MétaCan
Menu
Retour à la cohorte
Enregistrement W4400073554 · doi:10.1002/adhm.202400335

The Effects of Biomimetic Surface Topography on Vascular Cells: Implications for Vascular Conduits

2024· review· en· W4400073554 sur OpenAlexafffund
Abigail A. Conner, Dency David, Evelyn K. F. Yim

Notice bibliographique

RevueAdvanced Healthcare Materials · 2024
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésMedicineBiomedical engineeringSurgery

Résumé

récupéré en direct d'OpenAlex

Cardiovascular diseases (CVDs) are the leading cause of mortality worldwide and represent a pressing clinical need. Vascular occlusions are the predominant cause of CVD and necessitate surgical interventions such as bypass graft surgery to replace the damaged or obstructed blood vessel with a synthetic conduit. Synthetic small-diameter vascular grafts (sSDVGs) are desired to bypass blood vessels with an inner diameter <6 mm yet have limited use due to unacceptable patency rates. The incorporation of biophysical cues such as topography onto the sSDVG biointerface can be used to mimic the cellular microenvironment and improve outcomes. In this review, the utility of surface topography in sSDVG design is discussed. First, the primary challenges that sSDVGs face and the rationale for utilizing biomimetic topography are introduced. The current literature surrounding the effects of topographical cues on vascular cell behavior in vitro is reviewed, providing insight into which features are optimal for application in sSDVGs. The results of studies that have utilized topographically-enhanced sSDVGs in vivo are evaluated. Current challenges and barriers to clinical translation are discussed. Based on the wealth of evidence detailed here, substrate topography offers enormous potential to improve the outcome of sSDVGs and provide therapeutic solutions for CVDs.

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)0,002
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 enseignants0,830
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,023
Tête enseignante GPT0,362
Écart entre enseignants0,339 · 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

Citations15
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Healthcare MaterialsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207