The Evaluation of Cartilage Regeneration Efficacy of Three-Dimensionally Biofabricated Human-Derived Biomaterials on Knee Osteoarthritis: A Single-Arm, Open Label Study in Egypt
Notice bibliographique
Résumé
Full thickness cartilage defects in cases of knee osteoarthritis are challenging in nature and are difficult to treat. The implantation of three-dimensional (3D) biofabricated grafts into the defect site can be a promising biological one-stage solution for such lesions that can avoid different disadvantages of the alternative surgical treatment options. In this study, the short-term clinical outcome of a novel surgical technique that uses a 3D bioprinted micronized adipose tissue (MAT) graft for knee cartilage defects is assessed and the degree of incorporation of such graft types is evaluated via arthroscopic and radiological analyses. Ten patients received 3D bioprinted grafts consisting of MAT with an allogenic hyaline cartilage matrix on a mold of polycaprolactone, with or without adjunct high tibial osteotomy, and they were monitored until 12 months postoperatively. Clinical outcomes were examined with patient-reported scoring instruments that consisted of the Western Ontario and McMaster Universities Arthritis Index (WOMAC) score and the Knee Injury and Osteoarthritis Outcome Score (KOOS). The graft incorporation was assessed using the Magnetic Resonance Observation of Cartilage Repair Tissue (MOCART) score. At 12 months follow-up, cartilage tissue biopsy samples were taken from patients and underwent histopathological examination. In the results, at final follow-up, the WOMAC and KOOS scores were 22.39 ± 7.7 and 79.16 ± 5.49, respectively. All scores were significantly increased at final follow-up (p < 0.0001). MOCART scores were also improved to a mean of 82.85 ± 11.49, 12 months after operation, and we observed a complete incorporation of the grafts with the surrounding cartilage. Together, this study suggests a novel regeneration technique for the treatment of knee osteoarthritis patients, with less rejection response and better efficacy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».