Human Oral Mucosal Stem Cells Reduce Anastomotic Leak in an Animal Model of Colonic Surgery
Notice bibliographique
Résumé
BACKGROUND: Anastomotic leak is regarded as one of the most feared complications of bowel surgery; avoiding leaks is a major priority. Attempts to reduce or eliminate leaks have included alternate anastomotic techniques. Human oral mucosa stem cells (hOMSC) are self-renewing and expandable cells derived from buccal mucosa. Studies have shown that hOMSC can accelerate tissue regeneration and wound healing. The objective of this study was to evaluate whether hOMSC can decrease anastomotic leak rates in a murine model of colon surgery. METHODS: Two experiments were performed. In the first study, mice underwent colonic anastomosis using five interrupted sutures. hOMSC (n = 7) or normal saline (NS; n = 17) was injected into the colon wall at the site of the anastomosis. To evaluate whether hOMSC can impact anastomotic healing, the model was stressed by repeating the first experiment, reducing the number of sutures used for the construction of the anastomosis from five to four. Either hOMSC (n = 8) or NS (n = 20) was injected at the anastomosis. All mice that survived were sacrificed on postoperative day 7. Anastomotic leak rate, mortality, daily weight, and daily wellness scores were compared. RESULTS: In the five-suture anastomosis, there were no differences in anastomotic leak rate, mortality, or daily weight. Mice that received hOMSC had significantly higher wellness scores on postoperative day 2 (p < 0.05). In the four-suture anastomosis, there was a significant decrease in leak rate (70% [NS] vs. 25% [hOMSC], p = 0.029) and higher wellness scores in mice that received hOMSC (p < 0.05). CONCLUSION: Our study suggests that injecting hOMSC at the colonic anastomosis can potentially reduce anastomotic leak and improve postoperative wellness in a murine model of colon surgery.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».