MétaCan
Menu
Retour à la cohorte
Enregistrement W1773491521 · doi:10.1002/pat.3061

Viscoelastic properties of poly(ε‐caprolactone) – hydroxyapatite micro‐ and nano‐composites

2012· article· en· W1773491521 sur OpenAlexaff
Linus H. Leung, Hani E. Naguib

Notice bibliographique

RevuePolymers for Advanced Technologies · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésViscoelasticityMaterials scienceComposite materialBiomaterialCaprolactonePolymerModulusCharacterization (materials science)FabricationNanotechnologyPolymerization

Résumé

récupéré en direct d'OpenAlex

Various composites have been proposed in the literature for the fabrication of bioscaffolds for bone tissue engineering. These materials include poly(ε‐caprolactone) (PCL) with hydroxyapatite (HA). Since the biomaterial acts as the medium that transfers mechanical signals from the body to the cells, the fundamental properties of the biomaterials should be characterized. Furthermore, in order to control the processing of these materials into scaffolds, the characterization of the fundamental properties is also necessary. In this study, the physical, thermal, mechanical, and viscoelastic properties of the PCL‐HA micro‐ and nano‐composites were characterized. Although the addition of filler particles increased the compressive modulus by up to 450%, the thermal and viscoelastic properties were unaffected. Furthermore, although the presence of water plasticized the polymer, the viscoelastic behavior was only minimally affected. Testing the composites under various conditions showed that the addition of HA can strengthen PCL without changing its viscoelastic response. The results found in this study can be used to further understand and approximate the time‐dependent behavior of scaffolds for bone tissue engineering. Copyright © 2012 John Wiley & Sons, Ltd.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymers for Advanced TechnologiesMême sujetBone Tissue Engineering MaterialsTravaux en français237 207