MétaCan
Menu
Retour à la cohorte
Enregistrement W4412809440 · doi:10.1002/adhm.202502058

Bioengineered Hydrogels for Restoring Cardiac Electronic Activity after Myocardial Infarction

2025· review· en· W4412809440 sur OpenAlexaff
Mingying Lin, Jiangwei Qin, Sha Lin, Zhipeng Gu, Li Yang, Zifeng Lin, Junling Guo, Kaiyu Zhou, Yimin Hua, Yifei Li

Notice bibliographique

RevueAdvanced Healthcare Materials · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSelf-healing hydrogelsBiocompatibilityMaterials scienceBiomedical engineeringMyocardial infarctionNanotechnologyHeart failureTissue engineeringBiocompatible materialCardiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Myocardial infarction (MI) is a significant global public health challenge affecting millions of individuals every year. Cardiac tissue engineering (CTE), especially cardiac hydrogels, have emerged as a promising therapeutic strategy for MI. Formation of stiff and non-conductive fibrous scars in the infarcted area is a major cause of fatal ventricular arrhythmias and progressive heart failure. Therefore, restoration of cardiac electrical activity is an important research objective of CTE. Bioactive hydrogels are characterized by highly adjustable physicochemical properties, good biocompatibility, and excellent drug/material-loading capacity. Different types of bioactive hydrogels have been fabricated to improve heart function and restore electrophysiological integrity. This review describes pathophysiological changes after MI and summarizes the design principles and applications of various electroactive hydrogels that have been used to improve cardiac electronic activity after MI. The focus is on the importance of reactivating cardiac electronic activity and fabrication strategies for hydrogels based on the use of a variety of conductive biomaterials, including carbon-based nanomaterials, gold-based nanomaterials, and conductive polymers.

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)0,000
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 enseignants0,972
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,025
Tête enseignante GPT0,367
Écart entre enseignants0,341 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Healthcare MaterialsMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207