MétaCan
Menu
Retour à la cohorte
Enregistrement W2166747074 · doi:10.3390/jfb3020432

Bioactive and Biodegradable Nanocomposites and Hybrid Biomaterials for Bone Regeneration

2012· article· en· W2166747074 sur OpenAlexafffund
Bedilu Allo, Daniel O. Costa, S. Jeffrey Dixon, Kibret Mequanint, Amin S. Rizkalla

Notice bibliographique

RevueJournal of Functional Biomaterials · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésNanocompositeMaterials scienceRegeneration (biology)ScaffoldBioactive glassPolyesterNanotechnologyBiodegradable polymerBiomaterialTissue engineeringHybrid materialPolymerBiomedical engineeringComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Strategies for bone tissue engineering and regeneration rely on bioactive scaffolds to mimic the natural extracellular matrix and act as templates onto which cells attach, multiply, migrate and function. Of particular interest are nanocomposites and organic-inorganic (O/I) hybrid biomaterials based on selective combinations of biodegradable polymers and bioactive inorganic materials. In this paper, we review the current state of bioactive and biodegradable nanocomposite and O/I hybrid biomaterials and their applications in bone regeneration. We focus specifically on nanocomposites based on nano-sized hydroxyapatite (HA) and bioactive glass (BG) fillers in combination with biodegradable polyesters and their hybrid counterparts. Topics include 3D scaffold design, materials that are widely used in bone regeneration, and recent trends in next generation biomaterials. We conclude with a perspective on the future application of nanocomposites and O/I hybrid biomaterials for regeneration of bone.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
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)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,210
Écart entre enseignants0,195 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations150
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Functional BiomaterialsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207