MétaCan
Menu
Retour à la cohorte
Enregistrement W4405394727 · doi:10.1016/j.jobab.2024.11.006

Cellulose-based suture: State of art, challenge, and future outlook

2024· article· en· W4405394727 sur OpenAlexvenueno aff
Meiyan Wu, Lei Ding, Xiaoying Bai, Mehdi Rahmaninia, Yiran Li, Bin Li

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Sutures and Adhesives
Établissements canadiensnon disponible
Organismes subventionnairesIran National Science FoundationQingdao Municipal Science and Technology BureauChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésCelluloseState (computer science)Fibrous jointState of artPolymer scienceMaterials scienceChemical engineeringComputer scienceEngineeringMedicineData scienceSurgeryAlgorithm

Résumé

récupéré en direct d'OpenAlex

Surgical sutures as the most widely used and high-value implanted materials are of vital importance in wound closure and healing. Among them, cellulose-based sutures with multifunctionality have been developed in recent decades, and are very promising to replace the fossil-based synthetic sutures. Therefore, this paper aims at covering the history and recent advances of cellulose-based suture, mainly including the materials used (e.g., natural cellulose, nanocellulose, and regenerated cellulose), fabrication methods and mechanism of wet spinning and the recently developed interfacial polyelectrolyte complexation spinning, as well as suture application performance (such as mechanical properties, cytocompatibility, biodegradability, absorbable properties, and antibacterial properties). More importantly, it summarizes all cellulose-based sutures, and then delves deep into the challenges and future outlook. Thus, this review provides an important reference for the development of high-end cellulose-based medical sutures.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,224 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetSurgical Sutures and AdhesivesTravaux en français237 207