MétaCan
Menu
Retour à la cohorte
Enregistrement W4364375163 · doi:10.1002/pat.6046

Synthetic polymers as bone engineering scaffold

2023· article· en· W4364375163 sur OpenAlexaff
Mohammad Javad Javid‐Naderi, Javad Behravan, Negar Karimi‐Hajishohreh, Shirin Toosi

Notice bibliographique

RevuePolymers for Advanced Technologies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésScaffoldMaterials scienceBiocompatibilityTissue engineeringBiomedical engineeringBone tissueRegeneration (biology)Hard tissueBiomaterialSoft tissuePolymerAdaptabilityNanotechnologyComposite materialDentistryEngineeringSurgeryMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Damage or loss of the bone tissue leads to mobility decline contributing to one of the major issues of human well‐being. Tissue engineering is used to recover fractures and damaged parts of the bone tissue. Various biomaterials and scaffolds have been evaluated for regeneration of hard tissues, however, polymers are the most frequently required biomaterials for the improvement of synthetic bone scaffolds due to their suitable mechanical properties and similar degradation rates to the proteins in hard and soft tissues. Synthetic polymeric materials in bone replacement have several advantages because their physical characteristics can be designed according to their application and their composition can be changed easily. On the other hand, the high adaptability, tenability, and biocompatibility of synthetic materials have received considerable acceptance in the field of tissue engineering. This article presents an update on materials for the fabrication of scaffolds in bone tissue engineering; in addition, we provide information of different kinds of scaffolds and their application usage for hard tissue regeneration.

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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0040,002

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 Opus0,008
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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

Citations46
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymers for Advanced TechnologiesMême sujetBone Tissue Engineering MaterialsTravaux en français237 207