MétaCan
Menu
Retour à la cohorte
Enregistrement W1967160381 · doi:10.1002/jbm.a.31017

Combustion synthesis of porous biomaterials

2006· article· en· W1967160381 sur OpenAlexaff
Reed Ayers, Douglas E. Burkes, Guglielmo Gottoli, Hu‐Chun Yi, Fouad Zhim, John J. Moore

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePorosityCombustionReactive materialGraphiteNanotechnologyRaw materialChemical engineeringProcess engineeringComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This article discusses the unique material manufacturing process of self-propagating high temperature synthesis (SHS) as applied to the making of porous biomaterials. Porous materials have long been considered as the first step toward in-vivo bone tissue engineering and the creation of patient life-time implants. The authors have approached this challenge by utilizing combustion synthesis, to create novel materials such as NiTi + TiC as well as porous forms of materials that are commonly accepted for biomedical applications such as tricalcium phosphate and hydroxyapatite. In the SHS product, physico-chemical properties are controlled by, but not limited to, reactant stoichiometry; green density; particle size of the reactant mix; use or presence of a gasifying agent; heating rate of the reactants and gravity. By balancing these parameters, the energy of the reaction is controlled to create the desired product stoichiometry, porosity, and mechanical properties. SHS provides a means to rapidly manufacture materials, saving time and production costs as well as enabling the synthesis of custom devices through the use of individual molds. Mold materials can range from graphite to paper or paper machete. Combustion synthesis offers a method for the rapid manufacture of affordable, individual biomedical devices that will reduce patient recovery time.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,028
Tête enseignante GPT0,296
Écart entre enseignants0,268 · 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

Citations28
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujetBone Tissue Engineering MaterialsTravaux en français237 207