MétaCan
Menu
Retour à la cohorte
Enregistrement W4387563971 · doi:10.1161/atvbaha.123.318233

Engineering Organ-on-a-Chip Systems for Vascular Diseases

2023· review· en· W4387563971 sur OpenAlexafffund
Amid Shakeri, Ying Wang, Yimu Zhao, Shira Landau, K. Perera, Jonguk Lee, Milica Radisic

Notice bibliographique

RevueArteriosclerosis Thrombosis and Vascular Biology · 2023
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensToronto Rehabilitation InstituteYorkville UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchNational Heart, Lung, and Blood InstituteKillam TrustsNational Institutes of HealthStem Cell Network
Mots-clésOrgan-on-a-chipExtracellular matrixTissue engineeringThrombosisOrgan systemVascular diseaseMedicinePathologyBiologyBioinformaticsMicrofluidicsDiseaseBiomedical engineeringCell biologyNanotechnologyInternal medicineMaterials science

Résumé

récupéré en direct d'OpenAlex

Vascular diseases, such as atherosclerosis and thrombosis, are major causes of morbidity and mortality worldwide. Traditional in vitro models for studying vascular diseases have limitations, as they do not fully recapitulate the complexity of the in vivo microenvironment. Organ-on-a-chip systems have emerged as a promising approach for modeling vascular diseases by incorporating multiple cell types, mechanical and biochemical cues, and fluid flow in a microscale platform. This review provides an overview of recent advancements in engineering organ-on-a-chip systems for modeling vascular diseases, including the use of microfluidic channels, ECM (extracellular matrix) scaffolds, and patient-specific cells. We also discuss the limitations and future perspectives of organ-on-a-chip for modeling vascular diseases.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,966
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,343
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

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

Citations60
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArteriosclerosis Thrombosis and Vascular BiologyMême sujet3D Printing in Biomedical ResearchTravaux en français237 207