MétaCan
Menu
Retour à la cohorte
Enregistrement W4382197409 · doi:10.1016/j.bioactmat.2023.06.006

Biomaterials / bioinks and extrusion bioprinting

2023· review· en· W4382197409 sur OpenAlexafffund
Daniel Chen, Abbas Fazel Anvari‐Yazdi, Xin Duan, Amanda Zimmerling, R. Gharraei, N. K. Sharma, S. Sweilem

Notice bibliographique

RevueBioactive Materials · 2023
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaSaskatchewan Health Research FoundationUniversity of Saskatchewan
Mots-clésBiomaterial3D bioprintingTissue engineeringExtrusionMaterials scienceNanotechnologyProcess (computing)Biomedical engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Bioinks are formulations of biomaterials and living cells, sometimes with growth factors or other biomolecules, while extrusion bioprinting is an emerging technique to apply or deposit these bioinks or biomaterial solutions to create three-dimensional (3D) constructs with architectures and mechanical/biological properties that mimic those of native human tissue or organs. Printed constructs have found wide applications in tissue engineering for repairing or treating tissue/organ injuries, as well as in vitro tissue modelling for testing or validating newly developed therapeutics and vaccines prior to their use in humans. Successful printing of constructs and their subsequent applications rely on the properties of the formulated bioinks, including the rheological, mechanical, and biological properties, as well as the printing process. This article critically reviews the latest developments in bioinks and biomaterial solutions for extrusion bioprinting, focusing on bioink synthesis and characterization, as well as the influence of bioink properties on the printing process. Key issues and challenges are also discussed along with recommendations for future research.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,121
Tête enseignante GPT0,374
Écart entre enseignants0,253 · 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

Citations208
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioactive MaterialsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207