MétaCan
Menu
Retour à la cohorte
Enregistrement W2106866444 · doi:10.1002/jbm.a.31217

Mechanical and microstructural properties of hybrid poly(ethylene glycol)–soy protein hydrogels for wound dressing applications

2007· article· en· W2106866444 sur OpenAlexaff
Rony Snyders, Kirill I. Shingel, O. Zabeida, Christophe Roberge, Marie‐Pierre Faure, L. Martinů, J.E. Klemberg-Sapieha

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSelf-healing hydrogelsEthylene glycolUltimate tensile strengthPEG ratioComposite materialAbsorption of waterChemical engineeringElastic modulusPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Biomimetic hydrogel made of poly(ethylene glycol) and soy protein with a water content of 96% has been developed for moist wound dressing applications. In this study, such hybrid hydrogels were investigated by both tensile and unconfined compression measurements in order to understand the relationships between structural parameters of the network, its mechanical properties and protein absorption in vitro. Elastic moduli were found to vary from 1 to 17 kPa depending on the composition, while the Poisson's ratio (approximately 0.18) and deformation at break (approximately 300%) showed no dependence on this parameter. Further calculations yielded the crosslinking concentration, the average molecular weight between crosslinks (M(C)) and the mesh size. The results show that reactions between PEG and protein create polymeric chains comprising molecules of PEG and protein fragments between crosslinks. M(C) is three times higher than that expected for a "theoretical network." On the basis of this data, we propose a model for the 3D network of the hydrogel, which is found to be useful for understanding drug release properties and biomedical potential of the studied material.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,058
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
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 Opus0,047
Tête enseignante GPT0,335
Écart entre enseignants0,288 · 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

Citations70
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207