MétaCan
Menu
Retour à la cohorte
Enregistrement W3200717159 · doi:10.1002/mabi.202100368

Development of N,O‐Carboxymethyl Chitosan‐Starch Biomaterial Inks for 3D Printed Wound Dressing Applications

2021· article· en· W3200717159 sur OpenAlexaff
Emad Naseri, Christopher Cartmell, Matthew E. Saab, Russell G. Kerr, Ali Ahmadi

Notice bibliographique

RevueMacromolecular Bioscience · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésBiomaterialChitosanMaterials scienceStarchBiomedical engineeringChemistryNanotechnologyOrganic chemistryMedicine

Résumé

récupéré en direct d'OpenAlex

In this paper, a novel hybrid biomaterial ink consisting of two water-soluble polymers is investigated: starch and N,O-carboxymethyl chitosan (NOCC). The biomaterial ink is used to fabricate controlled release biodegradable wound dressing scaffolds via a novel low-temperature solvent (organic)-free 3D printing technique. NOCC is a variant of chitosan with a high degradation rate that can lead to an immediate release of the drugs, and starch, on the other hand, is used to alter degradation and drug release characteristics of the biomaterial. Mupirocin, a topical anti-infective, is incorporated into the biomaterial inks. Different biomaterial inks in terms of NOCC to starch ratio are prepared and characterized. Printability and rheology of the samples are investigated, and the release of mupirocin over time is quantified. The efficacy of the developed 3D printed wound dressings against Staphylococcus aureus is examined through disk diffusion assays. Increasing NOCC accelerated the release of the drug from the scaffold and led to larger zones of inhibition in the early hours of the in vitro tests; this phenomenon is correlated to the enhanced hydrophilicity of NOCC-dominated scaffolds. The drug release and the zone of inhibition are controlled by altering starch to NOCC ratio in the biomaterial ink.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,030
Tête enseignante GPT0,337
Écart entre enseignants0,307 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular BioscienceMême sujetWound Healing and TreatmentsTravaux en français237 207