and other factors. It is a field with huge promise for the production of implantable tissues and even organs, but the availability of functional bioinks is a barrier to success. Extrusion bioprinting is the most commonly used technique, where high-viscosity solutions of materials and cells are required to ensure good shape fidelity of the printed tissue construct. This is contradictory to hydrogels used in tissue engineering, which are generally of low viscosity prior to cross-linking to ensure cell viability, making them not directly translatable to bioprinting. This review provides an overview of the important rheological parameters for bioinks and methods to assess printability, as well as the effect of bioink rheology on cell viability. Developments over the last five years in bioink formulations and the use of suspended printing to overcome rheological limitations are then discussed.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,030
Tête enseignante GPT0,312
Écart entre enseignants0,281 · 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

Citations267
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAPL BioengineeringMême sujet3D Printing in Biomedical ResearchTravaux en français237 207