MétaCan
Menu
Retour à la cohorte
Enregistrement W2043172904 · doi:10.1177/0885328215568985

Calcium polyphosphate as an additive to zinc-silicate glass ionomer cements

2015· article· en· W2043172904 sur OpenAlexafffund
Esther M. Valliant, David Gagnier, Brett Dickey, Daniel Boyd, Mark Filiaggi

Notice bibliographique

RevueJournal of Biomaterials Applications · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAtlantic Canada Opportunities AgencyDalhousie University
Mots-clésPolyphosphateZincGlass ionomer cementMaterials scienceUltimate tensile strengthCementCalcium silicateIonomerSilicateChemical engineeringPolyacrylic acidCalciumDental cementComposite materialNuclear chemistryPolymerChemistryMetallurgyPhosphateOrganic chemistryCopolymer

Résumé

récupéré en direct d'OpenAlex

Aluminum-free glass ionomer cements (GICs) are under development for orthopedic applications, but are limited by their insufficient handling properties. Here, the addition of calcium polyphosphate (CPP) was investigated as an additive to an experimental zinc-silicate glass ionomer cement. A 50% maximum increase in working time was observed with CPP addition, though this was not clinically significant due to the short working times of the starting zinc-silicate GIC. Surprisingly, CPP also improved the mechanical properties, especially the tensile strength which increased by ∼33% after 30 days in TRIS buffer solution upon CPP addition up to 37.5 wt%. This strengthening may have been due to the formation of ionic crosslinks between the polyphosphate chains and polyacrylic acid. Thus, CPP is a potential additive to future GIC compositions as it has been shown to improve handling and mechanical properties. In addition, CPP may stimulate new bone growth and provide the ability for drug delivery, which are desirable modifications for an orthopedic cement.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,026
Tête enseignante GPT0,283
Écart entre enseignants0,256 · 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

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomaterials ApplicationsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207