Combinatorial Effect of Biomaterials and Extracellular Vesicle Therapy for Heart Failure with Reduced Ejection Fraction: A Systematic Review of Preclinical Studies
Notice bibliographique
Résumé
Heart failure, a pervasive global health burden, necessitates innovative therapeutic strategies. Extracellular vesicles (EVs) have emerged as promising contenders for cardiac repair, owing to their profound influence on fibrosis and inflammation. Merging EVs with biomaterials holds the potential for a synergistic leap in therapeutic efficacy. In this review, the impact of combining EVs with biomaterials in preclinical heart failure models is scrutinized. Fifteen studies, predominantly employing mesenchymal stromal cell-derived EVs along with hyaluronic acid or peptides in coronary ligation models, meet these stringent criteria. The amalgamation of EVs and biomaterials consistently enhances cardiac ejection fraction (1.39; 95% CI: 0.68, 2.11; p = 0.0001) and fractional shortening (1.46, 95% CI: 0.70, 2.22; p = 0.0002) compared to EV monotherapy. Secondary outcomes similarly showcased improvement in the combined treatment group. Although the number of studies analyzed is modest, no indications of publication bias surface. In summary, combination therapy with EVs and biomaterials enhances therapeutic benefit in preclinical heart failure models. The consistent improvement observed across diverse EV sources, biomaterials, and animal models underscores the exciting potential of this synergistic approach.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».