MétaCan
Menu
Retour à la cohorte
Enregistrement W4283387039 · doi:10.1002/jbm.b.35113

Composition, host responses and clinical applications of bioadhesives

2022· review· en· W4283387039 sur OpenAlexafffund
Vignesh Dhandapani, Vickie Ringuette, Monika Desrochers, Marco Sirois, Patrick Vermette

Notice bibliographique

RevueJournal of Biomedical Materials Research Part B Applied Biomaterials · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical Sutures and Adhesives
Établissements canadiensCentre Hospitalier Universitaire de SherbrookeUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPolyethylene glycolBiomedical engineeringCyanoacrylateFibrin glueHemostatic AgentBioadhesiveFibrinGlutaraldehydeChemistryMedicineHemostasisAdhesiveMaterials scienceSurgeryNanotechnologyDrug deliveryChromatographyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Bioadhesives are medical devices used to join or seal tissues that have been injured or incised. They have been classified into tissue adhesives, sealants, and hemostatic agents. Bioadhesives such as FloSeal®, CoSeal®, BioGlue®, Evicel®, Tisseel®, Progel™ PALS, and TissuGlu® have been commercialized and used in clinical setting. They can be formulated with natural or synthetic components or a combination of both including albumin, glutaraldehyde, chitosan, cyanoacrylate, fibrin and thrombin, gelatin, polyethylene glycol (PEG), along with urethanes. Each formulation has intrinsic properties and has been developed and validated for a specific application. This review article briefs the mechanisms by which bioadhesives forms adhesion to tissues and highlights the correlation between bioadhesives composition and their potential host responses. Furthermore, clinical applications of bioadhesives and their application-driven requirements are outlined.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,194
Tête enseignante GPT0,493
Écart entre enseignants0,299 · 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

Citations22
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part B Applied BiomaterialsMême sujetSurgical Sutures and AdhesivesTravaux en français237 207