MétaCan
Menu
Retour à la cohorte
Enregistrement W4398235506 · doi:10.1002/adhm.202400148

Ultra‐Hydrophobic Gauze Driving Super‐Haemostasis

2024· article· en· W4398235506 sur OpenAlexaff
Ying Chen, Jinrui Yang, Yuqing Liu, Xiaoqiang Liu, Kexin Deng, Kaige Xu, Hongling Zhou, Xupin Jiang, Malcolm Xing

Notice bibliographique

RevueAdvanced Healthcare Materials · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHemostasis and retained surgical items
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNanotechnologyBiomedical engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Controlling bleeding by applying pressing cotton gauze is the most facile treatment in prehospital emergencies. However, the wettable nature of cotton fibers leads to unnecessary blood loss due to excessive blood absorption, inseparable adhesion-induced pain, and pliable to infection. Here, a kind of ultra-hydrophobic haemostatic anti-adhesive gauze whose surface is loaded with polydimethylsiloxane (PDMS) and hydrophobic-modified cellulose nanocrystals (CNCs), achieving a water contact angle of ≈160° is developed. It is demonstrated that the mechanism by which hydrophobic CNCs promote blood clotting is associated with their ability to activate coagulation factors, contributing to fibrin formation, and promoting platelet activation. The blood-restricting effect results from the low surface energy layer formed by PDMS and then the alkyl chains of hydrophobic CNCs are combined. The produced ultra-hydrophobic gauze resists blood flow and diffusion, decreases blood loss, is effortlessly peelable, and minimizes pathogen adhesion. Compared to the commercial cotton gauze, this gauze achieved effective haemostasis and antiadhesion by reducing blood loss by more than 90%, shortening haemostasis time by more than 75%, lowering peeling force by more than 90% and minifying bacterium attachment by more than 95%. This work presents promising applications in terms of prehospital first aid.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,302
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,338
Écart entre enseignants0,314 · 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'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

Citations22
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Healthcare MaterialsMême sujetHemostasis and retained surgical itemsTravaux en français237 207