MétaCan
Menu
Retour à la cohorte
Enregistrement W2024119776 · doi:10.1680/bbn.14.00025

Fabrication and characterization of zein–bioactive glass scaffolds

2014· article· en· W2024119776 sur OpenAlexaff
Shiva Naseri, Jasmin Hum, William C. Lepry, Amir K. Miri, Showan N. Nazhat, Aldo R. Boccaccini

Notice bibliographique

RevueBioinspired Biomimetic and Nanobiomaterials · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBioactive glassBiomaterialMaterials scienceComposite numberCharacterization (materials science)Scanning electron microscopeFourier transform infrared spectroscopyBiodegradationCompressive strengthLeaching (pedology)Composite materialChemical engineeringNanotechnologyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Plant proteins show advantages over animal-based proteins for biomaterial applications attributable to their ease of availability and suitable biodegradability. In this study, composite foams based on zein and 45S5 bioactive glass (BG) particles were produced through salt leaching for potential applications in bone tissue engineering (BTE) applications. Different characterization techniques were used including scanning electron microscopy for morphological and microstructural analysis, ATR-FTIR spectroscopy and X-ray diffraction for composition characterization and mechanical tests. Zein–BG composite scaffolds demonstrate enhanced bioactivity with a compressive modulus and strength around 5·7 MPa and 1·9 MPa, respectively. Zein–BG composite scaffolds constitute a new bioactive material with potential applications in BTE.

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 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 enseignants0,031
Score d'incertitude au seuil0,805

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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.

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

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioinspired Biomimetic and NanobiomaterialsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207