MétaCan
Menu
Retour à la cohorte
Enregistrement W1975514450 · doi:10.1115/1.4001422

A Mechanism to Explain Physiological Lubrication

2010· article· en· W1975514450 sur OpenAlexafffund
David F. James, Garret M. Fick, W. Douglas Baines

Notice bibliographique

RevueJournal of Biomechanical Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLubricationHyaluronic acidAsperity (geotechnical engineering)Synovial fluidViscosityMechanism (biology)Materials scienceLubricantSynovial jointChemistryMechanicsFlow (mathematics)CompressibilityComposite materialChemical physicsBiomedical engineeringArticular cartilageOsteoarthritisAnatomyPhysicsEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

A new mechanism of physiological lubrication is proposed to explain how low-viscosity synovial fluid prevents articular surfaces from contacting and wearing. The new mechanism is based on the hypothesis that the hyaluronic acid chains in synovial fluid bind to the cartilage surfaces through electrostatic charges, with the phospholipid layer on an articular surface supplying the necessary attractive charges. The stationary hyaluronic acid network causes a large hydrodynamic resistance to outward flow from the gap. To determine the effectiveness of the network in preventing contact, squeeze-film flow between two incompressible, permeable disks is analyzed when a constant load is suddenly applied, and the solvent--synovial fluid minus the hyaluronic acid--escapes through the network and through the permeable disks. The analysis yields the approximate time for the gap distance to decrease to asperity size. For realistic physiological parameters, the time for the surfaces to contact is a minimum of several minutes and likely much longer. The role of albumin in the synovial fluid is included because the large protein molecules are trapped by the small openings in the hyaluronic acid network, which increases the flow resistance of the network and thereby delays contact of the surfaces.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomechanical EngineeringMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207