MétaCan
Menu
Retour à la cohorte
Enregistrement W3216221491 · doi:10.3390/pharmaceutics13111955

Chitosan–Platelet-Rich Plasma Implants Improve Rotator Cuff Repair in a Large Animal Model: Pivotal Study

2021· article· en· W3216221491 sur OpenAlexaff
Anik Chevrier, Mark Hurtig, Marc Lavertu

Notice bibliographique

RevuePharmaceutics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensUniversity of GuelphPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésPlatelet-rich plasmaChitosanRotator cuffMedicineHistopathologyTendonRotator cuff injuryMagnetic resonance imagingSurgeryPathologyPlateletInternal medicineRadiologyChemistry

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to assess the safety and efficacy of chitosan–platelet-rich plasma (PRP) hybrid implants used as an adjunct to surgical rotator cuff repair in a pivotal Good Laboratory Practice (GLP)-compliant study. The infraspinatus tendon was transected in 48 skeletally mature ewes and repaired with a transosseous-equivalent (TOE) technique. In the two treatment groups, a chitosan–PRP solution was injected at the footprint between the tendon and the bone and on top of the repaired site (2 mL or 3 mL doses, n = 12 per group). To further assess chitosan safety, a chitosan–water solution was injected at the same sites (3 mL, n = 12). Outcome measures included Magnetic Resonance Imaging (MRI) assessment and clinical pathology at 3 months and 6 months and histopathology at 6 months. The tendon gap was decreased at 3 months on MRI images and certain histopathological features were improved at 6 months by chitosan–PRP treatment compared to controls. The group treated with chitosan–water was not different from controls. Chitosan–PRP treatment induced no negative effects in the sheep, which suggests high safety. This study provides further evidence on the safety and efficacy of chitosan–PRP for rotator cuff repair augmentation, which could eventually be used in a clinical setting.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 recherche0,0000,001
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 Opus0,054
Tête enseignante GPT0,389
Écart entre enseignants0,334 · 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.

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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceuticsMême sujetShoulder Injury and TreatmentTravaux en français237 207