MétaCan
Menu
Retour à la cohorte
Enregistrement W4410780221 · doi:10.1002/btm2.70020

Oral tissue spheroid, organoid, and organ‐on chip microphysiological modeling strategies towards enhanced emulation of health and disease

2025· article· en· W4410780221 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBioengineering & Translational Medicine · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Institutes of HealthOsteology Foundation
Mots-clésEmulationOrganoidSpheroidOrgan-on-a-chipComputer scienceBiologyNanotechnologyCell biologyMaterials sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Diseases and disorders of dental, oral, and craniofacial (DOC) tissues represent a significant global health burden and have been found to have the greatest age-standardized prevalence and incidence of all reported diseases worldwide. While the application of novel therapies has been suggested to address the different types of oral health diseases, only a limited number of interventional regenerative therapies have been reported to improve clinical therapeutic outcomes. The lack of novel therapies in DOC tissue regeneration may be in part attributed to the highly resource-intensive translational path from preclinical models to clinical trials. Recently, stakeholders and regulatory agencies have begun to encourage the use of alternative preclinical models using human tissues for testing therapeutic interventions in place of animal models. This advocacy may provide an opportunity to reduce or eliminate animal testing, ultimately limiting resource expenditure and providing a more efficient regulatory pathway for the approval of novel DOC therapies. While the complexity of DOC physiology, defects, and diseases is not effectively recapitulated in traditional 2D or 3D in vitro culture models, the emergence of more sophisticated in vitro models (or so-called microphysiological systems that include spheroid, organoid and organ on-chip (OoC) systems) has enabled effective modeling of clinically simulated disease states in several DOC tissue and organ systems. Here, we aim to provide an overview and collective comparison of these microphysiological systems, outline their current uses in DOC research, and identify important gaps in both their utilization and abilities to recapitulate essential features of native oral-craniofacial physiology, towards enabling the therapeutic performance of de novo interventions targeted at regeneration outcomes in vivo.

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.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

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 Opus0,026
Tête enseignante GPT0,309
Écart entre enseignants0,283 · 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