MétaCan
Menu
Retour à la cohorte
Enregistrement W4392613569 · doi:10.1002/anbr.202300097

Advances in the Use of Biologics and Biomaterials toward the Improvement of Pancreatic Islet Graft Survival in Type 1 Diabetes

2024· article· en· W4392613569 sur OpenAlexafffund
Michael Yilma Yitayew, М. А. Лугинина, Maryam Tabrizian

Notice bibliographique

RevueAdvanced NanoBiomed Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic function and diabetes
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIsletMedicinePancreatic isletsType 2 diabetesDiabetes mellitusInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Islet transplantation is a curative treatment for patients suffering from type 1 diabetes and has the potential to replace current treatment strategies involving the exogenous administration of insulin. Despite this potential, there are many hurdles in achieving successful long‐term graft survival due to autoimmune and foreign body reactions leading to graft rejection coupled with donor shortage and potential adverse effects from the need for long‐term administration of immunosuppressive drugs. As a result, various approaches have been proposed to increase the viability and function of islet grafts during isolation and ex vivo culture with the use of growth factors, hormones, and other therapeutic agents. In addition, other strategies have addressed how to enhance or maintain islet graft performance after implantation with improvements on immunosuppressive drug regimens and the use of biomaterials to encapsulate and protect the cells from graft rejection. This review focuses on the recent advances in strategies to improve islet viability and function with the addition of exogenous compounds and the implementation of conformal coating as a promising tool for immunoprotection of islet transplants.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,112
Tête enseignante GPT0,382
Écart entre enseignants0,270 · 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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced NanoBiomed ResearchMême sujetPancreatic function and diabetesTravaux en français237 207