MétaCan
Menu
Retour à la cohorte
Enregistrement W4398252651 · doi:10.3390/bioengineering11060529

Triple Encapsulation and Controlled Release of Vancomycin, Rifampicin and Silver from Poly (Methyl Methacrylate) or Poly (Lactic-Co-Glycolic Acid) Nanofibers

2024· article· en· W4398252651 sur OpenAlexaff
John K. Jackson

Notice bibliographique

RevueBioengineering · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopedic Infections and Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPLGANanofiberMethyl methacrylateGlycolic acidDrug deliveryVancomycinControlled releaseMaterials scienceLactic acidPolymerBacteriaNanotechnologyPolymerizationStaphylococcus aureusNanoparticleComposite material

Résumé

récupéré en direct d'OpenAlex

Although the incidence of infections in orthopedic surgeries, including periprosthetic surgeries, remains low at approximately 1–2%, the number of surgeries and the incidence of drug-resistant bacteria is increasing. The cost and morbidity associated with revision surgeries are huge. More effective drug combinations and delivery methods are urgently needed. In this paper, three anti-infective drugs (vancomycin, rifampicin, and silver sulfadiazine) have been jointly and effectively electrospun in thin (0.1 mm) flexible nanofiber mats of either poly (methyl methacrylate) (PMMA) or poly (lactic-co-glycolic acid) (PLGA). The inclusion of poly (ethylene glycol) (PEG) enabled optimal drug release with a reduced water contact angle for wetting. The controlled release of these three agents from 20% PEG (w/w to polymer)-blended PMMA or PLGA nanofiber mats may allow for the prophylactical prevention of implant-related infections or provide methods to treat orthopedic infections at the time of revision surgeries. These combinations of drugs provide excellent additive or synergistic antibiotic action against a broader spectrum of bacteria than each drug alone.

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 enseignants0,000
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,270
Écart entre enseignants0,258 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioengineeringMême sujetOrthopedic Infections and TreatmentsTravaux en français237 207