A Novel Approach for the Utilization of Biocellulose Nanofibres in Polyurethane Nanocomposites for Potential Applications in Bone Tissue Implants
Notice bibliographique
Résumé
With the increasing number of surgical bone grafts per year, the application of biomaterials in tissue engineering has become a popular issue. In the present work, the potential of biocellulose-nanofibre-reinforced polyurethane nanocomposites to act as bone scaffold implants is established. Investigating properties of polyurethane shows that this widely applied biomaterial group cannot fulfil all properties required for bone implants in a stand-alone fashion. Bone implants require a high Young's modulus and tensile strength but low strain which makes it difficult to find a suitable polyurethane since higher hard segment content will reduce tensile strength and lower hard segment content will reduce the Young's modulus. Other factors such as biodegradation also become important. A literature review on carbon nanotube and nanofibre composites with polyurethanes shows that nanofibrous reinforcement leads to favourable implant properties. Young's modulus and tensile strength increase dramatically. Other properties such as thermal conductivity and viscosity are also affected. These types of nanofibrous materials, however, are the subject of an ongoing debate about toxicity and their use in bone implants is questionable. Biocellulose nanofibres formed from bacteria (also called bacterial cellulose (BC)) possess favourable mechanical properties and are highly biocompatible. A survey on works done on BC nanofibres and their composites show that nanostructured biocomposites that contains the nanofibres reinforced in polymer composites result in changes that are comparable to those of carbon nanotubes in regards to bone scaffold applications. Showing improvement on biocompatibility and mechanical properties, biocellulose nanofibre reinforcement on polyurethanes possesses strong potential for bone implants and other tissue-engineering applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».