MétaCan
Menu
Retour à la cohorte
Enregistrement W4415947713 · doi:10.1002/admi.202500609

3D‐Printed Functional Biphasic Scaffolds with Nanocomposites for Osteochondral Regeneration: A Step Toward Bioengineered Cartilage and Bone Integration

2025· article· en· W4415947713 sur OpenAlexaff
Negin Khoshnood, Mostafa Shahrezaee, John P. Frampton, Mohammad Hossein Shahrezaee, Ali Zamanian

Notice bibliographique

RevueAdvanced Materials Interfaces · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésScaffoldCartilageExtracellular matrixMesenchymal stem cellMatrix (chemical analysis)Layer (electronics)Tissue engineeringNanocomposite

Résumé

récupéré en direct d'OpenAlex

Abstract Repair of osteochondral defects remains a great challenge because of the complex interplay between cartilage and subchondral bone, each of which has distinct structural, biological, and mechanical properties. Here, the fabrication and of a novel 3D printed biphasic osteochondral scaffold composed of polycaprolactone/laponite (PL) is demonstrated for the bone layer and methylsulfonylmethane (MSM)‐loaded polycaprolactone/chitosan (PC) for the cartilage layer. Comprehensive characterization of the scaffold revealed gradient mechanical properties, high biocompatibility, and hydrophilicity, replicating the structural requirements of native osteochondral tissue. In vitro biological assays demonstrated enhanced cell adhesion, proliferation, and differentiation of bone marrow‐derived mesenchymal stem cells for both cartilage and bone layers. The PL layer exhibited osteogenic capacity, while the MSM‐loaded PC layer facilitated chondrogenesis. Additionally, the scaffold displayed controlled degradation and sustained release of MSM, further promoting extracellular matrix production. Altogether, the results suggest that the designed biphasic scaffold represents a promising platform for osteochondral tissue regeneration.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil1,000

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 Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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 revueAdvanced Materials InterfacesMême sujetBone Tissue Engineering MaterialsTravaux en français237 207