MétaCan
Menu
Retour à la cohorte
Enregistrement W4410539258 · doi:10.12688/f1000research.162742.2

Review the role of oxygen-delivering nanobubbles in stroke therapy: A novel approach

2025· preprint· en· W4410539258 sur OpenAlexaff
Hamzah Hamzah, Suryanti Suryanti, Idris Adewale Ahmed, Bambang Pujo Semedi, Aditya Tri Hernowo

Notice bibliographique

RevueF1000Research · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueIntracranial Aneurysms: Treatment and Complications
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésOpen peer reviewPlant biologyNeuroscienceMedicineStroke (engine)PhysiologyIntensive care medicineBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

<ns3:p>Stroke remains a leading cause of mortality and long-term disability worldwide, necessitating innovative therapeutic strategies. The advent of nanotechnology, particularly oxygen-delivering nanobubbles (ODNBs), has introduced a promising avenue for enhancing stroke therapy. ODNBs have demonstrated the ability to improve oxygen delivery, enhance therapeutic efficacy, and provide diagnostic advantages through imaging contrast enhancement. However, challenges such as toxicity, off-target effects, and regulatory hurdles must be addressed before clinical translation. This review synthesizes the latest findings on ODNBs in stroke therapy, highlights their key benefits and challenges, and explores future applications, including gene therapy and brain tissue regeneration. By addressing these aspects, this review aims to provide a comprehensive understanding of the potential of ODNBs in revolutionizing stroke treatment.</ns3:p>

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,063
Tête enseignante GPT0,342
Écart entre enseignants0,280 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetIntracranial Aneurysms: Treatment and ComplicationsTravaux en français237 207