MétaCan
Menu
Retour à la cohorte
Enregistrement W2014334780 · doi:10.1002/jbm.a.30256

Surface modification of metallic cardiovascular stents by strongly adhering aliphatic polyester coatings

2005· article· en· W2014334780 sur OpenAlexaff
Christine Jérôme, Abdelhafid Aqil, Samuël Voccia, David‐Emmanuel Labaye, Véronique Maquet, Sandrine Gautier, Olivier F. Bertrand, Robert Jérôme

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolyesterScanning electron microscopeBiodegradable polymerRaman spectroscopyMonomerBiocompatibilityPolymer chemistryChemical engineeringCoatingPolymerNanotechnologyComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

This article reports on a novel two-step strategy for the coating of cardiovascular stents by strongly adhering biocompatible and biodegradable aliphatic polyesters. First, a precoating of poly(ethylacrylate) (PEA) was electrografted onto the metallic substrate by cathodic reduction of the parent monomer in dimethylformamide (DMF). The electrodeposition of PEA, in a good solvent of it, was confirmed by both Infra-red and Raman spectroscopies. The pendant ester groups of PEA were then chemically reduced into aluminum alkoxides, able to initiate the ring-opening polymerization (ROP) of either D,L-lactide (LA) or epsilon-caprolactone (CL). Growth of biodegradable PLA or PCL coatings from the adhering precoating was confirmed by both Infra-red and Raman spectroscopies, and directly observed by scanning electron microscopy (SEM). This type of coating can act as an anchoring layer for the subsequent casting of drug-loaded polyester films allowing the controlled release of antiproliferative agents for the treatment of in-stent restenosis.

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)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,098
Tête enseignante GPT0,392
Écart entre enseignants0,294 · 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

Citations22
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207