MétaCan
Menu
Retour à la cohorte
Enregistrement W4409866010 · doi:10.3389/fbioe.2025.1571066

Urine-derived stem cells: a sustainable resource for advancing personalized medicine and dental regeneration

2025· review· en· W4409866010 sur OpenAlexaff
Gamal Abdel Nasser Atia, Ahmed Abdal Dayem, Ehab S. Taher, Wafaa Yahia Alghonemy, Ssang-Goo Cho, Ahmed Aldarmahi, Md Azizul Haque, Abeer Alshambky, Noha Taymour, Ateya Megahed Ibrahim, Donia E. Zaghamir, Ekramy Elmorsy, ‏Helal F. Hetta, Mohamed Elsayed Mohamed Mohamed, Kasim S Abass, Shifan Khanday, Ahmed Abdeen

Notice bibliographique

RevueFrontiers in Bioengineering and Biotechnology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueMesenchymal stem cell research
Établissements canadiensNexen (Canada)
Organismes subventionnairesZarqa UniversityMinistry of Science and ICT, South KoreaAlMaarefa UniversityKonkuk UniversityPrince Sattam bin Abdulaziz University
Mots-clésRegeneration (biology)MedicineResource (disambiguation)Stem-cell therapyClinical PracticeIntensive care medicineEngineering ethicsComputer sciencePathologyBiologyEngineeringMesenchymal stem cell

Résumé

récupéré en direct d'OpenAlex

Urine-based therapy, an ancient practice, has been utilized across numerous civilizations to address a wide range of ailments. Urine was considered a priceless resource in numerous traditional therapeutic applications due to its reported medicinal capabilities. While the utilization of urine treatment is contentious and lacks significant support from modern healthcare, the discovery of urine-derived stem cells (UDSCs) has introduced a promising avenue for cell-based therapy. UDSCs offer a noninvasive and easily repeatable collection method, making them a practical and viable option for therapeutic applications. Research has shown that UDSCs contribute to organ preservation by promoting revascularization and decreasing inflammatory reactions in many diseases and conditions. This review will outline the contemporary status of UDSCs research and explore their potential applications in both fundamental science and medical practice.

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)0,001
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 enseignants0,975
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,296
Écart entre enseignants0,276 · 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

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Bioengineering and BiotechnologyMême sujetMesenchymal stem cell researchTravaux en français237 207