MétaCan
Menu
Retour à la cohorte
Enregistrement W2134251998 · doi:10.1002/jbm.a.31025

Porous polylactide/chitosan scaffolds for tissue engineering

2006· article· en· W2134251998 sur OpenAlexaff
Ying Wan, Ya Fang, Hua Wu, Xiaoying Cao

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceChitosanPorositySwellingTissue engineeringComposite materialSolventChemical engineeringToughnessBiomedical engineeringOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Novel porous scaffolds were fabricated using biodegradable polylactide/chitosan blends. A combinational technique involving solvent-extracting, liquid-solid separation, and freeze-drying paths were employed. The processing parameters were optimized in order to produce desired porous scaffolds and thus obtained scaffolds showed well distributed and interconnected porous structures with controllable porosities varying from around 50-85% and regulative pore sizes being distributed within a region between 2 and 190 microm. These scaffolds exhibited remarkably improved hydrophilicity based on the measurements for their swelling index. The results obtained from in vitro incubation of scaffolds in phosphate buffered saline solutions at 37 degrees C during various periods up to 10 weeks indicated that chitosan component inside the scaffolds, on the one hand, effectively buffered the acidic degradation products of polylactide/chitosan scaffolds and on the other hand, the degradation of the scaffolds was also conspicuously delayed. These porous scaffolds maintained well-defined compressive mechanical properties and by well-blending polylactide with chitosan component, improved toughness on the resultant porous scaffolds was also observed.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,092
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,345
Écart entre enseignants0,320 · 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.

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

Citations60
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207