MétaCan
Menu
Retour à la cohorte
Enregistrement W4384406238 · doi:10.1002/adtp.202300139

Designing Regenerative Bioadhesives for Tissue Repair and Regeneration

2023· article· en· W4384406238 sur OpenAlexafffund
Xuan Li, Yin Liu, Shiyu Liu, Nicole Y. K. Li‐Jessen, Lisbet Haglund, Baolin Huang, Jianyu Li

Notice bibliographique

RevueAdvanced Therapeutics · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTendon Structure and Treatment
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésRegeneration (biology)Regenerative medicineBioadhesiveTissue engineeringBiomedical engineeringWound healingMedicineSurgeryNanotechnologyMaterials scienceDrug deliveryStem cellBiologyCell biology

Résumé

récupéré en direct d'OpenAlex

Abstract Tissue loss through injury, surgery, and disease motivates the development of new biomaterials to enable tissue repair and regeneration. Emerging at the interface between bioadhesives and regenerative medicine, a new generation of regenerative bioadhesives is created to possess dual functions of seamless tissue adhesion and effective tissue repair. This bioadhesive innovation has wide clinical applications, ranging from wound management to the regeneration of musculoskeletal tissues such as tendons and intervertebral discs. This perspective covers the design principles of regenerative bioadhesives in considering both mechanical and biological elements. Case studies of regenerative bioadhesives for load‐bearing organs such as skin, tendon, and intervertebral discs are presented here. Finally, immediate opportunities and future perspectives are outlined to further advance the field of regenerative bioadhesives.

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 enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,043
Tête enseignante GPT0,345
Écart entre enseignants0,301 · 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

Citations17
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced TherapeuticsMême sujetTendon Structure and TreatmentTravaux en français237 207