MétaCan
Menu
Retour à la cohorte
Enregistrement W2079046651 · doi:10.1002/jbm.a.10127

Structure and properties of the precipitates formed from condensed solutions of the revised simulated body fluid

2003· article· en· W2079046651 sur OpenAlexaff
Elena I. Dorozhkina, Sergey V. Dorozhkin

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCrystallinitySimulated body fluidPrecipitationMaterials scienceAqueous solutionMagnesiumChemical engineeringCalciumPhosphateIonic bondingIonChemistryComposite materialOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Precipitation experiments with aqueous solutions of the Kokubo's revised simulated body fluid (rSBF) equal to 2, 4, 8, and 12 times the ionic concentration of human blood plasma were performed. Instead of Hepes, solution pH was adjusted to the desired value of 7.40 +/- 0.02 by either bubbling of CO2 or addition of HCl. The experiments were performed in tightly closed plastic vessels kept at 37.0 +/- 0.2 degrees C for 72 h under permanent shaking. Afterward, the suspensions were filtrated, and the precipitates were collected and analyzed. The results revealed that increasing the concentration of rSBF resulted in great changes in both the structure and the chemical composition of the precipitates. Phosphate substitution for carbonate (although the amounts of calcium and magnesium remained unchanged) and crystallinity decreasing were the most important modifications found in the precipitates formed from the highly condensed solutions of rSBF.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,041
Tête enseignante GPT0,276
Écart entre enseignants0,235 · 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

Citations39
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

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